文章 "运用 R-平方 评估策略余额曲线的品质"
Именно поэтому количество сделок должно быть достаточно большим. Но что подразумевать под достаточностью? Принято считать, что любая выборка должна содержать как минимум 37 измерений. Это магическое число в статистике, именно оно является нижней границей репрезентативности параметра. Конечно, для оценки торговой системы этого количества сделок недостаточно. Для надежного результата желательно совершить не менее 100 — 150 сделок. Более того, для многих профессиональных трейдеров и этого недостаточно. Они проектируют системы, совершающие не менее 500-1000 сделок, и уже потом, на основании этих результатов, рассматривают возможность запуска системы на реальных торгах...
我一直以为是100我一直以为是100。谢谢，文章很有意思。
因此，可以说 R 平方决定系数是对现有 MetaTrader 5 测试指标的重要补充。它允许您评估策略平衡线曲线的平滑度，这本身就是一个非同小可的指标。R-square 易于使用：其取值范围是固定的，从-1.0 到+1.0，表示 策略平衡的负趋势（取值接近-1.0）、无趋势（取值接近 0.0）和正趋势（取值趋向+1.0）。由于所有这些特性、可靠性和简易性，R-square 可以被推荐用于建立一个有利可图的交易系统。
哇我一直以为Ryx- 确定系数 - 是用来 评估线性回归 的质量的。带常数 的模型的确定 系数取值范围为0至1。
对回归系数进行显著性检验也很常见。甚至 Alglib 也有这种测试 :-)
PearsonCorrelationSignificance()、SpearmanRankCorrelationSignificance()。
什么意思？
MetaTrader 终端报告中有一个特殊的统计指标。它被称为LR Correlation （线性回归相关性 ），显示平衡线与为该线找到的线性回归之间的相关性。
确定系数 R^2 的计算方法与 LR 相关性的计算方法类似。但最终的数字是额外的平方。
在这里，我们最感兴趣的一个数字是 R 平方或 R 方。这个指标的值为 0.5903。因此，线性回归解释了所有数值的 59.03%，剩下的 41%仍然无法解释。
根据上述引文，可以得出R^2 = LR^2。因此，找到一个名为 "线性回归 "的线性函数的标准是方差的 MNC，或者说是最大化皮尔逊 RQ 的绝对值，也就是MathAbs(LR)。 最大化MathAbs(LR) 与最大化R^2 相同，因为MathAbs(LR) = MathSqrt(R^2)。
总之，我们可以通过最大化准则MathAbs(R)^n（ 其中n 为任意正数）找到线性回归。
那么，既然在n = 1 时可以得到 76.8%，在n = 4 时可以得到 34.8%，那么谈论 59.03%的所有数值都是由线性回归解释的又有什么意义呢？
错误的说法
R^2 只是图形与其线性模型之间的相关性
//-- 求 R^2 及其符号 double r2 = MathPow(corr, 2.0);
文章中介绍的 10,000 个独立例子的 LR 相关性和 R^2 分布图显示，R^2 != LR^2。
令人惊奇的是，通过一个简单的数学运算（二度），我们完全消除了分布的边际效应。
既然 Tester 本身已经对所有内容进行了排序，为什么还要使用 Excel 呢？
| Недостатки | Решение |
|---|---|
| Применим исключительно для оценки линейных процессов, или систем, торгующих фиксированным лотом. | Не применять для торговых систем, использующих систему капитализации (мани-менеджемент). |
计算 R^2 时的权益不应计入AccountEquity（== AccountBalance + Sum(Profit[i])），而应计入Sum(Profit[i]/Lots[i])（对于单字符 TS）。
//+------------------------------------------------------------------+ //} 返回根据策略净值计算得出的 R^2 分数。 //} 权益值以权益数组形式传递。 //+------------------------------------------------------------------+ double CustomR2Equity(double& equity[], ENUM_CORR_TYPE corr_type = CORR_PEARSON) { int total = ArraySize(equity); if(total == 0) return 0.0; //-- 填充矩阵 Y--股票价值，X--价值的序号 CMatrixDouble xy(total, 2); for(int i = 0; i < total; i++) { xy[i].Set(0, i); xy[i].Set(1, equity[i]); } //-- 找出线性模型 y = a*x + b 的系数 a 和 b； int retcode = 0; double a, b; CLinReg::LRLine(xy, total, retcode, a, b); //-- 为每个 X 生成线性回归值； double estimate[]; ArrayResize(estimate, total); for(int x = 0; x < total; x++) estimate[x] = x*a+b; //-- 找出数值与其线性回归的相关系数 double corr = 0.0; if(corr_type == CORR_PEARSON) corr = CAlglib::PearsonCorr2(equity, estimate); else corr = CAlglib::SpearmanCorr2(equity, estimate); //-- 求 R^2 及其符号 double r2 = MathPow(corr, 2.0); int sign = 1; if(equity[0] > equity[total-1]) sign = -1; r2 *= sign; //-- 返回 R^2 的归一化估计值，精度为百分之一 return NormalizeDouble(r2,2); }
它是通用的--适用于任何双数组（不仅是 Equity）。
当你查看所有其他 MQL 代码时，你不会明白为什么要给出它们，因为如果不了解CStrategy，根本无法读懂它们。
感谢作者的文章，它让我有所思考。
ZY 源代码中用黄色标出的行是有争议的。
非常有趣，谢谢。我从没想过测试人员的指标会因为资本化而被扭曲，因此优化的效率会比固定数量时低。当然，R^2 也非常有用，我想知道与利润因子+ 最大余额相比，它是否会加快优化过程。
在文章中的所有 MQL 源中，只有一个是有用的
我同意这一点，其余的都必须从类中提取出来才能添加到系统中......最好将所有内容都放在单独的 fs 或单独的 includnik 中。
计算 R^2 的权益不应按AccountEquity ( == AccountBalance + Sum(Profit[i])) 计算，而应按Sum(Profit[i] / Lots[i]) 计算（对于单字符 TS）。
适合 R^2 的 "净值 "计算代码。以 MT4 风格编写，翻译成 MT5 并不困难...
// 不含 MM 的权益计算（单字符 TS 的变体） class EQUITY { protected: int PrevHistoryTotal; double Balance; double PrevEquity; // 在任意数组的末尾添加一个元素 template <typename T> static void AddArrayElement( T &Array[], const T Value, const int Reserve = 0 ) { const int Size = ::ArraySize(Array); ::ArrayResize(Array, Size + 1, Reserve); Array[Size] = Value; } static double GetOrderProfit( void ) { return((OrderProfit()/* + OrderCommission() + OrderSwap()*/) / OrderLots()); // 佣金和交换有时可以忽略 } static double GetProfit( void ) { double Res = 0; for (int i = OrdersTotal() - 1; i >= 0; i--) if (OrderSelect(i, SELECT_BY_POS) && (OrderType() <= OP_SELL)) Res += EQUITY::GetOrderProfit(); return(Res); } double GetBalance( void ) { const int HistoryTotal = OrdersHistoryTotal(); if (HistoryTotal != this.PrevHistoryTotal) { for (int i = HistoryTotal - 1; i >= PrevHistoryTotal; i--) if (OrderSelect(i, SELECT_BY_POS, MODE_HISTORY) && (OrderType() <= OP_SELL) && OrderLots()) // OrderLots - CloseBy this.Balance += EQUITY::GetOrderProfit(); this.PrevHistoryTotal = HistoryTotal; } return(this.Balance); } public: double Data[]; EQUITY( void ) : PrevHistoryTotal(0), Balance(0), PrevEquity(0) { } virtual void OnTimer( void ) { const double NewEquity = this.GetBalance() + EQUITY::GetProfit(); if (NewEquity != this.PrevEquity) { EQUITY::AddArrayElement(this.Data, NewEquity, 1 e4); this.PrevEquity = NewEquity; } } };
使用方法
EQUITY Equity; void OnTimer() { Equity.OnTimer(); } double OnTester() { return(CustomR2Equity(Equity.Data)); }
现在我们可以建立一个盈利因子值对交易数量的依赖图表。例如, 在 Excel 中, 可以通过选择相应的列, 并在 "图表" 选项卡中按下绘制散点图的按钮来完成此操作。
图例 8. 盈利因子对交易数量的依赖