文章 "开发多币种 EA 交易（第 2 部分）：过渡到交易策略的虚拟仓位" - 页 3

新评论
 
Yuriy Bykov #:

在此我不能不指出，在低于 1000 美元（即 1%）的情况下，使用恒定手数在测试的五年中获得了 19% 的利润。如果我们把注意力集中在最大缩水甚至 10%的情况下，并使用可变手数，结果会更加有趣。

您应该展示这些有趣的结果。毕竟，根据测试结果，您的盈利交易 == 93.06%，这是一个非常好的比例。但这里只有 5-10% 的程序员有经验，除了那些喜欢探究程序内核的人，没人会研究你的代码。例如，我至少对此不感兴趣，因为我正忙于自己的项目和战略。一般来说，如果我是你，我会运行一个参数风险更大但利润却非常有趣的策略。我个人并不需要五年的测试。市场形势瞬息万变，我记得以前如果欧元兑美元在 4 位数交易日的价格低于 300 点，交易者就会抱怨市场在睡觉，坐以待毙。而现在，如果一个月内有几次触及 200 点，那简直就是奇迹。请原谅我的苛刻，只是最近 95% 的文章都是空洞的。我希望有一天能推出我的非虚构作品，然后进行报复 )).

EURUSDH1

 
fxsaber #:

我通过输入进行了重构。举几个代码的例子。

非常感谢，我看了代码。我稍后会研究如何传递输入参数。如果不能完全采用这种方法，其中一些要点可能会非常有用。

 
Alexey Volchanskiy #:

您将显示这些有趣的结果。毕竟，根据测试人员的数据，您的盈利交易 == 93.06%，这是一个非常好的比例。但是，有经验的程序员只有 5-10%，除了那些喜欢探究程序内核的人，没人会研究你的代码。例如，我至少对此不感兴趣，因为我正忙于自己的项目和战略。一般来说，如果我是你，我会运行一个参数风险更大但利润却非常有趣的策略。我个人并不需要五年的测试。市场形势瞬息万变，我记得以前如果欧元兑美元在 4 位数交易日的价格低于 300 点，交易者就会抱怨市场在睡觉，坐以待毙。而现在，如果一个月内有几次触及 200 点，那简直就是奇迹。我为我的苛刻道歉，只是最近 95% 的文章都是空洞的。我希望有一天能释放我的 netlena，然后复仇 ))

阿列克谢，我将饶有兴趣地读完您的文章，您最近在论坛上展示了这篇文章的开头）。我想我会更喜欢这篇文章，而不是另一篇关于 "神经网络领域包括很多东西 "的系列文章。

在实现可变手数交易之前，从测试结果中估计盈利/亏损比率比较困难，但还是有可能的。也许你是对的，在下一篇文章中，在最后展示 "有趣 "的图表是有意义的。

现在，这里是本文中 Expert Advisor 的运行结果，头寸大小乘数不同，但五年内保持不变，初始存款为 1000 美元。在文章中，头寸规模是根据 10000 美元的存款规模校准的，因此我们将初始存入部分_值降低约 10 倍。


在最低depoPart_ = 0.04 时，Expert Advisor 没有建立真实仓位，因为按余额比例重新计算后，其交易量小于 0.01。

在最大depoPart_ = 0.4 时，我们获得了约 22800 美元的利润。不过，这里显示的缩水是整个运行过程中遇到的相对缩水。但从 23000 起算的 10%和从 1000 起算的 10%是完全不同的数值。这就是为什么要看单次运行结果的原因：



正如您所看到的，实际达到了 1167 美元的缩水，在达到缩水时仅为当前余额的 9.99%，但如果测试期的开始时间正好在这一令人不快的时刻之前，我们就会损失全部存款。因此，不能使用这种规模的头寸。

让我们看看depoPart_ = 0.2 的结果



在这里，最大亏损额不超过 494 美元，约为初始存款 1000 美元的 50%。因此，我们可以说，在这种规模的头寸下，即使我们尽可能不成功地选择 5 年中的期初，也不会损失全部存款。

1 年（2022 年）的结果如下：



即每年盈利约 150%。

因此，结果看起来是令人鼓舞的，但也不是没有一勺糊涂账。例如，没有参与参数优化的 2023 年的结果已经差了很多：


也就是说，我们当然在年底获得了 40% 的收益，但 12 个月中有 8 个月没有实现可持续增长。我认为这个问题是主要问题，本系列文章将专门讨论解决这个问题的不同方法。

 
有时我采用这种方法--在每个月的前几天提取超过起始存款的所有资金。这样就可以均匀（几乎均匀）地 加载存款，而不用考虑测试期间账户中的资金情况。

感谢您的文章。
[删除]  

我应该马上从正文的结果说起，这样文章就不会显得比 NS 文章更有趣了：)

例如，通过训练单个射频类型分类器，每个子分类器已经代表了一个单独的分类器，这就充分揭示了一篮子分类器的概念。

也就是说，从物质力量的角度看，你可以从几个弱分类器中建立一个常规的强分类器。这在 MO 中通常只需几行就能完成，剩下的（主要）工作是让它在新数据上工作。下面是一个例子，供大家了解。

另一篇文章介绍了没有 MO 和高级 YPs 的日子是多么难熬。要对一些微不足道的想法进行硬编码，需要做多少工作。欢迎订阅:)
 
然而，人们对同一篇文章的看法何其不同。
 
Andrey Dik 均匀（几乎均匀）地 加载存款，而不用考虑测试期间账户上的资金情况。

是的，在测试具有激进设置的智能交易系统时，我也使用了类似的方法--当存款增加到一定值时，我做出了结论。这有助于了解如果从交易账户中提取资金，而不是不断再投资，可以获得多少利润。如果您只对已实现的缩减感兴趣，那么在测试器中运行一个不取款的可变自动转仓通常就足够了。

 
fxsaber #:
然而，对同一篇文章的看法却大相径庭。

算法交易者可简单分为两类：

- 理论家，他们的主要任务是研究代码的内核。他们有稳定的收入来源，比如每天去办公室领工资。如果不懂编程，他们就喜欢收集邮票、糖果包装纸和蝴蝶，晚上还乐此不疲地用精细望远镜观察它们：）。

- 从业人员在自由飞翔。他们不坐办公室，不拿工资，所以他们关注的是经济效益，而不是审美高潮。

我想借此机会对 MT4Orders 库表示感谢，它帮助我创建多平台 EA。

[删除]  
还有第三类算法交易员，他们将其他算法交易员划分为不同的等级:)
 
Maxim Dmitrievsky #:

我应该马上从正文的结果说起，这样文章就不会显得比 NS 文章更有趣了：)

例如，通过训练单个射频类型分类器，每个子分类器已经代表了一个单独的分类器，这就充分揭示了一篮子分类器的概念。

也就是说，从物质力量的角度看，你可以从几个弱分类器中建立一个常规的强分类器。这在 MO 中通常只需几行就能完成，剩下的（主要）工作是让它在新数据上工作。下面是一个例子，供大家了解。

另一篇文章介绍了没有 MO 和高级 YPs 的日子是多么难熬。要对一些微不足道的想法进行硬编码，需要做多少工作。所以，请订阅:)

当然:)不过说真的，我是在第一次成功地在至少一年的远期取得与优化期间类似的结果后，才开始写这些文章的。例如，在对严格到 2023 年的期间进行优化时，2023 年的运行结果是这样的：


这让人感到乐观，但必须谨慎处理，以免陷入自欺欺人的境地。

关于从几个弱分类器中建立一个强分类器--这是主要的想法，也是希望，即有可能取得有用的结果。

123456
新评论