Шарпы, Сортино и прочие - уже почти птичий язык:) Все говорят круто, но я тоже не пробовал, если кто знает как это рассчитать из исходных данных для практического применения, попробую и скажу как результат. Надо переобозначить исходные данные для формульного языка.
-GrossProfit = GP,
-GrossLoss = GL,
-MaxDrawdown(Просадка) = MD,
-Колличество прибыльных сделок = PD, убыточных сделок = LD, Общее количество сделок = AD,
А потому, вариант второй: создать критерий который в нужной нам степени будет учитывать все необходимое, и лучший согласно этому критерию вариант с вероятностью выще приемлемой будет отвечать интересующим нам свойствам (устойчивость, прибыльность ООS и т.д.)
我们挣扎，我们写策略，几乎所有的专家都能在最后的交易区间里通过某些参数产生利润。同时，对参数的选择关注得相对较少。
我似乎没有遗漏任何东西（如果我有的话，请纠正我），各种MO、PF等都是故意省略的，因为它们是经过计算的，可以从上面得到。
好吧，让我们做一些魔术。
我们不知不觉中忘记了优化器中可用的一个美妙的绿色图像。如果都是绿色，而且色调差不多，那就是一个不错的CU。这可以是一个足够有说服力的基础。
使EA 适应当前的市场条件需要分三个阶段进行。
1.优化
2.向前测试到当前时刻
3.专家顾问的正确连接。
我们想讨论一下第一阶段。我们对它的期望是什么？找到能带来更高的利润率和更低的跌幅的专家顾问的参数。恢复系数考虑到了这两点。但无论如何都有问题。结果没有稳定性。这就是主要问题。
专家顾问的稳定性的特点是什么？首先，相对于初始余额来说，它的风险是有限的，或者说，最大缩减的价值是有限的。第二，它是一个小系列的亏损交易。
使顾问适应当前的市场条件需要分三个阶段进行。
1.优化
2.向前测试到当前时刻
3.专家顾问的正确连接。
我们想讨论一下第一阶段。我们对它的期望是什么？找到能带来更高的利润率和更低的跌幅的专家顾问的参数。恢复系数考虑到了这两点。但无论如何都有问题。结果没有稳定性。这就是主要问题。
专家顾问的稳定性的特点是什么？首先，相对于初始余额来说，它的风险是有限的，或者说，最大缩减的价值是有限的。第二，它有一个小系列的亏损交易。
BP是非稳态的，我们不能谈稳定。 最好是根据最新的市场条件来谈TS的稳定。在我看来，这相当于与TS参数变化有关的测试结果的稳定性。这就是三维图像（Elena图片）中测试的结果。如果大致上说，你正好有一个绿色的方块，那么你就在池底发现了一个疙瘩，没有什么能帮助你的TS。但如果整个图表是绿色的，而且颜色的强度略有变化--你有一个稳定的TS，不稳定的BP的变化不会导致存款的流失。
在第一阶段，我们找到满足最大跌幅小于或等于初始存款的N%或损失系列小于或等于K个交易的变体。
在第二阶段，我们通过延长优化的时间间隔到当前时刻来检查发现的变体的稳定性。
在第三步：正确连接专家顾问。它是什么意思？
让我们回顾一下专家顾问的结构。
1.买/卖的信号。
2.位置开放。
3.一个平仓 的信号。
4.关闭位置
5.对交易历史的分析。
当我们测试的时候，这个链条会自动被遵循。为了不人为地破坏市场条件，我们应该在连接时提供一个行动顺序，即专家顾问在第5点完成后从第1点开始......
Шарпы, Сортино и прочие - уже почти птичий язык:) Все говорят круто, но я тоже не пробовал, если кто знает как это рассчитать из исходных данных для практического применения, попробую и скажу как результат. Надо переобозначить исходные данные для формульного языка.
-GrossProfit = GP,
-GrossLoss = GL,
-MaxDrawdown (Просадка) = MD,
-Колличество прибыльных сделок = PD, убыточных сделок = LD, Общее количество сделок = AD,
-Колво баров(тиков) тестирования = TIME,
-Макс. прибыльная сделка = MPD, макс. убыточная сделка = MLD
-Серия прибыльных сделок= SPD (в штуках), = SPD$ (в валюте депозита), серия убыточных =SLD, =SLD$
Ничего я не упустил? Можно рисовать формулы?
З.Ы. Возьму пару часов для раздумий, и морально поддержу наших олимпийцев, покатаюсь на лыжах) А то без моей поддержки) они пока не очень....(
Кто со мной?:)
交易结果的分布情况如何.利润的绝大部分可能是在所研究的时期的开始。我认为，首先我们需要就选择优化方案的标准达成一致，否则，洪水滔天，又会被人吐槽。 我个人喜欢交易结果接近于恒定手数的直线，但我并不坚持。这些描述和公式对研究是否有用我不知道，但我把它们复制到这里，也许会有如何应用的想法....。
我认为它们会很有用，谢谢你，一切都在手边很方便，但我们需要一个好的人类语言 "翻译"，比如Mathemat，来引诱他来这里。也许拥有数学知识的他可以将这些公式落到实处。
我看到，当我在做我的滑雪探索时，讨论的方向有点错误)
原则上都是对的，BP是不稳定的（顺便说一下，我最近一直在用合成的），而且有可能得到配合，OOS是一切的头，TC稳定性非常好......都是这样，但如何在问题陈述的背景下实际使用它？
我们有测试（优化）的结果，有一百万个，我们必须从第一页的数字列表的分析中选择几个。原则上，这个清单可以通过有完整的测试结果可以计算的内容来扩大。
我看到有几个选择，第一个。
- 拿出一个结果列表，按最大利润排序--最差的一半结果到炉子里，然后按MO排序--最差的一半结果去掉，以此类推。(缩减，盈利，交易数量......）如果有必要，重复循环选择，直到剩下所需的结果数量。例如，在我的记忆中，它是在xeon 的第一个版本的自动优化器中完成的。我认为这种方法有其缺点--首先，它们与参数的弱点有关：OI、利润、Drawdown等，当然，它们包含一定量的信息。当然，它们包含一些信息，但它们是相当片面的。比如说。
MO是一个平均盈利的交易，如果不考虑交易的数量，它能给出什么？一个巨大的交易将比其他任何事情都要酷......
利润--没有考虑到利润因素？谁想在低利润因素下获得巨大的利润？
缩减 - 没有利润因素？缩水为0，利润为1，我们需要它吗？
而当这些参数被设定为终端优化器的GA的标准时会发生什么？我甚至无法想象。这是真的，也许那里有一些诀窍，但我不知道。
这就是为什么第二种变体： 建立一个标准，将所有必要的考虑到我们的必要程度，根据这个标准，概率高于可接受的最佳变体将满足我们感兴趣的属性（稳定性，GSO的盈利能力，等等）。
А потому, вариант второй: создать критерий который в нужной нам степени будет учитывать все необходимое, и лучший согласно этому критерию вариант с вероятностью выще приемлемой будет отвечать интересующим нам свойствам (устойчивость, прибыльность ООS и т.д.)
我不认为有一个'标准'就足够了，但需要有一个平衡的标准。
交易结果的分布情况如何呢？利润的绝大部分可能是在所研究的时期之初。我个人喜欢在固定手数上接近直线交易的结果，但我并不坚持。
我同意，这个因素并非不重要。你能告诉我如何实际计算，把这种分布变成数学形式，有一个完整的测试结果吗？