サブシステム「資産管理」 - ページ 5 12345678 新しいコメント TheXpert 2008.11.20 13:39 #41 TheXpert >> : それは見過ごしだった。最大限の納得のいく結果が得られる入金率を選択すればよいのです。 この割合は，MM のないシステムの既知のパラメータに基づいて選択する必要がある。ノーベル賞を取りたいわけではないんです。少なくとも、このシンプルなバリエーションは。 見落としではありません。 あなたのアプローチと私のアプローチを比較する場合、貪欲なアルゴリズムとより正確な最適化ヒューリスティックを比較しているとしましょう。 上記のようなパラメータをターゲット関数に入れることで、利益を上げることができます。 あなたのモデルを線形計画法の観点から見てみるのも面白いかもしれませんね。 Neutron 2008.11.20 13:41 #42 TheXpert писал(а)>> あれは大袈裟なんですよ。必要なのは、最も良い結果が得られる入金額の割合を見つけることです。 MMなしで動作したときの既知のパラメータをもとに選ぶとよいでしょう。ノーベル賞を取りたいわけではないんです。少なくとも、このシンプルなバリエーションでは。 そして、最適なMM方式を実装してみよう。 以前、EzhovのNSの汎関数導出で似たようなものを見たことがあります。 そこで、オープンポジションを保有している時間の相対的な価格の増分x=dS/Sと、相対的な株式の増分dK/K=Lever*x（Leverはレバレッジ）を設定します。 そして、次のステップでエクイティの増分が行われます。K[1]=K[0]*(1+p*|x|*Lever), ここで 1/2+p は TS によって価格方向が正しく予測される確率である。時間t 後の利益はK[t]/K[0]=(1+p*|x|*Lever)^tとなる。恒等式の右辺と左辺を対数化し、すべての取り分を「良い」と「悪い」に分けると、平均利益が得られる（括弧<>は、ある大きなサンプルの値を平均化する手順を示している）。 <ln(K[t]/K[0])>=t*<(1/2+p)*ln(1+|x|*Lever)+(1/2-p)*ln(1-|x|*Lever)> 実は、この式の右辺が、Leverの レバレッジ値に関して最大化する必要のある関数なのです。 この式をLeverで微分 し、0に等しくして、予測的中率の平均値 pと x=dS/S（本来は賄賂のボラティリティ）の関数として最適値を求めよう。 Lever=2p/<|x|>と するか、分布密度関数の形状を考慮する（例えば、賄賂分布の太い尾はリスクを高める）。 Lever=2p/<|x|>, ここでa=<|x|>^2/<x^2> = ガウス分布では0.8、指数分布（FXでは確率が高い方）では0.25となります。 その結果得られるレバレッジの値は、特定のTSに対して可能な限り最大のリターンを与えることになります。レバの 増減は利益率をマイナス側に変化させる。これぞ最適なMM! 例えば、正解率50+1%、dS=50ポイントのMTの場合（1取引あたりの平均取り分）、取引レバレッジの関数として、1取引あたりの平均利益率K[i]/K[i-1]について以下のグラフを得ることができます。 例えば、100回のエントリーのうち51回市場に参加する場合、最適なレバレッジは4です。正しく推測される割合が大きい場合、最適なLeverは大きくなる。 これらはすべて、1つの楽器に対して言えることです。得られた結果を複数通貨ポートフォリオに適用する場合、各商品の取引履歴を個別に把握し、その資本化の度合いを貨幣ベースでのリターンに反比例して選択する必要があります。これにより、個々の商品がポートフォリオに与える影響を均等化し、それぞれの商品のドローダウンを滑らかにすることができます。 ポートフォリオのリスクは構成銘柄数の根として減少するため、各商品の資本金（Lever）を（最適なものと比較して）比例的に増加させることができますが、トータルリスクは変わりませんので、ご注意ください。これにより、1つの商品で取り組むよりも、同じ預金でポートフォリオ全体のリターンを高めることができます。 Subsystem "Asset Management" チャート分析の良計経済学的アプローチ スタックRBMとディープニューラルネットワーク。セルフトレーニング、及びセルフコントロール Сергей 2008.11.20 14:10 #43 をTheXpertに 変更しました。 Скажем так, если сравнить Ваш подход с моим, получится сравнение жадного алгоритма с более точной эвристикой при оптимизации. Вынос вышеупомянутых параметров в целевую функцию позволит увеличить прибыль. 私が理解したところでは、実際には、さまざまな依存関係をすべて対象関数に「詰め込んで」、経験的な「利益公式」を得たいのでしょう。あるいは、このように推論して得ることができます。結局、入力値を代入するだけで、一種の「最適解」が得られる。これも悪くはないのですが、やはりコンセプトレベルでアプローチが大きく異なっており、このような公式の存在には私はまだ疑問を持っています。 線形計画法の観点から、あなたのモデルを見るのは興味深いことです。 はい、近日中に掲載すると思います。しかし、それが一度に正しくなるとは思えません。だから、叱らないでください。科学的な知恵や技をいろいろ と学んでいるところなんです。:о) to中性子 興味深い情報ですが、私は熟考する時間が必要で、ビジネスのために急がなければなりません :o( TheXpert 2008.11.20 14:13 #44 Neutron >> : これらはすべて、1つの楽器に対して言えることです。多通貨ポートフォリオで得られた結果を一般化するためには、各商品の取引履歴を個別に持ち、その資本化の度合いを貨幣換算のリターンに反比例して選択する必要があります。これにより、個々の商品がポートフォリオに与える影響を均等化し、それぞれの商品のドローダウンを滑らかにすることができます。 また、ポートフォリオアナライザーもあります :) . そこで、ポートフォリオに最適な資本金の程度を求めることができる。そして、それを単純にペア間で比例配分することで、ポートフォリオの総資本化度合いを得ることができます。 正確な解決策ではありませんが、うまくいくでしょう、イミフです。 TheXpert 2008.11.20 14:26 #45 grasn >> : をTheXpertに変更しました。 私が理解したところでは、実際には、ターゲット関数にあらゆる依存関係を「詰め込む」ことで、経験的な「利益公式」を得たいのでしょう。あるいは、このように推論して得ることができます。結局、入力値を代入するだけで、一種の「最適解」が得られる。それも悪くはないのですが、どれも本質的なコンセプトの違いであり、このような方式が存在すること自体、私には疑問が残ります。 いいえ :) しかし、比較を続けると、貪欲なアルゴリズムは30分で書けるのに対し、厳密なヒューリスティックは...。脳が沸騰するかどうかは運次第。 [Deleted] 2008.11.20 15:50 #46 そして、ラルフ・ヴィンスの著書「マネー・マネジメントへの 新しいアプローチ」について、尊敬するコミュニティはどのように考えているのでしょうか。異なる投資商品間のアセットアロケーション構造」？ TheCore 2008.11.20 19:00 #47 ポートフォリオの概念は、必ずしも異なる通貨ペアに連動しているわけではないので、私私は、次のようにポートフォリオ分析に取り組んでいる。1.N個の取引戦略を選択し、M個の通貨のエキスパートを用意しました。2）ドローダウン率50％未満で利回りが最大になるように履歴から最適化した。3.各EAにコードを挿入し、毎日ストラテジーテスターでcsvファイルに保存しています。OrdersTotal(), LastBallance,AccountBalance(),AccountEquity() ここで、LastBallanceは、データ保存時にエキスパートが達成した最大残高である。4.その結果、N*M個のファイルを得ることができました。5.すべてExcelにロードし、各日の利益（損失）を計算する6.テスト期間全体における各戦略の相対損益の最大値を%で算出。 7.複数のストラテジーを組み合わせたポートフォリオの最大相対損益を、テスト期間全体における%で算出 この段階では、自分でポートフォリオを作りました。 私は次のように進めた。- 策に溺れた- ひがでる - この日、少なくとも小さな利益があったストラテジーを検索しました。- そして、2つのストラテジーのデータを1日ごとに集計してみました。- を追加しました。その結果、ポートフォリオ・トレーディングが総ドローダウンを減少させ、イールドカーブを滑らかにすることができるという証拠を得ることができました。(収益性を高めるためには、なぜかポートフォリオトレードが義務付けられていると考える人が多い）。 将来的には、ポートフォリオを自動的に選択するプログラム（おそらくスクリプト）を作成 する予定です。エクセルを使わず Вадимус 2008.11.20 20:43 #48 grasn писал(а)>> toanubis お役に立ててうれしいです。ただ、もうひとつ特殊な点を明らかにする時間がなかった。モデルの次数を上げると、原則として誤差が大きくなる。しかし、これらのモデルがどのように予測するのか、また、価格系列でうまく識別することが現実的に不可能であることを考慮すると、そのような細かいことにこだわることはできない。 調べてみます!高順位で使用すると定期的にパフォーマンスの問題が発生するので、次に何が起こるか考えるのが怖いです -) 精度はあまり心配していない、早すぎるのだ。 課題については、私と一緒になれば、すぐに明らかになります。。 非常に面白いですね。私も同じようなことを考えていましたが、今のところ経験が足りず、アルゴリズムをいじっているところです......。 ps: クローズドセクションってなんですか？ 一般人でも入れるんですか？ =) Neutron 2008.11.21 04:09 #49 thecore писал(а)>> ...多くの人はなぜか、ポートフォリオ・トレードはリターンを増やすに違いないと思っているようです。 そうでしょう？ わかりやすくするために、収益性の高いTSと、資本金の違いによってリターンが等しい、または等しくなるいくつかの非相関の商品があるとします。楽器が1台の場合を考えてみましょう。インカムカーブ（RC）は、最小二乗法を用いてそれを通る直線を引くことで表すことができる。すると、TCの収入は直線の傾き接線に比例し、リスクはこの直線からのQD点の標準偏差とこの商品への投資資金額との比に等しい無次元値に比例することになる。仮に、選択したMMによると、 R%のリスクレベルは私たちにとって許容できるものであるとします。 ここで、1つの商品で取引された資本を全商品の数でn 等分してみましょう。その場合、各商品のリターンはn 倍低下するが、リスクは変わらず、互いに相関はない。このようなポートフォリオでは、トータルリターンは加法的で単一のポジションの資本収益に等しく、各商品のQDの標準偏差は確率変数として加算され、第一近似的にはそれらの二乗の和の平方根に等しく、集合的リスクについては推定値R％/SQRT（n） （上記のリスクの定義参照）が得られます。しかし、MMによれば、少なくともR ％のリスクを想定することができるので、ポートフォリオの資本金を元のSQRT(n) 倍よりも増やすことができるのですリターンはポジションの資本金に比例するため、相関のない n 種類の金融商品に資本金を振り分ける ことで、 リスクを増やすことなく、ポジション全体のリターンを n 倍の根として増加 させることができると言えます。 というのは、確かに証明する必要がありました。もちろん、ポートフォリオの資本金を増やさないことでリスクを減らすことも事実であり、形式的にはポートフォリオ・トレーディングはリターンを増やす必要は ないと主張することもできるのだが...。が、これらは本質的に表裏一体である。 上の図は、100本と10本の商品からなるポートフォリオ（青線）と、その中に含まれる1本の商品（赤線）の株式の伸びを見たものです。利回りが等しいので、商品の数が増えれば増えるほど、リスクが減少することがわかる。 ポートフォリオトレードの長所と短所を述べてください。 すべて間違っているのだ、友よ。 Вадимус 2008.11.21 05:16 #50 資本金を増やす方が論理的だ -)) なぜお金を眠らせておく必要があるのかと言われるように、働かせればいい。 商品（通貨ペア）の数が限られているのが残念だが......。 12345678 新しいコメント 取引の機会を逃しています。 無料取引アプリ 8千を超えるシグナルをコピー 金融ニュースで金融マーケットを探索 新規登録 ログイン スペースを含まないラテン文字 このメールにパスワードが送信されます エラーが発生しました Googleでログイン WebサイトポリシーおよびMQL5.COM利用規約に同意します。 新規登録 MQL5.com WebサイトへのログインにCookieの使用を許可します。 ログインするには、ブラウザで必要な設定を有効にしてください。 ログイン/パスワードをお忘れですか？ Googleでログイン
それは見過ごしだった。最大限の納得のいく結果が得られる入金率を選択すればよいのです。
この割合は，MM のないシステムの既知のパラメータに基づいて選択する必要がある。ノーベル賞を取りたいわけではないんです。少なくとも、このシンプルなバリエーションは。
見落としではありません。
あなたのアプローチと私のアプローチを比較する場合、貪欲なアルゴリズムとより正確な最適化ヒューリスティックを比較しているとしましょう。
上記のようなパラメータをターゲット関数に入れることで、利益を上げることができます。
あなたのモデルを線形計画法の観点から見てみるのも面白いかもしれませんね。
あれは大袈裟なんですよ。必要なのは、最も良い結果が得られる入金額の割合を見つけることです。
MMなしで動作したときの既知のパラメータをもとに選ぶとよいでしょう。ノーベル賞を取りたいわけではないんです。少なくとも、このシンプルなバリエーションでは。
そして、最適なMM方式を実装してみよう。
以前、EzhovのNSの汎関数導出で似たようなものを見たことがあります。
そこで、オープンポジションを保有している時間の相対的な価格の増分x=dS/Sと、相対的な株式の増分dK/K=Lever*x（Leverはレバレッジ）を設定します。
そして、次のステップでエクイティの増分が行われます。K[1]=K[0]*(1+p*|x|*Lever), ここで 1/2+p は TS によって価格方向が正しく予測される確率である。時間t 後の利益はK[t]/K[0]=(1+p*|x|*Lever)^tとなる。恒等式の右辺と左辺を対数化し、すべての取り分を「良い」と「悪い」に分けると、平均利益が得られる（括弧<>は、ある大きなサンプルの値を平均化する手順を示している）。
<ln(K[t]/K[0])>=t*<(1/2+p)*ln(1+|x|*Lever)+(1/2-p)*ln(1-|x|*Lever)>
実は、この式の右辺が、Leverの レバレッジ値に関して最大化する必要のある関数なのです。 この式をLeverで微分 し、0に等しくして、予測的中率の平均値 pと x=dS/S（本来は賄賂のボラティリティ）の関数として最適値を求めよう。
Lever=2p/<|x|>と するか、分布密度関数の形状を考慮する（例えば、賄賂分布の太い尾はリスクを高める）。
Lever=2p/<|x|>, ここでa=<|x|>^2/<x^2> = ガウス分布では0.8、指数分布（FXでは確率が高い方）では0.25となります。
その結果得られるレバレッジの値は、特定のTSに対して可能な限り最大のリターンを与えることになります。レバの 増減は利益率をマイナス側に変化させる。これぞ最適なMM!
例えば、正解率50+1%、dS=50ポイントのMTの場合（1取引あたりの平均取り分）、取引レバレッジの関数として、1取引あたりの平均利益率K[i]/K[i-1]について以下のグラフを得ることができます。
例えば、100回のエントリーのうち51回市場に参加する場合、最適なレバレッジは4です。正しく推測される割合が大きい場合、最適なLeverは大きくなる。
これらはすべて、1つの楽器に対して言えることです。得られた結果を複数通貨ポートフォリオに適用する場合、各商品の取引履歴を個別に把握し、その資本化の度合いを貨幣ベースでのリターンに反比例して選択する必要があります。これにより、個々の商品がポートフォリオに与える影響を均等化し、それぞれの商品のドローダウンを滑らかにすることができます。
ポートフォリオのリスクは構成銘柄数の根として減少するため、各商品の資本金（Lever）を（最適なものと比較して）比例的に増加させることができますが、トータルリスクは変わりませんので、ご注意ください。これにより、1つの商品で取り組むよりも、同じ預金でポートフォリオ全体のリターンを高めることができます。
をTheXpertに 変更しました。
Скажем так, если сравнить Ваш подход с моим, получится сравнение жадного алгоритма с более точной эвристикой при оптимизации. Вынос вышеупомянутых параметров в целевую функцию позволит увеличить прибыль.
私が理解したところでは、実際には、さまざまな依存関係をすべて対象関数に「詰め込んで」、経験的な「利益公式」を得たいのでしょう。あるいは、このように推論して得ることができます。結局、入力値を代入するだけで、一種の「最適解」が得られる。これも悪くはないのですが、やはりコンセプトレベルでアプローチが大きく異なっており、このような公式の存在には私はまだ疑問を持っています。
線形計画法の観点から、あなたのモデルを見るのは興味深いことです。
はい、近日中に掲載すると思います。しかし、それが一度に正しくなるとは思えません。だから、叱らないでください。科学的な知恵や技をいろいろ と学んでいるところなんです。:о)
to中性子
興味深い情報ですが、私は熟考する時間が必要で、ビジネスのために急がなければなりません :o(
これらはすべて、1つの楽器に対して言えることです。多通貨ポートフォリオで得られた結果を一般化するためには、各商品の取引履歴を個別に持ち、その資本化の度合いを貨幣換算のリターンに反比例して選択する必要があります。これにより、個々の商品がポートフォリオに与える影響を均等化し、それぞれの商品のドローダウンを滑らかにすることができます。
また、ポートフォリオアナライザーもあります :) .
そこで、ポートフォリオに最適な資本金の程度を求めることができる。そして、それを単純にペア間で比例配分することで、ポートフォリオの総資本化度合いを得ることができます。
正確な解決策ではありませんが、うまくいくでしょう、イミフです。
をTheXpertに変更しました。
私が理解したところでは、実際には、ターゲット関数にあらゆる依存関係を「詰め込む」ことで、経験的な「利益公式」を得たいのでしょう。あるいは、このように推論して得ることができます。結局、入力値を代入するだけで、一種の「最適解」が得られる。それも悪くはないのですが、どれも本質的なコンセプトの違いであり、このような方式が存在すること自体、私には疑問が残ります。
いいえ :)
しかし、比較を続けると、貪欲なアルゴリズムは30分で書けるのに対し、厳密なヒューリスティックは...。脳が沸騰するかどうかは運次第。
そして、ラルフ・ヴィンスの著書「マネー・マネジメントへの 新しいアプローチ」について、尊敬するコミュニティはどのように考えているのでしょうか。異なる投資商品間のアセットアロケーション構造」？
ポートフォリオの概念は、必ずしも異なる通貨ペアに連動しているわけではないので、私
私は、次のようにポートフォリオ分析に取り組んでいる。
1.N個の取引戦略を選択し、M個の通貨のエキスパートを用意しました。
2）ドローダウン率50％未満で利回りが最大になるように履歴から最適化した。
3.各EAにコードを挿入し、毎日ストラテジーテスターでcsvファイルに保存しています。
ここで、LastBallanceは、データ保存時にエキスパートが達成した最大残高である。
4.その結果、N*M個のファイルを得ることができました。
5.すべてExcelにロードし、各日の利益（損失）を計算する
6.テスト期間全体における各戦略の相対損益の最大値を%で算出。
7.複数のストラテジーを組み合わせたポートフォリオの最大相対損益を、テスト期間全体における%で算出
この段階では、自分でポートフォリオを作りました。
私は次のように進めた。
- 策に溺れた
- ひがでる
- この日、少なくとも小さな利益があったストラテジーを検索しました。
- そして、2つのストラテジーのデータを1日ごとに集計してみました。
- を追加しました。
その結果、ポートフォリオ・トレーディングが総ドローダウンを減少させ、イールドカーブを滑らかにすることができるという証拠を得ることができました。
(収益性を高めるためには、なぜかポートフォリオトレードが義務付けられていると考える人が多い）。
将来的には、ポートフォリオを自動的に選択するプログラム（おそらくスクリプト）を作成 する予定です。
エクセルを使わず
toanubis
お役に立ててうれしいです。ただ、もうひとつ特殊な点を明らかにする時間がなかった。モデルの次数を上げると、原則として誤差が大きくなる。しかし、これらのモデルがどのように予測するのか、また、価格系列でうまく識別することが現実的に不可能であることを考慮すると、そのような細かいことにこだわることはできない。
調べてみます!高順位で使用すると定期的にパフォーマンスの問題が発生するので、次に何が起こるか考えるのが怖いです -)
精度はあまり心配していない、早すぎるのだ。
非常に面白いですね。私も同じようなことを考えていましたが、今のところ経験が足りず、アルゴリズムをいじっているところです......。
ps: クローズドセクションってなんですか？ 一般人でも入れるんですか？ =)
...多くの人はなぜか、ポートフォリオ・トレードはリターンを増やすに違いないと思っているようです。
そうでしょう？
わかりやすくするために、収益性の高いTSと、資本金の違いによってリターンが等しい、または等しくなるいくつかの非相関の商品があるとします。楽器が1台の場合を考えてみましょう。インカムカーブ（RC）は、最小二乗法を用いてそれを通る直線を引くことで表すことができる。すると、TCの収入は直線の傾き接線に比例し、リスクはこの直線からのQD点の標準偏差とこの商品への投資資金額との比に等しい無次元値に比例することになる。仮に、選択したMMによると、 R%のリスクレベルは私たちにとって許容できるものであるとします。
ここで、1つの商品で取引された資本を全商品の数でn 等分してみましょう。その場合、各商品のリターンはn 倍低下するが、リスクは変わらず、互いに相関はない。このようなポートフォリオでは、トータルリターンは加法的で単一のポジションの資本収益に等しく、各商品のQDの標準偏差は確率変数として加算され、第一近似的にはそれらの二乗の和の平方根に等しく、集合的リスクについては推定値R％/SQRT（n） （上記のリスクの定義参照）が得られます。しかし、MMによれば、少なくともR ％のリスクを想定することができるので、ポートフォリオの資本金を元のSQRT(n) 倍よりも増やすことができるのですリターンはポジションの資本金に比例するため、相関のない n 種類の金融商品に資本金を振り分ける ことで、 リスクを増やすことなく、ポジション全体のリターンを n 倍の根として増加 させることができると言えます。
というのは、確かに証明する必要がありました。もちろん、ポートフォリオの資本金を増やさないことでリスクを減らすことも事実であり、形式的にはポートフォリオ・トレーディングはリターンを増やす必要は ないと主張することもできるのだが...。が、これらは本質的に表裏一体である。
上の図は、100本と10本の商品からなるポートフォリオ（青線）と、その中に含まれる1本の商品（赤線）の株式の伸びを見たものです。利回りが等しいので、商品の数が増えれば増えるほど、リスクが減少することがわかる。