Estatísticas de um sistema anti-rede - página 5
Você está perdendo oportunidades de negociação:
- Aplicativos de negociação gratuitos
- 8 000+ sinais para cópia
- Notícias econômicas para análise dos mercados financeiros
Registro
Login
Você concorda com a política do site e com os termos de uso
Se você não tem uma conta, por favor registre-se
arr, estamos deixando o tópico :( traga-o de volta
Bem rs, desculpe apontar, mas sinto que este tópico também está em um beco sem saída. Tomo sua pergunta original "os resultados são úteis para um sistema anti-rede e quais são os fatores-chave de tais sistemas?" foi mais ou menos respondido como drawdowns. Se você está procurando avaliar o sistema para coisas como aposta/ kelly ótima, desculpe-me, mas não sei como calcular isso quando o tamanho do lote é variável e em um cordão de negociações dependentes. Entretanto, se você estiver procurando respostas sobre como este sistema se empilha contra outros sistemas vencedores (com tendência ou não), então esse é o caminho que está seguindo agora.
Uma vez que você tem todos os dados de ganhos e perdas por operação. Acho que a bola cai em sua quadra para fornecer coisas como a Variação e Desvio Padrão que poderiam ser usadas em outros cálculos estatísticos como Retorno, Taxa, Risco, etc. Uma última pergunta, você tentou executar este sistema em todos os dados de preços disponíveis (outras moedas incluídas)? Se você tentou, o sistema alguma vez falhou? Afaic, não é se um sistema como este falhar, mas sim com que freqüência.
zzuegg:
> Estas são as zonas de perigo, maiores do que as grades, mas não duas vezes maiores.
Como tem sido desde 25 de julho?
-BB-
Peço desculpas ao zzuegg por aparentemente ter enviado esta linha para fora do curso ontem. Entretanto, o ponto principal do meu posto foi mostrar que o desempenho estatístico do sistema anti-grid era superior ao dos sistemas que seguem a tendência simples, então fiquei surpreso por estar no final do ataque vigoroso do ubzen (se um pouco fora do alvo).
@ubzen, num relance, sua linha sobre seu método de acompanhamento de tendências parece interessante. Vou me certificar de olhar para ele. Presumivelmente, o fato de você também ter postado links para o site onde eu obtive o software que eu usava para fazer a análise em meu post significa que você aceita de volta seus conselhos categóricos anteriores contra a otimização.
O senhor levanta a interessante questão da freqüência da reoptimização. Cheguei à conclusão lógica de que no comércio ao vivo, não há mal nenhum em reoptimizar com muita freqüência (com um método que tem um bom desempenho de avanço), mas ainda não me convenci empiricamente de que isso resulta em muitas melhorias. O que é muito mais importante é a duração do período de otimização - é fácil torná-lo muito curto. Mas usando o MetaTrader e o analisador de avanço, há uma razão importante para que curtos períodos de teste sejam enganosos para sistemas que não são comercializados com frequência. Isto é que qualquer comércio aberto no final do período é irrealisticamente fechado à meia-noite. Não gosto desta "característica" - na minha opinião, o testador deveria deixar as negociações correr até que as regras as abandonem, mas é com isso que temos que trabalhar. Isto distorce os resultados em uma quantidade que aumenta quanto menos negócios forem no período de teste.
Sim, meus testes foram realmente tão precisos quanto o uso de cada tick (sublinhado porque já o afirmei antes, e continua sendo verdade). A razão é que é perfeitamente prático executar negócios em bares abertos, e na verdade foi exatamente isso que meu código fez. Toda a lógica foi baseada nos valores dos indicadores em barras com índice 1 ou maior. Aliás, esta é uma forma prática e popular de evitar a situação boba de pegar vários sinais na mesma barra. Se você quiser captar sinais que freqüentemente, use barras menores! Bem visto sobre barras gigantes ocasionais de 15 minutos, mas elas não são uma fonte de imprecisão neste caso.
Obrigado por suas amáveis palavras sobre a qualidade dos resultados dos meus sistemas de exemplo, mas não é bom o suficiente para meus propósitos, e é pálido comparado com os sistemas do zzuegg, por exemplo. São necessárias muitas melhorias, portanto, tenho muito a aprender! Sempre achei o EURUSD mais amável que outros mercados, obtendo o melhor de meus resultados lá em negociação manual e com negociação baseada em regras. Mas ocasionalmente experimento com outros mercados e continuarei fazendo isso. Uma idéia que venho trabalhando há alguns anos envolve analisar cada par de uma cesta de 4 a 6 moedas (6 a 15 pares) antes de escolher o par para negociar.
Não pare nunca de aprender!
zzuegg:
> Estas são as zonas de perigo, maiores do que as grades, mas não duas vezes maiores
Como tem sido desde 25 de julho?
-BB-
Olá BB, o sistema funciona como esperado. Mesmo que o mercado em que o tamanho variando fosse em torno de 200 pips +something. Como o tamanho da grade padrão é 50pips, não tenho problemas em tal fase. Também se parece com os períodos de alcance em que este sistema é bastante otimizado.
Não havia basicamente nenhuma zona de perigo nesta época. Aqui está um formulário de teste até agora:
Nota: a grande queda no equilíbrio é devida às mudanças atuais no creteria de saída: Eu mudei o formulário de saída de uma simples meta de saída com lucro para "saída por trilha de equidade".
@Elroch, é claro que as reopções constantes soam muito bem, especialmente com sistemas de acompanhamento de tendências. O problema para mim nisto é que é preciso especificar os limites quando as condições do mercado mudaram e uma reoptimização é necessária. É claro que você pode usar a otimização na hora (um belo artigo está na seção mql5). Mas tudo isso também exige que as condições de mercado permaneçam as mesmas por um período maior. Cada mudança custa. Como suas otimizações são mais adequadas, as mudanças nas condições de mercado têm que ser tão pequenas quanto menores para uma falha. Acho que não vou por aí, meu sistema AdaptiveStrenght, por exemplo, não tem imputs, não tem períodos definidos para seus indicadores. Eu programei como base um indicador que me mostra o comprimento médio dos ciclos de subida e descida. Os outros parâmetros se baseiam nestes resultados. A esperança era obter um sistema que fosse automaticamente adaptado às condições atuais do mercado. Parece bom no testador, mas como dito. Até agora, os resultados ao vivo não são nada bons. (Mas eu deixo o EA funcionar desde que os resultados a longo prazo contam e ele está funcionando em uma pequena conta lateral).
@ubzen, sim, as NeuroNets podem ser AQUELE coisa. Como minha graduação foi baseada neste tópico, acredito realmente que tais sistemas podem se adaptar rapidamente às novas condições de mercado. Sonho com uma NeuroNet analisando as condições de mercado e escolhendo, ou reciclando automaticamente uma nova NeuroNet com base nessas condições específicas de mercado. Ainda assim, estou longe de resolver este problema. Programar apenas uma rede de última geração é uma grande tarefa.
//z
@ubzen, isso é legal. É fácil ficar com a impressão errada nas discussões na Internet. Argumentar é uma boa maneira de esclarecer o entendimento, como é conhecido desde a Grécia Antiga :-)
@zzuegg, bom trabalho! Você acha que seu novo método de saída oferece um desempenho superior?
A propósito, a otimização muito freqüente não exige nada mais do comportamento do mercado do que uma otimização menos freqüente, mas pode não valer a pena. Meu primeiro sentimento foi que se os parâmetros do meu sistema neste momento são influenciados pelo comportamento do mercado durante um período passado de certa duração, eu quero que esse período seja o mais recente possível. Isto pode ser alcançado com uma re-otimização muito freqüente. Por exemplo, se você re-optimizar a cada semana usando 1 ano de dados, você está sempre usando muito perto dos dados mais recentes possíveis, mas se você re-optimizar a cada 3 meses, parte do tempo você está usando um período de otimização que é de 3 meses. Entretanto, acredito que a diferença de desempenho provavelmente seja muito pequena por várias razões. Primeiro, há uma grande sobreposição entre o ano mais recente e o ano que termina 3 meses atrás - na verdade, 3/4 dos dados são os mesmos. Em segundo lugar, a otimização é um processo muito impreciso. Uma grande fração da diferença entre os resultados de uma otimização no último ano e o ano que termina 3 meses atrás é provavelmente devido ao acaso, em vez de uma diferença significativa entre as características do mercado ao longo dos dois períodos. Em terceiro lugar, as expectativas das características do mercado cujas mudanças poderiam ser capturadas pela otimização provavelmente mudam lentamente ao longo do tempo. Em quarto lugar, há o fato de que as correlações entre quaisquer características pelas quais nossa otimização esteja sendo influenciada e as características dos dados fora da amostra são bastante baixas, diluindo ainda mais o efeito nos resultados. Finalmente, o que sempre caracteriza o mercado cujas mudanças estamos tentando captar explicará apenas parte dos resultados do sistema sobre os dados fora da amostra. A conseqüência é que a diferença no desempenho provavelmente será muito pequena. Seria bom testar isto cientificamente com um exemplo real, olhando para diferenças estatísticas de desempenho, mas seria necessário um teste bastante grande para reduzir a variação aleatória dos resultados, e um teste muito grande para identificar uma pequena melhoria devido a uma re-otimização muito freqüente, IMO.
> NeuroNets pode ser QUE coisa
Entendo a excitação em torno da NN, mas sempre pensei que como o treinamento e a reciclagem vêm de... dados históricos, estamos apenas contornando o mesmo ciclo antigo, mas com mais ciclos de CPU...
-BB-
o mesmo loop antigo, mas com mais ciclos de CPU.
Sim, eu meio que compartilho o mesmo sentimento, mas pensando em travessões felizes %:)
Bem, espero que o NN faça meu processo de desenvolvimento do sistema melhor do que eu. Com isso quero dizer o processo de aprender com um caminho que falhou e tentar outro caminho.
Um par de pensamentos. Dados históricos são dados históricos, mas é praticamente tudo o que temos :-) Os NNs têm um pouco de mística, mas na verdade eles são uma espécie de máquina de regressão. Com isto quero dizer que um NN pode codificar uma classe de funções entre suas entradas e suas saídas, e o processo de treinamento envolve determinar os parâmetros livres de funções para ajustá-las ao conjunto de treinamento.
A questão dos dados históricos me faz lembrar de um dos meus dogmas favoritos de negociação sem sentido: "os indicadores atrasam, o preço não". O preço atual não retarda, é verdade, mas tente negociar usando apenas o preço atual e ignorando todos os outros (É 1,41665 - você quer comprar ou vender? Nenhuma outra informação disponível). Os preços anteriores, obviamente, estão atrasados. Será que eles ficam menos defasados que os indicadores? Bem, suponha que você tenha um conjunto de SMAs com comprimento 1, 2, 3, e assim por diante. O primeiro N destes determina os últimos N preços. Acho que, em qualquer sentido, isto significa que os SMAs não ficam mais atrasados do que o preço. Alguém que subscreve este dogma popular acreditará que quando você fala sobre o apoio criado por um preço extremo que ocorreu N barras de volta, isso é um exemplo de preço não retardado, mas se você falou sobre a relação de preço para um N período SMA, isso seria um indicador de retardamento. Divertido.
É 1.41665 - você quer comprar ou vender?
Uau, isso é muito bom, eu nunca ensinei sobre isso assim antes. Cara, eu gosto ainda mais deste cara, ele me faz pensar. Permita que eu acrescente meu dogma à lista. Rsi, Macd, CCi, Adx, Sma ou o que quer que seu indicador favorito tenha movido 100 pontos no sentido ascendente, você quer comprar ou vender?