Taille de la fenêtre de données

Bonjour les gars, je suis ici pour ouvrir un sujet productif.

Je me demande pourquoi Mark et l'équipe de développeurs n'ont pas encore mis en place une fonctionnalité principale.
Je parle de la taille des fenêtres de données automatiques.
Comme vous le savez, vous ne pouvez pas choisir une taille de fenêtre aléatoire, ou du moins si vous le pouvez, mais cela peut être improductif. Je m'explique mieux, lorsque vous commencez un processus de construction, nous recherchons des stratégies productives/robustes dans le futur le plus proche, et bien sûr par exemple, si vous recherchez des stratégies H1 qui fonctionnent dans le mois à venir, il est totalement inutile d'utiliser des données vieilles de 12 ans, vous ne pensez pas ? Tout le monde ne le sait peut-être pas, mais il existe une méthode scientifique pour déterminer la bonne taille de fenêtre en fonction de votre objectif.
Alors voilà, avant de l'écrire, j'aimerais connaître l'avis de la communauté sur le sujet, comment choisissez-vous la taille des fenêtres ? Connaissez-vous la méthode scientifique ?
Ceci s'adresse à vous, Mark, le savez-vous ? Est-ce que vous et votre équipe savez comment calculer la bonne taille de fenêtre des données ?

Après quelques commentaires, je vous expliquerai comment procéder.

Je voulais en savoir plus.

Il me semble que plus une stratégie a fonctionné sur des données antérieures, plus elle a de chances de fonctionner sur des données ultérieures. Puisque vous avez la possibilité d'élaborer de nombreuses stratégies de ce type, il serait préférable de les tester à nouveau sur des données récentes pour voir lesquelles fonctionnent actuellement et de les utiliser. Je pense que vous découvrirez que le % qui fonctionne sera alors beaucoup plus élevé que les stratégies faites sur une fenêtre récente.

Ce n'est pas tout à fait exact, oui, bien sûr, plus une stratégie fonctionne au cours de l'histoire et plus elle est fiable dans différents types de marchés, mais nous ne cherchons pas une stratégie "saint-graal" qui fonctionne bien toujours et pour toujours.
Une stratégie créée sur 12 ans ou plus sera une stratégie très lente, et manquera beaucoup d'opportunités de gain. Et la conséquence de la taille de la fenêtre de données est un surajustement des stratégies construites, pour viser un bon rendement/DD pendant tout ce temps, SQ créera une/des règle(s) très complexe(s) d'entrée, de sortie, de gestion, etc.

Je préfère créer des stratégies plus fréquemment et les optimiser, les supprimer et les remplacer lorsqu'elles perdent leur fiabilité en surveillant toutes les statistiques.

C'est bizarre que ce sujet ait si peu de succès, je pensais qu'il serait plus éclairé par la communauté...

Ce sujet est difficile. Par exemple, il est possible d'élaborer des stratégies sur la base des données de l'année dernière, mais d'exclure le mois de mai le plus récent. Vous constatez que 95 % est plus lâche en mai, en fonction de la façon dont vous les classez. J'ai fait un autre test hier, j'ai testé 3800 EU qui étaient vraiment bons pendant 2018 rdd >5 (ils étaient d'un lot de 25000). 700 de ces 3800 ont très bien fonctionné en janvier-mars, le reste était des perdants. 525 d'entre eux ont très bien fonctionné en avril 2019 80%. Mais seulement 3 de ces 525 ont été rentables en mai, le reste a été très perdant. Alors j'ai testé tous les 25000 sur mai 2019 ils sont faits et testés sur les données de 1986-2018-09. Maintenant, j'avais environ 2700 qui était rentable en mai 2019 . Maintenant je suis allé plus loin et je les ai testé mois par mois pour ne pas avoir de mois perdant ( mais le plat est ok) en remontant 12 mois en arrière. Il m'en reste 37 qui n'ont pas un RDD supérieur à 5 sur 2018 et qui ne peuvent donc pas provenir de mon test initial sur les 3800.

Il s'agit donc peut-être d'une bonne méthode de travail. Je connais 37 stratégies qui ont bien fonctionné au cours des 12 derniers mois, mais aussi au cours des 30 dernières années et plus.

Vous trouverez ci-joint leur aspect sur Duka.

"Connaissez-vous la méthode scientifique ? Dites-nous

Clonex, je vais vous le dire, mais avant, je voudrais écouter quelques points de vue différents sur le sujet.

Ce sujet est-il sans issue ? Par exemple sur EURUSD H1 en ce moment il y a une fenêtre valide

De : "10 octobre 2018"
A : "26 avril 2019"

Négociable dans deux prochaines fenêtres :
Fenêtre 1 : Du : 27 avril 2019 au 21 mai 2019 avec une précision de 90%

Fenêtre 2 : Du : 22 mai 2019 au 27 juin 2019 avec une précision de 80%

Personne n'a deviné comment je sais cela ?

Allez les gars, soyez actifs !

Je n'en sais rien. La seule chose que je sais, c'est que vous faites référence à l'historique. Je suppose qu'il est facile de le prouver plus tard en testant les performances de quelques centaines de stratégies en direct sur les données historiques que vous avez suggérées.

J'espère que vous avez raison 🙂 .

hi ...Gianfranco hurst exponent....for scan symbols and data Windows....up 0.5 ?

c'est ma petite idée .... scan automatique avec des jours minimum et maximum...comme WFM

merci

Gianfranco

Quelqu'un l'a dit, enfin !!!
Oui, c'est l'exposant de Hurst, nous avons beaucoup d'outils statistiques pour être sûrs qu'ils fonctionnent correctement.
Maintenant j'explique mon problème, j'ai beaucoup de scripts python : pour effacer les données, trouver la fenêtre de données, la corrélation entre les données, gérer la construction, trouver les stratégies non corrélées, surveiller l'équité et choisir pour la réoptimisation ou la suppression.

Il y a beaucoup d'astuces pour accélérer le processus, par exemple, la corrélation des stratégies avec un très grand pool, 10k stratégies, au lieu de tester entièrement avec toute la fenêtre de données, je réduis la fenêtre de données à 1/3 (IS-OOS) de l'original, et en utilisant ces actions, moins de puissance de calcul, je divise le pool en deux parties (les bonnes corrélations entre -0.5 et 0.5, et les mauvaises corrélations entre -1 et -0.51, 0.51 à 1 en retestant les corrélations des biens avec la taille originale des données pour être sûr des résultats partiels, et c'est tout, beaucoup d'énergie et de temps économisés.

Je me demande pourquoi ils n'ont pas encore inclus tous ces outils dans la suite ?
Cependant, si quelqu'un a besoin de ces scripts, je les partagerai, mais je préfère les partager avec l'équipe de développement pour les intégrer dans le logiciel.

Oui, si vous êtes ou avez un bon programmeur, beaucoup de choses pourraient être beaucoup plus faciles....nous avons par exemple un script python pour l'ancien SQ pour contrôler les tests MC, etc.

J'ai lu quelques articles sur ces hypotèses - https://www.mql5.com/en/articles/2930

mais je ne sais pas comment les utiliser dans notre "entreprise".

Je ne crois pas que cela fonctionnerait en utilisant des séries temporelles pour essayer de prédire des périodes futures courtes dans le marché des changes, qui est totalement aléatoire. Si cela fonctionne une fois, ce n'est que par chance. Je préfère optimiser une entrée sur 100 ans de données pour obtenir une bonne performance moyenne et ensuite, par la suite, essayer d'adapter les sorties au marché actuel. De cette façon, vous pouvez également obtenir des stratégies avec >90% gagnant des périodes de 6 mois en regardant 30 ans en arrière et automatiser le flux de travail avec les outils actuels.