我们要不要讨论一个基于编码的专家?

 

原则上,专家已经实施了,但我想讨论一下这个想法和模型,并听取对模型的批评和不足之处。

因此,要点是这样的。

我们采取一个原则上看起来像IASD的指标(在这种情况下是我自己的指标),分析它的方向、极值、交叉点0、信号极值、来自较高框架的信号极值,总之,很多东西,按照算法,我们给每个条形图分配一个4位数的代码(我们总共有大约2000个不同的代码),这取决于指标的运动,只是指标上模式的模拟,我们把它全部写入一个缓冲器。

然后,这个指标在开始时运行整个历史,并查看每个代码后价格发生了什么,例如,什么达到了上层目标或更低,并将其全部写进文件。在excel中研究产生的文件并寻找代码,之后获胜的概率高于65%,并将找到的代码建立一个文件(我们有大约100个代码,平均每天1个代码),然后交易专家(在M15上),也就是说,如果指标显示代码,这是在数据库中,然后在适当的方向交易,其利润系数和概率

至于资金管理,我们交易根据盈利因素和执行概率计算的最佳份额,同时考虑到我们假设下一次交易不会对我们有利。

每种资产的平均成功概率为70%,每笔交易的利润系数为1至1.5,每种资产约有100个概率不低于65%的信号。

在两个大约1.5年的间隔中进行了统计,在这两个间隔中,统计都是稳定的,也就是说,结果是可比的,并没有向更坏的方向发展。

我想知道还有什么需要考虑的,以减少可能的风险。

我想讨论一下,也许有人也想做这样的事情,到目前为止,我们对结果很满意,但经验告诉我们,某个地方有陷阱,但在哪里呢?

 
Gutman:

原则上,专家已经实施了,但我想讨论一下这个想法和模型,并听取对模型的批评和不足之处。

因此,要点是这样的。

...

有趣的方法。 据我所知,在一定时期内,每天都要进行分析,收集代码。所以你实际上进行了1.5年的正向测试,每天都在优化(拾取代码),并得到了一个积极的结果。还是以其他方式进行的测试?尝试运行5-10年的前向测试,越多越好,你会看到完整的画面。在过去的~3年里,通过策略或工具的组合,很容易通过远期测试。
 
tol64:
有趣的方法,根据我的理解,分析,收集代码,在一定时期内每天都要进行。这实际上是你进行了1.5年的正向测试,每天都在优化(拾取代码),并得到一个积极的结果。还是以其他方式进行的测试?尝试运行5-10年的前向测试,越多越好,你会看到完整的画面。在过去的~3年里,用策略或工具的组合来通过远期测试是非常容易的。

统计数据的代码收集在3年内进行一次,没有更可靠的报价历史,代码被记录在数据库中,而且只是在新代码到来时扫描统计数据的恶化情况。

这个方法很有趣,因为我们在指标中交易的不是1个或2个甚至3个事件,而是一种多样化,我们不能一下子减少所有代码(事件)的统计数据,但随着概率的恶化,代码会被删除(替换)。

此外,我们只选择那些止损不超过2个波动通道的代码,即30-40点。

 
Gutman:

...

此外,我们只选择那些止损不超过2个波动通道的代码,即30-40点。

你的方法相当有力。很难再增加。你甚至可以说,你从2000000个策略中选择100个策略组成一个总体系统,并在统计监测过程中全部使用它们。我也在朝这个方向发展,但程度不一样。如果有更多的空间(相对于资源而言),除了正向测试外,还可以包括增减仓制度。也就是说,你有你上面提到的 标准,在这个范围之间,你可以逐渐减少位置/次位置的数量。系数可以在优化过程中选择。
Документация по MQL5: Стандартные константы, перечисления и структуры / Торговые константы / Свойства позиций
Документация по MQL5: Стандартные константы, перечисления и структуры / Торговые константы / Свойства позиций
  • www.mql5.com
Стандартные константы, перечисления и структуры / Торговые константы / Свойства позиций - Документация по MQL5
 
tol64:
你的方法是相当有力的。很难再增加更多的内容了。你甚至可以说,你从2000 000个策略中选择了100个策略,并将它们加入到一个系统中,对所有的策略进行统计。我也在朝这个方向发展,但程度不一样。如果有更多的空间(相对于资源而言),除了正向测试之外,还可以包括增减仓制度。也就是说,你有一个你上面提到的 标准,在这个范围之间,你可以逐渐减少位置/次位置的数量。系数可以在优化过程中被拾取。

我们的MM只基于资金管理的数学,一切都经过精确的计算,但总手数当然可以分为几个条目,我们将在限价单的总份额内实施额外的条目,即在最好的价格,有相同的止损和利润。

关于增加或减少仓位量,这只适用于在信号和仓位条件下,出现另一个具有不同概率和代码的信号。 如果概率较高,仓位可以增加与新概率和盈利能力相应的部分,但如果信号较弱,可以关闭份额(手),甚至逆转。

 
tol64:
你的方法是相当有力的。

顺便说一下,该方法显示,许多在眼睛看来是超级输入统计的东西是灰色的,有48%/52%的概率,反之,我甚至不会注意的地方有80%的概率,甚至更高。

我也试过几个指标,它们也是根据反馈的超级指标,它们也只给出灰色的统计数据。

 
Gutman:

然后这个指标在启动时运行整个历史,并查看每个代码后的价格情况...

统计数据从100个值开始)

也就是说,最好能在历史上找到大约100次的信号代码的结果...

 
Swan:

统计数据以100个值为起点)

即最好能在历史上找到约100次的信号代码的结果...

我同意,不是所有的代码都有统计100次,但有那些10次,总是100%,你能过去吗? 我们只是认为下一个不会对我们有利。这不是100%,而是大约90%的机会,你仍然可以交易,但评论是正确的,我绝对同意这是一个弱点,但我们没有一个可靠的历史,看看大事件
 
Gutman:
我同意,不是所有的代码都统计了100次,但有一些是10次,而且总是100%,你能克服吗? 我们只是相信下一个不会对我们有利。这不是100%,而是大约90%的机会。这意味着我们仍然可以交易,但评论是正确的,我绝对同意这是一个薄弱的方面,但我们没有足够可靠的历史来看到大事件

我认为,一个大的故事也不是很好。基督时的价格不太可能为数据增加任何有用的内容)

但历史上这样的案例越少,交易就越是基于随机输入,而不是基于统计数字,尽管它可能更有利可图)

我怀疑,代码在历史上出现的次数越多,结果就越接近50/50。


我们对两个大约1.5年的间隔进行了统计,在这两个间隔中,统计数字都很稳定,也就是说,结果是可比的,并没有向更坏的方向发展。

也就是说,一个信号在历史的两个部分进行测试,之后检查结果是否可以信任?

 
papaklass:
移动到一个较低的TF。在那里,三年来的酒吧数量 足以满足任何统计的需要。例如,M5在2011年约为75000条。
对65000条的M15分析工作,我认为更少的会更难。
 
Swan:

我怀疑一个代码在历史上出现的次数越多,结果就越接近于50/50。


也就是说,一个信号在历史的两个部分进行测试,然后检查结果是否可以信任?


很明显,结果取决于历史上的代码数量,但问题是,有很多代码的概率是75,而有少数代码的结果是50/50,所以有很多,但 "苏丹 "被发现,所以我们决定发展这个主题

每个代码检查1.5年,例如75%的概率,然后对于其他1.5年-65%的概率,没有争议,这意味着有可能在未来1.5年我们将保持在60%的概率内,此外,一些代码给出的概率不差,利润系数1.5-这意味着甚至50/50可以带来利润,在任何情况下,你应该不断观察代码统计的变化。