순서도 이것은 남은 모든 것을 제거하는 매우 오래되고 매우 효과적인 기술입니다. 소프트 디스켓 8" 어딘가에 DEC 컴퓨터에서 블록 다이어그램을 생성하는 프로그램이 있습니다. 큰 그룹에서 사용됩니다.
일을 하지 않은 사람을 식별하는 데 매우 유용합니다. 한 가지 문제는 순서도가 "자신을 위해" 그려지면 블록이 줄어들기 시작하고 순서도 자체를 그리는 것이 목적을 잃는다는 것입니다. 저것들. 정보 제공을 중단합니다. 성배 를 찾을 때 순서도를 그리는 것은 아이디어의 98%가 있어야 할 위치에 있다는 점에서 확실히 도움이 됩니다. - 항아리에. 단, 누가 뽑으면 시장은 떠난다!, (그래서 DEC는 없어졌다)
우리는 "아무것도 아닌 것"을 계속합니다. 결과의 최적화 및 평가. 그 전에는 PROM 매개변수를 사용했습니다. 여기에서 공식을 보여주지는 않겠습니다. 94페이지의 책에서 찾을 수 있습니다. 이에 기반한 두 가지 기준이 더 있습니다. "PROM에서 최대 승리 거래를 뺀 값"과 "PROM에서 최대 연속 손실을 뺀 값"입니다. 저자는 가장 독점적인 수익성이 있는 시리즈("최악에 대비")의 영향이 제거되었기 때문에 후자의 지표를 가장 신뢰할 수 있는 평가 매개변수라고 부르고, 그에 따라 결과를 정확하게 순위를 매길 것을 제안합니다.
다음은 모든 최적화 결과에서 우리가 필요로 하는 최상의 실행을 찾는 방법에 대해 추론하는 것으로 알려진 표준입니다(최적값은 안정적인 값으로 둘러싸여 있어야 함). 그 후 pp. 98-101에서 저자는 전반적인 최적화 결과 를 일반적으로 평가하는 방법론을 제시하고 이러한 결과가 성공적인 것으로 간주될 수 있는 경우와 그렇지 않은 경우를 보여줍니다. 그 후, 그는 테스트 공간에 대한 논의로 최적화에 대한 예비 장을 마무리합니다(하나의 최적화된 매개변수가 있는 경우 이것은 바람직한 평평한 극한값이 있는 결과 곡선입니다).
Ch. 6장은 최적화까지(포함하지 않음) 모든 단계를 다시 거치는 실용적인 예에 전적으로 전념합니다. 반복하지는 않겠지만 실무자들에게 이 특정 장을 즉시 참조하도록 할 수 있습니다.
Ch. 7 - 저자가 다중 기간/다중 시장 테스트 후에 수행할 것을 권장하는 전방 분석과 함께 최적화. 여기 모든 것이 심각합니다.
1. 매개변수 선택. TS의 효율성에 최대 영향을 미치는 매개변수를 선택하는 것이 필요하다는 것은 분명합니다("중요한"). 영향이 적은 것은 수정하는 것이 좋습니다.
2. 스캔 범위를 선택합니다. 여기에서 모든 것이 명확합니다. 우리 시스템이 단기이고 이동을 기반으로 하는 경우 이 범위에 1000 주기의 이동을 포함하는 것은 바람직하지 않습니다. 이는 이 TF에 대한 장기 이동이기 때문입니다. 변경 단계도 명확합니다. 단계가 많을수록 전체 최적화에 더 많은 시간이 필요합니다. 또한 저자는 너무 작은 단차가 커브 핏으로 이어질 수 있다고 주장합니다.
3. 데이터 선택. 첫째, 충분한 표본 크기(통계적 타당성)를 보장하고, 둘째, 상당히 광범위한 시장 상황을 데이터에 포함하는 것이 필요합니다. 자유도의 수(이전에 대해 이야기함)도 곡선 적합에 빠지지 않도록 해당 기준을 충족해야 합니다. 자유도 정보 - 그림 참조:
4. 단일 실행을 평가하는 테스트 기준 선택. 이것은 또한 논의되었습니다(예: 최대 수익성 시리즈가 없는 PROM).
5. 최적화의 적분 결과를 추정하기 위한 방법의 선택. 첫째 - 통계적 유의성 평가. 다시 그림:
두 번째 추정 방법은 테스트 공간에 의한 것입니다. 그림:
시스템이 변동성의 돌파에서 거래되는 경우 위에 매우 우수한 성능 곡선이 표시됩니다. 평평한 최대 및 수익성. 이러한 곡선은 매우 유망합니다.
또한 저자는 다중 시장 다중 기간 최적화에 대해 이야기합니다. 저자의 근거는 모델의 통계적 타당도가 더 높다는 것입니다. 솔직히 말해서, 모델이 처음에 한 시장에서 작동한다면 그러한 최적화의 다중 시장 부분에 대해 의구심이 듭니다. 그러나 저자 역시 이를 주장하지 않는다. 포트폴리오를 거래하려면 다양한 시장에서 테스트하는 것이 필수적입니다. 그림:
이 모든 테스트를 결합하는 방법은 여전히 나에게 불분명합니다. 아마도 그것들을 독립적으로 수행하고 공통의 최적점을 찾으십시오.
그런 다음 시스템 효율성의 관점에서 최적화의 통합 평가에 대한 고려 사항이 있습니다. 나는 나 자신을 반복하고 싶지 않다. 왜냐하면 우리는 이미 이 모든 것에 대해 간략하게 논의했습니다. 최적화의 결과 TS의 평균 효율성이 주어진 수익성 기준을 충족하고, 허용 가능한 위험이 있으며, 다른 투자 기회(예: T-본드)를 능가하는 경우 시스템은 훌륭하고 최종 테스트 - 앞으로 분석. 중지. 우리는 쉬고 있습니다.
Mathemat писал (а)>> 를 썼습니다. 포럼 사용자의 최소 5%가 이 책을 다운로드했을 뿐만 아니라 읽어본다면 좋을 것입니다... 이것은 우리가 지금 보고 있는 것과 비교하여 테스트/최적화의 품질을 크게 향상시킬 수 있습니다. 그리고 그들은 이미 끝없는 골판지 성배 와 실생활의 결과에 기분이 상한 저자의 당혹함에 지쳤습니다 ...
그들이 다운로드하고 읽을 때 더 많은 질문이 나타날 것입니다.) .... 일부는 커피와 금을 계산하기 시작합니다 .......
1. 순서도 형태의 거래 전략 형성. ........
순서도 이것은 남은 모든 것을 제거하는 매우 오래되고 매우 효과적인 기술입니다. 소프트 디스켓 8" 어딘가에 DEC 컴퓨터에서 블록 다이어그램을 생성하는 프로그램이 있습니다.
큰 그룹에서 사용됩니다.
일을 하지 않은 사람을 식별하는 데 매우 유용합니다.
한 가지 문제는 순서도가 "자신을 위해" 그려지면 블록이 줄어들기 시작하고 순서도 자체를 그리는 것이 목적을 잃는다는 것입니다.
저것들. 정보 제공을 중단합니다.
성배 를 찾을 때 순서도를 그리는 것은 아이디어의 98%가 있어야 할 위치에 있다는 점에서 확실히 도움이 됩니다.
- 항아리에. 단, 누가 뽑으면 시장은 떠난다!, (그래서 DEC는 없어졌다)
바로 이러한 연구를 위해 '테스트 및 최적화 관리 프로그램'이라는 프로그램이 개발되었습니다.
Mathemat 의 호의에 명시된 작업에 따라
그 책(그에게 특별한 감사를 표함)은 동일한 순방향 테스트를 수행할 수 있는 매크로 프로그램을 만들었습니다. .
유감스럽게도 "회의론자 Filozova"의 의견을 알고 싶습니다 :-)
우리는 "아무것도 아닌 것"을 계속합니다. 결과의 최적화 및 평가. 그 전에는 PROM 매개변수를 사용했습니다. 여기에서 공식을 보여주지는 않겠습니다. 94페이지의 책에서 찾을 수 있습니다. 이에 기반한 두 가지 기준이 더 있습니다. "PROM에서 최대 승리 거래를 뺀 값"과 "PROM에서 최대 연속 손실을 뺀 값"입니다. 저자는 가장 독점적인 수익성이 있는 시리즈("최악에 대비")의 영향이 제거되었기 때문에 후자의 지표를 가장 신뢰할 수 있는 평가 매개변수라고 부르고, 그에 따라 결과를 정확하게 순위를 매길 것을 제안합니다.
다음은 모든 최적화 결과에서 우리가 필요로 하는 최상의 실행을 찾는 방법에 대해 추론하는 것으로 알려진 표준입니다(최적값은 안정적인 값으로 둘러싸여 있어야 함). 그 후 pp. 98-101에서 저자는 전반적인 최적화 결과 를 일반적으로 평가하는 방법론을 제시하고 이러한 결과가 성공적인 것으로 간주될 수 있는 경우와 그렇지 않은 경우를 보여줍니다. 그 후, 그는 테스트 공간에 대한 논의로 최적화에 대한 예비 장을 마무리합니다(하나의 최적화된 매개변수가 있는 경우 이것은 바람직한 평평한 극한값이 있는 결과 곡선입니다).
Ch. 6장은 최적화까지(포함하지 않음) 모든 단계를 다시 거치는 실용적인 예에 전적으로 전념합니다. 반복하지는 않겠지만 실무자들에게 이 특정 장을 즉시 참조하도록 할 수 있습니다.
Ch. 7 - 저자가 다중 기간/다중 시장 테스트 후에 수행할 것을 권장하는 전방 분석과 함께 최적화. 여기 모든 것이 심각합니다.
1. 매개변수 선택. TS의 효율성에 최대 영향을 미치는 매개변수를 선택하는 것이 필요하다는 것은 분명합니다("중요한"). 영향이 적은 것은 수정하는 것이 좋습니다.
2. 스캔 범위를 선택합니다. 여기에서 모든 것이 명확합니다. 우리 시스템이 단기이고 이동을 기반으로 하는 경우 이 범위에 1000 주기의 이동을 포함하는 것은 바람직하지 않습니다. 이는 이 TF에 대한 장기 이동이기 때문입니다. 변경 단계도 명확합니다. 단계가 많을수록 전체 최적화에 더 많은 시간이 필요합니다. 또한 저자는 너무 작은 단차가 커브 핏으로 이어질 수 있다고 주장합니다.
3. 데이터 선택. 첫째, 충분한 표본 크기(통계적 타당성)를 보장하고, 둘째, 상당히 광범위한 시장 상황을 데이터에 포함하는 것이 필요합니다. 자유도의 수(이전에 대해 이야기함)도 곡선 적합에 빠지지 않도록 해당 기준을 충족해야 합니다. 자유도 정보 - 그림 참조:
4. 단일 실행을 평가하는 테스트 기준 선택. 이것은 또한 논의되었습니다(예: 최대 수익성 시리즈가 없는 PROM).
5. 최적화의 적분 결과를 추정하기 위한 방법의 선택. 첫째 - 통계적 유의성 평가. 다시 그림:
두 번째 추정 방법은 테스트 공간에 의한 것입니다. 그림:
시스템이 변동성의 돌파에서 거래되는 경우 위에 매우 우수한 성능 곡선이 표시됩니다. 평평한 최대 및 수익성. 이러한 곡선은 매우 유망합니다.
또한 저자는 다중 시장 다중 기간 최적화에 대해 이야기합니다. 저자의 근거는 모델의 통계적 타당도가 더 높다는 것입니다. 솔직히 말해서, 모델이 처음에 한 시장에서 작동한다면 그러한 최적화의 다중 시장 부분에 대해 의구심이 듭니다. 그러나 저자 역시 이를 주장하지 않는다. 포트폴리오를 거래하려면 다양한 시장에서 테스트하는 것이 필수적입니다. 그림:
이 모든 테스트를 결합하는 방법은 여전히 나에게 불분명합니다. 아마도 그것들을 독립적으로 수행하고 공통의 최적점을 찾으십시오.
그런 다음 시스템 효율성의 관점에서 최적화의 통합 평가에 대한 고려 사항이 있습니다. 나는 나 자신을 반복하고 싶지 않다. 왜냐하면 우리는 이미 이 모든 것에 대해 간략하게 논의했습니다. 최적화의 결과 TS의 평균 효율성이 주어진 수익성 기준을 충족하고, 허용 가능한 위험이 있으며, 다른 투자 기회(예: T-본드)를 능가하는 경우 시스템은 훌륭하고 최종 테스트 - 앞으로 분석. 중지. 우리는 쉬고 있습니다.
나는 경제 섹션의 ihtik.lib.ru에서 djvu 형식으로 이 책을 다운로드했습니다.
링크: http://ihtik.lib.ru/economy_21dec2006/economy_21dec2006_495.rar
링크가 끊어졌습니다.
나는 무패를 공유할 수 있습니다: http://bigfx.ru/load/8-1-0-4
포럼 사용자의 최소 5%가 이 책을 다운로드했을 뿐만 아니라 읽어본다면 좋을 것입니다... 이것은 우리가 지금 보고 있는 것과 비교하여 테스트/최적화의 품질을 크게 향상시킬 수 있습니다. 그리고 그들은 이미 끝없는 골판지 성배 와 실생활의 결과에 기분이 상한 저자의 당혹함에 지쳤습니다 ...
그들이 다운로드하고 읽을 때 더 많은 질문이 나타날 것입니다.) .... 일부는 커피와 금을 계산하기 시작합니다 .......
Yuri , 링크 주셔서 감사합니다. 한동안 이 스레드를 보지 않았습니다.
2 기수: "언제"가 올 것 같지 않습니다.