Andere Ansicht vor dem Prozess WFM

Ich möchte mit diesem Artikel einfach einen anderen Gedanken vermitteln.
Halten Sie das WFM-Ergebnis für wichtig? Wenn ja, was ist der Unterschied zwischen der Durchführung einer einfachen Optimierung vor dem WFM und nicht?
Lassen Sie mich das erklären: Wir wissen, dass wir die ursprüngliche Strategie entwickeln und sie dann einem Robustheitstest unterziehen.
Wenn dies der Fall ist, werden wir vielleicht eine einfache Optimierung durchführen (oder auch nicht).
Wenn ja, erhalten Sie die Optimierungsstrategie von orignial.
In diesem Fall erhalten wir also 2 Strategien mit derselben Logik, aber unterschiedlichen (oder gleichen) Parametern.
Jetzt machen wir den WFM.
Wie Sie sehen, müssen wir die "Wertverteilung", aufwärts, abwärts und stufenweise einstellen.
Haben Sie vorher darüber nachgedacht? Der Bereich und der Schritt unterscheiden sich zwischen der ursprünglichen Strategie und der Optimierungsstrategie. Denn sie haben unterschiedliche Parameter Startpunkt (oder gleich).
Dabei gibt es 2 Situationen (wenn sie nur den gleitenden Durchschnitt verwenden):

1.Parameter ist nach der Optimierung nahe am Original.

2.Parameter ist nach der Optimierung weit vom Original entfernt.

Wenn wir die Option "gleich" in zwei verschiedenen Bedingungen oben einstellen,

Unter der ersten Bedingung erhalten wir die gleiche WFM-Robustheitsbewertung sowohl für die ursprüngliche als auch für die Optimierungsstrategie.

Wenn wir jedoch WFM unter der zweiten Bedingung testen, wird die Robustheit von WFM sowohl bei der ursprünglichen als auch bei der Optimierungsstrategie unterschiedlich bewertet.

Ich denke, Sie können verstehen, was ich meine: Wir wissen nicht, ob unsere Strategieparameter nach der Optimierung ähnlich sind oder nicht.

Wir werden jedoch dieselben Ranking-Filter verwenden, um unsere Strategien mit dem WFM zu testen.

Es spielt keine Rolle, ob es gut oder schlecht ist.
Es ist nur ein wenig Nachdenken im WFM.
Wenn Sie Ihre Überlegungen mit uns teilen möchten, bitte, und danke.

Ich mag WFM nicht, weil jeder mit jedem Lauf Sie unterschiedliche Ergebnisse erhalten können - sicher es hängt von vielen Faktoren ab - wie haben Sie die WFM eingestellt, wie viele Parameter Ihre Strategie hat, wie viele Parameter Sie optimieren, die wie viele Schritte und was ist Ihre Parameterbereiche, etc. etc.

und in der endgültigen erhalten Sie einige Satz der Parameter, die Sie in Ihrem realen Handel verwenden werden - aber diese Parameter können von Ihrer ursprünglichen Strategie völlig anders machen, und wenn Sie die robustnest Tests auf dieser geänderten strat laufen, könnte es fehlschlagen

Für mich ist es bequemer, Strategien zu verwerfen, die aufgrund von ungesehenen Daten gestorben sind, und kontinuierlich neue Strategien zu entwickeln, als regelmäßig neue Optimierungen vorzunehmen.

hankeys schrieb:

Ich mag WFM nicht, weil man bei jedem Durchlauf andere Ergebnisse erhalten kann - natürlich hängt es von vielen Faktoren ab - wie Sie den WFM eingestellt haben, wie viele Parameter Ihre Strategie hat, wie viele Parameter Sie optimieren, wie viele Schritte und welche Parameterbereiche Sie haben, etc. etc. und am Ende werden Sie einige Parameter erhalten, die Sie in Ihrem realen Handel verwenden werden - aber diese Parameter können aus Ihrer ursprünglichen Strategie eine völlig andere machen, und wenn Sie die Robustest-Tests mit dieser geänderten Strategie durchführen, könnte sie scheitern - für mich ist es bequemer, Strategien zu verwerfen, die an ungesehenen Daten gescheitert sind, und kontinuierlich neue zu generieren und keine periodischen Neuoptimierungen durchzuführen

 

Ja, das sehe ich auch so.

Deshalb verwende ich die WFM-Ergebnisse nie, um eine Strategie auszuwählen, die ich verwenden möchte, sondern ziehe den echten OOS-Test vor.

Aber ich finde es immer noch einen Unterschied, ob man optimiert oder nicht, wenn man WFM betreiben will.

Hallo

 

In my case I only use WFM it as a filter.

 

Also I decide if several have passed the strategy has more profitable runs. But I do nnot chose the stable run.

OOS is good but I have some doubts. I bulti iwth IS OISV and OOS.

Second stage I make other OOS.

And third stages I pass several restests with all data.

Here I find the problem, I could use not all data to make finally a third OOS to close the retesting.

But I think teses last data have not passes retesting.

 

Then if WFM use several runs and OOS I understand I may use all data for all retesting, and use WFM as the last one.

 

 

 

alfonsmartin68 wrote:

Hi In my case, I only use WFM it as a filter.

If several strategies have passed WFM I select the one which has generated more profitable runs and has more stable 3D area, but not select the optimized run.

I do not optmize because I think some bug maybe here, I mean, strategies have passed the retest WFM using recommended paramters, does not pass the optimization using the recommended parameters.

 

About the use of OOS; is good but I have some doubts. I buit with DATA USING IS ISV and OOS. Second stage I runother OOS. And final stages I execute several restests using all data. Here I find the problem, I could use not all data to make finally a third OOS to close the retesting. But I think theses last data have not passed retesting. Then if WFM use several runs and OOS I understand I may use all data for all retesting, and use WFM as the last one.