Daten Fenstergröße

Hallo Leute, ich bin hier, um ein produktives Thema zu eröffnen.

Ich frage mich, warum Mark und das Entwicklerteam noch keine Hauptfunktion eingebaut haben.
Ich spreche von der Größe der automatischen Datenfenster.
Wie Sie wissen, können Sie nicht wählen Sie eine zufällige Fenstergröße, oder zumindest ja Sie können, aber dies kann unproduktiv sein. Ich bin besser erklären mich, wenn Sie einen Prozess der Gebäude beginnen, wir sind auf der Suche nach produktiven/robuste Strategien in der nächsten Zukunft, und natürlich zum Beispiel, wenn Sie suchen H1 Strategien, die im nächsten Monat arbeiten, ist völlig nutzlos verwenden 12 Jahre Daten alt, nicht wahr? Vielleicht wissen nicht alle, dass es eine wissenschaftliche Methode gibt, um die richtige Fenstergröße für Ihren Zweck zu finden.
Bevor ich es also niederschreibe, möchte ich die Meinung der Community hören: Wie wählen Sie die Fenstergröße aus? Kennen Sie die wissenschaftliche Methode?
Dies ist für Sie, Mark, wissen Sie es? Wissen Sie und Ihr Team, wie man die richtige Fenstergröße für die Daten berechnet?

Nach einigen Kommentaren werde ich erklären, wie man das macht.

Ich wollte mehr darüber wissen.

Mir scheint, je mehr Daten eine Strategie in der Vergangenheit bearbeitet hat, desto wahrscheinlicher ist es, dass sie auch bei zukünftigen Daten funktioniert. Da Sie die possebility haben, um viele solche Strategien zu machen, wäre es besser, nur neu zu testen sie auf aktuelle Daten, um zu sehen, welche ist jetzt arbeiten und verwenden Sie diese. Ich denke, Sie werden feststellen, dass die %, die funktioniert, wird dann viel höher sein als nur Strategien auf einem aktuellen Fenster gemacht.

Nicht ganz richtig, ja natürlich, mehr eine Strategie funktioniert während der Geschichte und mehr ist zuverlässig durch verschiedene Arten von Märkten, aber wir sind nicht auf der Suche nach einem "heiligen Gral" Strategie gut funktioniert immer und arbeitet für immer.
Eine Strategie, die über einen Zeitraum von 12 Jahren oder mehr erstellt wurde, wird eine sehr langsame Strategie sein und viele Gewinnchancen verpassen. Und die Konsequenz der großen Datenfenstergröße ist eine Überanpassung der erstellten Strategien, um eine gute Rendite/DD während all dieser Zeit zu erreichen, wird SQ eine sehr komplexe Regel/mehrere Regeln für den Einstieg/Ausstieg, die Verwaltung usw. erstellen.

IMHO ziehe ich es vor, Strategien häufiger zu erstellen und sie zu optimieren/löschen und auszutauschen, wenn sie die Zuverlässigkeit verlieren, indem ich alle Statistiken überwache.

Es ist seltsam, dass dieses Thema so wenig Erfolg hat, ich dachte, es würde von der Gemeinschaft mehr beleuchtet...

Dieses Thema ist schwierig. Zum Beispiel machen Strategien auf Daten des letzten Jahres, aber dann ausschließen, diese jüngsten Mai. Sie finden, dass 95 % ist lockerer im Mai auch je nachdem, wie Sie sie Rang. Ich habe gestern einen weiteren Test gemacht, 3800 EU getestet, die während 2018 rdd >5 wirklich gut waren (sie waren aus einer Charge von 25000). 700 von diesen 3800 funktionierte großartig Monat Januar-März der Rest war Verlierer . 525 von diesen haben im April 2019 80% gut gearbeitet. Aber nur 3 von diesen 525 war profitabel im Mai der Rest wirklich große Verlierer. So dann habe ich alle 25000 im Mai 2019 getestet sie sind gemacht und getestet auf Daten von 1986-2018-09. Jetzt hatte ich etwa 2700, die im Mai 2019 profitabel waren. Jetzt ging ich weiter und testen sie Monat für Monat für keine Verlierer Monate (aber flach ist okey) gehen 12 Monate zurück. Ich habe 37 links haben sie nicht eine RDD über 5 auf 2018, so dass sie nicht von meinem ursprünglichen Test der 3800 sein.

Vielleicht ist das also ein guter Arbeitsablauf. Ich kenne 37 Strategien, die in den letzten 12 Monaten gut funktioniert haben, aber auch in den letzten 30+ Jahren.

Im Anhang sehen Sie, wie sie auf Duka aussehen.

"Kennen Sie die wissenschaftliche Methode?" Sag es uns

Clonex ich werde Ihnen sagen, aber vorher möchte ich einige andere Gesichtspunkte dazu hören.

Sackgasse für dieses Thema? Zum Beispiel auf EURUSD H1 in diesem Moment gibt es ein gültiges Fenster

vom: "10. Oktober 2018"
Zu: "26. April 2019"

In den nächsten zwei Fenstern handelbar:
Fenster 1: Vom: 27. April 2019 bis 21. Mai 2019 mit der Genauigkeit von 90%

Fenster 2: Vom: 22. Mai 2019 bis 27. Juni 2019 mit der Genauigkeit von 80%

Keiner weiß, woher ich das weiß?

Kommt schon, Leute, seid aktiv!

Ich habe keinen blassen Schimmer. Das Einzige, was ich weiß, ist, dass Sie sich auf die Historie beziehen. Ich nehme an, es ist leicht zu beweisen, später durch die Prüfung der Leistung auf ein paar hundert Live-Strategien auf Ihrem vorgeschlagenen Geschichte Daten

Hoffentlich hast du Recht 🙂

hi ...Gianfranco hurst exponent....für Scan-Symbole und Daten Windows....up 0.5 ?

ist meine kleine Idee....automatischer Scan mit minimalen und maximalen Tagen...wie WFM

danke

Gianfranco

Jemand muss es sagen, endlich!!!
Ja, das ist der Hurst-Exponent, wir haben eine Menge statistischer Werkzeuge, um sicher zu sein, dass sie richtig funktionieren.
Jetzt erkläre ich mein Problem, ich habe eine Menge von Python-Skripten: die Daten zu löschen, finden Sie die Daten-Fenster, Korrelation zwischen Daten, das Gebäude zu verwalten, finden Sie die unkorrelierten Strategien, die Überwachung der Eigenkapital und wählte für Re-Optimierung oder Löschen.

Es gibt eine Menge Trick, um den gesamten Prozess zu beschleunigen, zum Beispiel, Korrelation von Strategien mit einem sehr großen Pool, 10k Strategien, anstatt vollständig mit allen Daten-Fenster zu testen, ich schrumpft das Datenfenster auf 1/3 (IS-OOS) des Originals, und mit diesen Aktien, weniger Rechenleistung, teilen den Pool in zwei Teile (gute Korrelationen zwischen -0.5 und 0,5, und schlechte Korrelationen zwischen -1 und -0,51, 0,51 bis 1, erneutes Testen der Korrelationen von Waren mit der ursprünglichen Datengröße, um sicher zu sein, dass die Teilergebnisse, und das ist es, eine Menge Energie und Zeit gespart.

Ich frage mich, warum sie nicht schon alle diese Tools in die Suite integriert haben?
Wenn jedoch jemand diese Skripte benötigt, werde ich sie zur Verfügung stellen, aber ich ziehe es vor, sie mit dem Entwicklungsteam zu teilen, um sie in die Software zu integrieren.

ja, wenn Sie ein guter Programmierer sind oder haben, könnten viele Dinge viel einfacher sein....wir haben zum Beispiel Python-Skript für alte SQ, um MC-Tests usw. zu steuern.

Ich habe einige Artikel über diese Hypotesis gelesen - https://www.mql5.com/en/articles/2930

aber ich weiß nicht, wie wir sie in unserem "Geschäft" einsetzen können.

Ich glaube nicht, dass dies mit Zeitreihen funktionieren würde, die versuchen, kurze zukünftige Perioden im Devisenhandel vorherzusagen, was völlig zufällig ist. Wenn es eine Periode funktioniert, war es nur Glück. Ich optimiere lieber einen Eintrag über 100 Jahre Daten, um eine gute durchschnittliche Leistung zu erhalten und dann durch walfkforward versuchen, die Ausgänge stattdessen auf den aktuellen Markt anzupassen. Auf diese Weise können Sie auch Strategien mit >90% gewinnen 6 Monate Perioden schauen 30 Jahre zurück und automatisieren Sie den Workflow mit aktuellen Tools.