LECTURE SEULEMENT

Le forum est désormais une archive en lecture seule.

Pour les rapports de bogues et les questions relatives à la plateforme → [email protected]

Notre communauté vit sur Discord et YouTube - rejoignez-nous !

JOIGNEZ-NOUS SUR Discord YouTube

Une vision différente avant le processus WFM

4 réponses

SteveChou

Client, bbp_participant, communauté, sq-ultimate, 39 réponses.

Visiter le profil

il y a 5 ans #270784

Je vais juste apporter une réflexion différente sur le titre de cet article.
Pensez-vous que le résultat de la WFM est important ? Si oui, quelle est la différence entre l'optimisation simple et l'absence d'optimisation avant la WFM ?
Je m'explique : nous savons que nous élaborons la stratégie originale et que nous la soumettons ensuite à un test de robustesse.
Si elle est adoptée, nous pourrons peut-être procéder à une simple optimisation (ou pas).
Si oui, vous obtiendrez la stratégie d'optimisation d'origine.
Ainsi, à ce moment-là, nous avons deux stratégies avec la même logique mais des paramètres différents (ou identiques).
Maintenant, faisons le WFM.
Vous pouvez voir que nous devons définir la "répartition des valeurs", le haut, le bas et le pas.
Alors, y avez-vous déjà réfléchi ? La portée et le pas seront différents entre la stratégie originale et la stratégie d'optimisation. En effet, le point de départ des paramètres est différent (ou identique).
Il y a deux cas de figure (s'ils n'utilisent que la moyenne mobile) :

1.Les paramètres sont proches de l'original après optimisation.

2.Les paramètres sont très éloignés de l'original après optimisation.

Si nous choisissons l'option de classement "identique" dans les deux conditions différentes ci-dessus,

Dans un premier temps, nous obtiendrons un score de robustesse de la WFM similaire à la fois pour la stratégie originale et pour la stratégie d'optimisation.

Mais si nous testons la WFM dans la deuxième condition, le score de robustesse de la WFM sera différent selon la stratégie originale et la stratégie d'optimisation.

Je pense que vous pouvez comprendre ce que je veux dire, nous ne savons pas si nos paramètres stratégiques sont similaires ou non après notre optimisation.

Mais nous utiliserons ces mêmes filtres de classement pour tester nos stratégies avec WFM.

Que ce soit bon ou mauvais, cela n'a pas d'importance.
Il s'agit simplement d'un peu de réflexion dans WFM.
Si vous souhaitez partager vos réflexions, n'hésitez pas à le faire, et merci.

0

mouchoirs

Client, bbp_participant, communauté, sq-ultimate, 465 réponses.

Visiter le profil

il y a 5 ans #270804

Je n'aime pas le WFM, parce qu'à chaque exécution, on peut obtenir des résultats différents - bien sûr, cela dépend de nombreux facteurs - comment vous avez configuré le WFM, combien de paramètres votre stratégie a, combien de paramètres vous optimisez, combien d'étapes et quelles sont vos plages de paramètres, etc. etc.

et au final, vous obtiendrez un ensemble de paramètres que vous utiliserez dans votre trading réel - mais ces paramètres peuvent rendre votre stratégie originale totalement différente, et si vous exécutez le test de robustesse sur cette stratégie modifiée, il pourrait échouer.

Pour moi, il est plus confortable d'écarter les stratégies qui sont mortes sur des données inédites et d'en générer de nouvelles en permanence, plutôt que de procéder à des réoptimisations périodiques.

Vous voulez devenir un algotrader rentable ? Nous avons commencé à utiliser le logiciel StrateQuant début 2014. Nous avons maintenant un très grand savoir-faire pour construire des EAs pour tous les types de marchés possibles. Nous partageons ce savoir-faire, les applications, les outils et toutes les stratégies finales avec de vrais traders. Si vous souhaitez nous rejoindre, remplissez le formulaire suivant FORMULAIRE.

0

SteveChou

Client, bbp_participant, communauté, sq-ultimate, 39 réponses.

Visiter le profil

il y a 5 ans #270815

Je n'aime pas le WFM, parce qu'à chaque exécution vous pouvez obtenir des résultats différents - bien sûr, cela dépend de nombreux facteurs - comment vous avez configuré le WFM, combien de paramètres votre stratégie a, combien de paramètres vous optimisez, combien d'étapes et quelles sont vos gammes de paramètres, etc. etc. Au final, vous obtiendrez un ensemble de paramètres que vous utiliserez dans votre trading réel - mais ces paramètres peuvent rendre votre stratégie originale totalement différente, et si vous exécutez les tests de robustesse sur cette stratégie modifiée, elle pourrait échouer. Pour moi, il est plus confortable d'écarter les stratégies qui sont mortes sur des données non vues et d'en générer de nouvelles en continu, et de ne pas faire de réoptimisations périodiques.

 

Oui, je suis également d'accord sur ce point.

C'est pourquoi je n'utilise jamais les résultats du WFM pour sélectionner la stratégie que je veux utiliser, je préfère les vrais tests OOS.

Mais je trouve toujours qu'il y a une différence entre l'optimisation et la non-optimisation lorsque l'on veut faire fonctionner la WFM.

0

alfonsmartin68

Client, bbp_participant, community, sq-ultimate, 6 réponses.

Visiter le profil

il y a 2 ans #286062

Bonjour

 

Dans mon cas, je n'utilise WFM que comme filtre.

 

Je décide également que si plusieurs périodes se sont écoulées, la stratégie est plus rentable. Mais je ne choisis pas le cycle stable.

OOS est une bonne chose, mais j'ai quelques doutes. Je suis d'accord avec IS OISV et OOS.

Dans un deuxième temps, je fais d'autres OOS.

Et troisième étape, je passe plusieurs tests avec toutes les données.

C'est là que je trouve le problème, je n'ai pas pu utiliser toutes les données pour faire finalement un troisième OOS pour clôturer le retesting.

Mais je pense que les dernières données n'ont pas passé le test.

 

Ensuite, si WFM utilise plusieurs exécutions et OOS, je comprends que je peux utiliser toutes les données pour tous les nouveaux tests, et utiliser WFM comme dernier test.

 

 

 

0

alfonsmartin68

Client, bbp_participant, community, sq-ultimate, 6 réponses.

Visiter le profil

il y a 2 ans #286063

Bonjour Dans mon cas, je n'utilise WFM que comme filtre.

Si plusieurs stratégies ont passé le WFM, je sélectionne celle qui a généré le plus de runs rentables et dont la zone 3D est la plus stable, mais je ne sélectionne pas le run optimisé.

Je n'optimise pas parce que je pense qu'il y a peut-être un bug ici, je veux dire, les stratégies ont passé le retest WFM en utilisant les paramètres recommandés, mais ne passe pas l'optimisation en utilisant les paramètres recommandés.

 

En ce qui concerne l'utilisation d'OOS, c'est bien, mais j'ai quelques doutes. Je construis avec des données en utilisant IS ISV et OOS. Dans un deuxième temps, j'exécute d'autres OOS. Enfin, j'exécute plusieurs tests en utilisant toutes les données. C'est là que je trouve le problème, je pourrais utiliser toutes les données pour faire finalement un troisième OOS pour clôturer le retesting. Mais je pense que ces dernières données n'ont pas passé le re-test. Si WFM utilise plusieurs exécutions et OOS, je comprends que je peux utiliser toutes les données pour tous les re-tests, et utiliser WFM pour le dernier.

 

 

0

Affichage de 4 réponses de 1 à 4 (sur un total de 4)