한 가지 더 진실을 말하겠습니다. 예를 들어, 0 스프레드로 작업할 때 예를 들어 3주 동안 양의 지표가 있는 모델을 찾은 경우 이 모델의 매개변수는 역포물선 형태의 양의 수익을 가집니다. 또한 시간이 지남에 따라 중심이 변경됩니다(즉, 왼쪽 또는 오른쪽으로, 작은 값에서 큰 값으로 또는 그 반대로 이동).
시장 중립적 스프레드를 사용하면 이러한 매개변수의 변화를 늦출 수 있습니다. 이러한 포물선의 이동 속도와 단위 시간당 거래 시스템의 최적 값을 선택하면 이러한 매개변수가 수익성이 없는 값으로 변경되기 전에 긍정적으로 거래할 시간이 있습니다. 예를 들어, 과거에 3주 또는 한 달 동안 긍정적인 결과를 제공한 모델을 찾았습니다. 이 모델이 구축된 후 이 모델의 최대 수익성을 거래하면 이 모델이 표시한 것과 동일한 최대 수익성을 얻을 수 없습니다. 이 모델이 움직이고 있고 다시 최적화해야 하기 때문에 지표의 50% 또는 70%를 얻을 수 있습니다. 나중에. 저것들. 예를 들어, 다음 주에 이 모델을 거래할 수 있습니다. 모델이 이동하기 때문에 다음 시간 동안). 500, 700, 200, 300이라는 숫자에 주의를 기울이지 마십시오. 이것은 매우 높은 위험을 위한 것입니다. 실제로 저는 계정에 대한 낮은 마진 부하로 시뮬레이션된 기간에 약 100%를 보여주는 모델로 작업하며 실제로는 주당 20-30%의 수익을 제공합니다. 그리고 Chess는 개척자입니다 - 그것으로 충분합니다. 더 이상 쫓지 않을 것입니다 %)
또한 이 모델은 정기적으로 재최적화되어야 합니다.
시장 중립적 모델에서 상품이 많을수록 최적 매개변수의 변동성은 줄어들지만(즉, 최적 매개변수의 포물선이 더 느리게 이동함) 한 위치에서 수익성을 기다리는 데 더 오래 걸립니다.
이것은 예를 들어 기존 상품 거래와 어떻게 다릅니까? 네, 전략 테스터에서 찾은 최적의 모델이 너무 짧은 시간 동안 작동하여 긍정적으로 거래할 시간이 없고 시장이 할머니와 함께 귀하의 위치를 잡아먹는다는 사실입니다. 이 경우 브로커가 작업을 중단하기를 좋아하는 낮은 목표(예: 스캘퍼, 삐삐 및 기타 딸랑이)를 가진 빠른 로봇만 긍정적으로 작동합니다.
지금까지 나는 2주 만에 9배 성장에 대한 막대를 잡았고(첨부 파일에 있는 그러한 모델의 예는 위에 있음) 한 달에 81배 증가할 것입니다. 나는 이미 2주 만에 12x 배기가 있는 모델을 가지고 있지만 극도로 불안정합니다(그런 미친 위험으로 12x8 매개변수가 있는 안정화 모델을 얻음). 이론적으로 12*12 = 144배의 이론적인 월간 증가는 이미 가능하지만 중첩 형성 기술은 여전히 안정화되어야합니다.
주요 문제는 최적 매개 변수 집합의 이동 방향 신호를 잡는 것이며 이 문제를 해결하기 위한 간접적인 지표가 이미 있지만 여전히 작업해야 합니다.
차량의 포물선 매개변수의 예는 다음과 같습니다.
이것은 시간이 지남에 따라 최적의 매개변수 집합을 따라 왼쪽과 오른쪽으로 이동하여 최적의 TS 모델을 변경합니다. 어리석게 최대로 일하면 실제로 실패할 가능성이 거의 없습니다. TS가 TS의 최적 매개 변수의 포물선 중 하나에 있고 오랜 시간이 지난 후에야 떨어질 것이기 때문에 수익성은 감소할 수 있습니다. 대략적으로 말하면, 저절로 가도록 하십시오 - 정류장을 병합할 것입니다).
시간이 지남에 따라 최적의 매개변수 집합이 어느 방향으로 이동하는지 결정할 수 있으며 리드에 작용하여 향후 이 집합의 최대값을 포착할 수 있으므로 TS의 효율성을 극대화할 수 있습니다. 이를 위해 첫 번째 클래스의 기본 작업과 함께 일반 물리학을 사용합니다.
기차가 지점 A를 지점 B 방향으로 왼쪽으로 이동하고 속도 N으로 이동합니다. 문제는 지점 B에 도착하는 데 얼마나 걸립니까? 또는 그는 시간 T 이후에 어디에 있습니까?
이 열차만이 특별합니다. 확산 각도는 어떤 방향으로든 변할 수 있지만 장기적으로 각도는 선형이기 때문에 중간에 멈추고 반대 방향으로 갈 수 있습니다.
최적의 매개변수 집합은 위 그림과 같은 형태를 갖습니다. 아래 그림에서는 현재 모델이 이동하고 있는 방향을 식별하는 방법을 보여주었습니다. 이동 방향의 식별자는 특징적인 절벽이 있는 선박의 선수입니다. 이 경우 TS의 최대 효율을 달성하려면 빨간 점이 표시된 최적의 매개변수 집합을 사용해야 하므로 다음 시점에서 TS 효율의 최상위에 있을 확률이 높습니다. 시간에 (미래에):
순전히 스포츠적인 관심을 위해, 저는 지금 topikstarter의 기록을 깨기 위해 노력하고 있습니다 ... %), 즉. 그가 도달 한 기록을 깨기 위해-한 달에 저장소를 100 배 이상 늘리십시오 ...
기다려 주세요, Fedor 삼촌, 드레스가 두 벌 더 남아 있습니다.
고마워, 미소)))
한 가지 더 진실을 말하겠습니다. 예를 들어, 0 스프레드로 작업할 때 예를 들어 3주 동안 양의 지표가 있는 모델을 찾은 경우 이 모델의 매개변수는 역포물선 형태의 양의 수익을 가집니다. 또한 시간이 지남에 따라 중심이 변경됩니다(즉, 왼쪽 또는 오른쪽으로, 작은 값에서 큰 값으로 또는 그 반대로 이동).
시장 중립적 스프레드를 사용하면 이러한 매개변수의 변화를 늦출 수 있습니다. 이러한 포물선의 이동 속도와 단위 시간당 거래 시스템의 최적 값을 선택하면 이러한 매개변수가 수익성이 없는 값으로 변경되기 전에 긍정적으로 거래할 시간이 있습니다. 예를 들어, 과거에 3주 또는 한 달 동안 긍정적인 결과를 제공한 모델을 찾았습니다. 이 모델이 구축된 후 이 모델의 최대 수익성을 거래하면 이 모델이 표시한 것과 동일한 최대 수익성을 얻을 수 없습니다. 이 모델이 움직이고 있고 다시 최적화해야 하기 때문에 지표의 50% 또는 70%를 얻을 수 있습니다. 나중에. 저것들. 예를 들어, 다음 주에 이 모델을 거래할 수 있습니다. 모델이 이동하기 때문에 다음 시간 동안). 500, 700, 200, 300이라는 숫자에 주의를 기울이지 마십시오. 이것은 매우 높은 위험을 위한 것입니다. 실제로 저는 계정에 대한 낮은 마진 부하로 시뮬레이션된 기간에 약 100%를 보여주는 모델로 작업하며 실제로는 주당 20-30%의 수익을 제공합니다. 그리고 Chess는 개척자입니다 - 그것으로 충분합니다. 더 이상 쫓지 않을 것입니다 %)
또한 이 모델은 정기적으로 재최적화되어야 합니다.
시장 중립적 모델에서 상품이 많을수록 최적 매개변수의 변동성은 줄어들지만(즉, 최적 매개변수의 포물선이 더 느리게 이동함) 한 위치에서 수익성을 기다리는 데 더 오래 걸립니다.
이것은 예를 들어 기존 상품 거래와 어떻게 다릅니까? 네, 전략 테스터에서 찾은 최적의 모델이 너무 짧은 시간 동안 작동하여 긍정적으로 거래할 시간이 없고 시장이 할머니와 함께 귀하의 위치를 잡아먹는다는 사실입니다. 이 경우 브로커가 작업을 중단하기를 좋아하는 낮은 목표(예: 스캘퍼, 삐삐 및 기타 딸랑이)를 가진 빠른 로봇만 긍정적으로 작동합니다.
예를 들어, 내가 거래하는 상품의 차트를 마지막으로 보았을 때를 잊었습니다. .
간단히 말해 신사 여러분, 수학, 프로그래밍 및 일-일-일 ...
순전히 스포츠적인 관심을 위해, 저는 지금 topikstarter의 기록을 깨기 위해 노력하고 있습니다 ... %), 즉. 그가 도달 한 기록을 깨기 위해-한 달에 저장소를 100 배 이상 늘리십시오 ...
뭔가 당신이 할 수 있습니다
지금까지 나는 2주 만에 9배 성장에 대한 막대를 잡았고(첨부 파일에 있는 그러한 모델의 예는 위에 있음) 한 달에 81배 증가할 것입니다. 나는 이미 2주 만에 12x 배기가 있는 모델을 가지고 있지만 극도로 불안정합니다(그런 미친 위험으로 12x8 매개변수가 있는 안정화 모델을 얻음). 이론적으로 12*12 = 144배의 이론적인 월간 증가는 이미 가능하지만 중첩 형성 기술은 여전히 안정화되어야합니다.
주요 문제는 최적 매개 변수 집합의 이동 방향 신호를 잡는 것이며 이 문제를 해결하기 위한 간접적인 지표가 이미 있지만 여전히 작업해야 합니다.
차량의 포물선 매개변수의 예는 다음과 같습니다.
이것은 시간이 지남에 따라 최적의 매개변수 집합을 따라 왼쪽과 오른쪽으로 이동하여 최적의 TS 모델을 변경합니다. 어리석게 최대로 일하면 실제로 실패할 가능성이 거의 없습니다. TS가 TS의 최적 매개 변수의 포물선 중 하나에 있고 오랜 시간이 지난 후에야 떨어질 것이기 때문에 수익성은 감소할 수 있습니다. 대략적으로 말하면, 저절로 가도록 하십시오 - 정류장을 병합할 것입니다).
시간이 지남에 따라 최적의 매개변수 집합이 어느 방향으로 이동하는지 결정할 수 있으며 리드에 작용하여 향후 이 집합의 최대값을 포착할 수 있으므로 TS의 효율성을 극대화할 수 있습니다. 이를 위해 첫 번째 클래스의 기본 작업과 함께 일반 물리학을 사용합니다.
기차가 지점 A를 지점 B 방향으로 왼쪽으로 이동하고 속도 N으로 이동합니다. 문제는 지점 B에 도착하는 데 얼마나 걸립니까? 또는 그는 시간 T 이후에 어디에 있습니까?
이 열차만이 특별합니다. 확산 각도는 어떤 방향으로든 변할 수 있지만 장기적으로 각도는 선형이기 때문에 중간에 멈추고 반대 방향으로 갈 수 있습니다.
해결할 때 이해를 돕기 위해 작업을 단순화합시다. 유머 감각을 소개합니다.))):
최적의 매개변수 집합은 위 그림과 같은 형태를 갖습니다. 아래 그림에서는 현재 모델이 이동하고 있는 방향을 식별하는 방법을 보여주었습니다. 이동 방향의 식별자는 특징적인 절벽이 있는 선박의 선수입니다. 이 경우 TS의 최대 효율을 달성하려면 빨간 점이 표시된 최적의 매개변수 집합을 사용해야 하므로 다음 시점에서 TS 효율의 최상위에 있을 확률이 높습니다. 시간에 (미래에):
기억한다면, 소련 시대에는 영화관에 인기 있는 슬롯 머신이 있었습니다.
글쎄요, 상황은 비슷합니다)))))))))))))))))) - 어뢰가 날아갈 때 함선의 중앙에 명중해야 합니다. 글쎄, 그것이 활이나 선미에 맞더라도 무섭지 않습니다. 문제가 해결되고 목표가 달성됩니다(즉, 시장에서 이익을 얻습니다).
물론 가장 지능적인 기계는))))
여기요! 그리고 댓글과 팁 감사합니다.
gStartBar가 중요한 매개변수임이 밝혀졌습니다.
그리고 최적화를 위해 다른 달의 나머지 2주가 소요된다면? 그것도 수백퍼센트??
여기요! 그리고 댓글과 팁 감사합니다.
gStartBar가 중요한 매개변수임이 밝혀졌습니다.
그리고 최적화를 위해 다른 달의 나머지 2주가 소요된다면? 그것도 수백퍼센트??
네. 어떤 달이든, 어떤 주이든. 관심 정보 - 작업하는 위험에 따라 다릅니다.
이 경우 gStartBar는 정규화된 모델에서 결정 시점까지의 거리입니다.
ModelWidth는 정규화된 채널 모델의 길이입니다.
또 다른 주요 매개변수인 ModelIDX는 축에서 확산 흐름 분산 채널의 아래쪽 경계 까지의 거리입니다. 이 모델에 따라 의사 결정 영역에 들어간 사람은 누구든지 거래합니다.
중첩은 현재 최적 모델의 결정 지점에서 일련의 스프레드를 거래하여 형성됩니다.
일반적으로 나는 이미 내가 할 수있는 모든 것을 말했습니다.