이 전체 기간 동안 연속 손실 거래의 최대 금액(50개 거래의 약 23개 그룹 - 전체를 하나의 테스트로 압축할 수 없음)은 41개(50개 거래의 2개 그룹으로 나눌 수 있음)
그런 드로우다운을 더 자주 봤어야 했나?
결국 내가 이 게임을 계속 "플레이"하면 9%의 확률로 스트라이크를 잃게 될까요?
이제 한 가지 더
이 보고서에 따르면
내가 수익성 있는 거래를 할 수 있는 평균 기회는 8.85%이고 손실 거래는 91.15%입니다.
따라서 이것에 따르면 50연패의 확률은 다음과 같습니다. 0.9115^50 = 0.97% ...
9%와는 거리가 꽤 멉니다... 이게 어떻게 가능할까요??
만약 내가 95.3%의 확률로 진다면 그것은 정확할 것이고, 그러한 비율로 나의 기대는 음수 O_O가 될 것입니다.
예= 0.953*(-23)+0.047*(247) = -10.31 핍 거래당 이익
자동 보고서에서 계산되고 보고되는 통계는 "시계열에 따라 다릅니다"라는 점을 이해하는 것이 중요합니다. 의미는 시장 자체가 동일한 시계열 특성을 갖는다면 미래 무역 특성을 예측하는 데 문자 그대로 관련이 있다는 것을 의미합니다.... 명백한 이유로 실제로는 발생하지 않습니다.
백테스팅 보고서의 통계에서 미래를 점치기 위해 정말 절망적으로 길을 잃을 수 있습니다. 최악의 경우 백테스팅의 결과는 완전히 그리고 완전히 쓸모가 없습니다. 기껏해야 백테스팅 방식을 올바르게 준비했다면 사용된 시계열과 상관 관계가 없어야 하는 것에 대해 말할 수 있는 데이터 덩어리를 생성할 수 있습니다. 백테스트.
고정 프로세스 를 다루지 않는다는 것을 기억하십시오. 실제로 백 테스팅을 기반으로 계산할 수 있는 모든 통계는 상위 분포가 완전히 샘플링되지 않았기 때문에 미래 결과의 표시를 제공하는 것과 관련이 없으며(아직 존재하지 않고 시간이 더 많은 샘플링되지 않은 공간을 생성하므로 그럴 수 없습니다) 평균 및 표준 편차와 같은 분포 변화의.
표준 편차가 백테스팅 동안 발생하는 제한된 샘플링에서 생성된 것보다 실제로 더 넓을 가능성이 더 높기 때문에 손실 위험 계산을 "최상의 사례" 결과로 간주해야 한다는 점을 염두에 두고 있습니다.
이 코드를 MQL로 구현했습니다. 내 게시물을 확인했다면 여기에 업로드했을 수도 있습니다. 그러나 나는 당신이 그것을 추구하기로 결정했다면 이것이 당신이 정말로 뛰어들어야 하고 스스로 가르쳐야 하는 것 중 하나라고 말할 것입니다. 그렇지 않으면 최적화된 빈 너비 히스토그램이 왜 유용하거나 특별한지 정말로 이해하지 못할 것입니다.
주제로 돌아가서 밝혀낸 요점은 백테스팅 결과에 대한 통계 분석을 수행할 때 데이터가 가우스 분포에서 가져온 샘플인 경우에만 엄격하게 참인 통계를 사용하게 된다는 것입니다. 사람들이 그 시점에서 자신의 노력에 실패하는 경향이 있는 곳은 이 가정을 테스트하여 정규화된 분포 통계를 분석에 적용하는 데 정당성이 있는지 확인하는 것입니다.
이 지점에서 갈림길에 도달합니다... "통계적으로 특성화 가능한" 결과를 추구하도록 선택하고, 정규화된 분포 통계와 일치하지 않는 이유로 아마도 최적으로 보이는 결과를 버리거나 보다 일반화된 분석 방법을 찾을 수 있습니다. 방법이 강력하고 의미 있고 유용한 메트릭을 제공하여 미래 결과를 예측할 수 있도록 백테스팅 결과를 제공합니다.
다음은 백테스트 특성화에서 정규화된 분포 통계를 사용하는 것이 어리석은 일이라는 깨달음을 얻은 분석의 예입니다.
빨간색 점은 데이터 포인트이고, 녹색 실선은 빨간색 데이터 포인트에 가장 잘 맞는 가우스 함수이고, 밝은 파란색 선은 가장 잘 맞는 일반화된 가우스 분포 함수입니다.
기존의 가우스 기반 분포를 넘어 통계 분석 분야를 추구하는 데 수학적인 성향이 있고 겁이 나지 않습니까? 아니면 자신의 열정과 스타일이 아니라 이러한 겉보기에 이상한 결과를 무시하고 무시하고 더 쉽게 해석할 수 있는 측정 기준에 부합하는 결과를 특성화하는 것을 추구할 가능성이 더 높습니까?
이 시점에서 어떤 길을 선택해야 하는지에 대한 합의는 없으며, 더 많은 사람의 성격과 열정의 문제입니다. 자연스럽고 쉬워 보이는 일을 하십시오.
이익은 좋은 최적화 매개변수가 아니며 이익 요인과 드로다운은 전략에 대해 더 많은 것을 말해줍니다.
나는 그것을 두 번째로 할 것이고 아마도 스레드에서 생각의 초점을 다시 맞출 것입니다 ... 건전한 전략에는 많은 최적화가 필요하지 않습니까...?
스캘핑을 하는 경우 TP 및 SL의 관찰된 수준이 있어야 합니다. 그리드 거래의 경우 범위 거래와 마찬가지로 TP 및 SL이 자명합니다. 스윙 거래에는 ATR 또는 Fibo 기반 정지가 필요합니다. 포지션 거래 는 최적화에 대한 의미 있는 통계를 생성하기에는 너무 적으므로... 우리가 찾고 있는 것이 무엇입니까? 전략이 (실제로) 완전하지 않은 경우 최적화가 실제로 차이를 메울 것입니까?
시간 내주셔서 감사합니다!! 정말 감사합니다
그래서 다음 테스트 결과에 의해 나는 단지 매우 운이 좋았습니까 ??
이 전체 기간 동안 연속 손실 거래의 최대 금액(50개 거래의 약 23개 그룹 - 전체를 하나의 테스트로 압축할 수 없음)은 41개(50개 거래의 2개 그룹으로 나눌 수 있음)
그런 드로우다운을 더 자주 봤어야 했나?
결국 내가 이 게임을 계속 "플레이"하면 9%의 확률로 스트라이크를 잃게 될까요?
이제 한 가지 더
이 보고서에 따르면
내가 수익성 있는 거래를 할 수 있는 평균 기회는 8.85%이고 손실 거래는 91.15%입니다.
따라서 이것에 따르면 50연패의 확률은 다음과 같습니다. 0.9115^50 = 0.97% ...
9%와는 거리가 꽤 멉니다... 이게 어떻게 가능할까요??
만약 내가 95.3%의 확률로 진다면 그것은 정확할 것이고, 그러한 비율로 나의 기대는 음수 O_O가 될 것입니다.
예= 0.953*(-23)+0.047*(247) = -10.31 핍 거래당 이익
자동 보고서에서 계산되고 보고되는 통계는 "시계열에 따라 다릅니다"라는 점을 이해하는 것이 중요합니다. 의미는 시장 자체가 동일한 시계열 특성을 갖는다면 미래 무역 특성을 예측하는 데 문자 그대로 관련이 있다는 것을 의미합니다.... 명백한 이유로 실제로는 발생하지 않습니다.
백테스팅 보고서의 통계에서 미래를 점치기 위해 정말 절망적으로 길을 잃을 수 있습니다. 최악의 경우 백테스팅의 결과는 완전히 그리고 완전히 쓸모가 없습니다. 기껏해야 백테스팅 방식을 올바르게 준비했다면 사용된 시계열과 상관 관계가 없어야 하는 것에 대해 말할 수 있는 데이터 덩어리를 생성할 수 있습니다. 백테스트.
고정 프로세스 를 다루지 않는다는 것을 기억하십시오. 실제로 백 테스팅을 기반으로 계산할 수 있는 모든 통계는 상위 분포가 완전히 샘플링되지 않았기 때문에 미래 결과의 표시를 제공하는 것과 관련이 없으며(아직 존재하지 않고 시간이 더 많은 샘플링되지 않은 공간을 생성하므로 그럴 수 없습니다) 평균 및 표준 편차와 같은 분포 변화의.
표준 편차가 백테스팅 동안 발생하는 제한된 샘플링에서 생성된 것보다 실제로 더 넓을 가능성이 더 높기 때문에 손실 위험 계산을 "최상의 사례" 결과로 간주해야 한다는 점을 염두에 두고 있습니다.
다시 안녕하세요 :)
샘플 기간을 50개 거래 그룹에서 월별 계산으로 변경하고 다음과 같은 결과를 얻었습니다.
이러한 값이 정상적으로 분포한다고 가정합니다(여기서는 사실이 아닐 수 있음).
1. ROR 계산에서 왜도와 첨도를 인수분해하는 방법이 있습니까?
2. 이게 정말 정규분포인가요?? 그렇지 않다면 어떻게 치료할 수 있습니까?
다시 안녕 :)
샘플 기간을 50개 거래 그룹에서 월별 계산으로 변경하고 다음과 같은 결과를 얻었습니다.
이러한 값이 정상적으로 분포한다고 가정합니다(여기서는 사실이 아닐 수 있음).
1. ROR 계산에서 왜도와 첨도를 인수분해하는 방법이 있습니까?
2. 이게 정말 정규분포인가요?? 그렇지 않다면 어떻게 치료할 수 있습니까?
당신이 익숙하지 않을 수도 있는 문구는 "거기에 문제가 있습니다"는 느슨하게 해석하면 "악마는 디테일에 있다"와 같은 것으로 해석할 수 있습니다. 다루다.
예, 실제로 결과가 정규 분포를 나타내지 않을 때 정규 분포를 가정하고 있습니다.
그건 그렇고, 완전히 부수적인 주제이지만 빈 크기를 최적화하면 히스토그램이 더 잘 작동한다는 것을 알 수 있습니다.
히스토그램 Bin-width 최적화
이 코드를 MQL로 구현했습니다. 내 게시물을 확인했다면 여기에 업로드했을 수도 있습니다. 그러나 나는 당신이 그것을 추구하기로 결정했다면 이것이 당신이 정말로 뛰어들어야 하고 스스로 가르쳐야 하는 것 중 하나라고 말할 것입니다. 그렇지 않으면 최적화된 빈 너비 히스토그램이 왜 유용하거나 특별한지 정말로 이해하지 못할 것입니다.
주제로 돌아가서 밝혀낸 요점은 백테스팅 결과에 대한 통계 분석을 수행할 때 데이터가 가우스 분포에서 가져온 샘플인 경우에만 엄격하게 참인 통계를 사용하게 된다는 것입니다. 사람들이 그 시점에서 자신의 노력에 실패하는 경향이 있는 곳은 이 가정을 테스트하여 정규화된 분포 통계를 분석에 적용하는 데 정당성이 있는지 확인하는 것입니다.
이 지점에서 갈림길에 도달합니다... "통계적으로 특성화 가능한" 결과를 추구하도록 선택하고, 정규화된 분포 통계와 일치하지 않는 이유로 아마도 최적으로 보이는 결과를 버리거나 보다 일반화된 분석 방법을 찾을 수 있습니다. 방법이 강력하고 의미 있고 유용한 메트릭을 제공하여 미래 결과를 예측할 수 있도록 백테스팅 결과를 제공합니다.
다음은 백테스트 특성화에서 정규화된 분포 통계를 사용하는 것이 어리석은 일이라는 깨달음을 얻은 분석의 예입니다.
빨간색 점은 데이터 포인트이고, 녹색 실선은 빨간색 데이터 포인트에 가장 잘 맞는 가우스 함수이고, 밝은 파란색 선은 가장 잘 맞는 일반화된 가우스 분포 함수입니다.
기존의 가우스 기반 분포를 넘어 통계 분석 분야를 추구하는 데 수학적인 성향이 있고 겁이 나지 않습니까? 아니면 자신의 열정과 스타일이 아니라 이러한 겉보기에 이상한 결과를 무시하고 무시하고 더 쉽게 해석할 수 있는 측정 기준에 부합하는 결과를 특성화하는 것을 추구할 가능성이 더 높습니까?
이 시점에서 어떤 길을 선택해야 하는지에 대한 합의는 없으며, 더 많은 사람의 성격과 열정의 문제입니다. 자연스럽고 쉬워 보이는 일을 하십시오.
이익은 좋은 최적화 매개변수가 아니며 이익 요인과 드로다운은 전략에 대해 더 많은 것을 말해줍니다.
나는 그것을 두 번째로 할 것이고 아마도 스레드에서 생각의 초점을 다시 맞출 것입니다 ...
건전한 전략에는 많은 최적화가 필요하지 않습니까...?
스캘핑을 하는 경우 TP 및 SL의 관찰된 수준이 있어야 합니다.
그리드 거래의 경우 범위 거래와 마찬가지로 TP 및 SL이 자명합니다.
스윙 거래에는 ATR 또는 Fibo 기반 정지가 필요합니다.
포지션 거래 는 최적화에 대한 의미 있는 통계를 생성하기에는 너무 적으므로...
우리가 찾고 있는 것이 무엇입니까?
전략이 (실제로) 완전하지 않은 경우 최적화가 실제로 차이를 메울 것입니까?
FWIW
-BB-