这并不是说我拒绝MSUA的方法。
特别是在70年代熟悉的作者。 而科学的发展也在继续
如你所知...
业余表演的一个变种。
在今天之前的2-3周,选择一个短段(比如3周)进行优化,优化。我们通过所有可用的历史来运行最好的结果,看看。如果优化前后的曲线性质与优化时期相似,MTS有权对其进行完善。在评估时,我对缩减的重视程度要高于利润因素。
业余表演的一种变体。
我们在今天之前的2-3周选择一个短时期的优化(例如3周),并对其进行优化。我们通过所有可用的历史来运行最好的结果,并查看它们。如果优化前后的曲线性质与优化时期相似,MTS有权对其进行完善。在评估时,我对缩减的重视程度要高于利润因素。
缩水可以是任何偏空的东西。它在样本上可以是大的,在前进上可以是小的。一个好的系统,它走出缩减的速度和它的速度一样快。
实际上,缩水是分散的结果。也就是说,一系列盈利和亏损的交易可能是均匀分布的,也可能是结成一团的。正如他们所说,这是一个机会问题,并不取决于强大的TS。如果Z-Score可以调整,TS就可以基于裸体的MM。也就是说,为固定的Z-score选择最适当的MM是没有问题的。
这就是为什么我不注意缩减,为了优化,我选择了一个巨大的存款规模,以避免在最可怕的情况下追加保证金。否则,测试器中的GA将不符合选择变体的要求。
我认为,如果一个TS中所有外部变量的值都是按逻辑选择的,而不是优化的结果,那么它就不是一个拟合。
有道理--附议。一般来说,对无差异的优化--是一个炼金壶。他们把一堆不甚了解的指标做成TS,把它们的参数输入到外部工具中,然后就开始洗牌了。他们将看到它是如何工作的。但如果它是一个圣杯呢?也许,炼金术士们正在寻找哲学家之石。
自然,有一个概率(我忘了--这是一个已知的数字),一只猴子不小心按了键,会播放《战争与和平》。
===
也许我们应该从这个角度看问题:优化是为了什么?它不用于什么。
如你所知。
滑动窗口的优化...虽然它也没有给出完全的保证。但稳健性(在系统对输入参数变化的敏感性低的意义上,而且价格是相同的输入参数)仍然增加。而且,是的,窗口的统计意义至少应该是一些。
如果能制定出这样一个系统的所有要求就好了。到目前为止只有一个。我想听听更多的意见。必须有大量的集体经验。你所需要的只是愿意分享你的知识。否则就会像往常一样喧宾夺主。
如果我早知道,我就会住在索契。
到目前为止,我们只设法确定了上述的最低要求,允许我们在知情的情况下淘汰那些无法通过正向测试的TP。
好吧,也许,勒夫还有一句合理的话说,在一个恒定的地段,极不充分的数学期望导致了对裸体调整的思考。
如你所知,许多TS在代表性的样本上是很适合的,并在正向测试中耗尽。这种系统不应该被用于交易。
今天我分析了我拥有的不同的TS,这是我发现的。
一个有效的系统的标志是,它在取样和双倍取样的恒定批次上几乎同样优化。例如,我们取10,000条。我们把它大约分成两半,也就是5000条。将其优化为5000条。然后我们把它应用于10 000。如果利润系数几乎保持不变或变化不大(变得与样本长度无关),那么该系统就可能通过正向测试。当然,交易应该是在10000条上的600-1000(5000条上的300-500)。
事实证明,如果一个TS的优化随着测试样本的增加而明显恶化,那么向前测试成功的概率就非常低。
而有些TS,比如说,在300次交易中进行优化,而在600次交易中,优化的结果只是深度缩水和低预期回报。这样一个系统可以立即被烧毁。
实际上,关于必要和足够的样本长度已经有了答案。抽样长度必须是这样的:用恒定的手数进行优化,在整个抽样和其一半的抽样中都会产生几乎相同的利润系数。
----------------------------
实际上,这意味着一个稳健的TS应该在不同的优化领域(几乎)是静止的,有一个恒定的手数,通过以下标准:预期报酬,利润系数(盈利交易的百分比,如果获利和止损是固定的)。而且通过Z-score,它可以是绝对非平稳的。
也就是说,人们不应关注诸如缩减或同时(无)亏损交易的数量等Z-score关系。正如Leov正确指出的那样,一个可疑的小规模缩减可能暗示着历史的契合。简单地说,小幅缩水是指盈利和亏损交易的均匀分布。而在非稳态环境中的均匀分布是无稽之谈。