To measure the performance of a trading strategy, annualized returns are often a common metric. However comparing two strategies based on annualised returns may not always be a logical way due to several reasons. Some strategies might be directional, some market neutral and some might be leveraged which makes annualized return alone a futile...
例：log(ゲイン%/ドローダウン%)
最適化基準として、これらの値は対数の下の式と等価である。
上記の投稿者は、時間配分を伴う古典的なFVを提案した。
何かがよく理解されていない。私たちは、再投資-TSについて、3つのエンティティを議論している。
MT5-Testerに一言。
記事では、MT5-Testerがどのように市場パターンを見つけるために使われているかが示されていた。しかし、TSを書く際の研究作業についての記述が完全に欠けていた。
原則として、いくつかの実験的なTSが書かれ、それ自体が一種の研究である。それらは、いくつかのブロックが互いに異なる場合がある。ほとんどの場合、これらは取引ブロックそのものではなく、取引シグナルを形成するアルゴリズムである。つまり、変更は小さいが決定的な部分に含まれている。
十分な注意を払えば、そのようなTSは大量に蓄積することができる。そして、市場調査は、準備の整ったアルゴリズムが与えられた取引間隔からどれだけ利益を絞り出すことができるかを分析することに還元され始める。
MT5-Testerはマルチコア（そしてクラウドベース）であり、遺伝的アルゴリズムの優れた実装を内蔵しているため、初心者でも入力パラメータの巨大な（サイクロプスのような大きさの）空間に対して効率的で高速な計算を行うことができる。そして、TCを比較するタスクが発生すると、各TCの最適化の結果を比較することになる。
MT5-Testerのようなシンプルで強力なツールであっても、手動でそれを行うのは非常に面倒です。特に頻繁に行う必要がある場合は大変です。そして、algotradingでは、少なくとも週に1回、あるいはそれ以上の頻度で必要とされるかもしれない。TS作者だけでなく、一般のユーザーもこのような作業に直面することがある。例えば、マーケットからいくつかの既製のExpert Advisorを比較したい場合。
MT5-Testerには自動化メカニズムが組み込まれていますが、それには十分な資格が必要です。だからこそ、この記事で最高であることが証明された注文執行 設定（スライドするかどうかなど）と手数料での結果を計算します。
各項目を実装するために、テスターを実行する必要はありません。
つまり、TSのこのような深い研究は、マーケットからの有料ロボットでも実施することができます。
市場に規則性があると仮定しよう。それは、異なるロジックで複数のTSを書くことができ、それらは利益を獲得するが、効率は異なるという事実によって特徴付けることができる。
利益獲得の効率は、例えば、一定のロットで最適化したときのベストパスの利益で測ります。プロファイルが高ければ高いほど、効率は高くなる。すなわち、利益が高ければ高いほど、取引は より正確に価格チャートに オーバーレイされる。
クラシックとNSの比較
異なるTSは、入力パラメータのセットだけでなく、ロジックも異なることは興味深い。ロジック自体は、普遍的な内部ロジックに独自の入力数を持つNSを通して記述することができる。
ロジックがヘッドから来る古典的なTSを最適化する場合、ロジックを市場に合わせるという問題はない。つまり、ロジックはすでに作成されており、その数少ない入力パラメーターを最適化するだけです。
しかし、EAでTSを扱う場合、「ユニバーサルTS」の入力パラメータは膨大な数になります。従って、フィッティングの確率は、古典的なTCよりも直感的にずっと高くなる。
私の推論のどこに欠陥があるのでしょうか？
取引コスト
スキャルピングTSでは、手数料が大きな役割を果たす。この場合、価格はまさにそれ次第である。つまり、市場の規則性は、実質的にこのインディケータに依存しません。したがって、TSを比較する際には、手数料なしの利益を使用するのが論理的です。しかし、実際の取引では手数料を無視することはできません。そのため、手数料なしの最適化で得られた、より高い期待値ともちろん低い利益指標を持つTSが戦いに投入されるのである。その結果、市場の規則性をより悪く表現するTSが戦いに投入されることになる。やや逆説的である。
従って、戦いに挑むTSが市場の規則性をあまり効果的に描写しない場合、そのTSが負ける確率は、手数料なしで素晴らしい利益を示すTSよりも高くなる（期待値行列は手数料よりも高い）。
TSの比較
TS1がTS2と同じ数の明示的入力パラメータを持っていると仮定しよう。しかし、TC1のベストパスは、TC2より10％多くの利益を得る。統計的有意性に惑わされないように、数千のロールオーバー・トレードとする。
TC1がTC2より市場パターンをよく描写していると言うのに、10％は多いのか少ないのか？どこまでが利益の統計的誤差で、どこからが市場を記述するための本当に正確なアルゴリズムなのか、どう理解すればいいのでしょうか？
以上、だらだらと書いてしまいました。もし、この一連の饒舌の中にロジックを見いだし、このトピックについて何か考えをお持ちの方がいらっしゃいましたら、お聞かせいただければ幸いです。
TCの比較
TC1がTC2と同じ数の明示的入力パラメーターを持つとする。しかし、同時にTS1の最良のパスはTS2より10%多くの利益を得る。統計的有意性に惑わされないように、数千回のロールオーバー・トレードとする。
TC1がTC2より市場パターンをよく描写していると言うのに、10％は多いのか少ないのか？どこで利益の統計的誤差について話しているのか、どこで市場を記述するための本当に正確なアルゴリズムについて話しているのかを理解するにはどうすればいいのでしょうか？
標準的な基本的な方法は、「年率換算シャープレシオ」を 比較することだと思います。それとも、他のことなのでしょうか？
全体として、かなりとりとめがない。この一連の中傷に論理性を見いだし、このトピックについて考えをお持ちの方がいらっしゃれば、ぜひお聞かせ願いたい。
受け取った戦略のどのような変形も、データへの条件適合になりうる。それが発明されたものであろうと、手口の助けを借りて得られたものであろうと関係ない。
なぜTSが稼げなくなったかを分析すると、マーケットが大きく変化したこと、つまりストラテジーが何も知らないデータだけで下落したこと、あるいはこのデータが以前にあって、それで稼ぐことを学ぶことができなかったことが判明するかもしれない。学習のための時間窓が小さいという問題。
MOのもう一つの特徴は、学習時間窓の中でよく相関している予測変数が、モデルを適用するときにばらばらになってしまうことである。このようなことは、同じような構造を持つ葉の一部分が稼げなくなったときに、樹木で観察されます。つまり、リーフに近いスプリットの一部は、最良のスプリットのために「フィルタリング」された予測変数のランダムな相関のためにランダムな値になる可能性があり、その結果、似たようなリーフが、その構造は非常に似ているにもかかわらず、収益性のあるリーフと収益性のないリーフになります。これは非定常性とデータ不足の両方の問題であり、このような状況の特殊性を考慮すると、MOプロセス自体に調整を加える必要がある。私はアイデアを持っているが、残念ながらそれを実装するプログラマーではない。
私は利益獲得の効率を、例えば一定のロットで最適化した場合のベストパスの利益で測っている。利益が高ければ高いほど、効率も高くなります。すなわち、利益が高ければ高いほど、取引はより正確に価格チャートにオーバーレイされる。
以下の結論は、ここで選択した基準によって異なる。したがって、ここで利益だけを取るのは間違っていると思われる。
クラシック vs NS
異なるTSは、入力パラメータのセットだけでなく、ロジックも異なることは興味深い。ロジック自体は、ユニバーサル内部ロジックで独自の入力数を持つNSを通して記述することができる。
ロジックが頭から来る古典的なTSを最適化する場合、ロジックを市場に合わせるという問題はない。つまり、ロジックはすでに作成されており、その数少ない入力パラメータを最適化するだけである。
しかし、EAでTSを扱う場合、「ユニバーサルTS」の入力パラメータは膨大な数になります。したがって、直感的にフィットする確率は、古典的なTSよりもはるかに高くなります。
私の推論のどこに欠陥があるのだろうか？
すべてが論理的だ。
おそらくその違いは、古典的な変種の「少数の入力」と、ニューラルネットワークの有能で論理的な入力にあるだけだろう。
取引コスト
手数料はスキャルピングTSに大きな役割を果たします。この場合、価格はまさにそれ次第です。 すなわち、市場パターンは実質的にこのインジケータとは無関係です。
私はそうは思わない。価格」とは何でしょうか？どこでも同じなのか、それともベンチマークがあるのか。
私が言いたいのは、おそらく、特定のブローカーの手数料の大きさは、彼の相場（LP集計の数や方法、フィルターなど）に依存するかもしれないということです。
価格に直接上乗せされるマークアップは言うまでもありません。
fxsaber：
したがって、TCを比較する際に手数料なしの利益を使うのは論理的です。
根本的に同意できない。
戦略にはコストを考慮する義務がある。
なぜ、取引できない真空中の球状の相場を「完璧に記述」する必要があるのでしょうか。
私はそうは思わない。価格」とは何か？どこでも同じなのか、それともベンチマークがあるのか？
私が言いたいのは、おそらく、特定のブローカーの手数料の大きさは、そのブローカーの相場（LP集計の数や方法、フィルターなど）に依存するのではないかということです。
価格に直接上乗せされるマークアップは言うまでもありません。
価格とは、何も上乗せすることなく利用できる最高の取引条件である。
根本的に同意できない。
戦略にはコストを考慮する義務があり、最良のものを選択する基準も同様である。
なぜ、取引できない真空中の球状の相場を「完璧に記述」する必要があるのか？
TSが価格をよりよく記述すればするほど、そのロジックは市場の規則性に近づく。価格には手数料は含まれない。そのようなTSのロジックを決定した後、そこからさらに実戦的な応用へと進むことは理にかなっている。つまり、まず、手数料を含めて利益が出るTSを見つける必要はない。しかし、手数料なしで最高の利益をもたらすTS（ロジック）を見つける必要がある。
標準的な基本的方法は、「年率換算シャープレシオ」を 比較することらしい。それとも何か別の話をしているのだろうか？
シャープレシオはよく知っている。私は、市場パターンを記述するロジックの質について語る最適化基準の方向性には全く自信がない。
データへの条件付き適合は、得られたストラテジーのどのような変形であってもよい。
私の理解が正しければ、MOEは膨大な数の入力パラメータを持つ "ユニバーサルTS "である。したがって、私はこのテーゼにまったく共感できない。
私がMOを正しく理解しているとすれば、それは膨大な数の入力パラメータを持つ "ユニバーサルTC "である。したがって、私はこのテーゼにまったく共感できない。
個人的には、私は実際の取引で使用するこれらの予測ツールをトレーニングに使用しています。つまり、これは処理された情報であり、MOはこれらの情報からパターンを探す実際の作業に従事しているだけです。