Оценка качества моделирования минутных данных

MetaQuotes | 9 мая, 2006

В статье "Что означают цифры в отчете тестирования эксперта" приведена формула расчёта качества моделирования:
ModellingQuality = ((0.25*(StartGen-StartBar) + 
                     0.5 *(StartGenM1-StartGen) + 
                     0.9 *(HistoryTotal-StartGenM1)) / (HistoryTotal-StartBar))*100%;

где:

  • HistoryTotal - количество баров в истории;

  • StartBar - номер бара, с которого началось моделирование. Моделирование начинается с как минимум 101-го бара либо с бара, соответствующего начальной дате ограничения тестирования;

  • StartGen - номер бара, с которого началось моделирование на основе исторических данных ближайшего таймфрейма;

  • StartGenM1 - номер бара, с которого началось моделирование на основе минуток;

при этом:

  • промежуток от начала моделирования без данных ближайшего таймфрейма до начала моделирования на основе данных ближайшего таймфрейма имеет весовой коэффициент 0.25;

  • промежуток от начала моделирования на основе данных ближайшего таймфрейма до начала моделирования на основе минуток имеет весовой коэффициент 0.5;

  • промежуток от начала моделирования на основе минуток до конца исторических данных имеет весовой коэффициент 0.9.

Данные, смоделированные на основе минуток, оцениваются очень высоко - 90 процентов качества.

Исходя из этой же формулы, тестирование на минутном периоде M1 не может иметь качество, превышающее 25 процентов, так как для моделирования этих данных не используются данные меньшего периода. Данных меньшего периода просто не существует для клиентского терминала, но существуют тиковые данные. Однако тиковые данные не сохраняются в клиентском терминале стандартными средствами.

Минутные данные сами по себе являются наиболее подробными данными о движении цены. И с их помощью можно очень хорошо моделировать движение цены внутри баров больших периодов. При этом расхождение между реальным движением цены и смоделированными тиками будет невелико из-за наличия минутных опорных точек: Open, High, Low, Close. Эти опорные точки формируют первое приближение функции движения цены (аппроксимация первого порядка). Чем больше значение моделируемого периода, тем больше опорных точек и точнее моделирование. И наоборот, чем меньше значение моделируемого периода, тем ниже качество моделирования. Например, при моделировании часового бара может быть использовано до 240 минутных опорных точек, при моделировании пятиминутного бара количество опорных точек уменьшается до 20.

Для минутного бара, как мы уже говорили, опорных точек всего 4! Именно поэтому качество моделирования минутных баров оценивается не выше, чем 25 процентов. Впрочем, если при тестировании на минутках использовать сигналы, полученные от данных большего таймфрейма, то смоделированные данные, конечно же, следует оценивать гораздо выше, так как учитывается движение цены внутри более старшего бара, чем минутный.

Замечание: cтрого говоря, при расчёте качества моделирования пятиминуток данные, смоделированные на основании минуток, должны подпадать под определение "моделирование на основе исторических данных ближайшего таймфрейма" и, соответственно, оцениваться с весовым коэффициентом 0.5, а не 0.9. Однако мы не стали вводить дополнительную формулу и таким образом усложнять алгоритм моделирования.