Statistiche di un sistema anti-griglia - pagina 5
Ti stai perdendo delle opportunità di trading:
- App di trading gratuite
- Oltre 8.000 segnali per il copy trading
- Notizie economiche per esplorare i mercati finanziari
Registrazione
Accedi
Accetti la politica del sito e le condizioni d’uso
Se non hai un account, registrati
arr, stiamo lasciando l'argomento :( riportalo
Beh lol, scusa se te lo dico, ma mi sembra che anche questo argomento sia in un vicolo cieco. La tua domanda originale "irisultati sono utili per un sistema anti-griglia e quali sono i fattori chiave di tali sistemi?" ha avuto come risposta i drawdown. Se stai cercando di valutare il sistema per cose come la scommessa ottimale / kelly, mi dispiace non so come calcolarli quando le dimensioni dei lotti sono variabili e su una stringa di trade dipendenti. Tuttavia, se stai cercando risposte su come questo sistema si confronta con altri sistemi vincenti (di tendenza o altro), allora questo è il suo percorso in questo momento.
Dal momento che hai tutti i dati win-loss per trade. Penso che la palla cada nel tuo campo per fornire cose come la varianza e la deviazione standard che potrebbero essere usate in altri calcoli statistici come il rendimento, il tasso, il rischio ecc. Un'ultima domanda, hai provato a far funzionare questo sistema su tutti i dati di prezzo che hai a disposizione (altre valute incluse)? Se l'hai fatto, il sistema si è mai bloccato? Afaic, non è se un sistema come questo andrebbe in crash, ma piuttosto quanto spesso.
zzuegg:
> Queste sono le zone di pericolo, più grandi della dimensione della griglia ma non il doppio
Come è andata dal 25 luglio?
-BB-
Mi scuso con zzuegg per aver apparentemente mandato questo thread fuori rotta ieri. Tuttavia, il punto principale del mio post era quello di mostrare che la performance statistica del sistema anti-grid era superiore a quella dei semplici sistemi di trend following, quindi sono stato sorpreso di essere alla fine del vigoroso (anche se un po' fuori bersaglio) attacco di ubzen.
@ubzen, a colpo d'occhio, il tuo thread sul tuo metodo di trend-following sembra interessante. Mi assicurerò di darci un'occhiata. Presumibilmente il fatto che hai anche postato i link al sito web dove ho preso il software che ho usato per fare l'analisi nel mio post significa che riprendi il tuo precedente consiglio categorico contro l'ottimizzazione.
Lei solleva l'interessante questione della frequenza della riottimizzazione. Sono giunto alla conclusione logica che nel trading dal vivo non c'è nulla di male nel ri-ottimizzare molto frequentemente (con un metodo che ha una buona performance walk forward), ma non mi sono ancora convinto empiricamente che ciò comporti un grande miglioramento. Ciò che è molto più importante è la lunghezza del periodo di ottimizzazione - è facile renderlo troppo breve. Ma usando MetaTrader e il walk forward analyzer, c'è una ragione importante per cui periodi di test brevi sono fuorvianti per sistemi che scambiano poco frequentemente. Questo è che qualsiasi trade aperto alla fine del periodo viene irrealisticamente chiuso a mezzanotte. Non mi piace questa "caratteristica" - secondo me il tester dovrebbe lasciar correre i trade fino a quando le regole li fanno uscire, ma questo è ciò con cui dobbiamo lavorare. Questo distorce i risultati di una quantità che aumenta quanto meno trade ci sono nel periodo di test.
Sì, il mio test è stato davvero accurato come l'utilizzo di ogni tick (sottolineato perché l'ho detto prima, e rimane vero). La ragione è che è perfettamente pratico eseguire operazioni all'apertura della barra, e infatti questo è esattamente ciò che il mio codice ha fatto. Tutta la logica era basata sui valori degli indicatori sulle barre con indice 1 o superiore. Per inciso, questo è un modo pratico e popolare per evitare la situazione stupida di catturare diversi segnali nella stessa barra. Se vuoi catturare segnali così frequentemente, usa barre più piccole! Buona osservazione sulle occasionali barre giganti da 15 minuti, ma non sono una fonte di imprecisione in questo caso.
Grazie per le tue gentili parole sulla qualità dei risultati dei miei sistemi di esempio, ma non è abbastanza buono per i miei scopi, e impallidisce rispetto ai sistemi di zzuegg, per esempio. Sono necessari molti miglioramenti, quindi ho molto da imparare! Ho sempre trovato EURUSD più facile di altri mercati, ottenendo il meglio dei miei risultati nel trading manuale e con il trading basato su regole. Ma di tanto in tanto sperimento con altri mercati e continuerò a farlo. Un'idea su cui sto lavorando da qualche anno prevede l'analisi di ogni coppia da un paniere di 4 a 6 valute (da 6 a 15 coppie) prima di scegliere la coppia da scambiare.
Non smettete mai di imparare!
zzuegg:
> Queste sono le zone di pericolo, più grandi della dimensione della griglia ma non il doppio
Come è andata dal 25 luglio?
-BB-
Ciao BB, il sistema funziona come previsto. Anche se il mercato in cui si va, la dimensione del range era di circa 200 pips + qualcosa. Dato che il gridsize standard è 50pips non ho problemi in una tale fase. Sembra anche che i periodi di ranging siano abbastanza ottimali per questo sistema.
Non c'era praticamente nessuna zona di pericolo in questo periodo. Ecco un test da luglio ad oggi:
Nota: il grande calo di equilibrio è dovuto agli attuali cambiamenti nella creteria di uscita: Ho cambiato l'uscita da una semplice uscita all'obiettivo di profitto a "uscita con equity trailing".
@Elroch, le riaperture costanti naturalmente suonano molto bene, specialmente con i sistemi trendfollowing. Il problema per me in questo è che è necessario specificare i limiti quando le condizioni di mercato sono cambiate e una riottimizzazione è necessaria. Naturalmente è possibile utilizzare l'ottimizzazione al volo, (un bell'articolo è presente nella sezione mql5). Ma anche questo richiede che le condizioni di mercato rimangano le stesse per un periodo più lungo. Ogni cambiamento costa. Quanto più le vostre ottimizzazioni sono adeguate, tanto più piccoli devono essere i cambiamenti delle condizioni di mercato per un fallimento. Penso di non andare in quella direzione, il mio sistema AdaptiveStrenght per esempio non ha imput, nessun periodo definito per i suoi indicatori. Ho programmato come base un indicatore che mi mostra la lunghezza media dei cicli alti e bassi. Gli altri parametri sono basati su questi risultati. La speranza era di ottenere un sistema che si adattasse automaticamente alle condizioni attuali del mercato. Sembra buono nel tester, ma come detto. Finora i risultati dal vivo non sono affatto buoni. (Ma ho lasciato correre l'EA poiché i risultati a lungo termine contano e lui è in esecuzione su un piccolo conto secondario).
@ubzen, sì, NeuroNets potrebbe essere quella cosa. Dal momento che la mia laurea era basata su questo argomento credo davvero che tali sistemi possono adattarsi rapidamente alle nuove condizioni di mercato. Sogno una NeuroNet che analizza le condizioni di mercato e sceglie, o riqualifica automaticamente una nuova NeuroNet basata su quelle specifiche condizioni di mercato. Ancora, sono lontano dal risolvere questo problema. Solo la programmazione di una rete allo stato dell'arte è un grande compito.
//z
@ubzen, va bene. È facile avere l'impressione sbagliata nelle discussioni su Internet. Discutere è un buon modo per chiarire la comprensione, come si sa fin dall'antica Grecia. :-)
@zzuegg, bel lavoro! Pensi che il tuo nuovo metodo di uscita offra prestazioni superiori?
Per inciso, un'ottimizzazione molto frequente non richiede nulla di più al comportamento del mercato rispetto a un'ottimizzazione meno frequente, ma potrebbe non valere la pena. La mia prima sensazione era che se i parametri del mio sistema in questo momento sono influenzati dal comportamento del mercato in un periodo passato di una certa lunghezza, voglio che questo periodo sia il più recente possibile. Questo può essere ottenuto con una ri-ottimizzazione molto frequente. Per esempio, se si ri-ottimizza ogni settimana usando 1 anno di dati, si sta sempre usando abbastanza vicino ai dati più recenti possibili, ma se si ri-ottimizza ogni 3 mesi, alcune volte si sta usando un periodo di ottimizzazione che è vecchio di 3 mesi. Tuttavia, credo che la differenza di prestazioni sia probabilmente molto piccola per diverse ragioni. In primo luogo c'è una grande sovrapposizione tra l'anno più recente e l'anno che finisce 3 mesi prima - infatti 3/4 dei dati sono gli stessi. In secondo luogo l'ottimizzazione è un processo molto impreciso. Una grande frazione della differenza tra i risultati di un'ottimizzazione sull'ultimo anno e l'anno che finisce 3 mesi prima è probabilmente dovuta al caso, piuttosto che a una differenza significativa tra le caratteristiche del mercato nei due periodi. In terzo luogo, le aspettative delle caratteristiche del mercato i cui cambiamenti potrebbero essere catturati dall'ottimizzazione probabilmente cambiano lentamente nel tempo. In quarto luogo, c'è il fatto che le correlazioni tra le caratteristiche da cui la nostra ottimizzazione è influenzata e le caratteristiche dei dati fuori campione sono piuttosto basse, diluendo ulteriormente l'effetto sui risultati. Infine, qualsiasi caratteristica del mercato di cui stiamo cercando di catturare i cambiamenti spiegherà solo una parte dei risultati del sistema sui dati fuori campione. La conseguenza è che la differenza di performance sarà probabilmente molto piccola. Sarebbe bello testare scientificamente questo con un esempio reale, osservando le differenze statistiche nelle prestazioni, ma dovrebbe essere un test abbastanza grande per ridurre la variazione casuale nei risultati, e un test molto grande per identificare un piccolo miglioramento dovuto alla riottimizzazione molto frequente, IMO.
> Le neuroreti potrebbero essere quella cosa
Capisco l'eccitazione intorno alle NN ma ho sempre pensato che siccome l'addestramento e la riqualificazione provengono da... dati storici, stiamo solo facendo lo stesso vecchio ciclo ma con più cicli di CPU...
-BB-
lo stesso vecchio ciclo ma con più cicli di CPU...
Sì, in un certo senso condivido lo stesso sentimento, ma pensando agli insegnamenti felici %:)
Beh, spero che la NN faccia il mio processo di sviluppo del sistema meglio di me. Con questo intendo il processo di apprendimento da un percorso che ha fallito e provare un altro percorso.
Un paio di pensieri. I dati storici sono dati storici, ma è più o meno tutto quello che abbiamo :-) Le NN hanno un po' di mistica, ma in realtà sono una sorta di macchina di regressione. Con questo voglio dire che una NN può codificare una classe di funzioni tra i suoi ingressi e le sue uscite, e il processo di formazione comporta la determinazione dei parametri liberi delle funzioni per adattarle al set di allenamento.
La questione dei dati storici mi ricorda uno dei miei dogmi di trading preferiti senza senso "gli indicatori sono in ritardo, il prezzo no". Il prezzo attuale non è in ritardo, è vero, ma provate a fare trading usando solo il prezzo attuale e ignorando tutti gli altri (è 1,41665 - volete comprare o vendere? Nessun'altra informazione disponibile). I prezzi precedenti sono piuttosto evidentemente in ritardo. Ritardano meno degli indicatori? Supponiamo di avere un insieme di SMA di lunghezza 1, 2, 3 e così via. Le prime N di queste determinano gli ultimi N prezzi. Penso che in ogni senso reale questo significhi che le SMA non ritardano più del prezzo. Qualcuno che aderisce a questo dogma popolare crederà che quando si parla del supporto creato da un estremo del prezzo che si è verificato N barre indietro, questo è un esempio di prezzo non in ritardo, ma se si parla della relazione del prezzo con una SMA di N periodi, questo sarebbe un indicatore in ritardo. Divertente.
È 1,41665 - vuoi comprare o vendere?
Wow questo è abbastanza buono, non ho mai insegnato in questo modo prima. Amico, questo ragazzo mi piace ancora di più, mi fa pensare. Permettetemi di aggiungere il mio dogma alla lista. Rsi, Macd, CCi, Adx, Sma o qualunque sia il tuo indicatore preferito ha mosso 100 punti in direzione dell'alto, vuoi comprare o vendere?