13 мая 2019, 14:38
Господа, прошу совета в способах оптимизации параметров торговой системы.
Примерные ТТХ системы: система на основе дивергенций: a) инструмента с индикатором №1; b) инструмента с индикатором №2; c) индикатора №1 и индикатора №2 между собой. Тип — intraday (опционально с переносом на вечернюю сессию и через ночь). Условия для входа в сделку не формализованы, окончательное принятие решения о заключении сделки принимается трейдером. Выход из сделки в большинстве случаев осуществляется по условиям системы, в отсутствии которых сделка закрывается либо через trailing-stop, либо перед закрытием основной сессии. Выход с убытком осуществляется через stop-loss за ближайшим локальным экстремумом цены или индикатора.
Задачи: оптимизировать кол-во пунктов, пройденное инструментом (как относительно текущей цены инструмента, так и относительно величины дивергенции) в направлении потенциальной сделки, при котором входим в позицию, проверить потенциал входа и выхода частями (одинаковыми и различными), оптимизировать выделяемую на каждый инструмент часть средств, проверить возможность переноса сделок на вечернюю сессию и через ночь.
Интересуют любые способы, методы, платформы и связки для проведения данных процедур, учитывая относительную неформализованность условий для входа и выхода, подразумевая возможность накопления статистики по сделкам «на бумаге» только в ручном варианте.
Заранее спасибо всем откликнувшимся!
Задачи: оптимизировать кол-во пунктов, пройденное инструментом (как относительно текущей цены инструмента, так и относительно величины дивергенции) в направлении потенциальной сделки, при котором входим в позицию, проверить потенциал входа и выхода частями (одинаковыми и различными), оптимизировать выделяемую на каждый инструмент часть средств, проверить возможность переноса сделок на вечернюю сессию и через ночь.
Интересуют любые способы, методы, платформы и связки для проведения данных процедур, учитывая относительную неформализованность условий для входа и выхода, подразумевая возможность накопления статистики по сделкам «на бумаге» только в ручном варианте.
Заранее спасибо всем откликнувшимся!
BOSSVVA,
Теперь ГП привязан к курсу Si
Будет руб по 200 за USD?
🔋 Да когда же мы уже увидим дивиденды от Юнипро? Разговоры про потенциальное возобновление выплат в этой истории ходят уже более года, однако воз и ныне там.🌧 Так что пока компания приумножает свои де...
19:38
Дмитрий Владимирович, рад за вас только главное их вынести с рынка
Сергей, не знаю, что у вас был за вопрос.
По телефону получил нужную информацию минут за 15.
19:36
ну и я могу их продать на внебиржевой площадке. так что они мои и никак сбер их не может присвоить
W1, очередной недельный истхай почти х2 к предыдущему👍👍👍
На таком разгоне инфляции о снижении ставки нужно забыть, а насчет роста без вариантов поднимать выше.
Редактор Боб, Завтра ракета?
Т-банк. Рост прибыли и новые инструменты $T отчитался по РСБУ за 11 месяцев 2024 года.
Чистая прибыль увеличилась на 41% до 58 млрд рублей. Как и обещали, банк удерживает чистую прибыль более ...
Так что на дешёвых консервах выехали? И всё?
Если подходить к вопросу основательно, то все не так уж просто.
Приведу абстрактный пример:
Имеем два параметра оптимизации P1 и P2. В процессе оптимизации прогоняем стратегию по всем комбинациям этих параметров с некоторым шагом в пределе диапазонов допустимых значений параметров, в качестве результата каждого прогона стратегии оцениваем параметр оптимизации (это может быть абсолютное значение эквити, процентное, профит-фактор стратегии, что угодно, выделяемое нами как мера «качества» стратегии при заданных параметрах).
Если составить т.н. «тепловую карту» результатов, у нас получится нечто подобное:
На двумерном пространстве параметров (P1,P2) с помощью цвета отмечаем точку, соответствующую качественной оценке стратегии при конкретных значениях параметров P1 и P2. Чем больше мера «качества» стратегии, тем ярче, теплее цвет. Чем хуже результат — тем ближе к «абсолютному нулю» — черному цвету.
Если выполнять оптимизацию тривиально, «в лоб» — искать значение пары параметров, при котором значение меры качества максимально, мы в результате оптимизации получим значения параметров из мелких локальных выбросов в левой части картинки, просто потому, что там значения меры максимальны (самый яркий цвет). Хотя, глядя на картинку, здравый смысл нам подсказывает, что предпочтительнее брать значения параметров из области в правой части, так как там результаты выглядят устойчивее.
Если же параметров оптимизации несколько, то получаем N-мерное «тепловое облако» результатов, и тут уже без пол-литра не разобраться...
Кроме того, еще можно проследить, как в динамике с течением времени меняется тепловая карта, остается ли область оптимальных параметров на месте или дрейфует.
В общем, толковая оптимизация — это тоже целая наука, усилий придется приложить немало при основательном подходе.
А вот вкрапления слева могут свидетельствовать о случайности прибыльного результата в тех точках. Т.е. слегка изменились параметры рынка (или мы недостаточно точно прикинули оптимальные параметры) и стратегия из прибыльной резко становится сливной.
Представьте, например, что вы готовите еду. Оптимизируемый параметр — время приготовления и температура. Естественно, что эти два взаимосвязанных параметра дадут вам на карте оптимизации одно единственное «вкрапление» — при низких температурах вы не приготовите еду, а при высоких возникнет риск порчи сырья, от которого вы можете избавиться фиксируя/ ограничивая время приготовления.
Если же у вас на карте возникла широкая область «размазанности», в которой оба параметра являются независимыми друг от друга, то это означает только то, что какие-то возникающие эффекты, компенсируют вам неточность вашего управления процессом приготовления пищи. (То есть возникает некоторая логистическая функция). Что в естественных условиях не происходит практически никогда (и человеку приходится изобретать, например, пароварку или ставить датчики температуры в духовку).
Или, наоборот, без возникновения каких-либо ограничивающих, пороговых функций, вы просто настраиваетесь на «шум». Так, что в широком диапазоне параметров у вас получается итог приблизительно равный изначальным данным (сырой еде), и, если этот итог вашу меру качества устраивает, то вы и получаете то, что в широком диапазоне температур (20-70 град C) можно готовить пищу сколь угодно долго.
Например, если за P1 на вашей картинке принять размер Stop Loss, а за P2 -«силу» сигнала к покупке, то на явно растущем рынке вы получите примерно такое распределение — после опредёлённого прога стопы вообще перестают браться и не влияют на итоговый результат, аналогично и с параметром P2.
Таким образом, настраиваясь на«широкое пятно», вместо узкой «точки», учитывающей все изменяющиеся параметры рынка, вы вероятнее настроитесь на бесполезный, полностью случайный результат, чем на область естественных ограничений.
Т.е., например, кто-то в качестве одного из параметров оптимизирует период простой скользяшки. Предположим, на периоде 100 минутных свечек результат стратегии наилучший. Если проверить периоды от 80 до 120 минут и результат не сильно будет «скакать», то можно сделать предположение, что в этой стратегии что-то есть. Если же при небольшом изменении параметра, например, до 97 или 103 стратегия «легким движением руки» внезапно становится сливной, то тут, скорее всего, имеет место переподгонка. Это я и имел в виду под «случайностью» удачного результата.
Или, например, кто-то наоптимизировал такой фильтр из комбинации параметров, что одной-двумя сделками сгреб весь профит, а остальные сделки вносят микроскопический вес в результат. Понятно, что такие условия могут уже и не повториться (отвязка курса швейцарского франка от евро в 2015 и подобные убер-гэпы) и дальнейшее использование стратегии с такими параметрами скорее всего ничего не даст
А нейтральность к данным и есть «переподгонка», в самом простом случае выродженная в стратегию Buy&Hold.
Во втором примере, с арбитражем, вы обращаете внимание на абсолютно другой эффект, не связанный с оптимизацией параметра, но абсолютно верно, трактуемый в негативном ключе через не стабильность получаемого результата. В науке, например, результаты любого эксперимента, которые не является стабильно воспроизводимыми отвергается.