آنچه ما از تجزیه و تحلیل 1. 2 میلیون استراتژی FX آموخته ایم - قسمت 3

در قسمت امروز ، ما معیارهای استراتژی متداول را که بسیاری از توسعه دهندگان ALGO هنگام ارزیابی استراتژی ها از آن استفاده می کنند ، تجزیه و تحلیل خواهیم کرد.

مثل همیشه ، اجازه دهید ما به نحوه ترسیم 1. 2 میلیون استراتژی برگردیم.

So we have generated about 1.2 million strategies using only basic filters like a minimum number of trades and Stability SQ3 >0. 6. ما از بزرگترین نمونه داده ممکن برای دوره 1987-2017 IS + OS و برای دوره 2017-2020 استفاده کردیم.(WFOS) به عنوان واقعی خارج از نمونه (WFOS) ما از دوره 2019-2020-دو سال استفاده کردیم. در این دوره اثرات انتخاب ، تست های استحکام و سایر تحلیل ها را مشاهده کردیم. ما استراتژی هایی را برای یک بازه زمانی 1 ساعته و یک بازه زمانی 4 ساعته تهیه کرده ایم ، از ساختار هزینه داروینکس استفاده کردیم و در هر بازار 1 قطعه PIP داشتیم. ما مجموعه داده ها را با محدود کردن میانگین تعداد معاملات در سال به 100 تغییر می دهیم. تعداد بیش از حد معاملات از نظر کاهش هزینه و لغزش ، در واقعیت تجارت غیرقابل قبول است.

من سعی کردم هر معیارهای عملکرد استراتژی را برای Outliers تنظیم کنم. این همیشه کار نمی کرد ، و همیشه کامل نبود. بیشتر اوقات ، من معیارهای عملکرد استراتژی را تنظیم کردم تا مقادیر 0. 5 تا 99. 5 صدک را نشان دهم. سپس با تقسیم آن به 10 دکل با استفاده از QCUT ، یک عادی سازی کمی از داده ها انجام دادم.

ما این استراتژی را از معیارهای نمونه تجزیه و تحلیل خواهیم کرد

• عامل سود
• نسبت RET/DD
• ثبات SQ3
• بازگشت سالانه
• درصد برنده
• نسبت پیروزی/ضرر
• نسبت شارپ

اطلاعات بیشتر در مورد معیارهای استراتژی را می توان در این صفحه یافت:

فاکتور سود (OOS)

همانطور که در جدول می بینیم ، مقادیر بالاتر فاکتور سود (OOS) منجر به ارزش های بالاتر سود خالص WFOS و فاکتور سود WFOS نمی شود.

درصد برنده (OOS)

در درصد برنده (OOS) ارزش های بهتری را برای سود خالص WFOS و فاکتور سود WFOS مشاهده می کنیم. ما در دوره WFOS با مقادیر درصد برنده پایین تر (OOS) مقادیر بهتری می گیریم.

بازده سالانه (OOS)

ما همچنین بین دوره های مشابه تفاوت معنی داری در بازده سالانه (OOS) مشاهده نمی کنیم. در این حالت ، ما ضعف عادی سازی کمی را می بینیم که آخرین Decile نمایانگر استراتژی هایی با مقدار 4. 6 2-9. 21 ٪ باشد. فاصله Si به سادگی خیلی بزرگ است. بنابراین ، من سعی کردم متریک بازده درصد سالانه را به فواصل ساده تقسیم کنم. می توانید نتیجه را در جدول زیر مشاهده کنید:

در این حالت ، ما می بینیم که مقادیر بالاتر بازده سالانه (OOS) می تواند منجر به ارزش های بالاتر سود خالص WFOS و فاکتور سود WFOS شود ، اما با اهمیت آماری کمتری ، جدا از این واقعیت که استراتژی های قابل توجهی کمتر در آن وجود دارددو فاصله آخر

ثبات SQ3 (OOS)

برای ثبات پایداری Q3 (OOS) ، ما همچنین بین همان فواصل یکسان تفاوت معنی داری مشاهده نمی کنیم. در این حالت ، من سعی کردم پایداری Q3 (OOS) را در فواصل ساده تقسیم کنم. می توانید نتیجه را در جدول زیر مشاهده کنید:

در این حالت ، ما می بینیم که مقادیر بالاتر ثبات SQ3 (OOS) می تواند منجر به ارزش های بالاتر سود خالص WFOS و فاکتور سود WFOS شود ، اما با اهمیت آماری کمتری ، جدا از این واقعیت که در دو فواصل اخیر استراتژی های قابل توجهی کمتر وجود داردبشر

نسبت پیروزی/ضرر (OOS)

همانطور که در جدول بالا مشاهده می کنیم ، مقادیر بالاتر برای نسبت پیروزی/ضرر (OOS) منجر به ارزش های بالاتر برای سود خالص WFOS و فاکتور سود WFOS نمی شود. در عوض ، نتایج نشان می دهد که مقادیر بهتر WFOS با مقادیر پایین تر برای نسبت پیروزی/ضرر (OOS) بدست می آید.

نسبت بازگشت/DD (OOS)

همانطور که در جدول فوق مشاهده می کنیم ، مقادیر بالاتر نسبت بازده/DD (OOS) منجر به مقادیر بالاتر سود خالص WFOS و فاکتور سود WFOS نمی شود. آخرین دکیل 5. 5-13. 43 بود ، بنابراین من تصمیم گرفتم یک شکل ساده تر از درون یابی نسبت به موارد قبلی.(من فاصله تمام ارزش ها را گرفتم و آنها را به ده تقسیم کردم).

در این حالت ، من نمی بینم که در فواصل بالا در WFO ها نتایج بهتری کسب کنیم.

نسبت شارپ (OOS)

همانطور که در جدول بالا مشاهده می کنیم ، مقادیر بالاتر نسبت شارپ (OOS) منجر به سود خالص WFOS بالاتر و ارزش فاکتور سود WFOS نمی شود.

نتیجه

هدف از مقاله امروز این بود که بسیاری از معیارهایی که من در رتبه بندی یا به عنوان معیارهای تناسب اندام در گرسنگی ژنتیکی استفاده می کنم ، قدرت پیش بینی کننده نسبتاً کمی دارند. این ایده خوبی است که قبل از ایجاد یک استراتژی ، تحقیقات بیشتری انجام دهید تا دریابید که کدام عوامل دارای ارزش پیش بینی کننده هستند.

در دو قسمت بعدی ، ما به همان معیارها نگاه خواهیم کرد ، اما با بینش هایی که در قسمت های یک و دو به دست آوردیم.

کلونکس

با تشکر از شما برای مطالعه عالیاین چشمگیر است

Hi, very good work. This means, the most matrics are not able to filter profitable strategies in the analysis. In my opinion the curvefitting is too high. If the generated pool of strategies have more curvefitted than non curvefitted strategies =>فیلتر خوب کار نمی کند.

من فکر می کنم: اگر ما از یک مجموعه کوچک ساختمان استفاده کنیم که استراتژی های منحنی کمتری تولید می کند ، فیلتر با معیارها بهتر خواهد بود.

سلام تکنیکربله ، من با شما موافقم و به همین دلیل است که من از استراتژی های ساده با پیچیدگی کم حمایت می کنم. در مورد تعداد بلوک های ساختمانی ، من آزمایش می کنم و مقایسه می کنم و به اشتراک می گذارم. pls این پست را نیز بررسی کنید: https://strategyquant.com/blog/what-we-have-leaed-from-analyzing-2-2-million-fx-strategies/

من مشتاقانه منتظر تحقیق در مورد تنظیم بلوک های ساختمانی هستم. بعضی اوقات من در مورد اینکه چه طیف وسیعی از بلوک های ساختمانی را انتخاب می کنم مردد هستم.

با وجود بسیاری از استراتژی ها ، علاقه مند به دانستن ……. اگر همه آنها را در هر 28 جفت ارز (نمونه کارها) به آنها اختصاص دهید ... پس از آن استراتژی هایی را انتخاب کنید که به عنوان یک نمونه کارها ، بازگشت به DD نسبت Say 1 یا 1. 5 …… را ببینیداگر این قدرت پیش بینی کننده تری در OOS ایجاد کند. با تشکر

سلام ما آزمایش کردیم اما دریافتیم که در داده های طولانی 1986-2017 میلی متر آزمایش هیچ تاثیری ندارد ، با این حال من در سال 2022 تجزیه و تحلیل بسیار بهتری را آماده می کنم که در آن دوباره این را مطالعه خواهم کرد.

این 3 وبلاگ بسیار عالی است. اما تصاویر بسیار نامشخص است ، آیا می توانید این تصاویر را بارگیری مجدد کنید؟

عزیز Clonex (ایوان) ، به عنوان یک علاقه مندان به SQ (اخیراً نسخه کامل را دریافت کرده ام) من ایده ای در مورد چگونگی استخراج بینش بیشتر از این داده ها که در مقاله تحلیل می کنید ، دارم. یک نرم افزار به نام Rapid Miner Studio وجود دارد (من وابسته آنها نیستم ، اما می توانم دوباره با یک حساب جدید برای نسخه ی نمایشی مشترک شوم و آن را در یکی از دستگاه های من آزمایش کنم) و می تواند هرگونه داده چند متغیره را با استفاده از الگوریتم های مختلف آمار حس کندبشربه عنوان مثال ، من آن را با ماتریس معیارهای مختلف (از داده هایی که با طول تاریخ مختلف به عقب برگشته اند) برای S& P برای پیش بینی دامنه های آینده از پیش محاسبه شده خاص ... بیشتر بخوانید ... ادامه مطلب »

ادامه خواندن

استراتژی جدید ساخت 136 خارج است!

کورنل مازور 20 دسامبر 2022

ما از اینکه اعلام کنیم استراتژی جدید ساخت 136 را منتشر کرده ایم ، هیجان زده شده ایم. این شامل طیف وسیعی از ویژگی های جدید و بهبود یافته است. یکی از جالب ترین اضافات جدید ...

عامل سود داخلی تیموتی

Clonex 22 نوامبر 2022

هنگام ارزیابی موفقیت یک استراتژی تجارت ، یک توسعه دهنده استراتژی می تواند از تعداد زیادی از معیارهای استراتژی استفاده کند. یکی از آنها عامل سود است. عامل سود ممکن است ...

مدیریت نمونه کارها 200K USD در دوره آشفتگی فعلی - مصاحبه با معامله گر Naoufel Taief

کورنل مازور 16 نوامبر 2022

اولا ، از Naoufel متشکرم که مصاحبه را در مورد تجربه تجارت خود ارائه دادید. در آخرین مصاحبه ای که شما نمونه کارها تأیید شده خود را به ما معرفی کرده اید (https://kinfo.com/portfolio/12154/performance) که اخیراً به یک جدید رسیده است ...

محصولات

منابع

شرکت

ما را دنبال کنید

افشای ریسک: معاملات آتی و تجارت فارکس حاوی ریسک قابل توجهی است و برای هر سرمایه گذار نیست. یک سرمایه گذار به طور بالقوه می تواند تمام یا بیشتر از سرمایه گذاری اولیه را از دست بدهد. سرمایه ریسک پولی است که می تواند بدون خطر امنیت مالی یا سبک زندگی افراد از بین برود. فقط سرمایه ریسک باید برای تجارت استفاده شود و فقط کسانی که سرمایه ریسک کافی دارند باید تجارت را در نظر بگیرند. عملکرد گذشته است لزوما نشان دهنده نتایج آینده نیست.

افشای عملکرد فرضی: نتایج عملکرد فرضی محدودیت های ذاتی بسیاری دارد که برخی از آنها در زیر شرح داده شده است. هیچ نمایندگی ای ارائه نمی شود که هر حساب کاربری یا احتمالاً به سود یا خسارات مشابه با موارد نشان داده شده دست یابد. در حقیقت ، بین نتایج عملکرد فرضی و نتایج واقعی که متعاقباً توسط هر برنامه معاملاتی خاص حاصل می شود ، تفاوت های شدید وجود دارد. یکی از محدودیت های نتایج عملکرد فرضی این است که آنها به طور کلی با بهره مندی از عقب آماده سازی می شوند. علاوه بر این ، تجارت فرضی شامل ریسک مالی نیست و هیچ سابقه معاملات فرضی نمی تواند تأثیر ریسک مالی تجارت واقعی را به طور کامل به خود اختصاص دهد. به عنوان مثال ، توانایی مقاومت در برابر ضرر و یا رعایت یک برنامه تجاری خاص علی رغم ضرر معاملات ، نقاط مادی است که می تواند بر نتایج واقعی تجارت نیز تأثیر منفی بگذارد. عوامل متعددی دیگر در رابطه با بازارها به طور کلی یا اجرای هر برنامه معاملاتی خاص وجود دارد که نمی تواند در تهیه نتایج عملکرد فرضی و همه اینها که می تواند بر نتایج معاملات تأثیر منفی بگذارد ، به طور کامل در نظر گرفته شود.