战略的单一质量指标 - 页 7

新评论
 
Youri Tarshecki:

要比较 这两种策略，即使是60%的市场契合度，也足以让人选择支持其中一个。你只需增加样本量即可。

对于真正的代码工作，在1米处模拟环境的现有95%的精度是 非常 好的。许多科学和实用的环境模型都无法达到这样的精度，而打勾的历史 会给出所有的99%。

我看不出有什么理由相信自动创建策略的方法在历史质量依赖性方面与人工创建的方法有什么神奇的不同。

如果历史不好，对所有专家顾问都不好。

换句话说，选择环境的问题与系统评价的标准没有直接关系。

"我看不出有什么理由相信，在历史质量依赖方面，自动创建策略的方法与人工创建的方法有什么神奇的不同。"- 自动搜索可以找到一个 "策略"，利用测试器本身的技术特点（缺陷）与历史数据的质量相结合。显然，你没有遇到过这样的问题））。下面是一个说明性的例子。

假设使用OHLC格式的历史数据，不模拟ticks，不使用较小的周期，在每次到达O、H、L或C值时计算市场进入/退出条件。

在图中。

由于(O-L)+(H-C)<(H-O)+(C-L)，测试者使用图中所示顺序的值来模拟市场运动，这是非常符合逻辑的。

结果是，在红线所示的时间点上，开盘和低点（对于该策略来说，将是收盘）这两个值将包含关于 "未来 "的信息。

这里是 "获取利润 "的规则。

如果（Open[0]-Close[0]）>X，并且（High[0]==Open[0]），则买入，其中X是某个与价差重叠的值。

请注意，在这个时间点上，策略的OHLC值将与历史数据的OOLL值相匹配！！。

测试员的缺陷和历史上的不良质量被显示出来。

 
Aliaksandr Hryshyn:


显示出测试人员的缺陷和故事的质量不佳。

这就是你所说的未来。这种现象早已为人所知。我记得大约三年前，甚至有一篇关于研究在具有这种功能的EA基础上获利的后果的文章。利润是由这个EA产生的，没有任何停顿。

但是，如果你不教它这样做，那么这个策略自己学会捕捉这个筹码，甚至考虑到价差的概率是多少？在我看来，这可以忽略不计。

当然，在蜡烛内部，价格实际上可以随意来回变动。这就是在测试中产生那些来自真实的5-10%的误差的原因。我的意思是，这对于在考试中比较策略并不关键，因为无论如何他们都会在相同的条件下进行。

我的意思是，如果你认为这很关键，那么就采取真实的勾股历史，牺牲速度。

也就是说，与要使用的测试方法相比，这些都是不重要的。

 
你肯定错过了重点））。在策略测试器中，在我这个有缺陷的例子中，EA只会给出正面的交易，是个圣杯））。当自动检测策略被设计为搜索 "grails "时，它可能会撞上这些缺陷。
相信我，这对策略生成器来说是个严重的问题，它已经存在了，当然比例子中要好。非优化情节的良好权益可以在一分钟内发出，而我正在努力提高 "智力"。我在网上找到的类似程序没有也不可能有很多问题，这是由于某些规则的生成模式，生成规则的例子：（A<B）&（A>C）&if（D>C;true;A>B）。
 
有的时候，系统发现一个 "策略 "在大约150次交易中大约有15次失败的交易，这是在一个非优化的情节上。不知为何，人们对这些结果没有什么信心。
 
Aliaksandr Hryshyn:
有的时候，系统发现一个 "策略 "在大约150次交易中大约有15次失败的交易，这是在一个非优化的情节上。不知为何，人们对这些结果没有什么信心。
你会向自己开枪吗？
 
也有其他缺陷...顺便说一下，他们也可以在非优化区域给出最好的结果，因为他们使用非价格行为模式。
 
Алексей Тарабанов:
开枪打自己？
))
 
Aliaksandr Hryshyn:
你肯定错过了重点））。在策略测试器中，在我这个有缺陷的例子中，EA只会给出正面的交易，是个圣杯））。当自动检测策略被设计为搜索 "grails "时，它可能会撞上这些缺陷。
相信我，这对策略生成器来说是个严重的问题，它已经存在了，当然比例子中要好。非优化情节的良好权益可以在一分钟内发出，而我正在努力提高 "智力"。我在网上发现了很多类似程序的问题，这与特定的规则生成模式有关，例如，生成的规则：(A<B)&(A>C)&if(D>C;true;A>B)。

我们谈论的是两件不同的事情。

1.我很早就知道你的例子。我的看法是--在 "进化 "过程中出现这种意外创造的概率是微不足道的。如果你仍然害怕这种和类似的 "非价格 "把戏--只要用一个合理的价差做一个勾股历史检查--一切都会马上显现出来。只要有时改变ini-file中的测试类型即可。

规则生成模板，在我看来，为了不出现打嗝的情况，应该在足够高的水平上对这些规则进行归纳和块状兼容的工作。然后，用户自己可以设置这些依赖关系和生成器必须工作的元素。

2.如果生成器包含基于测试的策略选择，那么volking forward就是一个必要条件。此外，它将极大地简化选择标准。

 
Youri Tarshecki:

我们谈论的是两件不同的事情。

1.我注意到你的例子已经有很长时间了。我的看法是，在 "进化 "过程中意外创造这种东西的概率是可以忽略不计的。如果你仍然害怕这种和类似的 "非价格 "把戏--只要在有合理价差的tick历史上做一个控制测试--一切都会立即显现出来。只要有时改变ini-file中的测试类型即可。

规则生成模板，在我看来，为了不出现打嗝的情况，应该在足够高的水平上对这些规则进行归纳和块状兼容的工作。然后，用户自己可以设置这些依赖关系和生成器必须工作的元素。

2.如果生成器包含基于测试的策略选择，那么volking forward就是一个必要条件。此外，它将极大地简化选择标准。

可能会的）。

你认为规则应该是什么？只是想知道你如何看待这个问题。

 

我建议采用这个方案。

这种评估适用于具有以下特点/限制的战略。

  • 存在止损
  • 每笔交易的风险是固定的，并以货币来衡量。手数是根据止损的大小来计算的，所以当它触发时，我们只损失由风险定义的金额。
  • 如果几个交易是某个交易计划的一部分，并且总风险是固定的，那么这些交易可以被视为一个交易。

盈利和缩减表示为其各自的价值与固定风险/止损的比率。

战略的主要绩效指标的取舍和转换如下图所示，公式的顺序与标题中的指标顺序相一致。

在图表上也有复杂的策略，你可以不使用它，我需要它。

波动率显示了股权价值在相应价值中与回归线的最大偏差之和，从图形上看是这样。

波动性是A B的绝对值之和，即A+||B||的绝对值。

还有一个稍加修改的利润率值，其计算方法如下

盈利能力=（总利润+1）/（总损失+1）。

它的转化情况如下。

由于在交易数量较少的情况下，盈利能力的作用不大，所以我们做了以下工作。

上图显示了如何根据交易数量来计算盈利能力值。

然后我们再一次改变盈利能力（根据其重要性取决于交易数量），使用以下公式

盈利能力 = 1 + 盈利能力 * 重要性 - 重要性

然后将所有获得的利润、缩水、交易次数、波动率和利润率（来自最后一个公式）的数值相乘，作为结果，我们得到一些单一的系数，反映出基于一定时期内交易的策略的总体质量。

比值。

0 - 无情的可怕)

0.3 - 不好

~0.8 - 良好

>1 - 非常好

以下是以这种方式进行评估的结果。

在这里，这个因素被表示为Z-系数，你可以评估训练（绿线）和测试（紫线）集。

绿色权益线（0.993）和劣质紫色线（0.5714）的良好结果

对于紫线略好于坏，利润率为1.447

坏结果的例子。

123456789
新评论