Como medir a concentração do resultado do método de reteste MC?

Sabemos que não devemos nos concentrar apenas em um determinado nível de confiança dos resultados do método MC retest, mas também verificar a divergência de todos os resultados da simulação.

Quais são as métricas adequadas para a classificação (coluna de banco de dados) ou filtragem automática?

Olá,

É para isso que as condições de filtragem de verificação cruzada são usadas. Mas muitos traders avaliam essas condições com base em critérios visuais (sem usar nenhum valor estrito ou específico). Eles só querem ver que há muito poucos ou, idealmente, nenhum resultado que divirja significativamente do restante

Obrigado, tomas262,

Acho que ele mede apenas o valor em um determinado nível de confiança, não para avaliar a distribuição da simulação.

Talvez possamos tentar esse método,

1, Calcule a diferença entre o patrimônio simulado e o original.

2, Calcule a soma dos quadrados de cada conjunto de diferenças e, em seguida, calcule sua raiz quadrada.

3, Divida o resultado da etapa 2 pelo patrimônio líquido original.

4, Some o resultado da etapa 3 de todas as simulações. Por exemplo, se a chamarmos de distribuição Monte Carlo.

Existem critérios semelhantes na SQ? Se não, então como implementar minhas ideias no SQ?

Imagine uma coisa simples - você terá, por exemplo, uma estratégia entrando em algum bloco de construção OHLC, por exemplo, OPEN DAILY

Esse bloco de construção não tem nenhum parâmetro - ele só pode ter um turno, nada mais - portanto, o OPEN DAILY é para os testes de MC sempre o mesmo OPEN DAILY, nada será alterado nos testes de MC

E aqui vem a conclusão: os testes de MC com esses blocos de construção não paramétricos sempre terão uma aparência melhor do que as estratégias que usam, por exemplo, a MME com parâmetros.

Os testes MC são para mim apenas uma projeção para o futuro, não me dizem nada sobre qualidade ou lucratividade futura.

Eu uso "Randomize starting bar" e "Randomize strategy parameters", a maioria das estratégias tem 2 ou 3 condições com parâmetros.

O teste MC pode avaliar a robustez da estratégia até certo ponto, eu acho.

Bom dia a todos,

Ótima pergunta, Sr. Eastpeace, eu realmente gosto dela e acho que muitos usuários têm a mesma preocupação.

Infelizmente, a resposta do administrador não está voltada para a pergunta e vai para a ética e os mitos dos operadores.

Na minha opinião, o uso inadequado da classificação destruirá todo o seu trabalho, principalmente qual é o número perfeito a ser escolhido para cada condição de classificação e qual é a condição adequada a ser selecionada.

Você tem razão, existem ferramentas matemáticas que podem ser usadas para avaliar a "qualidade" dos resultados dos testes de robustez (curvas), a proximidade das curvas e a aparência ideal de tudo isso.

Como Hankeys menciona, a questão é o que isso diz sobre resultados futuros? O que eu avalio visualmente em uma fração de segundo será difícil de expressar em algumas fórmulas significativas. Já vi muitas estratégias de aparência perfeita com ótimos resultados nos testes de RT fracassarem miseravelmente, enquanto outras com desempenho ruim nesses testes ganham dinheiro ano após ano

Vou perguntar ao Mark o que ele acha disso

filtragem por testes MC que levam apenas a uma menor diversificação

Muito obrigado por sua resposta genuína. Esperamos que, com o tempo, possamos encontrar a maneira correta de fazer isso.

O WFM é mais importante do que o MC TEST?