Просьба предоставить данные, отражающие задержку при работе на выделенном сервере (временные данные или раундтрип)Как я могу замерить эти данные?
Всем привет! Выкладываю бесплатно робота. Плюсаните, кому не влом :D
Создание портфеля из роботов продолжается и в этом процессе неизбежно создаются роботы, которые в портфель не попадут, но время и силы будут на них потрачены. Один из таких роботов робот - ImTrader v12 разработанный для валюты (на золоте тоже как оказалось работает). Робот нацелен на короткие входы и вынос стопов. В портфель робот не попал потому, что он показывает положительную динамику только с 2012года — по сегодня. Использовать его на серьезные деньги я не рекомендую, так как устойчивость данного алгоритма вызывает сомнения. Лично к нам в портфель попадают роботы которые проходят 5 и более лет форвард тестов, т.е. робот на истории «в слепую» должен не просто выжить, а заработать 5 лет к ряду — только тогда алгоримт «живуч» и есть шансы что он таким останется и в реальной торговле. Что касается
Здравствуйте Уважаемые участники форума!
Обращаюсь к Вам за советом по такому вопросу:
Имеется торговая система, построенная с применением нейронных сетей, которая имеет 12 оптимизируемых параметров – вещественных чисел в диапазоне от -1 до 1.
В качестве эксперимента была проведена оптимизация этих параметров на фьючерсе на обыкновенные акции сбербанка на минутках. Количество точек данных для оптимизации -30000 (это примерно 2 месяца). После этого система проверялась на новых данных – 10000 точек.
Результаты оптимизации и проверки представлены на рисунке.
Светло-зеленая кривая – это эквити счета, ниже – график цены.
Зеленые и красные линии – это сделки, просто их очень много и там все сливается.
Собственно сам вопрос: Что будет эффективнее в реальной торговле – переоптимизация параметров раз в день на последних данных за 2 месяца (последние 30000 минутных свечей), или переоптимизация каждый час на последних 3000 минутных свечах, или пероптимизация каждые 5 минут, или еще какой то вариант? То есть интересует оптимальная частота оптимизации и размер обучающего набора данных. Причем наблюдается такая взаимосвязь: чем больше обучающий набор данных, тем меньше средняя доходность системы на обучающем наборе, но тем больше вероятность того что система будет показывать эту доходность на данных которые она не видела. И наоборот, чем меньше обучающий набор, тем больше средняя доходность на обучающем наборе и тем меньше вероятность, что система покажет прибыль на неизвестных данных.