Principios de trabajo con un optimizador y formas básicas de evitar el encaje. - página 10
Está perdiendo oportunidades comerciales:
- Aplicaciones de trading gratuitas
- 8 000+ señales para copiar
- Noticias económicas para analizar los mercados financieros
Registro
Entrada
Usted acepta la política del sitio web y las condiciones de uso
Si no tiene cuenta de usuario, regístrese
Así pues, ya he dicho que el probador permite desplazar los parámetros en relación con su extremo. ¿Qué significa? Supongamos que, utilizando el mismo probador, hemos determinado los valores de algunos parámetros, en los que el beneficio del Asesor Experto es máximo en el intervalo de tiempo que se está probando. El mercado en ese intervalo de tiempo es totalmente conocido y cualquiera de sus propiedades medibles determinará su estado de forma precisa y correcta. Después de encontrar los parámetros óptimos que dan el extremo de beneficio con la ayuda del probador, hacemos un desplazamiento relativo a este extremo y observamos el cambio del resultado. En el futuro, ocurrirá lo contrario: el mercado se alejará de nuestros extremos en algún valor y la medida en que este extremo se sitúe en el amplio rango de rentabilidad definirá la estabilidad del sistema en su conjunto.
Ahora pasemos a un gráfico específico:
¡El grupo de valores situado en un lugar completamente diferente y que genera un beneficio menor que el extremum es de verdadero interés! El probador, por el contrario, no sabe nada al respecto y si se le encomienda la tarea de buscar el máximo de rentabilidad, encontrará un aumento estadístico insignificante. En el futuro, incluso el más mínimo cambio en los parámetros del mercado hará que nos encontremos al pie de esa misma cima. Para evitarlo, debemos centrarnos en rangos estables y no en valores específicos de combinaciones individuales. Sólo hay una manera de encontrar un diapasón estable: observando los parámetros en relación con una huella de mercado fija, formando un mapa de estabilidad 2D o 3D.
Indirectamente, podemos determinar que podemos estar en los extremos de un pico estadístico y no en la zona de estabilidad por la suavidad de la tendencia de la renta variable. Intuitivamente, nos atrae más un resultado positivo plano y estable (tendencia) que una curva irregular con un saldo final incluso superior al de los parámetros que generan un crecimiento constante. Esto se explica por la naturaleza fractal del proceso en cuestión. Si el proceso en su conjunto es inestable o aleatorio, observaremos las mismas características de inestabilidad en cualquiera de sus segmentos, es decir, escalas: caídas violentas que dan paso a subidas inesperadas.
He aquí una ilustración suficiente de este pensamiento. Hice que el probador encontrara la combinación más rentable de parámetros en un Asesor Experto sin sentido (casi aleatorio). El resultado es un gran equilibrio final y algo parecido a un movimiento ascendente. Obsérvese que la prueba para los mismos parámetros en la muestra sin optimización (mitad izquierda del gráfico) también tuvo éxito. Esto se debe a que los cambios de tiempo por sí solos no son garantía de estabilidad. Un pico estadístico puede durar mucho más que nuestra ventana de búsqueda y el OOS en este caso simplemente lo dice. Pero hay otros métodos de desplazamiento de los probadores que nos permiten analizar adecuadamente los resultados, pero más adelante hablaremos de ello.
...Después de encontrar los parámetros óptimos que dan el extremo de beneficio con el probador, hacemos un desplazamiento relativo a este extremo y observamos el cambio en el resultado. ...formando un mapa de estabilidad 2D o 3D.
Nos recuerda a las montañas y mesetas de valores estables de los parámetros:
Prog: 3D1V8 - con una descripción y mi ejemplo específico del informe de optimización del búho. Para la visualización de la selección de conjuntos planares de las variables externas incluidas en el búho - excelente opción, IMHO. Yo mismo lo uso.
Prog: 3D1V8 - con descripción y mi ejemplo específico del informe de optimización del búho.
Por cierto, el probador MT5 tiene una visualización integrada de los resultados de la optimización en 3D, bueno en 2D también, es decir, que ni siquiera necesita un software externo para ver los acantilados y mesetas.
En el futuro ocurrirá lo contrario: el mercado se alejará de nuestros extremos en cierta medida, y la amplitud del rango de rentabilidad en este extremo determinará la estabilidad del sistema en su conjunto.
En el lenguaje de la estadística significa estabilidad de la dispersión, y su valor es una reducción. La variabilidad de esta varianza es la estabilidad de la ST.
¿Por qué no utilizamos la ideología probada y exponemos nuestros pensamientos en términos de escalada?
Por cierto, el 3D son tres parámetros del TS según tengo entendido, y si son 4, ¿qué se puede ver?
Traducido al lenguaje estadístico, esto significa estabilidad de la varianza, y su magnitud es el drawdown. La variabilidad de esta varianza es la estabilidad de la ST.
¿Por qué no utilizamos la ideología probada y exponemos nuestros pensamientos en términos de escalada?
Por cierto, el 3D son tres parámetros de TC según tengo entendido, y si son 4, ¿qué se puede ver?
3D son dos parámetros relativos a una métrica. Cualquier parámetro puede ser una métrica como la rentabilidad, el factor de beneficio, la expectativa, etc.
Los gráficos de comprobación 2D también son un espacio tridimensional, sólo que la métrica no tiene su escala, y los valores más altos de la métrica se colorean con un color más intenso.
4D - aquí es donde entra la dificultad de la percepción. Los EA multiparamétricos forman espacios multidimensionales. Y no son fáciles de analizar visualmente. Creo que deberíamos utilizar el método de la división: si hay 4 parámetros, construimos cuatro verdaderos gráficos 2D. El eje Y es el valor de la métrica, por ejemplo la rentabilidad, el valor X es la optimización del parámetro. El gráfico que he presentado arriba es esencialmente bidimensional, sólo he desplegado la superficie para que la tercera dimensión (parámetro de optimización 2) no sea visible en perspectiva (como un dibujo 2D). Analizamos 4 parcelas, buscamos grupos estables de valores, luego los juntamos todos y vemos el resultado. El método no es perfecto, especialmente porque los parámetros se afectan mutuamente y encontrar sus extremos por separado no es lo mismo que encontrar un grupo estable de valores para todos los parámetros simultáneamente. Pero no hay un crecimiento exponencial de la enumeración y cualquier probador más sencillo puede hacer frente a esta tarea. Si tienes alguna sugerencia sobre cómo se podría resolver esta dificultad con gracia, por favor hazlo en un estudio.
Como no tengo formación especializada en este campo, estoy utilizando mis propios trucos. No puedo leer libros en lengua de pájaro, debido a la falta de un doctorado en matemáticas.
Me recuerda a las montañas y mesetas de valores estables de los parámetros:
Prog: 3D1V8 - con una descripción y mi ejemplo específico del informe de optimización del búho. Para visualizar la selección de un conjunto planar de variables externas incluidas en el búho es una gran opción, IMHO. Yo mismo lo uso.
Gracias por el recorrido. Yo también he estado buscando algo así. Es que mi WealthLab tiene un fallo terrible y hace gráficos de forma intermitente.
En el lenguaje de la estadística significa estabilidad de la dispersión, y su valor es una reducción. La variabilidad de esta varianza es la estabilidad de la ST.
¿Existe algún método estadístico que nos permita buscar analíticamente estas mesetas estables?
Pero aún así estamos de acuerdo, incluso teniendo estos métodos analíticos, sigue siendo necesario un probador, que al menos forme ese espacio de resultados, sobre el que estos métodos trabajarán más.
¿Existe algún método estadístico que nos permita buscar analíticamente estas mesetas estables?
Pero aún así estamos de acuerdo, incluso teniendo estos métodos analíticos, el probador sigue siendo necesario, al menos para formar ese espacio de resultados, en el que estos métodos trabajarán más.
No se puede prescindir de un comprobador, porque proporciona estadísticas que deben ser analizadas
En el pasado, sin duda. La varianza debe ser estable. Desviaciones de la varianza mo - la varianza de la varianza dará una medida de la estabilidad.