Принципы работы с оптимизатором и основные способы избежать подгонки. - страница 3
Вы упускаете торговые возможности:
- Бесплатные приложения для трейдинга
- 8 000+ сигналов для копирования
- Экономические новости для анализа финансовых рынков
Регистрация
Вход
Вы принимаете политику сайта и условия использования
Если у вас нет учетной записи, зарегистрируйтесь
Зачем закономерности нужна стационарность? Допустим у нас есть рабочая закономерность. Распределение ее появления во времени жестко не нормально. Основные характеристики этой закономерности тоже не стационарны и плывут со временем. Ну и что? Главное условие лишь одно, - что бы она и дальше продолжала появляться, а не исчезла. Просто наше МО будет нестационарным, но по прежнему положительным, а это главное. Другой вопрос, что не стационарность серьезно усложняет поиск этих самых закономерностей. Мы не можем опираться на стандартные методы статистики для ее идентификации и в процессе использования. Например, если она, появлялась каждый день на протяжении последнего года, а сегодня вдруг исчезла, статистика скажет - закономерность больше не работает. Но это не так, потому что она появляется тогда, когда ей вздумается, и не обязана генерировать стационарные характеристики. Это ее свойство на фундаментальном уровне определяет необходимость переоптимизации алгоритмов. Потому что так или иначе, мы работаем с фиксированными параметрами, которые идеально соответствуют заданной закономерности лишь на истории. Завтра она будет немножко другая, а это значит, что произойдет сдвиг от экстремума нашей подгонки.
И вопрос всех вопросов лишь в том, что бы пережить завтрашний сдвиг. И мы можем выжить используя относительно устойчивые закономерности, либо (и) достаточно грубые (простые) методы идентификации и работы с ними , что бы их грубая оценка позволяла изменяться самой закономерности в достаточно широких пределах.
Это и есть мое обоснование, почему простые методы как правило оказываются эффективнее сложных, и почему вообще становится возможным заработать на рынке.
Я тут покопался и нашел -
Стационарность — свойство процесса не менять свои характеристики со временем.
Таким образом, нестационарный ряд меняет свои характеристики со временем. Но это не означает, что в нем не может быть закономерностей.
Вы путаете нестационарный, финансовый ряд с хаотическим рядом. В хаотическом ряду не может быть закономерностей, а в нестационарном ряду, который меняет свои характеристики со временем, может быть. Более того, могут присутствовать закономерности, которые будут предопределять эти изменения.
В финансовых рядах даже на первый взгляд видны некоторые закономерности -
Явно выраженное движение вверх и вниз в виде тренда. Закономерность? - закономерность.
Явно выраженное неопределенное боковое движение в виде флета. Закономерность? - закономерность.
Фигуры в виде "голова и плечи", "флаги" и прочее. Закономерность? - закономерность.
Ну и много еще чего другое......)))))
Зачем закономерности нужна стационарность? Допустим у нас есть рабочая закономерность. Распределение ее появления во времени жестко не нормально. Основные характеристики этой закономерности тоже не стационарны и плывут со временем. Ну и что? Главное условие лишь одно, - что бы она и дальше продолжала появлятся, а не исчезла. Просто наше МО будет нестационарным, но по прежнему положительным, а это главное. Другой вопрос, что нестационарность серьезно усложняет поиск этих самых закономерностей. Мы не можем опираться на стандартные методы статистики для ее идентификации и в процессе исползования. Например, если она, закономерность, появлялась каждый день на протяжении последнего года, а сегодня вдруг исчезла, статистика скажет - закономерность больше не работатет. Но это не так, потому что она появляется тогда, когда ей вздумается, и необязана генерировать стационарные характеристики. Это ее свойство на фундаментальном уровне определяет необходимость переоптимизации алгоритмов. Потому что так или иначе, мы работаем с фиксированными параметрами, которые идеально соотвествуют заданой закономерности лишь на истории. Завтра закономерность будет немножко другая, а это значит, что произойдет сдвиг от экстремума нашей подгонки.
это и есть квазистационарность - изменение мо в определенном диапазоне. Может быть речь нетолько об мо, но в данном контексте оно нас больше всего интересует
И вопрос всех вопросов лишь в том, что бы пережить завтряшний сдвиг. И мы можем выжить используя относительно устойчивые закономерности, либо (и) достаточно грубые (простые) методы идентификации и работы с ними , что бы их грубая оценка позволяла изменяться самой закономерности в достаточно широких пределах.
Это и есть мое обоснование, почему простые методы как правило оказываются эффективнее сложных, и почему вообще становится возможным заработать на рынке.
так может быть супер сложный метод, но достаточно грубо оценивающий закономерность)) Тут скорее вопрос в кол-ве параметров системы и чувствительности результата к их измненению. Если при небольшом изменении параметра результат меняется это не есть гуд. Есть и другие признаки. Здесь только недавно об этом писал https://www.mql5.com/ru/forum/137614/page5
попробуйте остаток не всегда брать, а выборочно-кусочно. Если вы умеете определять начало и конец таких кусков на ряде (само-собой не постфактум), то этого будет достаточно для торговли. Если нет, то модель менять
Еще раз: не бывает стационарных кусов.
Ещё раз: входя в сделку вы хотите получать положительное мо и не более заранее определенных потерь? Это и есть квазистационарные участки от входа в сделку до выхода. И они само собой на торгуемом ценовом ряде.
Приращения эквити - квазистационарны с положительным мо меняющимся желательно в небольших пределах. Иначе нафиг не нужна такая эквити и система ее порождающая
faa1947: Еще раз: не бывает стационарных кусов.
Ещё раз: входя в сделку вы хотите получать положительное мо и не более заранее определенных потерь? Это и есть квазистационарные участки от входа в сделку до выхода.
В этом суть данного топика.
По факту - квазистационарна, по прогнозу - нестационарна. Тестирование, включая форвард-тест - квазистационарно, а будущее нестационарно, а посему тестирование ни о чем не говорит. Надо переводить будущий котир в квазистационарное состояние. Это можно сделать только моделируя нестационарность, хотя бы частично.
Это можно сделать только моделируя нестационарность, хотя бы частично.
кто же против, моделируйте)) Только всё равно моделируя изменение рынкета опираться приходится на его статистику в прошлом и на какую-то неизменную модель. Т.е. меняются только параметры этой модели исходя из ближайшей истории. Адаптивность нормальное свойство ТС :)