Wie kann man die Konzentration des Ergebnisses der MC-Retest-Methode messen?

Wir wissen, dass wir uns nicht nur auf ein bestimmtes Konfidenzniveau der Ergebnisse der MC-Retest-Methode konzentrieren, sondern auch die Divergenz aller Simulationsergebnisse überprüfen sollten.

Welches sind die geeigneten Metriken für die Sortierung (Datenbanksäule) oder automatische Filterung?

Hallo,

Dafür werden die Filterbedingungen für die Gegenprobe verwendet. Viele Händler bewerten diese jedoch nach visuellem Ermessen (ohne einen strengen oder spezifischen Wert zu verwenden). Sie wollen nur sehen, dass es nur sehr wenige oder idealerweise keine Ergebnisse gibt, die vom Rest signifikant abweichen.

Vielen Dank, tomas262,

Ich denke, es wird nur der Wert bei einem bestimmten Konfidenzniveau gemessen, nicht aber die Verteilung der Simulation bewertet.

Vielleicht können wir diese Methode ausprobieren,

1, Berechnen Sie die Differenz zwischen der einen simulierten Aktie und dem Original.

2, Berechne die Summe der Quadrate jeder Differenzmenge und berechne dann ihre Quadratwurzel.

3, Teilen Sie das Ergebnis von Schritt 2 durch das ursprüngliche Eigenkapital.

4, Summieren Sie das Ergebnis von Schritt 3 aller Simulationen. Zum Beispiel, wenn wir es Monte Carlo Verteilung nennen.

Gibt es ähnliche Kriterien in SQ? Wenn nicht, wie kann ich dann meine Ideen in SQ umsetzen?

Stellen Sie sich eine einfache Sache vor - Sie werden zum Beispiel eine Strategie haben, die auf einem OHLC-Baustein aufbaut, zum Beispiel OPEN DAILY

dieser Baustein hat überhaupt keine Parameter - er kann nur eine Verschiebung haben, mehr nicht - also ist OPEN DAILY für MC-Tests immer der gleiche OPEN DAILY, nichts wird in den MC-Tests geändert

und hier kommt die Schlussfolgerung - MC-Tests mit diesen nicht parametrischen Bausteinen werden immer besser aussehen als bei Strategien, die z.B. EMA mit Parametern verwenden

Ist es also vergleichbar? Ich fürchte nicht... MC-Tests sind für mich nur eine Projektion für die Zukunft, sie sagen nichts über Qualität oder zukünftige Rentabilität aus.

Ich verwende "Randomize starting bar" und "Randomize strategy parameters", die meisten Strategien haben 2 oder 3 Bedingungen mit Parametern.

Der MC-Test kann die Robustheit der Strategie in gewissem Maße bewerten, denke ich.

Guten Tag zusammen,

Gute Frage, Herr eastpeace, die mir wirklich gefällt, und ich denke, viele Nutzer haben die gleichen Bedenken.

leider Admin-Antwort nicht auf die Frage zielen und gehen zu Händlern Ethik und Mythen.

Ich denke, die Informationen, die wir von der Support-Einheit brauchen, sind die spezifische Art und Weise, das Programm zu benutzen, die Spezialität in der Generierungsphase, die Bausteine auswählt und die richtige Art und Weise, die Rangfolge in allen Prozessen zu benutzen.Meiner Meinung nach wird eine schlechte Benutzung der Rangfolge die ganze Arbeit zerstören, vor allem, was die perfekte Zahl für jede Rangfolge-Bedingung ist und was die richtige Bedingung für die Auswahl ist.

Sie haben Recht, es gibt mathematische Hilfsmittel, mit denen die "Qualität" der Ergebnisse von Robustheitstests (Kurven) bewertet werden kann, d. h. wie nahe die Kurven beieinander liegen und wie ideal das Ganze aussieht.

Wie Hankeys erwähnt, stellt sich die Frage, was das über zukünftige Ergebnisse aussagt. Was ich in einem Bruchteil einer Sekunde visuell bewerte, lässt sich nur schwer in aussagekräftigen Formeln ausdrücken. Ich habe schon viele perfekt aussehende Strategien mit großartigen RT-Testergebnissen gesehen, die kläglich scheiterten, während andere, die in diesen Tests schlecht abschnitten, Jahr für Jahr Geld verdienten

Ich werde mich bei Mark erkundigen, was er darüber denkt.

die Filterung durch MC-Tests führt nur zu einer geringeren Diversifizierung

Vielen Dank für Ihre aufrichtige Antwort. Wir hoffen, dass wir mit der Zeit den richtigen Weg finden werden, um dies zu tun.

Ist das WFM wichtiger als MC TEST?