TSR - 거래 시스템의 소생
나는 Reshetov에 크게 동의하지 않았습니다(이 주제에 대해서는 아님). 우리는 때때로 의견을 교환하기 위해 도킹했고, 원칙적으로 그는 나를 명시적으로 또는 은밀하게 바보와 바보라고 부르며 나를 보냈습니다. 나로서는 그것을 마음에 두지 않았다.
모든 사람에게 큰 부탁이 있습니다. 이 스레드에서 허풍을 부리지 마십시오. 주제에 대해 건설적인 말을 하고 싶다면 - 쓰세요, 아니오 - 쓰지 마세요.
건설적인? 누가 뒤에서 OOC를 보고 있습니까? 이것은 명백한 것에서 나온 것입니다.
OOS를 앞에 두십시오. 아무도 당신을 금하지 않습니다. 결론은 TS에 먼저 이유가 있다는 것입니다. 거래 신호가 있고 그 다음 결과로 손실이나 이익으로 마감되는 미결 주문이 있습니다. 따라서 신호 설정은 OOS에서 수행되지 않고 이가 있는지 확인하기만 하기 때문에 OOS 앞, 뒤에서도 인과 관계에 영향을 미치지 않습니다. 거래 신호는 여전히 시장 진입 이전에 있을 것이며 그 반대도 마찬가지입니다. 순서는 변경되지 않습니다. 어드바이저가 배수인 경우 전면과 후면 모두 배수됩니다. 수익성이 있는 경우 피팅 중에 OOS가 정확히 알지 못하는 부분도 신경 쓰지 않습니다. 가장 중요한 것은 OOS 영역이 피팅 영역에 인접해야 한다는 것입니다. 그리고 시장은 끊임없이 변화하고 수익성이 있는 섹션은 유통 기한이 제한되어 있기 때문에 OOS에서 뒤에서 확인하는 것이 좋습니다. 우리가 거래할 미래가 눈앞에 있습니다.
더 확실하게 하기 위해 전면과 후면 모두에서 OOS 테스트를 실행할 수 있다고 가정해 보겠습니다. 차량이 여기 저기 누수되면 분명히 견고하지 않습니다.
유리 씨, 당신의 연구의 본질과 결론이 무엇인지 몇 문장으로 간단히 말씀해 주시겠습니까?
유리 씨, 당신의 연구의 본질과 결론이 무엇인지 몇 문장으로 간단히 말씀해 주시겠습니까?
1. 피팅부터 어느 정도까지 잘못된 신호를 식별하고 제거할 수 있습니다. 그러나 이를 위해서는 최적화가 수행된 적어도 두 개의 서로 다른 영역이 필요합니다. 이 중 판독값의 (비)일치성을 비교하여 잠재적으로 수익성이 있는 신호에서 잘못된 신호를 차단합니다. 예외 없이 모든 잘못된 신호를 차단하는 것은 불가능합니다. 그들 중 일부는 여전히 누출됩니다. 그러나 일부 TS의 경우 긍정적인 기대의 형태로 이점을 얻기에 충분합니다.
2. 많은 차량이 이전에 단지 잘 어울린다는 이유로 불합격되었지만 앞으로의 테스트에서는 불만족스러운 결과를 얻었습니다. 이제 아카이브에서 가져 와서 위의 방법에 따라이 차량을 운전 한 결과 그 중 일부는 꽤 일하는 것으로 판명되었습니다. 저것들. 거래 시스템의 일부는 이러한 방식으로 되살릴 수 있습니다.
3. 위의 방법에 따라 구성된 Robust TS는 OOS에서 최적화되고 테스트된 것보다 더 안정적입니다.
... OOS에서는 뒤에서 확인하는 것이 좋습니다. 우리가 거래할 미래가 눈앞에 있습니다.
나는 몇 년 전에 OOS "뒤에"가 "앞에" 무언가를 주는 정도를 확인했습니다. 그리고 나는 상관관계가 전혀 명백하지 않다는 결론에 이르렀습니다. 특별한 보장은 없습니다. TS의 성공 확률은 약간 증가할 수 있지만, 어드바이저가 수익을 내지 않고 병합할 수 있습니다. 여기에 다른 방법이 필요합니다.
위의 방법대로라면 누구도 앞 뒤 모두 OOS 확인을 금하지 않는다는 점을 다시 한 번 말씀드립니다. 포워드 중 어떤 것도 수익을 얻지 못하면 TS는 견고하지 않으며 사산을 되살리려고 시도하는 것보다 제거하는 것이 좋습니다. 다른 OOS에 대한 결과에 차이가 있다는 사실에 관해서는 아무도 100% 일치를 예측하지 않았습니다.
보증에 관해서는 아무에게도 약속하지 않았습니다. 모두가 OOS 및 데모, 센트 계정에서 어딘가 또는 자신의 TS를 가져간 내가 제안한 것을 스스로 몰아내고 결과에 만족하는지 여부를 독립적으로 결정해야 합니다.
평생을 헛되이 결과가 보장된 방법을 찾아 헤매다가 찾지 못하고 죽는다고 해도 나는 놀라지 않을 것입니다.
주제의 연속: 피팅과 실제 패턴 사이의 경계는 어디입니까?
TSR은 Trading Systems Recovery의 약자입니다. ...........
우리가 보았듯이, 두 퍼셉트론이 최적화된 과거 데이터 선택 외부에서 포워드 테스트를 통과하지 못했다는 사실에도 불구하고 이들의 결합 신호 필터는 이력에 대해 긍정적인 결과를 제공했습니다.
유리, 나는 그것을 사랑 해요. 약간의 부러움(몇 년 전 나는 이 생각에서 한 발짝 떨어져서 방황했습니다)도 즐거움을 가리지 않습니다. 기쁜. 더 실험하겠습니다.
... 아무도 전면과 후면 모두에서 OOS를 확인하는 것을 금지하지 않습니다. ...만약 ... TS가 강력하지 않고 제거하는 것이 좋습니다 ... OOS마다 결과에 차이가 있으므로 아무도 100 % 일치를 약속하지 않았습니다.
주제의 연속: 피팅과 실제 패턴 사이의 경계는 어디입니까?
TSR은 Trading Systems Recovery의 약자입니다.
이론을 설명하지 않고 스크린샷 없이 퍼뜨립니다. 스크린샷은 코드 베이스 에 있습니다.
나는 즉시 영재에게 경고합니다.
1. 첨부된 어드바이저의 버전은 교육적 목적에 적합한 최소한으로 잘라냅니다.
2. 어드바이저 개선에 대한 질문은 ZHOBa 로 이동하십시오.
3. "왜 다른 결과가 나오나요?"와 같은 질문은 작성자가 답변하지 않습니다.
가중치 계수를 조정하여 호가 움직임의 미래 방향 예측을 기반으로 한 거래 시스템에 대한 실험을 수행해 보겠습니다. 기초 단층 신경망 - 과거 데이터에 대한 퍼셉트론. 이 거래 시스템의 작동 원리는 "거래 시스템을 찾는 방법"이라는 기사에서 자세히 설명했습니다. H1 기간의 차트에서 지난 9개월 이상 동안 EURUSD 통화 쌍에 대한 과거 데이터를 살펴보겠습니다. 3개월 동안 3개의 독립적인 섹션으로 나누겠습니다. 첫 번째 섹션은 최종 테스트를 위해 남겨두고 나머지 두 섹션은 이야기에 맞추기 위해 남겨둘 것입니다. 트레이딩 시스템을 따로 구동하지 않기 위해 바로 2개의 퍼셉트론을 하나의 트레이딩 시스템에 결합했습니다. 그리고 별도의 테스트 및 최적화를 위해 거래 시스템이 통과 입력 매개변수에 따라 세 가지 작동 모드를 갖는 스위치 기능 Supervisor()를 만들었습니다. 1 - 첫 번째 퍼셉트론 피팅 및 테스트, 2 - 두 번째 퍼셉트론 피팅 및 테스트, 3 - 최적화가 없는 테스트 모드 또는 데모 또는 실제 예금의 자동 거래 모드에서 두 퍼셉트론의 모순된 판독값을 필터링하여 필터링합니다.
과거 데이터에 맞게 조정된 퍼셉트론 가중치는 x11, x12 … x 42, p 및 sl입니다. 입력 매개변수 sl은 모든 세그먼트에 대해 상수입니다. 바로 이 값에 따라 모든 열린 포지션에 손절매와 이익 수준이 설정됩니다. 또 다른 입력 매개변수 p는 시가 차이에 대한 지연 시간이며 상수이기도 합니다. 시장은 새로운 바 형성 초기에 진입합니다. 패스 입력 매개변수의 값에 따라 시작 가격과 퍼셉트론 판독값에 의해 막대가 열리고 손절 또는 이익실현을 트리거해야만 종료됩니다. 극한값을 찾는 유전적 알고리즘을 이용하여 최적화를 수행하고, 균형 측면에서 최대값을 극값으로 취한다. 알고리즘이 최적화 중에 마진 콜에 걸리지 않도록 하려면 매우 큰 초기 금액(예: $1,000,000)을 취해야 합니다. 입력 매개변수: lot - 로트에서 열린 포지션의 양 및 mn - 고문이 자신의(자신이 개설한) 주문의 관리를 다른 사람의(자신이 열지 않은) 주문 관리를 혼동하지 않도록 하는 고유한 매직 넘버.
첫 번째 단계에서 우리는 입력 변수 p 와 sl 의 값이 무엇이어야 하는지 알아내야 합니다. 이를 위해 우리는 역사의 마지막 두 섹션을 선택합니다. 6개월 전부터 오늘까지. 모든 퍼셉트론 가중치 매개변수를 1단계로 Start = 0에서 Stop = 200까지의 값으로 설정합니다. Start = 3에서 Stop = 100까지의 p 값은 1단계로, sl 값은 Start = 100에서 Stop =1000까지 10단계로(또는 10에서 100까지 4자리 따옴표의 경우 1씩 증가). 통과 값을 1로 설정합니다. 최적화된 매개변수 x11, x21, x31, x41, p 및 sl 을 선택합니다. 다른 모든 확인란은 비활성화되어야 합니다. 최적화를 시작합니다. 피팅이 완료되면 최적의 패스에 따라 입력 매개변수를 설정합니다.
두 번째 단계. 두 번째 과거 데이터 조각에 첫 번째 퍼셉트론의 가중치를 맞추는 것입니다. 최적화 날짜와 시간을 6개월 전에서 3개월 전으로 설정합니다. 입력 변수 p와 sl에서만 최적화된 매개변수의 확인란을 제거합니다. 최적화를 시작합니다. 피팅이 완료되면 최적의 패스에 따라 입력 매개변수를 설정합니다.
세 번째 단계. 두 번째 퍼셉트론의 가중치를 기록 데이터의 세 번째 조각에 맞추는 것입니다. 다음에서 최적화 날짜 및 시간 설정 3개월 전부터 오늘까지. 최적화된 매개변수 x11, x21, x31, x41의 선택을 취소하고 x12 , x22, x32 및 x42에 대해 설정합니다. 나머지 확인란은 비활성화되어야 합니다. 전달 입력 변수의 값을 2로 설정하십시오. 최적화를 실행하십시오. 피팅이 완료되면 최적의 패스에 따라 입력 매개변수를 설정합니다.
그게 다야, 우리의 거래 시스템은 6개월 전부터 현재까지의 과거 데이터로 조정되었습니다. 입력 매개 변수의 값을 설정 파일에 저장합니다. 통과 입력 변수를 3으로 설정합니다. "사용 날짜"에서 체크 표시를 제거합니다. 테스트를 시작하겠습니다. 시험 일정을 살펴보자. 그리고 균형 및 자기자본 곡선은 차트의 오른쪽 부분에서 위쪽으로 향하고 왼쪽 부분에서 아래쪽으로 향하는 경향이 있음을 알 수 있습니다. 이제 균형의 상향 추세가 피팅 샘플 외부 영역에서 발생하는지 확인해야 합니다. 이익 증가가 시작되는 잔액 라인으로 마우스 커서를 가져오고 툴팁의 날짜를 봅니다. 잔액 곡선은 10일을 제외하고 오늘부터 계산하여 거의 9개월 전에 상승하는 경향이 있는 것으로 나타났습니다. 8개월 20일. 그리고 6개월간 현장에서 조정을 진행했습니다. 따라서 성공적인 테스트는 최적화된 샘플링이 이루어집니다. 더 자세히 분석하기 위해 샘플 외부의 동일한 영역을 선택합니다. J. Soros의 기록에 비해 현저히 떨어지지만 결과는 V. Niederhofer의 기록을 능가하지만 전반적으로 상당히 만족스러운 결과입니다.
이력의 일부에서 피팅을 처리했는지 확인하려면 "사용 날짜" 상자를 선택 취소하는 것이 필요하고 충분합니다. 그리고 사용 가능한 전체 기록에 대해 값 1과 2로 EA 테스트를 실행합니다. 이러한 각 모드에서 균형 곡선의 상향 성장은 개별 퍼셉트론이 조정된 섹션 내에서만 관찰됩니다. 역사의 다른 모든 기간에서 우울증으로 끝나는 개별 혹을 제외하고는 긍정적인 역학이 관찰되지 않습니다.
우리가 보았듯이 두 퍼셉트론이 최적화된 과거 데이터 선택 외부에서 앞으로 테스트를 통과하지 못했다는 사실에도 불구하고 이들의 조인트 신호 필터는 피팅 중에 알려진 것이 없는 과거 데이터에 대해 긍정적인 결과를 제공했습니다. 예를 들어 단순 이동 평균의 분석이나 고급 다층 신경망을 기반으로 하는 다른 거래 시스템으로 실험할 수도 있습니다. 거래 시스템이 견고하면 최적화 기간을 벗어난 필터링된 거래 신호에 대해 긍정적인 결과를 제공할 가능성이 더 큽니다. 강력하지 않으면 필터를 켠 상태에서 최적화된 섹션에서도 긍정적인 결과를 제공하지 않을 수 있습니다. 그러나 TS의 견고성은 스프레드, 스왑 및 중개 수수료의 간접비에 비해 부차적입니다. 따라서 상당한 오버헤드 비용으로 전방 테스트에서 긍정적인 결과를 꿈꿀 수 있습니다. 기대는 부정적일 것이다.