1) 그림 12에서 좋은 결과를 보여 주지만 EA가 훈련 된 데이터로 실행되기 때문에 공정하지 않다고 생각합니다. EA 파라미터는 2011.6.30부터 2011.9.1까지 계산되었고 2011.7.1부터 2011.8.26까지 테스트되었습니다 (그림 1). 따라서 학습된 데이터에 대해 테스트했습니다.
2) 그리고 p-레벨을 최적화하는 방법이 궁금합니다. 이 글에서 "p-레벨이 가장 높은 중요하지 않은 파라미터를 제거했다"고 하셨는데요. 제거한 후 다시 분석을 실행했는데, p-레벨이 모두 변경되어 p-레벨이 유의한 파라미터가 유의하지 않은 파라미터로 바뀌었습니다. 그리고 그림 10의 표에는 dDeMarker, dAC, DeMarker, Bulls, Bears의 다섯 가지 매개 변수가 표시됩니다. 5개 이상의 파라미터에 대해서만 분석을 실행하고 있나요? 일부 매개변수가 숨겨져 있습니다.
MetaQuotes Software Corp. | English Russian Chinese Spanish Portuguese
www.mql5.com
The Demarker Indicator (DeM) is based on the comparison of the period maximum with the previous period maximum. When the indicator falls below 30, the bullish price reversal should be expected. When the indicator rises above 70, the bearish price reversal should be expected.
Другое, что нужно учитывать, это выбросы в данных. Редкие, но сильные события (в нашем случае скачки цены) могут внести ложные зависимости в уравнение. Например, после выхода какой-либо неожиданной новости на рынке произошло сильное движение, продлившееся несколько часов. В этом случае значения технических индикаторов имели малую значимость в прогнозе, но регрессионный анализ припишет им высокую значимость, поскольку было сильное изменение цены. Поэтому желательно фильтровать данные в выборке или проверять наличие выбросов в данных.
아주 좋은 지적입니다. 규칙성이 없는 곳에서 규칙성을 찾아서는 안 됩니다. 이는 사용되는 거의 모든 분석 방법에 적용됩니다.
안타깝게도 이러한 연구에서 가장 중요한 요소(잔차 분석은 다른 문제입니다)인 발견된 '규칙성'이 어느 정도 생존 가능한지 여부는 다루어지지 않습니다.
"규칙성"은 발견된 가중 계수(MR 및 모든 NS 측면에서)가 "유지"(최소한의 변화)되는 기간이 길수록 생존 가능성이 높아집니다. 어떤 창에서든 SB(정의상 규칙성이 없는 경우)에서 주목할 만한 계수를 찾는 데는 비용이 들지 않습니다. 그러나 우리가 다른 것이 아니라 SB를 다루고 있다고 높은 수준의 진실로 말할 수 있는 것은 그 변화의 역학입니다.
즉, 가중치 변화의 역학은 초기 BP에 규칙성이 있는지에 대한 특정 기준입니다.
예를 들어, 다음은 연구 방법 중 하나의 가중치가 시간에 따라 어떻게 선형적으로 변하는지를 볼 수 있는 동영상(오른쪽 상단 그래프)입니다:
때때로 매끄러울 때도 있고(매우 좋음), 가중치가 급변하는 상황(매우 나쁨)도 있습니다.
또한 시장의 규칙성은 시간대, 계절성 등에 따라 달라집니다. 따라서 시간대를 검색할 때는 시간대를 별도로 고려해야 합니다. 몇 년 동안 수익성있게 사용되어 온 일부 십자가의 야간 거래는 하루 중 특정 간격으로 만 존재하는 실제 규칙 성의 생생한 예입니다. 그리고 시간대 필터없이 전체 원본 BP를 연구했다면 결코 발견되지 않았을 것입니다.
추신 많은 편지에 무언가 (분명히 "지식의 날"의 분위기가 영향을 미쳤습니다) 그래서 나는 게시물을 잘라 냈습니다.
얼마 전 메타트레이더 5 테스터에서 전략 시각화하기 기사를 게시했는데, 최적화 결과를 "즉시" 처리하는 방법을 보여줍니다. 물론 이 주제는 완전히 공개되지 않았습니다. 여기에는 다양한 가능성이 있으며 이와 관련된 기사 주제가 있습니다:
입력 및 출력에 대한 오실레이터 판독값 분석하기. 단일 패스가 끝나면 각 거래의 개장 시간을 얻고 이에 대한 표준 오실레이터 값을 찾습니다. 최적화하는 동안 이러한 오실레이터 값에 따른 수익/손실 거래 분포를 차트/히스토그램/원 다이어그램 형태로 표시합니다. 이를 통해 이 전략이 이러한 오실레이터와 어떤 관계를 맺고 있는지, 추가 필터로 사용할 수 있는지 시각적으로 평가할 수 있습니다.
이는 제가 수학에 대해 완전히 무지한 상태에서 나온 생각일 뿐이라는 점을 미리 말씀드리겠습니다.
우선 거래 신호가 일부 지표의 선형 조합에 의해서만 형성된다고 가정해 봅시다. 또한 연구중인 TS에 대해 0이 아닌 가정 (희망)이 있습니다. 예를 들어, MA, 피보, PriceChannel 등이 사용될 가능성이 높습니다. 또는 반대로 특정 지표 목록을 통해 지정된 입력으로 TS가 공식화되는 것을 보고 싶습니다.
또한 위에서 언급했듯이 매트릭스 방식은 모든 종류의 지표 값(가격 자체 포함) 및 TS의 거래 신호 표에 적용됩니다.
거래 신호 자체는 매수, 매도, 사랑의 세 가지 값을 나타냅니다. 이러한 (그리고 다른) 이유 때문에 한 가지 유형의 신호만 있는 TS를 별도로 고려하는 것이 좋습니다. 매수라고 가정해 봅시다.
매수 신호 자체는 특정 방향의 임계값을 넘을 때 형성됩니다. 편의상 이 임계값은 0으로 간주합니다.
위의 내용을 요약해 보겠습니다:
우리는 고려된 TS의 매수 신호만 취하고, 이 지점에서 관심 있는 지표의 값 집합을 취합니다. 그리고 연구한 수학적 방법을 통해 선형 조합을 표현하려고 합니다:
K[1] * Value[1] + .... + K[n] * Value[n] = 0, 가중치에는 Sum(Abs(K[i])) 제한을 적용합니다. = 1. MR은 Value[j]를 다른 요소를 통해 표현하도록 설계되었기 때문에 당면한 문제를 제대로 해결하지 못합니다. 따라서 각 j에 대해 솔루션의 벡터는 선형이 아닌 다른 방향을 갖습니다. 그러나 완벽하지는 않더라도 여전히 해를 구할 수 있습니다. 물론 MR 외에도 다른 수학적 방법을 사용할 수 있습니다.
가중치를 찾은 후에는 잔차를 플롯해야 합니다. 각 신호에 대해 R[i] = K[1] * Value[1] + .... + K[n] * Value[n]. 0을 중심으로 진동하는 곡선이 되는 일종의 조사된 TS의 공식화 그래프를 얻을 수 있습니다. 물론 이상값이 있을 것입니다. 이를 버리는 것이 바람직합니다. 쉽게 말해 특정 거래 신호를 무시하는 것을 의미합니다.
그런 다음 매트릭스 방법을 다시 적용해야 합니다. 결과적으로 선택한 지표 목록을 통해대부분의 TS 신호를 공식화할 수 있다면 가중치 형태로 최종 답을 얻을 수 있으며, 여기서 R[i]는 0을 중심으로 "좁게" 변동합니다.
그러나 위의 모든 것이 해결되었다고 해도 이를 TS의 공식화라고 할 수는 없다는 점을 잊지 마세요. 거래 신호의 장소뿐만 아니라 전체 가격 BP에 대해서도 발견 된 조합을 더 실행해야하기 때문입니다. 그리고 여기서 우리의 포인트에서는 조합이 우수한 결과를 제공하지만 다른 포인트에서는 거의 필터링 할 수없는 잘못된 신호를 제공 할 수 있습니다.
먼저 큰 관심을 가지고 읽은 기사에 감사드립니다.
귀하의 방법이 내장 된 MT5 최적화 프로그램과 얼마나 다른지 궁금합니다 (일부 지표를 가져 와서 과거 데이터에서 재생하면 약간의 가중치를 부여하고 결과를 "미래"에 적용합니다).
다중 회귀 방법과 내장된 MT5 방법의 차이가 그렇게 큰가요?
이 질문에 대한 의견을 주시면 감사하겠습니다.
감사합니다.
그건 그렇고, 나는 통계에 대한 배경 지식이 거의 없지만 귀하의 기사는 매우 명확하고 매우 좋은 품질이었습니다.
안녕하세요 아르템갈레프
멋진 기사에 감사드립니다. 여러 번 읽었습니다. 그리고 몇 가지 질문이 있습니다:
1) 그림 12에서 좋은 결과를 보여 주지만 EA가 훈련 된 데이터로 실행되기 때문에 공정하지 않다고 생각합니다. EA 파라미터는 2011.6.30부터 2011.9.1까지 계산되었고 2011.7.1부터 2011.8.26까지 테스트되었습니다 (그림 1). 따라서 학습된 데이터에 대해 테스트했습니다.
2) 그리고 p-레벨을 최적화하는 방법이 궁금합니다. 이 글에서 "p-레벨이 가장 높은 중요하지 않은 파라미터를 제거했다"고 하셨는데요. 제거한 후 다시 분석을 실행했는데, p-레벨이 모두 변경되어 p-레벨이 유의한 파라미터가 유의하지 않은 파라미터로 바뀌었습니다. 그리고 그림 10의 표에는 dDeMarker, dAC, DeMarker, Bulls, Bears의 다섯 가지 매개 변수가 표시됩니다. 5개 이상의 파라미터에 대해서만 분석을 실행하고 있나요? 일부 매개변수가 숨겨져 있습니다.
일부 단계에서 잘못되었을 수도 있습니다. 어쨌든이 기사에 대해 대단히 감사합니다.
Другое, что нужно учитывать, это выбросы в данных. Редкие, но сильные события (в нашем случае скачки цены) могут внести ложные зависимости в уравнение. Например, после выхода какой-либо неожиданной новости на рынке произошло сильное движение, продлившееся несколько часов. В этом случае значения технических индикаторов имели малую значимость в прогнозе, но регрессионный анализ припишет им высокую значимость, поскольку было сильное изменение цены. Поэтому желательно фильтровать данные в выборке или проверять наличие выбросов в данных.
아주 좋은 지적입니다. 규칙성이 없는 곳에서 규칙성을 찾아서는 안 됩니다. 이는 사용되는 거의 모든 분석 방법에 적용됩니다.
안타깝게도 이러한 연구에서 가장 중요한 요소(잔차 분석은 다른 문제입니다)인 발견된 '규칙성'이 어느 정도 생존 가능한지 여부는 다루어지지 않습니다.
"규칙성"은 발견된 가중 계수(MR 및 모든 NS 측면에서)가 "유지"(최소한의 변화)되는 기간이 길수록 생존 가능성이 높아집니다. 어떤 창에서든 SB(정의상 규칙성이 없는 경우)에서 주목할 만한 계수를 찾는 데는 비용이 들지 않습니다. 그러나 우리가 다른 것이 아니라 SB를 다루고 있다고 높은 수준의 진실로 말할 수 있는 것은 그 변화의 역학입니다.
즉, 가중치 변화의 역학은 초기 BP에 규칙성이 있는지에 대한 특정 기준입니다.
예를 들어, 다음은 연구 방법 중 하나의 가중치가 시간에 따라 어떻게 선형적으로 변하는지를 볼 수 있는 동영상(오른쪽 상단 그래프)입니다:
때때로 매끄러울 때도 있고(매우 좋음), 가중치가 급변하는 상황(매우 나쁨)도 있습니다.
또한 시장의 규칙성은 시간대, 계절성 등에 따라 달라집니다. 따라서 시간대를 검색할 때는 시간대를 별도로 고려해야 합니다. 몇 년 동안 수익성있게 사용되어 온 일부 십자가의 야간 거래는 하루 중 특정 간격으로 만 존재하는 실제 규칙 성의 생생한 예입니다. 그리고 시간대 필터없이 전체 원본 BP를 연구했다면 결코 발견되지 않았을 것입니다.
추신 많은 편지에 무언가 (분명히 "지식의 날"의 분위기가 영향을 미쳤습니다) 그래서 나는 게시물을 잘라 냈습니다.
많은 TS에서 거래 신호는 지표의 선형 조합을 기반으로 형성됩니다.
즉, 거래 결과(스튜트먼트)에서 TS를 풀어내는 것이 작업이라면 MR은 이러한 목적에 좋은 도구입니다.
다른 측면에서 작업을 살펴볼 수 있습니다:
트레이더는 거래 내역에서 거래 신호를 정렬합니다. 이는 비공식화된 수동 트레이딩의 결과일 수도 있고, 지그재그 상단의 일부일 수도 있습니다. 일반적으로 무엇이든 가능합니다.
그런 다음 동일한 작업이 해결됩니다: 거래 신호에 의한 TS의 자동 공식화. 즉, MR을 통해 TS에서 선형 규칙성을 찾는 것입니다.
추신 이러한 작업에도 NS를 적용할 수 있습니다. 그러나 NS 결과의 해석은 MR보다 훨씬 더 복잡합니다.
다른 관점에서 이 작업을 살펴볼 수 있습니다:
트레이더는 차트에 매매 신호를 배치합니다. 이는 비공식화된 수동 트레이딩의 결과일 수도 있고, 지그재그형 고점일 수도 있습니다. 일반적으로는 무엇이든 가능합니다.
그러면 동일한 작업이 해결됩니다: 거래 신호에 의한 TS의 자동 공식화. 즉, MR을 통해 TS에서 선형 규칙성을 찾는 것입니다.
네, 흥미로운 아이디어입니다. 이를 위한 초기 처리를 수행하는 기사를 작성할 것을 제안하기도 했습니다.
얼마 전 메타트레이더 5 테스터에서 전략 시각화하기 기사를 게시했는데, 최적화 결과를 "즉시" 처리하는 방법을 보여줍니다. 물론 이 주제는 완전히 공개되지 않았습니다. 여기에는 다양한 가능성이 있으며 이와 관련된 기사 주제가 있습니다:
하지만 아직까지 아무도 응답하지 않았습니다.
...
그런 다음 동일한 작업이 해결됩니다 : 거래 신호에 의한 TS의 자동 공식화. 즉, MR을 통해 TS에서 선형 규칙성을 찾는 것입니다.
...
여러분, 어떻게 상상하십니까? 요인 분석과 같은 것입니다. 어떤 요인이죠? 모든 가능한 기호에서 가능한 모든 매개 변수 세트가있는 모든 지표?
이는 제가 수학에 대해 완전히 무지한 상태에서 나온 생각일 뿐이라는 점을 미리 말씀드리겠습니다.
우선 거래 신호가 일부 지표의 선형 조합에 의해서만 형성된다고 가정해 봅시다. 또한 연구중인 TS에 대해 0이 아닌 가정 (희망)이 있습니다. 예를 들어, MA, 피보, PriceChannel 등이 사용될 가능성이 높습니다. 또는 반대로 특정 지표 목록을 통해 지정된 입력으로 TS가 공식화되는 것을 보고 싶습니다.
또한 위에서 언급했듯이 매트릭스 방식은 모든 종류의 지표 값(가격 자체 포함) 및 TS의 거래 신호 표에 적용됩니다.
거래 신호 자체는 매수, 매도, 사랑의 세 가지 값을 나타냅니다. 이러한 (그리고 다른) 이유 때문에 한 가지 유형의 신호만 있는 TS를 별도로 고려하는 것이 좋습니다. 매수라고 가정해 봅시다.
매수 신호 자체는 특정 방향의 임계값을 넘을 때 형성됩니다. 편의상 이 임계값은 0으로 간주합니다.
위의 내용을 요약해 보겠습니다:
우리는 고려된 TS의 매수 신호만 취하고, 이 지점에서 관심 있는 지표의 값 집합을 취합니다. 그리고 연구한 수학적 방법을 통해 선형 조합을 표현하려고 합니다:
K[1] * Value[1] + .... + K[n] * Value[n] = 0, 가중치에는 Sum(Abs(K[i])) 제한을 적용합니다. = 1. MR은 Value[j]를 다른 요소를 통해 표현하도록 설계되었기 때문에 당면한 문제를 제대로 해결하지 못합니다. 따라서 각 j에 대해 솔루션의 벡터는 선형이 아닌 다른 방향을 갖습니다. 그러나 완벽하지는 않더라도 여전히 해를 구할 수 있습니다. 물론 MR 외에도 다른 수학적 방법을 사용할 수 있습니다.
가중치를 찾은 후에는 잔차를 플롯해야 합니다. 각 신호에 대해 R[i] = K[1] * Value[1] + .... + K[n] * Value[n]. 0을 중심으로 진동하는 곡선이 되는 일종의 조사된 TS의 공식화 그래프를 얻을 수 있습니다. 물론 이상값이 있을 것입니다. 이를 버리는 것이 바람직합니다. 쉽게 말해 특정 거래 신호를 무시하는 것을 의미합니다.
그런 다음 매트릭스 방법을 다시 적용해야 합니다. 결과적으로 선택한 지표 목록을 통해대부분의 TS 신호를 공식화할 수 있다면 가중치 형태로 최종 답을 얻을 수 있으며, 여기서 R[i]는 0을 중심으로 "좁게" 변동합니다.
그러나 위의 모든 것이 해결되었다고 해도 이를 TS의 공식화라고 할 수는 없다는 점을 잊지 마세요. 거래 신호의 장소뿐만 아니라 전체 가격 BP에 대해서도 발견 된 조합을 더 실행해야하기 때문입니다. 그리고 여기서 우리의 포인트에서는 조합이 우수한 결과를 제공하지만 다른 포인트에서는 거의 필터링 할 수없는 잘못된 신호를 제공 할 수 있습니다.
이는 일부 (널리 퍼진) 유형의 TS의 자동 공식화에 대한 초기 순진한 아이디어입니다.
모든 것은 개별적입니다. 예를 들어, 매번 많은 열성 팬들이 수행하는 챔피언십 리더의 전략을 공식화하는 것의 유용성과 필요성을 평가하기는 어렵습니다.
제 생각은 단순히 이 과정을 훨씬 더 쉽고 빠르게 할 수 있는 도구에 관한 것이었습니다. 일종의 지원.
연구 관점에서 보면 시장을 연구하는 또 다른 방법이기도 합니다.
신경망과 매우 유사합니다.
SZY : NS가 아니더라도 이러한 도구의 결과는 긍정적 인 결과의 역사에 대한 NS의 작업과 유사합니다.