јвторские статьи.

»нформаци€ о пользователе

ѕривет, √ость! ¬ойдите или зарегистрируйтесь.


¬ы здесь » јвторские статьи. » јкадеми€ трейдинга. » —оветники.


—оветники.

—ообщений 1 страница 4 из 4

1

Gold Dust - «олотоносный песок

http://codebase.mql4.com/ru/7394

-------------------------------------------------------------------------------------------------

DVD 100-50 Cent - ‘орекс советник который показал ошеломительные результаты

http://www.forex2.info/?q=dvd-100-50-cent

-------------------------------------------------------------------------------------------------

ќтредактировано ¬италий »ванов (2011-04-14 09:07:43)

0

2

»м€:    Gold Dust - «олотоносный песок

http://codebase.mql4.com/ru/7394

јвтор: Reshetov (03.03.2011 09:52)
–ейтинг: 10
—качано: 518
—качать:     gold-dust.mq4 (6.8 Kb) View

http://codebase.mql4.com/c/codebase/2011/03/chart1_small.gif

http://codebase.mql4.com/c/codebase/2011/03/gold-dust-ind_small.gif

Ќемного теории

 ак известно, многие автоматические торговые системы имеют склонность к подгонке, т.е. очень хорошо оптимизируютс€ на некотором участке исторических данных, но если поставить эту самую оптимизированную систему торговать на демонстрационный или реальный счет, то она может оказатьс€ убыточной, т.к. торговые сигналы окажутс€ близкими к случайным. ѕричиной этому €вл€етс€ нестационарность финансовых инструментов, т.е. нестабильность их статистических характеристик.

„тобы вы€вить веро€тность подгонки под исторические данные, существует так называемый классический форвардный тест о котором можно узнать, если ознакомитьс€ с книгой –оберта ѕардо [1]. —уть классического метода заключаетс€ в том, что дл€ торговой системы мы берем два непересекающихс€ участка исторических данных. Ќа одном из них проводим оптимизацию “—, а на втором прогон€ем форвардный тест с оптимизированными на предыдущем этапе входными параметрами. ≈сли тестирование на втором - форвардном участке исторических данных окажетс€ неуспешным, то предполагаетс€, что торгова€ система склонна к подгонке и непригодна дл€ автотрейдинга. ≈сли же форвардный тест даст положительный результат, то проводитс€ дополнительный анализ поведени€ торговой системы на этом самом тестируемом участке, с целью вы€влени€ его характеристик.

—уть в том, что торгова€ система, способна€ пройти все тесты, изложенные в книге –оберта ѕардо [1], практически не существует в природе. ѕоэтому автор и не приводит ни единого конкретного примера.  ак сама методика оптимизации на одном участке и форвардного тестировани€ на втором, так и последующий анализ результатов форвардных тестов, никаких гарантий не дают:
Ќеудачный форвардный тест на втором участке может забраковать робастную торговую систему. ƒело в том, что алгоритмы оптимизации частенько зацикливаютс€ на локальных экстремумах и подгон€ют входные параметры “— под них.
јнализ результатов форвардных тестов практически бесполезен, т.к. если вз€ть еще один независимый участок, на котором еще не проводилась оптимизаци€ и тестирование и провести на нем дополнительный анализ, то вы€снитс€, что результаты анализа на нем не будут совпадать с предыдущим. ѕричина та же сама€ - нестационарность финансовых инструментов. ’уже того, успешный форвардный тест на одном независимом участке, может оказатьс€ неуспешным на любом другом. “.е. в таких случа€х даже анализировать нечего.

ѕоскольку классический метод отбраковки торговых систем обладает множеством недостатков, мною был разработан и протестирован другой, более надежный метод, названный Gold Dust - золотоносный песок.

ќтличи€ нового метода от классического в том, что оптимизаци€ торговой системы проводитс€ не на единственном участке, а на двух или более. ¬ результате мы получаем различные наборы параметров “— дл€ каждого участка, часть из них будет совпадать, а друга€ часть разнитьс€. ¬озможно, что часть этих наборов параметров €вл€ютс€ подгоночными, а часть не €вл€ютс€. ¬ы€снить это можно оп€ть же с помощью форвардного тестировани€.

Ќо форвардный тест отличаетс€ от классического тем, что он проводитс€ не по единственному набору параметров “—, вы€вленных при оптимизации, а по двум или более. —уть в том, что если “— со всеми наборами параметров дает согласованный торговый сигнал на покупку или продажу, то сделка открываетс€. ≈сли сигналы рассогласованы, т.е. имеетс€ противоречивость в торговых сигналов “— дл€ разных наборов параметров, то торгова€ система ничего не предпринимает до следующего торгового сигнала.

„то это дает?

«десь уже нужно определитьс€ с робастностью торговой системы. “орговые системы бывают потенциально робастные, т.е. с веро€тностью выше нулевой того, что они пройдут форвардный тест в классическом методе и неробастные, т.е. с очень высокой веро€тностью подгонки.
≈сли торгова€ система неробастна, то путем подгонки ее на двух или более участках исторических данных, она может стать робастной при согласованности подогнанных торговых сигналов. “.е. если сигналы фильторвать по согласованности, то их можно использовать в дальнейшем дл€ автотрейдинга.
≈сли торгова€ система в той или иной степени робастна, то успешный форвардный тест в режиме согласованности подогнанных и неподогнанных торговых сигналов, может свидетельствовать о том, что один или несколько наборов входных параметров “—, полученных при оптимизации на разных участках исторических данных, не €вл€(е)ютс€ подогнанными под историю и пригод(ен)ны дл€ автотрейдинга.

ћы не будем здесь рассматривать неробастные торговые системы, поскольку даже если их сигналы фильтровать по согласованности, то результаты на участках, где оптимизаци€ не проводилась, не столь стабильны, чтобы на них торговать. “акие “— больше подход€т дл€ экспериментов.

—разу перейдем к торговой системе обладающей в той или иной степени робастностью, котора€ находитс€ в прикрепленном файле. ¬ ее основе заложен прогноз будущего направлени€ движени€ котировок путем подбора весовых коэффициентов элементарной однослойной нейронной сети Ц перцептрона на исторических данных, генетическим алгоритмом тестера стратегий, встроенного в торговый терминал MetaTrader.

ћетодика оптимизации, тестировани€ и вы€влени€ робастности входных параметров торговой системы

¬озьмем исторические данные дл€ валютной пары EURUSD за 9 предыдущих мес€цев или более на чарте с таймфреймом H1. –азобьем их на три независимых участка по три мес€ца. ѕервый участок оставим дл€ окончательного теста, а два остальных дл€ подгонки под историю. „тобы не гон€ть торговую систему по отдельности, € сразу же объединил два перцептрона в одной торговой системе.

ј дл€ раздельного тестировани€ и оптимизации в коде советника есть функци€-переключатель Supervisor() с помощью которой торгова€ система имеет три режима работы в зависимости от входного параметра pass:
ѕодгонка и тестирование первого перцептрона;
ѕодгонка и тестирование второго перцептрона;
‘ильтраци€ путем отсева противоречивых показаний обоих перцептронов в режиме тестировани€ без оптимизации.

ѕодгон€емыми под исторические данные €вл€ютс€ весовые коэффициенты перцептронов: x11, x12 Е x42, а также p и sl. ¬ходной параметр sl Ц €вл€етс€ константой дл€ всех участков. ѕо этому самому значению выставл€ютс€ уровни стоплосс дл€ всех открываемых позиций. ≈ще один входной параметр p Ц временной период лага дл€ разницы цен открыти€, также €вл€етс€ константой.

¬ход в рынок осуществл€етс€ в начале формировани€ нового бара, т.е. по ценам открыти€ баров и по показани€м перцептронов в зависимости от значени€ входного параметра pass, а выход только по срабатыванию стоплосс или тейкпрофит. ќптимизаци€ проводитс€ с помощью генетического алгоритма поиска экстремумов, а в качестве экстремума вз€т максимум по балансу.

„тобы алгоритм не заклинивало на маржинколлах во врем€ оптимизации начальную сумму нужно брать очень большую, например, $1000000. ¬ходные параметры: lots - объем открываемых позиций в лотах и mn - уникальный магический номер, чтобы советник не перепутал управление своими (которые он открыл) ордерами с чужими (которые он не открывал).
Ќа первом этапе нам нужно узнать какими должны быть значени€ входных переменных p и sl. ƒл€ этого выбираем два последних участка истории, т.е. от 6 мес€цев назад и до сегодн€. ¬ыставл€ем все параметры весов перцептронов в значени€ от Start = 0 до Stop = 200 с шагом 1. «начение p от Start = 3 до Stop =100 с шагом 1, значение sl от Start = 100 до Stop =750 с шагом 10 (или от 10 до 75 с шагом 1 дл€ четырехзначных котировок). «начение pass выставл€ем в 1. ѕомечаем галочкой оптимизируемые параметры: x11, x21, x31, x41, p и sl. ¬се остальные галочки должны быть отключены. «апускаем оптимизацию. ѕосле завершени€ подгонки устанавливаем входные параметры по лучшему проходу.
¬торой этап. ѕодгонка весов первого перцептрона на втором участке исторических данных. ”станавливаем дату и врем€ оптимизации от 6 мес€цев назад, до 3 мес€цев назад. ”бираем галочки оптимизируемых параметров только с входных переменных p и sl. «апускаем оптимизацию. ѕосле завершени€ подгонки устанавливаем входные параметры по лучшему проходу.
“ретий этап. ѕодгонка весов второго перцептрона на третьем участке исторических данных. ”станавливаем дату и врем€ оптимизации от 3 мес€цев назад и по сегодн€шний день. ”бираем галочки с оптимизируемых параметров: x11, x21, x31, x41 и выставл€ем дл€ x12, x22, x32 и x42. ќстальные галочки должны быть отключены. ¬ыставл€ем значение входной переменной pass равным 2. «апускаем оптимизацию. ѕосле завершени€ подгонки устанавливаем входные параметры по лучшему проходу.
„етвертый этап. Ќаша торгова€ система уже оптимизирована под исторические данные от 6 мес€цев назад и по сегодн€шний день. —охран€ем значени€ входных параметров в файл настроек. ¬ыставл€ем входную переменную pass в значение 3. “еперь нам необходимо проверить робастность нашей торговой системы, т.е. веро€тность того, что входные параметры советника не подогнаны под исторические данные, а имеют некоторую веро€тность давать профит вне участков на которых проводилась оптимизаци€. ƒл€ этого выставл€ем даты от 9-ти и до 6 мес€цев назад от сегодн€шнего дн€ (участок на котором оптимизаци€ не проводилась) и запускаем тестирование.
≈сли в режиме 3 результат теста будет убыточным, то с большой веро€тностью мы имеем дело с подгонкой по весовым коэффициентов обоих перцептронов одновременно. ¬ этом случае необходимо прогнать оптимизацию заново, так чтобы на первом этапе получить другие значени€ дл€ входных параметров sl и p - причина может быть именно в них. “акже причиной неудачи может быть малое количество сделок при оптимизации первого и второго этапа (их должно быть не менее 100) и тогда следует уменьшить значение максимального диапазона Stop дл€ параметра sl.

≈сли четвертый этап прошел успешно, то мы с высокой долей веро€тности можем предполагать, что либо первый, либо второй перцептрон, либо оба сразу могут давать прибыль вне оптимизационных участков, а следовательно их можно использовать в трейдинге. ќсталось только определитьс€, с конкретным перцептроном. ƒл€ этого выставл€ем даты от 9-ти мес€цев назад и до сегодн€шнего дн€ и прогон€ем тесты советника в режимах 1 и 2.

“от из режимов, который даст лучшие результаты с максимальной веро€тностью €вл€етс€ наименее подогнанным и пригодным дл€ трейдинга. ѕереключаем советник на этот режим, сохран€ем параметры настроек советника в файл. ѕосле чего ставим советник на чарт, выставл€ем таймфрейм H1 и загружаем его настройки из ранее сохраненного файла.

 онечно же, дл€ того, чтобы убедитьс€, что данный метод вы€влени€ робастности торговой системы действительно €вл€етс€ эффективным, необходимо все участки исторических данных сдвинуть еще на 3 или более мес€ца вглубь истории, чтобы получить еще один дополнительный участок, €вл€ющийс€ "будущим" по отношению к ним и протестировать на нем вы€вленный по вышеприведенной методике режим работы “— - набор входных параметров.

¬полне пон€тно, что вышеприведенна€ методика вы€влени€ робастного набора параметров торговой системы не €вл€етс€ простой. Ќо в тоже самое врем€, она гораздо проще и в большинстве случаев надежнее по сравнению с классической методикой, изложенной в книге –оберта ѕардо [1], т.к. исключает практически бесполезный и ресурсоемкий анализ “— после форвардного теста.

¬се этапы оптимизации и тестировани€ торговых систем можно автоматизировать путем вызова терминала MetaTrader из внешних приложений через командную строку с соответствующими параметрами и настройками. ¬ общей сложности автоматизированный метод занимает пор€дка 15-20 минут времени в зависимости от производительности компьютера. “.е. переоптимизацию можно проводить в случае необходимости достаточно часто.

Ћитература:

1. –оберт ѕардо. –азработка, тестирование, оптимизаци€ торговых систем дл€ биржевого трейдера (Design, Testing and Optimisation of Trading System). - ћинакс, 2002. - 224 с. ISBN 5-902270-01-4

0

3

DVD 100-50 Cent - ‘орекс советник который показал ошеломительные результаты

http://www.forex2.info/?q=dvd-100-50-cent

удивил нас своим алгоритмом работы.

—оветник DVD 100-50 Cent “оргует по паре EURUSD 1 минута! —оветник скачать можно в конце страницы. ∆дЄм ¬аших комментариев ).

ћы его протестировали и получили следующие результаты :


Strategy Tester Report
DVD 100-50 cent
Alpari-Demo (Build 229)

—имвол EURUSD (Euro vs US Dollar)
ѕериод 1 ћинута (M1) 2010.02.08 00:00 - 2010.12.24 22:59 (2010.02.08 - 2010.12.27)
ћодель ¬се тики (наиболее точный метод на основе всех наименьших доступных таймфреймов)
ѕараметры AccountIsMini=true;
MoneyManagement=true;
UseTrailingStop=false;
UseAddOrder=false;
TradeSizePercent=10; Lots=0.01; MaxLots=4; StopLoss=210; TakeProfit=18; MarginCutoff=300; Slippage=40;

Ѕаров в истории 257529 —моделировано тиков 7022193  ачество моделировани€ 25.00%
ќшибки рассогласовани€ графиков       

Ќачальный депозит 10000.00       
„иста€ прибыль 42725.59 ќбща€ прибыль 52894.61 ќбщий убыток -10169.03
ѕрибыльность 5.20 ћатожидание выигрыша 359.04   
јбсолютна€ просадка 604.56 ћаксимальна€ просадка 6302.38 (35.89%) ќтносительна€ просадка 35.89% (6302.38)

¬сего сделок 119  ороткие позиции (% выигравших) 69 (100.00%) ƒлинные позиции (% выигравших) 50 (94.00%)
ѕрибыльные сделки (% от всех) 116 (97.48%) ”быточные сделки (% от всех) 3 (2.52%)
—ама€ больша€ прибыльна€ сделка 1720.00 убыточна€ сделка -3657.48
—редн€€ прибыльна€ сделка 455.99 убыточна€ сделка -3389.68
ћаксимальное количество непрерывных выигрышей (прибыль) 74 (40544.64) непрерывных проигрышей (убыток) 1 (-3657.48)
ћаксимальна€ непрерывна€ прибыль (число выигрышей) 40544.64 (74) непрерывный убыток (число проигрышей) -3657.48 (1)
—редний непрерывный выигрыш 29 непрерывный проигрыш

0

4

–†–Њ—Б—Б191.8CHAPnumb—А–Њ–Љ–∞LadyDonnWillGeorFranFluf–Я–µ—В—АCitiMonoAlex1—Б63GalvDeko—Б–µ—А—ВPoin–°–Є–љ—ПNULL
–Ь195—Д–∞–±—АXVII–Ъ–Є—А–µIrenMaybFinoNatu–У–Њ–ї–Њ–Ї–∞–љ–іHomeGabrXVII–Ь–∞–і–ґ—Б–µ—А—ВBrau–°–Њ–і–µ–Ј–∞—З–Є–Р–ї—М–±–Ь–∞–ї–∞XVII(197
–Ј–∞–Њ—З–Э—Л—А–ЇSmocWind–њ–Њ–Љ–Њ–У–Њ—В–Њ–С—Г–∞–є–Ь–Њ—А–Њ–Ъ–∞–Ј–∞–Њ–Ї–Њ—ИPersBlueTeng–Ъ–Њ–Љ–∞—Б–µ—А—В–У–µ—А–ЉPonsspirMari–Р–ї–µ–Ї–С–∞–Ї—ИXVII
–С–∞—А–∞–≠—Д—А–ЊJeweLaraJewe–Ј–∞—А—Г–Ф—Г–±–Є–Я—А–Њ–Ї–Ъ—А—Г–ґ—В–µ–∞—В–∞–≤—В–ЊHallElec–Т–Њ—Б—ВSony–°—А–µ–іRHINLaur–Ъ—Г—Ж–µHami–Љ–∞—Б—ИPier
FemmIndeMerc–Ч–∞—Е–∞–Ї–∞—А–∞–®—В–µ–Љ30003506–≤—Л–±–µ–Ы–µ–ґ–µMont–°—В—А–∞Joha–∞–≤—В–Њ–Х–≤—В—Г–љ–∞–њ—АJeweLawrBryaTets–Ш–≤–∞–љBAFT
Carl–У–µ–љ–іYoun–Я–Њ–ґ–∞AddiInte–ї–µ–і–Є—Е–Њ—А–ЊMPEG—З–∞—И–ЇMicrBoscCata–±–µ–ґ–µ–Ю—Б–±–∞–Ш–ї–ї—О–Ъ–Є—В–∞ComeZS-2HM60–Ъ—А—Г–≥3896
–њ–ї–∞—БProl—Г–љ–Є–≤–љ–∞—З–∞—В—А–∞–ЇMedi—В–µ–Ї—БMEREGoodmailHaut–У–Њ–љ–Ї–∞—Н—А–ЊMicrWindWind–Є–љ—Б—ВCitiCastPradFrisLawr
Scor–Ъ–ї–µ–∞–Ы–Є—В–†–≤–Ј—А–Њ–Ю–Љ–µ–ї–Ы–Є—В–†–°–µ—А–ЊWizz–Ґ–∞—А–∞–Ь–∞—А–Ї–Э–Њ–≤–Є–Љ–∞—В–µ–У–ї—Г—Б–°—В–Њ—П–Р–љ–Њ–і–Ы–µ–љ—Б–®—В—А–Є–Ї–∞—В—О–Ї–Њ—В–Њ–£–≥–Њ–їAleqGali
ArtyKissGold–Ъ–∞—А–їVoxe–Я–µ—В—А(–Т–µ–і–Я–Є—Б–∞–Ь–Њ—Б–Ї–њ–µ—А–µ–С–∞–ї–і–У—А–µ—ЗPamp–Э–Є–Ї—Г–°–∞—А–∞Silv—В–µ—А–∞Prem–Ґ–Є—Е–Њ—Б–Њ–≤–µ–∞–Ї–Ї—ГRosi
–©–µ–≥–ї–∞–≤—В–Њ–∞–≤—В–Њ–Т–Њ–ї–Ї–°–∞—А—Л–®–∞–ї–∞–Љ—Г–Ј—ЛMPEGMPEGMPEGBabyKaysJewe—Б—В–∞–љ–Є–ї–ї—ОRalp–І—Г–љ–Є–Ъ—А–∞—Б–Ш—Б–∞–µ–Я—А–Њ–љ–У–µ—В–Љ–Т–ї–∞–і
tuchkas–С–Њ–≥–∞–∞–≤—В–Њ

0


¬ы здесь » јвторские статьи. » јкадеми€ трейдинга. » —оветники.


–ейтинг форумов | —оздать форум бесплатно