Нужна помощь по результатам оптимизации - страница 4
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
Спасибо большое за ваше время!!! Я очень ценю это
Итак, судя по следующим результатам теста, мне просто очень повезло?
максимальное количество последовательных убыточных сделок за весь этот период (из примерно 23 групп по 50 сделок - не смог втиснуть все в один тест) составило 41 (которые могли разделиться на 2 группы по 50 сделок).
Я должен был видеть такую просадку чаще?
В конечном счете, если я продолжу "играть" в эту игру, я буду получать 9% времени такой проигрыш?
Теперь еще одна вещь
согласно этому отчету
средняя вероятность прибыльной сделки для меня составляет 8,85%, а убыточной - 91,15%.
Так что, согласно этому, шанс получить 50 убытков подряд составляет : 0.9115^50 = 0.97% ...
что довольно далеко от 9%... как такое может быть?
Если бы я проигрывал 95,3% времени, это было бы правильно, а с таким процентом мое ожидание было бы отрицательным O_O
Ex= 0.953*(-23)+0.047*(247) = -10.31 пунктов прибыли на сделку
Важно понимать, что статистика, вычисленная и представленная в автоматизированном отчете, является "специфичной для временных рядов". Это означает, что они буквально уместны в прогнозировании будущих торговых характеристик только при условии, что сам рынок имеет такие же характеристики временного ряда, что по очевидным причинам никогда не происходит.
Вы действительно можете безнадежно заблудиться, пытаясь предсказать будущее по статистике отчетов бэктестинга. В худшем случае результаты бэктестинга совершенно бесполезны, в лучшем случае, если вы правильно подготовили способ бэктестинга, вы можете получить некоторые самородки данных, которые позволят вам говорить о вещах, которые должны быть некоррелированы с временными рядами, используемыми в бэктестинге.
Просто помните, что вы НЕ имеете дело со стационарным процессом. Практически любая статистика, которую вы можете вычислить на основе бэктестинга, не имеет значения для определения будущих результатов, потому что родительское распределение никогда не будет полностью выборочным (оно не может быть таковым, потому что его еще не существует, время создает все больше невыборочного пространства), и статистика распределения меняется, например, среднее и стандартное отклонение.
Исходя из этого, расчеты риска потерь следует рассматривать как "лучший случай", так как стандартное отклонение в реальности, скорее всего, будет шире, чем то, которое было получено в результате ограниченной выборки во время бэктестинга.
еще раз здравствуйте :)
Я изменил период выборки с групп по 50 сделок на расчеты за месяц и пришел к следующим результатам:
предполагая, что эти значения распределяются нормально (что может быть не так)
1. Есть ли способ учесть перекос и эксцесс при расчете ROR?
2. Действительно ли это нормальное распределение? Если нет, то как еще его можно обработать?
еще раз здравствуйте :)
Я изменил период выборки с групп по 50 сделок на расчеты за месяц и пришел к следующим результатам:
предполагая, что эти значения распределяются нормально (что может быть не факт в данном случае)
1. Есть ли способ учесть перекос и эксцесс при расчете ROR?
2. Действительно ли это нормальное распределение? Если нет, то как еще его можно обработать?
Фраза, с которой вы, возможно, не знакомы, звучит так: "Therein lies the rub", что, как я полагаю, переводится примерно как "Дьявол кроется в деталях", то есть как только вы осознаете, какие детали имеют значение, вы понимаете, что с этим дьяволом придется иметь дело.
Да, вы предполагаете нормальное распределение, хотя на самом деле ваши результаты не являются репрезентативными для нормального распределения.
Кстати, это совершенно побочная тема, но вы можете обнаружить, что ваши гистограммы служат вам лучше, если вы оптимизируете размер бина.
Оптимизация ширины бина гистограммы
Я реализовал этот код на MQL, возможно, я даже выложил его здесь, если вы посмотрите мои сообщения. Но я скажу, что если вы решите заняться этим, то это одна из тех вещей, в которые вам действительно нужно погрузиться и обучить себя, иначе вы не сможете понять, почему оптимизированная по ширине бина гистограмма полезна или особенна.
Возвращаясь к вашей теме, ключевой момент, который вы раскрыли, заключается в том, что при проведении статистического анализа результатов бэктестинга вы часто используете статистику, которая строго верна только в том случае, если ваши данные являются выборками из гауссова распределения. На этом этапе люди обычно терпят неудачу в своих попытках проверить это предположение, убедиться в правомерности применения статистики нормализованного распределения в своих анализах.
В этот момент вы оказываетесь на развилке дорог... Вы можете либо стремиться к "статистически охарактеризованным" результатам, отбрасывая, возможно, кажущиеся оптимальными результаты по причине их несоответствия нормализованной статистике распределения, либо искать более обобщенные методы анализа результатов бэктестинга, чтобы эти методы были надежными и обеспечивали вас значимыми и полезными метриками для прогнозирования будущих результатов.
Вот пример анализа, который я провел и на основе которого я прозрел относительно глупости использования нормализованной статистики распределения в моих бэктестах:
Красные точки - это точки данных, сплошная зеленая линия - наилучшая гауссова функция для красных точек данных, светло-голубая линия - наилучшая обобщенная гауссова функция распределения.
Вы склонны к математике и вас не пугает стремление выйти в области статистического анализа за рамки традиционного распределения, основанного на гауссовом методе? Или вы считаете, что это не ваша страсть и не ваш стиль, и поэтому вы предпочтете просто отбросить и проигнорировать эти странные на первый взгляд результаты и заняться описанием тех, которые соответствуют более легко интерпретируемым метрикам?
На данный момент нет единого мнения о том, какой путь вам следует выбрать, это скорее вопрос личности и страсти. Делайте то, что кажется естественным и легким.
Прибыль не является хорошим параметром оптимизации, фактор прибыли и просадка больше говорят о стратегии.
Я поддерживаю это и, возможно, переориентирую мышление в этой теме...
Хорошая стратегия не должна нуждаться в оптимизации...?
Если вы занимаетесь скальпингом, то должен быть определенный уровень TP и SL, к которому вы будете стремиться.
Если вы торгуете по сетке, то TP и SL очевидны, как и при торговле по диапазону.
Для свинговой торговли понадобятся стопы, основанные на ATR или Fibo
Позиционных сделок будет слишком мало для получения значимой статистики по оптимизации, поэтому...
Что же мы ищем?
Если стратегия не является (фактически) полной, действительно ли оптимизация может компенсировать разницу?
FWIW
-BB-