Советник RNN3Smart для добровольного бетатестирования в открытых исходниках

 

Сваял советник RNN3Smart

Чуть позже выложу в Code Base

Ежели кто пожелает, может стать бетатестером

Результаты бектеста:

Results
History Quality: 99%
Bars: 3101 Ticks: 12086 Symbols: 1
Total Net Profit: 25 225.50 Balance Drawdown Absolute: 529.00 Equity Drawdown Absolute: 551.00
Gross Profit: 44 317.80 Balance Drawdown Maximal: 3 543.20 (18.93%) Equity Drawdown Maximal: 4 115.20 (21.68%)
Gross Loss: -19 092.30 Balance Drawdown Relative: 18.93% (3 543.20) Equity Drawdown Relative: 21.68% (4 115.20)

Profit Factor: 2.32 Expected Payoff: 289.95 Margin Level: 732.48%
Recovery Factor: 6.13 Sharpe Ratio: 0.35 Z-Score: 0.29 (22.05%)
AHPR: 1.0156 (1.56%) LR Correlation: 0.92 OnTester result: 25225.49999999999
GHPR: 1.0146 (1.46%) LR Standard Error: 2 707.49


Total Trades: 87 Short Trades (won %): 44 (56.82%) Long Trades (won %): 43 (60.47%)
Total Deals: 133 Profit Trades (% of total): 51 (58.62%) Loss Trades (% of total): 36 (41.38%)

Largest profit trade: 4 460.00 Largest loss trade: -534.00

Average profit trade: 868.98 Average loss trade: -530.34

Maximum consecutive wins ($): 9 (12 120.00) Maximum consecutive losses ($): 4 (-2 119.50)

Maximal consecutive profit (count): 12 120.00 (9) Maximal consecutive loss (count): -2 119.50 (4)

Average consecutive wins: 2 Average consecutive losses: 2


Результаты форварда:


Results
History Quality: 99%
Bars: 3053 Ticks: 11901 Symbols: 1
Total Net Profit: 14 812.80 Balance Drawdown Absolute: 530.00 Equity Drawdown Absolute: 696.00
Gross Profit: 23 307.30 Balance Drawdown Maximal: 2 654.40 (14.05%) Equity Drawdown Maximal: 3 322.40 (17.03%)
Gross Loss: -8 494.50 Balance Drawdown Relative: 14.05% (2 654.40) Equity Drawdown Relative: 17.03% (3 322.40)

Profit Factor: 2.74 Expected Payoff: 284.86 Margin Level: 683.61%
Recovery Factor: 4.46 Sharpe Ratio: 0.43 Z-Score: -0.76 (55.27%)
AHPR: 1.0185 (1.85%) LR Correlation: 0.96 OnTester result: 14812.8
GHPR: 1.0176 (1.76%) LR Standard Error: 1 265.73


Total Trades: 52 Short Trades (won %): 29 (65.52%) Long Trades (won %): 23 (69.57%)
Total Deals: 81 Profit Trades (% of total): 35 (67.31%) Loss Trades (% of total): 17 (32.69%)

Largest profit trade: 1 870.80 Largest loss trade: -533.00

Average profit trade: 665.92 Average loss trade: -499.68

Maximum consecutive wins ($): 9 (6 100.00) Maximum consecutive losses ($): 5 (-2 654.40)

Maximal consecutive profit (count): 6 450.50 (8) Maximal consecutive loss (count): -2 654.40 (5)

Average consecutive wins: 4 Average consecutive losses: 2



В файлаттачах сам советник и ZIP архив с настройками, чтобы можно было запустить оптимизацию, не ковыряясь с входными параметрами.

Остальные настройки для оптимизации см. на скрине:

Настройки RNN3Smart для EURUSD

Файлы:
 
//+------------------------------------------------------------------+
//|                                                    RNN3Smart.mq5 |
//|                                 Copyright 2014, Yury V. Reshetov |
//|                                http://yury-reshetov.ru/node/1093 |
//+------------------------------------------------------------------+
#property copyright "Copyright 2014, Yury V. Reshetov"
#property link      "http://yury-reshetov.ru/node/1093"
#property version   "3.01"
#property description   "Торговый робот RNN3Smart\n\nТехническая поддержка: http://yury-reshetov.ru/node/1093"


#include <Trade/Trade.mqh>
//#include <Trade/SymbolInfo.mqh>
//#include <Trade/DealInfo.mqh>
//#include <Trade/PositionInfo.mqh>
 
Дайте описание советника можно не очень подробное. Я бы поучаствовал в тестировании, но не в тестере, а на демо. 
 
Сов на mq5. Я только на МТ4 мог бы участвовать...
 
Участвую
 
Юрий, вопрос по методике тестирования. Методика полгода оптимизации/полгода форвард-оптимизации по вашему мнению является лучшим вариантом для этой нейросети? Просто на данный момент исходя из статистики нескольких прогонов (генетический алгоритм каждый раз выдает новый оптимум) на одном и том же участке (2013.06.01-2014.06.01) результат работы 10 лучших образцов каждого прогона на реальном форварде (2014.06.01-2014.08.23) среднеотрицательный. Это наводит меня на неправильность выбранной методики (априори предполагается что сама система способна грамотно обучаться на репрезентативной выборке). Вы не могли бы более развернуто описать процесс доводки сети до работы в реальном времени?
 
Argonaft92:
Юрий, вопрос по методике тестирования. Методика полгода оптимизации/полгода форвард-оптимизации по вашему мнению является лучшим вариантом для этой нейросети? Просто на данный момент исходя из статистики нескольких прогонов (генетический алгоритм каждый раз выдает новый оптимум) на одном и том же участке (2013.06.01-2014.06.01) результат работы 10 лучших образцов каждого прогона на реальном форварде (2014.06.01-2014.08.23) среднеотрицательный. Это наводит меня на неправильность выбранной методики (априори предполагается что сама система способна грамотно обучаться на репрезентативной выборке). Вы не могли бы более развернуто описать процесс доводки сети до работы в реальном времени?

Наиболее грамотно - это не стоит полностью полагаться на тестер.

Суть в том, что заведомо неизвестно, когда оптимизация на прошлых данных перестанет давать профит в будущем. Т.е. даже успешные форварды не являются гарантией профитности настроек.

Я оптимизирую и ставлю ботов на несколько инструментов, а потом смотрю, как они торговали за предыдущий период, например, в течении прошлой недели. Если на каком либо инструменте торговля неудовлетворительна, то переоптимизирую по этому инструменту. Если результаты хорошие, то переоптимизация не нужна.

А что касается генетического алгоритма, то он не даёт оптимум, поскольку пляшет рядом с экстремумами, постепенно сужая поиск.