Энциклопедия торговых стратегий

Энциклопедия торговых стратегий

Методология тестирования модели

Методология тестирования модели, основанной на точке разворота Методология идентична использованной для модели на обращенном во времени Медленном %К. Набор фактов генерируется, загружается в N-TRAIN, масштабируется и перетасовывается. Набор сетей по 3 - 4 слоя нейронов обучается до максимальной сходимости и "полируется". Рассчитываются статистические показатели, такие как скорректированная на избыточную подгонку корреляция. Результаты тестирования моделей, основанных на точке разворота Прогнозирование минимумов. Структура табл. 11-2 идентична табл. 11-1. Как и в случае с нейронной сетью, обучавшейся прогнозированию обращенного во времени Медленного %К, между числом связей в сети и множественной корреляцией выхода с целью наблюдалось растущая связь; т.е. корреляция была выше для более крупных сетей. Сеть, в общем, обучалась на наборе из 23 900 фактов, что меньше, чем сеть для прогноза обращенного Медленного %К. Различие в количестве фактов объясняется тем, что использовались только случаи, где завтрашняя цена открытия могла представлять точку разворота. Поскольку факты для прогнозирования минимумов отстояли дальше друг от друга, резонно заключить, что избыточность в этой выборке будет ниже. При коррекции использовались следующие эффективные размеры выборок: 23 919 фактов (исходная) и 8000 (эффективная выборка со сниженным количеством фактов). После коррекции наилучшие результаты были показаны самой большой из двух 4-слойных сетей, вторая 4-слойная сеть также была весьма ...[ ... ]

Прогнозирование максимумов.

Прогнозирование максимумов. В табл. 11-3 приводятся показатели различных нейронных сетей, обученных на наборе из 25 919 фактов. Показатели и здесь были напрямую связаны с размером сети - большее количество связей приводило к лучшему результату. После умеренной коррекции коэффициентов корреляции только малая 4-слойная сеть не подчинилась этой закономерности, показав большую, чем ожидалось, корреляцию. При более сильной коррекции (в расчете на высокую степень излишней подгонки под исходные данные) выделялись только две 4-слой-ные сети, причем наибольшая сеть (nn9.net) показала самую высокую корреляцию. Одна из 3-слойных сетей (nn4.net) также показала достаточно высокий результат и была отобрана для проведения собственно теста. ...[ ... ]

РЕЗУЛЬТАТЫ ТОРГОВЛИ

РЕЗУЛЬТАТЫ ТОРГОВЛИ ДЛЯ ВСЕХ МОДЕЛЕЙ В табл. 11-4 приведены лучшие показатели, полученные для данных, находящихся в пределах выборки, а также эффективность портфеля на данных в пределах и вне пределов выборки. Приведены показатели для всех комбинаций приказов, сетей и моделей. В таблице: ВЫБ - вид выборки данных (В - в пределах, ВНЕ - вне пределов выборки); ДОХ% - доходность в процентах годовых; Р/ПРИБ - соотношение риска/прибыли в годовом исчислении; ВЕР - ассоциированная вероятность статистической достоверности; СДЕЛ - число сделок на всех рынках в составе портфеля; ПРИБ% - процент прибыльных сделок; $ С Д Е Л - средняя прибыль/ убыток со сделки; ДНИ - средняя длительность сделки в днях; ПРИБДЛ - общая прибыль от длинных позиций в тысячах долларов; ПРИБКР- общая прибыль от коротких позиций в тысячах долларов. Столбцы PI, P2, РЗ представляют значения параметров: Р1 - пороговое значение, Р2 - номер нейронной сети (согласно табл. 11-1 - 11-3), РЗ- не использовался. Во всех случаях приведены те пороговые значения Р1, которые обеспечивали максимальную эффективность в пределах выборки. Вне пределов выборки были использованы те же значения. Порог для обращенного во времени Медленного %К оптимизировался для каждого вида приказов с помощью прогонки параметра Р1 от 50 до 90 с шагом 1. Для моделей прогнозирования разворотных точек пороговые значения прогонялись от 20 до 80 с шагом 2. В обоих случаях оптимизация проводилась только в пределах выборки, и лучшие параметры затем использ ...[ ... ]

Результаты торговли

Результаты торговли для модели, основанной на обращенном Медленном %К Две выбранные нейронные сети с максимальной вероятностью устойчивой работы вне пределов выборки (согласно их скорректированным корреляциям) были исследованы в отношении их торговой эффективности. Первая сеть была 3-слойной (18-6-1 нейронов), вторая 4-слойной (18-14-4-1 нейронов). Результаты для сети 18-6-1. В пределах выборки, как и ожидалось, результаты были великолепными. Средняя сделка приносила более $6000 прибыли при всех видах входов, годовая прибыль составляла от 192,9% (вход по цене открытия, тест 1) до 134,6% (вход по стоп-приказу, тест 3). Такие результаты были получены на основе подгонки под данные сложной модели из 114 свободных параметров. Стоит ли за этим что-то, кроме излишней подгонки? Видимо, да. При использовании входа по стоп-при-казу вне пределов выборки удалось получить некоторую прибыль - средняя сделка принесла $362. Хотя вне пределов выборки другие виды входов были убыточными, эти убытки были меньше, чем наблюдавшиеся при тестировании других систем в предыдущих главах: при входе по цене открытия убытки составляли только $233 в сделке, а при входе по лимитному приказу (тест 2) - $331. Как это случалось и с другими моделями, вход по стоп-приказу работал лучше,чем вход по лимитному приказу. Вне пределов выборки система была прибыльна со всеми видами входов при торговле только длинными позициями. Короткие позиции были убыточны со всеми видами входов. Эффективность системы в предела ...[ ... ]

Результаты торговли

Результаты торговли для модели, основанной на нижней точке разворота Две выбранные нейронные сети с максимальной вероятностью устойчивой работы вне пределов выборки (согласно их скорректированным корреляциям) были исследованы в отношении их торговой эффективности. Ниже рассмотрена эффективность большей (18-20-6-1) и меньшей из них (18-10-1). Результаты для сети 18-10-1. В пределах выборки эта сеть работала чрезвычайно прибыльно, что при такой степени подгонки неудивительно. Вне пределов выборки и эта система относилась к числу сильно убыточных. Для всех трех видов входов (по цене открытия, по лимитному приказу и по стоп-приказу - тесты 7, 8 и 9 соответственно) средний убыток в сделке составил около $2000, что типично для многих рассмотренных ранее убыточных моделей. Убытки были тем более примечательны, что модель вела торговлю только длинными позициями, обычно более выгодными, чем короткие. В пределах выборки только четыре рынка не были высокоприбыльными: британский фунт, серебро, живой скот и кукуруза. Рынок серебра, как известно, вызывал проблемы у всех испытанных моделей. Вне пределов выборки сеть приносила прибыль при всех видах входов на рынках S&P 500, иены, сырой нефти, неэтилированного бензина, палладия, соевых бобов и соевого масла. По крайней мере с одним из видов входов работали прибыльно еще несколько рынков. График изменения капитала показывал постоянный рост вплоть до конца периода выборки, откуда начиналось постоянное снижение. Результаты для сети 18-20-6-1 ...[ ... ]

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60