Optimizasyon sonuçlarının otomatik seçimi için kriterler.
Savaşıyoruz, stratejiler yazıyoruz, aslında herhangi bir uzman belirli parametrelerle sınırlı bir ticaret aralığında kâr edebiliyor. Bu arada, parametre seçimi konusuna nispeten az ilgi gösterildi.
Pekala, çağrıştıralım mı?
Konu her zaman alakalı gibi görünüyor. Böylece başlayabilirsiniz.
Haydi başlayalım ve bu anlamdan kısmen mahrum bırakan birkaç tezi çürütmenin zamanı geldiği gerçeğiyle başlayalım.
1) "Kar, optimizasyon aşamasında değil, inşaat aşamasında sisteme girer." Bu genellikle optimizasyon aşamasını önemsiz kılar. Ben kendim uzun zamandır böyle düşünüyorum. Ne kadar yanılmışım ... Bunun böyle olmadığı veya daha doğrusu tam olarak böyle olmadığı bir dizi sistem var. Çeşitli sinir ağları ve sadece çok karmaşık sistemler (kısa süre önce, "ayarlama" gerektiren yaklaşık 100! parametreli bir pipser gördüm, bu arada, oldukça karlı, garip bir şekilde) ki, tasarım aşamasında bunlara ne koyarsanız koyun, optimizasyon olmadan /eğitim güvenle çöpe gidebilirsiniz.. .
2) "Birçok harici parametre - uzman saçmalık." Genellikle duyulur. Uygulama, böyle bir bağımlılığın olmadığını göstermektedir. Bu tür uzmanları eğitmek zordur ve bu nedenle kullanımı zordur, ancak tam olarak kimse neyin öğretilmesi gerektiğini gerçekten söyleyemediği için. Bu nedenle, optimizasyonun en olası sonucu "kötü uyum" olacaktır ve sonuç olarak boşa gider.
5 kopeklik deneyimim - kendim için belirli bir formül çıkardım = işlem sayısı istikrarla doğru orantılı ve karlılıkla ters orantılı.
Bu konuyu fark etmen çok güzel. Bence, otomatik iyileştiriciyle ve üzerinde çalışarak çok fazla deneyim kazandınız ve yine de paylaşabilirsiniz)
Bu özel durumda, işlem sayısıyla ilgili vizyonum iki yönlüdür:
İlk seçenek - gözlemlerinizle örtüşüyor, ancak yavaş yavaş reddediyorum, arama çemberini sıkıştırmam gerekiyor.
İkincisi, tasarım aşamasında işlem sayısının belirlendiği durumdur, yani. Her sistem için kendi etkinliği vardır ve başka bir sisteme mutasyon pahasına öğrenmeye "zorlandığı" bir şey vardır. Ve son zamanlarda, işlem sayısını şu şekilde kullanıyorum: Diyelim ki hesaplanan-görsel (grafiğe bakarak) işlem sayısı günlük 5'tir (20 barda 1, saatte 2 veya her neyse) , sırasıyla, ortalama işlem sayısı (SCA) 5 civarında bir aralığa sığmalıdır, yani. örneğin 3<=CKC<=7. Menzilin ötesinde olan, sistemin anlamını kaybetmemesine izin vererek, aynı zamanda yanlışlıkla TS'yi kullanmak için eşlik eden bir seçenek veya sadece başka bir model bulma olasılığını ortadan kaldırarak acımasızca atılır.
Bu konuyu fark etmen çok güzel. Bence, otomatik iyileştiriciyle ve üzerinde çalışarak çok fazla deneyim kazandınız ve yine de paylaşabilirsiniz)
Bu özel durumda, işlem sayısı konusunda iki yönlü bir vizyonum var:
İlk seçenek - gözlemlerinizle örtüşüyor, ancak yavaş yavaş reddediyorum, arama çemberini sıkıştırmam gerekiyor.
İkincisi, tasarım aşamasında işlem sayısının belirlendiği durumdur, yani. Her sistem için kendi etkinliği vardır ve başka bir sisteme mutasyon pahasına öğrenmeye "zorlandığı" bir şey vardır. Ve son zamanlarda, işlem sayısını şu şekilde kullanıyorum: Diyelim ki hesaplanan-görsel (grafiğe bakarak) işlem sayısı günlük 5'tir (20 barda 1, saatte 2 veya her neyse) , sırasıyla, ortalama işlem sayısı (SCA) 5 civarında bir aralığa sığmalıdır, yani. örneğin 3<=CKC<=7. Menzilin ötesinde olan, sistemin anlamını kaybetmemesine izin vererek, aynı zamanda yanlışlıkla TS'yi kullanmak için eşlik eden bir seçenek veya sadece başka bir model bulma olasılığını ortadan kaldırarak acımasızca atılır.
Kesinlikle aracın tipine göre değişir.
Benim düşünceme göre bir başka ilginç (hesaplanmış) parametre "keskin oran" dır, ancak henüz onunla gerçekten çalışmadım :-)
Kesinlikle aracın tipine göre değişir.
Benim düşünceme göre bir başka ilginç (hesaplanmış) parametre "keskin oran" dır, ancak henüz onunla gerçekten çalışmadım :-)
Sharps, Sortino ve diğerleri zaten neredeyse kuş dili :) Herkes güzel konuşuyor ama ben de denemedim, pratik kullanım için ilk verilerden nasıl hesaplanacağını bilen varsa, deneyip sonucun nasıl olduğunu anlatacağım. dır-dir. Formül dili için ilk verileri yeniden adlandırmak gerekir.
-GrossKar = GP ,
-GrossLoss= GL
-MaxDrawdown (düşüş) = MD ,
-Karlı işlem sayısı = PD , kaybeden işlem = LD , Toplam işlem sayısı = AD ,
- Testin çubuk (tik) sayısı = ZAMAN ,
-Maks. karlı ticaret = MPD , Maks. ticaret kaybetmek = MLD
-Bir dizi kârlı işlem = SPD (birim olarak), = SPD$ (mevduat para biriminde), bir dizi kârsız işlem = SLD , = SLD$
Bir şey mi kaçırdım? Formüller çizebilir misin?
ZY Düşünmek için birkaç saat alacağım ve Olimpiyatçılarımızı ahlaki olarak destekleyeceğim, kayağa gideceğim) Aksi takdirde, desteğim olmadan) henüz çok iyi değiller .... (
Kim benimle? :)
Sharpe oranını hesaplama metodolojisi
Sharpe oranı hakkında yardım:
Ödül-değişkenlik oranı olarak da bilinen Sharpe Oranı, yönetimin etkinliğini karakterize eder. Bir portföyün toplam riskine göre getiriyi ölçer. Toplam risk, portföy getirisinin standart sapmasıdır.Sharpe oranı, belirli bir derinlik ve zaman çerçevesinde aşağıdaki formül kullanılarak hesaplanır:
, nerede
-ortalama portföy getirisi;
—ortalama risksiz oran;
— portföy getirilerinin standart sapması, oynaklık hesaplama hizmetinin belgelerinde ayrıntılı bir hesaplama sunulmaktadır.
Kullanılan getiri, fiyat oranının (logaritmik getiri) doğal logaritması olarak tanımlanan geometriktir:
,nerede
— önceki dönemin sonunda ölçülen fiyatlar;
- cari dönemin sonunda ölçülen fiyatlar;
Sharpe oranının değeri ne kadar yüksekse, yatırımlar o kadar etkili olacaktır. Katsayının küçük bir değeri, yatırım getirisinin kabul edilen risk seviyesini haklı çıkarmadığını gösterecektir. Negatif bir Sharpe oranı, risksiz varlıklara yapılan yatırımların daha fazla gelir getireceğini gösterir.
Sortino ve Değiştirilmiş Sortino oranları için yardım:
Sortino Oranı, bir yatırım aracının karlılığını ve riskini değerlendirmenizi sağlayan bir diğer göstergedir. Matematiksel olarak Sharpe oranına benzer şekilde hesaplanır, ancak portföy oynaklığı yerine "aşağı oynaklık" olarak adlandırılan kullanılır. Bu durumda volatilite, minimum portföy getirisinin (MAR) altındaki getirilerden hesaplanır.Sortino katsayısı, belirli bir derinlik ve zaman çerçevesinde aşağıdaki formül kullanılarak hesaplanır:
,nerede
-ortalama portföy getirisi;
MAR - kabul edilebilir minimum portföy getirisi (Minimum Kabul Edilebilir Getiri)
- izin verilen minimum portföy getirisinin altındaki getirilerden hesaplanan portföy getirilerinin standart sapması. Oynaklık hesaplama hizmetinin belgelerinde ayrıntılı bir hesaplama sunulmaktadır.
Belirli bir derinlik ve zaman çerçevesinde Modifiye sortino katsayısı aşağıdaki formülle hesaplanır:
,nerede
-ortalama portföy getirisi;
—ortalama risksiz oran;
- izin verilen minimum portföy getirisinin altındaki getirilerden hesaplanan portföy getirilerinin standart sapması. Oynaklık hesaplama hizmetinin belgelerinde ayrıntılı bir hesaplama sunulmaktadır.
Kullanılan getiri, fiyat oranının (logaritmik getiri) doğal logaritması olarak tanımlanan geometriktir:
,nerede
— önceki dönemin sonunda ölçülen fiyatlar;
- cari dönemin sonunda ölçülen fiyatlar;
Alfa ve beta katsayıları hakkında yardım:
Alfa ve beta katsayıları, araç ve endeks arasındaki istatistiksel ilişkiyi ortaya çıkarmak için tasarlanmıştır. Grafik gösterimde, enstrümanın getirisinin endeksin getirisine bağımlılığının bir dağılım grafiği olacaktır. (bkz. bir elipsin yapımı). Ortaya çıkan nokta kümesi aracılığıyla, bir dağılım grafiğine en iyi yaklaşan düz bir çizgi çiziyoruz. Böyle bir düz çizgi oluşturmak için istatistiksel prosedür bilinmektedir - buna "basit doğrusal regresyon veya en küçük kareler yöntemi" denir. Bu yönteme göre, grafiğin her noktasından düz çizgiye olan uzaklıkların karelerinin toplamının değerini en aza indirerek düz bir çizginin denklemi bulunur. Ortaya çıkan düz çizgi (regresyon) denklemi şöyle görünecektir:,
enstrümanın karlılığı nerede;
- düz çizginin dikey yer değiştirme katsayısı;
- düz çizginin eğim katsayısı;
—dizin dönüşü
En küçük kareler yöntemine göre katsayılar ve aşağıdaki formüllerle bulunur:
,
Burada Cov(,), enstrümanın getirisi ile endeksin getirisi arasındaki kovaryanstır.
— endeks getirilerinin standart sapması
,nerede
- enstrümanın ortalama karlılığı
- endeksin ortalama getirisi
Endeks olarak piyasa endeksinin seçilmesi durumunda
"Beta" katsayısı - piyasadaki genel durumun bir bütün olarak belirli bir enstrümanın kaderi üzerindeki etkisini belirler. > 0 ise, aracın etkinliği piyasanın etkinliğine benzerdir. < 0 ise, piyasa etkinliği arttıkça bu aracın etkinliği azalacaktır. Katsayı aynı zamanda bu menkul kıymetlere yatırım yapma riskinin bir ölçüsü olarak kabul edilir. >1 ise yatırım riski piyasa ortalamasından yüksek, <1 ise tam tersi.
"Alfa" katsayısı - belirli bir enstrümanın pazar büyüme oranlarının ve büyüme oranlarının oranını karakterize eder. Herhangi bir enstrümanın pozitif olması, büyüme hızının piyasa ortalamasının üzerinde olduğu anlamına gelir, yani şu anda piyasa tarafından "değersiz" olduğu söylenebilir.
Katsayı Yardımı
Regresyon denklemi ile getirilerdeki dalgalanmaların tanımının doğruluğu, getirilerin dağılımı (dağılımı) ile karakterize edilir. Regresyon denkleminin açıklayıcı gücünü değerlendirmek için, bir enstrümanın fiyatındaki yüzde değişimin, endeks değerindeki bir değişiklikle belirli bir oranla ne kadar açıklandığını gösteren ve aşağıdaki formülle belirlenen bir katsayı eklenir:R = ,
beta katsayısı nerede
— endeks getirilerinin standart sapması
— enstrüman getirisinin standart sapması
Endeks olarak piyasa endeksi seçildiğinde:
"" katsayısı veya belirleme katsayısı - bir bütün olarak piyasanın belirsizliği tarafından getirilen bu araca yapılan katkı riskinin payını karakterize eder. daha yakın sıfıra, aracın genel piyasa eğilimine göre davranışı o kadar bağımsızdır. Endeks olarak keyfi bir araç veya kullanıcı portföyü seçildiğinde: "" katsayısı, araç ile endeks arasındaki ilişkinin sıkılığını karakterize eder. Bu değer 1'e ne kadar yakınsa ilişki o kadar güçlüdür.
Öğrencinin t-testi değeri
Student's t-testi hesaplaması, regresyon katsayılarının önemini test etmek için kullanılır, yani. alfa ve beta katsayıları. Beta katsayısı için Student t testinin değeri aşağıdaki formüle göre gerçekleştirilir:,
beta katsayısı nerede
- aşağıdaki formülle hesaplanan standart hatanın değeri:
,
enstrümanın karlılığı nerede;
- aşağıdaki formülle hesaplanan aracın karlılığı: ;
- endeksin karlılığı;
- endeksin ortalama getirisi
n, hesaplamada yer alan getirilerin sayısıdır.
Alfa katsayısı için Student t testinin değeri aşağıdaki formüle göre yapılır: ,
alfa katsayısı nerede;
- aşağıdaki formülle hesaplanan standart hatanın değeri:
,
enstrümanın karlılığı nerede;
- aşağıdaki formülle hesaplanan aracın karlılığı: ;
- endeksin karlılığı;
- endeksin ortalama getirisi
n, hesaplamada yer alan getirilerin sayısıdır.
Fisher kriterinin değeri
Fisher kriterinin değerinin hesaplanması aşağıdaki formüle göre yapılır:Student t-testine benzer şekilde, Fisher testinin hesaplanan değeri tablo değeri ile karşılaştırılır (bkz. Tablo Değerleri). Fisher kriterinin hesaplanan değeri tablo değerini aşarsa, araç ile endeks arasında bir ilişkinin olmadığına dair boş hipotez reddedilir ve bu ilişkinin varlığı ve regresyon denkleminin istatistiksel önemi hakkında bir sonuca varılır. . Fisher kriterinin hesaplanan değeri tablo değerinden küçükse, sıfır hipotezi olasılığı belirtilen seviyeden daha yüksektir ve bir ilişkinin varlığı hakkında ciddi bir yanlış sonuca varma riski olmadan reddedilemez. Bu durumda, regresyon denklemi istatistiksel olarak önemsiz kabul edilir.
Yaşasın, seans bitti!
Merak ediyorum, piyasa zaman zaman düştüğünde öğrencilerle olan tüm bu keskinlikler neye eşittir?
- Ücretsiz ticaret uygulamaları
- İşlem kopyalama için 8.000'den fazla sinyal
- Finansal piyasaları keşfetmek için ekonomik haberler
Gizlilik ve Veri Koruma Politikasını ve MQL5.com Kullanım Şartlarını kabul edersiniz
Savaşıyoruz, stratejiler yazıyoruz, aslında herhangi bir uzman belirli parametrelerle sınırlı bir ticaret aralığında kâr edebiliyor. Bu arada, parametre seçimi konusuna nispeten az ilgi gösterildi.
Dürüst olmak gerekirse, şu an bu konudayım moment başka bir nedenle, yani kendi başına bir optimizasyon kriteri arayışıyla ilgilenmeye başladı. optimizer kendi GA'sını kullanıyor, çünkü MT4'te benimsenen optimizasyon kriterlerinin istenen sonucun elde edilmesine izin vermediğini fark ettim. Ama ocaktan dans etmen gerekiyor. Ve bu nedenle "Optimizasyon sonuçlarını seçmek için bir kriter aranıyor".
Tabii ki, sitede bulunan makalelerle tanıştım (yazarlar sayesinde), mevcut tartışmalara da baktım, hatta bazı kitaplara göz attım), ama orada görmek istediğimi bulamadım. Belki orada bir şey vardır, ama kuş dilinde, bunda pek iyi değilim, aynı zamanda pratik bir ilkelci (belki biri onu “insan”a çevirecektir) veya belki de görmedim. Bu konunun ve umarım yapıcı tartışmanın bir sonucu olarak, Test sonuçlarından belirli bir formül, belirli bir işlev elde etmek istiyorum, bunların maksimumu yüksek olasılıkla geçerli bir parametre kümesini gösterir.
Sahte tevazu olmadan), kesinlikle ulaştığımı not ediyorum. seçimin için iyi şanslar manuel optimizasyon. Ancak, bu işlemi otomatikleştirmenin bir yolu yoktur. Muhtemelen, bu sadece kötü resmileştirilmiş bir deneyimdir.
Tabii ki, parametreleri seçmenin basit ve etkili bir seçeneği var - OOS testi. Ancak, ne yazık ki, her zaman kabul edilebilir değildir. Örneğin koçlarıma OOS sonuç kriterini yaparsam, GA'da bireyleri seçmek için bazı kriterler, artık OOS olmayacak
Yani, MT4 cinsinden ilk veriler:
-Brüt Kar ,
-Brüt Kayıp ,
-MaxDrawdown (çekilme),
-Karlı işlem sayısı, kaybedilen işlem sayısı, Toplam işlem sayısı,
-Test çubukları (tikler) sayısı,
-Maks. karlı anlaşma, Maks. ticaret kaybetmek
- Bir dizi kârlı işlem, bir dizi kârsız işlem
Görünüşe göre hiçbir şeyi kaçırmadım (eğer kaçırdıysam düzeltin), her türlü MO, PF vb. hesaplandıkları ve yukarıdakilerden elde edilebileceği için kasıtlı olarak çıkarılmıştır.
Pekala, çağrıştıralım mı?