文章 "MQL5 Cookbook: 减少过度配合的影响以及处理报价缺失"

 

新文章 MQL5 Cookbook: 减少过度配合的影响以及处理报价缺失已发布:

我相信很多交易者都经常对他们交易系统优化过的参数感到疑惑,事实上,一个单独的交易算法并不够,我们需要看它被如何运用。无论您使用何种交易策略,是简单还是复杂,使用一种还是多种资产,您都不能避免这样的问题:如何选择参数以保证未来的利润。

我们将使用在优化期间(回归测试)显示良好结果的参数在接下来的时间段(前瞻测试)进行验证测试。前瞻测试事实上没有那么必要,相关的结果可以通过历史数据获得。

这种方法提出了一个很大的而且没有确定答案的问题:到底需要多少历史数据来优化一个交易系统?这件事情有很多选项。它依赖于您想使用的价格波动范围。

回到优化所需历史数量的问题,我们可以认为可用的数据对小时内的交易已经足够,但是对于长时间范围来说这不一定正确。重复模式的数量越多,比如,我们的交易数量越多,所测试的交易系统在未来期待的效率就越可信。

如果某项资产的价格数据不够而无法获得那么多的重复结果和感到那么放心,我们怎么办呢?答案:使用所有可用资产的数据。

MQL5 Cookbook: Reducing the Effect of Overfitting and Handling the Lack of Quotes

作者:Anatoli Kazharski

原因: