¿Cómo medir la concentración del resultado del método MC retest?

Sabemos que no sólo debemos centrarnos en un determinado nivel de confianza de los resultados del método MC retest, sino también comprobar la divergencia de todos los resultados de la simulación.

¿Cuáles son las métricas adecuadas para clasificar (columna del banco de datos) o filtrado automático?

Hola,

Para eso se utilizan las condiciones de filtrado cruzado. Pero muchos operadores las evalúan basándose en su criterio visual (sin utilizar ningún valor estricto o específico). Sólo quieren ver que hay muy pocos resultados, o idealmente ninguno, que diverjan significativamente del resto.

Gracias, tomas262,

Creo que sólo mide el valor en un determinado nivel de confianza, no para evaluar la distribución de la simulación.

Quizá podamos probar este método,

1, Calcule la diferencia entre la equidad simulada y la original.

2, Calcula la suma de cuadrados de cada conjunto de diferencias y, a continuación, calcula su raíz cuadrada.

3, Divida el resultado del paso 2 por el capital inicial.

4, Suma el resultado del paso 3 de toda la simulación. Por ejemplo, si la llamamos distribución Monte Carlo.

¿Existen criterios similares en SQ? Si no es así, ¿cómo aplicar mis ideas en SQ?

imagina una cosa simple - tendrás por ejemplo una estrategia entrando en algún bloque OHLC, por ejemplo OPEN DAILY

este bloque de construcción no tiene parámetros en absoluto - sólo podría tener turno, nada más - por lo que OPEN DAILY es para las pruebas MC siempre el mismo OPEN DAILY, nada se cambiará en las pruebas MC

y aquí viene la conclusión - las pruebas de MC con estos bloques de construcción no paramétricos siempre se verá mejor que para las estrategias que utilizan para exmpale EMA con parámetros

¿entonces es comparable? me temo que no... las pruebas MC son para mí sólo una proyección de futuro, no me dicen nada sobre la calidad o la rentabilidad futura

Yo uso "Randomize starting bar" y "Randomize strategy parameters", la mayoría de las estrategias tienen 2 o 3 condiciones con parámetros.

Creo que la prueba MC puede evaluar hasta cierto punto la solidez de la estrategia.

Buenos días a todos,

Gran pregunta Sr, eastpeace me gusta mucho y creo que muchos usuarios tienen la misma inquietud.

lamentablemente admin respuesta no apuntar a la pregunta e ir a los comerciantes ética y mitos.

Creo que la información que necesitamos de la unidad de apoyo es la forma específica de utilizar el programa, la especialidad en la etapa de generación de la selección de bloques de construcción y la forma correcta de utilizar la clasificación en todos los process.in mi punto de vista mal uso de la clasificación va a destruir todo su trabajo sobre todo lo que es el número perfecto para elegir para cada condición de clasificación y cuál es la condición adecuada para seleccionar.

Tienes razón, hay herramientas matemáticas que podrían utilizarse para evaluar la "calidad" de los resultados de las pruebas de robustez (curvas), lo cerca que están las curvas y lo ideal que parece todo.

Como menciona Hankeys, la cuestión es qué dice esto sobre los resultados futuros. Lo que evalúo visualmente en una fracción de segundo será difícil de expresar en algunas fórmulas significativas. He visto muchas estrategias perfectas con grandes resultados en las pruebas de RT fracasar miserablemente, mientras que otras con un rendimiento pobre en esas pruebas ganan dinero año tras año.

Le preguntaré a Mark qué opina al respecto.

el filtrado mediante pruebas MC sólo conduce a una menor diversificación

muchas gracias por su genuina respuesta.esperamos que con el tiempo podamos coger la forma adecuada de hacerlo.

¿Es que WFM es más importante que MC TEST?