TS를 반복하는 작업은 가치가 없습니다. 그러나 일반적으로 거래는 비슷합니다. 분명히 TS가 다른 논리에 있지만 이익을 나타내더라도 거래 신호는 매우 강한 상관 관계가 있어야 합니다. 진술이 전혀 명확하지 않습니다. 그러나 아마도 동일한 시장 패턴이 두 TS에서 모두 사용되기 때문에 특정 입력 집합이 특징입니다.
이것으로부터 우리는 가설을 추론할 수 있습니다: 논리가 다른 두 TS가 입력 측면에서 높은 상관 관계가 있는 경우 기존 시장 패턴을 사용합니다.
밤에, 한 장소에서, 그 소년이 뒤집힌 같은 장소에서 SELL 포지션의 플립이 있어야 했습니다. 내 부지는 더 작았고 주문 수 는 훨씬 많았습니다.
그 소년은 굴러갔고, 나는 거의 하지 않았다. 아침에 테스터가 보여준 것처럼 플러스 대신에 해당 마이너스를 받았습니다.
전투 로봇은 가상 테스트 환경과 전투 거래 환경을 동기화하는 원칙에 따라 거래하기 때문에 싱크로나이저는 쿠데타가 발생하지 않고 두 번째 기회(쿠데타 극한에서).
해결책을 찾았습니다. 반대 한계를 설정하고 열린 입장을 취하는 논리를 별도로 살펴볼 필요가 있는 것은 테스터가 아닌 실생활에서 밝혀졌습니다. 요컨대 테스터를 위한 반전 TS는 실제를 위한 반전 논리를 전혀 사용해서는 안됩니다.
나는 그 사람이 그러한 접근 방식을 사용하지 않는다고 확신합니다. 그는 귀찮게하지 않습니다. 그는 단지 수익성있게 거래합니다.
소년의 거래에 대한 관찰은 TS에서 전투 포트폴리오를 컴파일하는 자신의 접근 방식의 정확성에 대한 의구심을 불러일으켰습니다.
먼저 제가 직접 해본 방법을 적어보겠습니다. 그래서 TS가 있습니다. 이 경우 운하. 테스터에서 그는 그것을 무차별 대입했습니다. 주관적으로 강력하지 않은 옵션을 던졌습니다. 그런 다음 나머지 옵션을 이익(PF, PV)별로 정렬하고 이익(PF, PV)이 감소하는 방향으로 입력 매개변수의 값이 최대한 다른 옵션을 선택합니다.
그러한 차량 포트폴리오는 전투 임무를 위해 가장 다양하게 보였습니다. 동시에, 포트폴리오에서 각 TS에 대한 가중치 계수 선택에 신경 쓰지 않고 단순히 위험을 균등하게 나누었습니다. 또한 결합된 자산을 구축하지 않습니다.
그러한 접근 방식은 다소 논리적인 것 같았습니다. 하지만 제 TS 포트폴리오와 남학생의 TS 포트폴리오를 비교해보니 차이점이 있었습니다. 포트폴리오에서 겉보기에 다른 차량이 거의 같은 장소에서 뒤집히는 일이 종종 발생했습니다. 하지만 소년의 경우는 달랐다.
그의 포트폴리오는 단기 및 장기 차량으로 구성된 것 같습니다. 빈번한 채널이 마이너스에 빠졌을 때 더 희귀한 채널이 수익을 내면서 빼냈습니다. 그 반대. 저것들. TS 포트폴리오를 만드는 완전히 다른 접근 방식인 "그리드"가 있습니다. 그러나 그리드에 대한 고전적인 이해가 아니므로 따옴표로 묶습니다.
따라서 (지금까지는 이론적으로만) 다른 접근 방식을 고려했습니다. 계획 범위가 다른 차량 포트폴리오를 컴파일하는 작업이 있는 경우 최적화 프로그램 및 다양한 정렬의 무차별 대입 후에 다른 MO가 있는 차량을 가져와야 합니다.
우리 스스로 허용 가능한 MO 값의 범위를 결정했다고 가정합니다. 그런 다음 이 MO 간격을 여러 개의 동일한 하위 간격으로 나누고 각각에 대해 이 하위 간격에 속하는 TS의 한 변형을 취합니다.
역사상 가장 부드러운 포트폴리오 자기자본 곡선을 구축하는 것과 관련된 또 다른 생각이 있습니다. 저것들. 우리는 자산이 가능한 한 아름다울 수 있도록 그러한 포트폴리오를 찾습니다. 이 경우 포트폴리오는 자동으로 단기 및 장기 차량으로 구성되어 서로를 보장해야 할 것 같습니다. 그러나 사실은 아닙니다.
일반적으로 자산 평활화를 위한 이러한 도구는 포트폴리오의 각 TS에 대한 가중치를 찾기 위해 직접(무차별 대입) 또는 이미 선택된 매개변수(위에 쓴 대로 ML에 따라)에 적용할 수 있습니다.
내가 틀리지 않았다면 Markowitz 포트폴리오 컴파일 알고리즘은 그러한 문제를 해결하는 것과 관련이 있습니다. 그리고 그러한 작업(평형화)이 어떻게 체크메이트에서 제기되고 해결되는지는 매우 흥미롭습니다. 패키지 . 나는 이것들이 아주 오랫동안 구현된 몇 가지 기본 기능이라고 생각합니다. 아마 누군가가 사용했을 것이고, 그들이 신고하면 좋을 것입니다.
그런 알고리즘을 생각해 냈을 때(테스트하지 않음). 각 TS의 VR 자산에서 수익성 구성 요소(LR 또는 다른 옵션)를 뺍니다. 또한 최종 라인이 가능한 한 수평이 되도록 결과 VR을 함께 추가하여 분산을 최소화합니다. 다행히도 최소한의 서류 가방. 분산으로 구축할 수 있었습니다.
아마도 그는 소년 무역의 다소 이상화된 이미지를 그렸을 것이고, 그는 완전히 다른 방식으로 무역을 했을 것입니다. 하지만 나쁘지 않다는 생각이 들었다. 나는 포트폴리오에 있는 사람이 일반적으로 수익성이 없거나 거의 없는 차량을 가지고 있다는 것을 인정합니다. 그러나 그들은 당신이 형평성을 균등화할 수 있도록 합니다. 그는 이것이 어떻게 가능한지 아직 완전히 입증하지 못했습니다.
zaskok3 :
회전율은 계산되지 않았지만 분명히 거대했습니다.
완전한 24시간 거래가 아닌 4일 동안 나는 5600만 달러 의 회전율을 얻었습니다. 그는 24시간 트레이드를 했으며 종종 10-12배 더 많은 헬로트를 기록했습니다. 따라서 일주일 동안 그의 매출은 약 10억 달러입니다.
5600만?
이것으로부터 우리는 가설을 추론할 수 있습니다:
논리가 다른 두 TS가 입력 측면에서 높은 상관 관계가 있는 경우 기존 시장 패턴을 사용합니다.
밤에, 한 장소에서, 그 소년이 뒤집힌 같은 장소에서 SELL 포지션의 플립이 있어야 했습니다. 내 부지는 더 작았고 주문 수 는 훨씬 많았습니다.
그 소년은 굴러갔고, 나는 거의 하지 않았다. 아침에 테스터가 보여준 것처럼 플러스 대신에 해당 마이너스를 받았습니다.
전투 로봇은 가상 테스트 환경과 전투 거래 환경을 동기화하는 원칙에 따라 거래하기 때문에 싱크로나이저는 쿠데타가 발생하지 않고 두 번째 기회(쿠데타 극한에서).
해결책을 찾았습니다. 반대 한계를 설정하고 열린 입장을 취하는 논리를 별도로 살펴볼 필요가 있는 것은 테스터가 아닌 실생활에서 밝혀졌습니다. 요컨대 테스터를 위한 반전 TS는 실제를 위한 반전 논리를 전혀 사용해서는 안됩니다.
나는 그 사람이 그러한 접근 방식을 사용하지 않는다고 확신합니다. 그는 귀찮게하지 않습니다. 그는 단지 수익성있게 거래합니다.
이 회전율은 560랏입니다.
그 사람이 제비를 두 배로 늘린 것 같습니다... 그 전에는 EURCHF가 채널 거래 측면에서 다소 무거웠습니다(내 TS는 0에 머물렀습니다). 하지만 파라넥도 거기에 플러스 요인이 되었습니다. 일반적으로 표준 kanalnik 동안.
먼저 제가 직접 해본 방법을 적어보겠습니다. 그래서 TS가 있습니다. 이 경우 운하. 테스터에서 그는 그것을 무차별 대입했습니다. 주관적으로 강력하지 않은 옵션을 던졌습니다. 그런 다음 나머지 옵션을 이익(PF, PV)별로 정렬하고 이익(PF, PV)이 감소하는 방향으로 입력 매개변수의 값이 최대한 다른 옵션을 선택합니다.
그러한 차량 포트폴리오는 전투 임무를 위해 가장 다양하게 보였습니다. 동시에, 포트폴리오에서 각 TS에 대한 가중치 계수 선택에 신경 쓰지 않고 단순히 위험을 균등하게 나누었습니다. 또한 결합된 자산을 구축하지 않습니다.
그러한 접근 방식은 다소 논리적인 것 같았습니다. 하지만 제 TS 포트폴리오와 남학생의 TS 포트폴리오를 비교해보니 차이점이 있었습니다. 포트폴리오에서 겉보기에 다른 차량이 거의 같은 장소에서 뒤집히는 일이 종종 발생했습니다. 하지만 소년의 경우는 달랐다.
그의 포트폴리오는 단기 및 장기 차량으로 구성된 것 같습니다. 빈번한 채널이 마이너스에 빠졌을 때 더 희귀한 채널이 수익을 내면서 빼냈습니다. 그 반대. 저것들. TS 포트폴리오를 만드는 완전히 다른 접근 방식인 "그리드"가 있습니다. 그러나 그리드에 대한 고전적인 이해가 아니므로 따옴표로 묶습니다.
따라서 (지금까지는 이론적으로만) 다른 접근 방식을 고려했습니다. 계획 범위가 다른 차량 포트폴리오를 컴파일하는 작업이 있는 경우 최적화 프로그램 및 다양한 정렬의 무차별 대입 후에 다른 MO가 있는 차량을 가져와야 합니다.
우리 스스로 허용 가능한 MO 값의 범위를 결정했다고 가정합니다. 그런 다음 이 MO 간격을 여러 개의 동일한 하위 간격으로 나누고 각각에 대해 이 하위 간격에 속하는 TS의 한 변형을 취합니다.
역사상 가장 부드러운 포트폴리오 자기자본 곡선을 구축하는 것과 관련된 또 다른 생각이 있습니다. 저것들. 우리는 자산이 가능한 한 아름다울 수 있도록 그러한 포트폴리오를 찾습니다. 이 경우 포트폴리오는 자동으로 단기 및 장기 차량으로 구성되어 서로를 보장해야 할 것 같습니다. 그러나 사실은 아닙니다.
일반적으로 자산 평활화를 위한 이러한 도구는 포트폴리오의 각 TS에 대한 가중치를 찾기 위해 직접(무차별 대입) 또는 이미 선택된 매개변수(위에 쓴 대로 ML에 따라)에 적용할 수 있습니다.
내가 틀리지 않았다면 Markowitz 포트폴리오 컴파일 알고리즘은 그러한 문제를 해결하는 것과 관련이 있습니다. 그리고 그러한 작업(평형화)이 어떻게 체크메이트에서 제기되고 해결되는지는 매우 흥미롭습니다. 패키지 . 나는 이것들이 아주 오랫동안 구현된 몇 가지 기본 기능이라고 생각합니다. 아마 누군가가 사용했을 것이고, 그들이 신고하면 좋을 것입니다.
그런 알고리즘을 생각해 냈을 때(테스트하지 않음). 각 TS의 VR 자산에서 수익성 구성 요소(LR 또는 다른 옵션)를 뺍니다. 또한 최종 라인이 가능한 한 수평이 되도록 결과 VR을 함께 추가하여 분산을 최소화합니다. 다행히도 최소한의 서류 가방. 분산으로 구축할 수 있었습니다.
아마도 그는 소년 무역의 다소 이상화된 이미지를 그렸을 것이고, 그는 완전히 다른 방식으로 무역을 했을 것입니다. 하지만 나쁘지 않다는 생각이 들었다. 나는 포트폴리오에 있는 사람이 일반적으로 수익성이 없거나 거의 없는 차량을 가지고 있다는 것을 인정합니다. 그러나 그들은 당신이 형평성을 균등화할 수 있도록 합니다. 그는 이것이 어떻게 가능한지 아직 완전히 입증하지 못했습니다.
UPD: 별도의 스레드로 이동했습니다.