거래 시스템 커브 피팅

노 커브 피팅 : 트렌드 추종자는 강력한 거래 시스템을 사용합니다.

거래 시스템을 평가할 때는 다음 표준을 준수하십시오.

다양한 시장 군에서 수익성이 있습니다. 곡선 적합성 또는 지나치게 최적화 된 성향이 아닙니다. 다양한 매개 변수를 통해 유익합니다. 그것의 논리 및 규칙은 블랙 박스 측면없이 완전히 공개되어야합니다.

커브 피팅에 대한 추가 정보.

추세는 곡선에 적합하지 않습니다. 곡선 맞춤 시스템은 거래하는 각 시장에 따라 거래 규칙을 다르게 맞춤화하여 비현실적인 결과를 산출합니다. 경향 추종 규칙은 각 시장에서 동일합니다. 컴퓨터 기술은 거래 시스템을 과도하게 최적화하고 잘 보이는 것을 생산하는데 쉽게 사용될 수 있습니다. 수천 가지 가능성을 테스트함으로써 작동하는 시스템을 만들 수 있습니다. 그러나 현실 세계에서는 마법적이고 완벽한 시스템을 만들려고 애 쓰고 있습니다. 경향 추종 매개 변수 또는 규칙은 다양한 값 범위에서 작동합니다. 값 범위에서 작동하는 시스템 매개 변수는 견고합니다. 시스템의 매개 변수가 약간 변경되고 성능이 크게 조정되면주의하십시오. 예를 들어, 시스템이 20에서 훌륭하게 작동하지만 19 또는 21에서 작동하지 않는 시스템은 견고성이 약합니다. 반면에 시스템 매개 변수가 50이고 40 또는 60에서도 작동하면 시스템이 훨씬 강력하고 안정적입니다. 상인은 종종 시스템을 볼 때 미래 이익에만 초점을 맞 춥니 다. 그러나 핵심은 위험 관리 (또는 자금 관리)입니다. 위험을 통제하고 수익을 내면 장기적으로 더 큰 돈을 벌 수 있습니다. 견고하고 적응력있는 매개 변수를 가진 좋은 시스템은 재 최적화를 요구하지 않아야합니다. 추세 다음은 변화하는 시장 상황에 적응하는 지표와 매개 변수를 사용합니다.

추종 제품.

마이클 코벨 트렌드 제품.

최근 게시물.

Speculari 2017 년 12 월 6 일 날아 다니는 거품이 큰 시장 기회를 남깁니다. 2017 년 11 월 17 일 돈을 따라가는 추세를 보여주세요. 2017 년 11 월 16 일 월스트리트 전문 용어는 2017 년 11 월 5 일을 혼동 시키도록 설계되었습니다. Michael Covel로부터 2017 년 11 월 4 일에 대한 투자 기대.

Daily Post Archives.

Traders Archive.

클래식 도서 & amp; 필름.

Podcast 추세.

Trend Following ™은 iTunes에서 6M + 수신 대기로 2 위를 기록했습니다. 어디서나 무료로 들어보세요 : iTunes, iHeartRadio, Google, Stitcher, RSS.

마켓 마법사 레슨.

작은 마을 사람은 1970 년대 주유소에서 시작하여 1 억 달러 상당의 거래 전설이됩니다. 무료 비디오를 보내고 받으십시오.

# 2 억만 장자 데이비드 하딩 (David Harding)은 작게 시작되어 트렌드 추종자가되었고 지금은 거래 전설입니다. 여기에서 그의 이야기를 읽으십시오.

구독하고 시장 마법사 비디오를 수신하십시오.

&부; 2004-17 TurtleTrader & reg; 추세 및 무역; 판권 소유. | 사이트 맵 | RSS.

추세 및 트레이드 정보; 마이클 Covel 및 / 또는 추종자의 서면 허가없이 사이트 네트워크를 복사, 재 인쇄 또는 재배포 할 수 없습니다 (그러나 서면 허가는 일반적으로 쉽게 부여됩니다). 이 웹 사이트의 목적은 투자, 위험, 경제, 심리학, 인간 행동, 기업가 정신 및 혁신 전반에 걸쳐 아이디어를 자유롭게 교환하도록 장려하는 것입니다. 이 웹 사이트의 전체 내용은 달리 명시되지 않는 한 Michael Covel의 의견을 기반으로합니다. 개별 기사는 각 저자의 의견을 바탕으로하며, 지적 된대로 저작권을 유지할 수 있습니다. 이 웹 사이트의 정보는 마이클 코벨 (Michael Covel)과 그의 커뮤니티의 연구 및 경험에 대한 지식과 정보를 공유하기위한 것입니다. 여기에 포함 된 정보는 프로파일 된 모든 고문과의 투자를위한 초대장으로 사용하도록 고안되지 않았습니다. 이 사이트의 모든 데이터는 여기에 언급 된 관리자가 CFTC, SEC, Yahoo Finance, Google 및 공개 문서에서 직접 제공합니다. 우리는 모든 데이터가 정확하다고 가정하지만 출처에서 제기 된 오류, 누락 또는 사무 오류에 대해 책임을지지 않습니다. 추세 및 무역; 다양한 투자 조사 및 투자 정보 제품을 판매 및 판매합니다. 독자는 주식, 통화, 옵션, 상품, 선물 계약, 전략 및 증권 계좌 모니터링에 대한 전적인 책임이 있습니다. 추세 무역 및 그 자회사, 직원 및 대리인은 거래를 권유하거나 실행하거나 투자 자문을 제공하지 않으며 연방 또는 주정부 기관에 중개인 또는 고문으로 등록되지 않습니다.

트렌드 팔로우 & 트레이드; TurtleTrader & reg; TurtleTrader & reg; Trend Following의 상표 / 서비스 마크입니다. 추후 추후 네트워크 사이트에 나타나는 기타 상표 및 서비스 마크는 추종자가 소유하거나 추후 추종자가 아닌 제 3자를 포함하여 다른 당사자가 소유 할 수 있습니다.

트렌드를 따르는 유일한 동향; 다큐멘터리 영화 : Watch.

© 2004-17 동향 Follow ™ All Rights Reserved.

Trend Follow ™, TurtleTrader®, TurtleTrader®는 Trend Follow의 상표 / 서비스 마크입니다. 추후 추후 네트워크 사이트에 게재되는 기타 상표 및 서비스 마크는 추종자가 소유하거나 추종자가 아닌 제 3자를 포함하여 다른 당사자가 소유 할 수 있습니다.

내 2017 년 장엄한 자료를 확인하십시오 : 추세 : 황소, 곰 및 검은 백조 시장에서 재산을 만드는 법. 개정 된 내용과 두 배의 내용으로 확장. 2017 년 4 월 24 일 5 판.

커브 피팅 및 최적화.

최적화 및 곡선 피팅이라는 주제는 특히 지난 10 년 동안 거래 시스템 개발자들에 의해 많은 주목을 받았습니다. 이 주제와 다른 견해에 대해 많은 혼란이 있으며, 일부는 상충됩니다. 최적화와 곡선 피팅이 불가피하고 필요하다고 주장하는 사람들이 있지만, 다른 사람들은 그러한 관행과 방법의 결과 인 거래 시스템이 결국 실패 할 것이라고 주장합니다. 작년부터 나는이 중요한 문제에 대해보다 체계적인 시각을 제공하는 최적의 커브 피팅 시스템을 3 단계로 분류하여 게시했습니다.

커브 피팅이란 무엇입니까?

수학에서 커브 피팅은 구속 조건에 따라 일부 객관적인 함수가 최대화 (또는 최소화)된다는 의미에서 데이터 요소 모음에 가장 잘 맞는 커브를 찾는 프로세스입니다. 예를 들어, 최소 제곱은 제곱 된 잔차의 합을 최소화하는 곡선 맞춤 방법입니다. 잔여는 실제 값과 실제 값의 차이입니다. 최적으로 맞추기 위해이 방법을 사용할 때 최소화 할 목적 함수는 제곱 된 나머지의 합입니다. 따라서, 가장 좋은 것이 단지 선택된 목표에 대해서만 정의되고 커브 피팅은 본질적으로 최적화의 결과라는 것을 즉시 알 수 있습니다.

다음으로 커브 피팅의 개념이 거래 시스템 설계에 어떻게 적용되는지 살펴 보겠습니다. 거래 시스템은 진입 및 퇴장 신호의 수집을 생성하는 프로세스입니다. 일반적으로 거래 시스템의 알고리즘 또는 모델에는 일련의 매개 변수가 포함됩니다. 실제 거래에서 시스템이 가장 잘 수행되도록 매개 변수의 값을 선택해야합니다. 일부 매개 변수 함수가 최대화 (또는 최소화)되도록 히스토리 데이터에 대해 시스템을 역 테스트하여이 매개 변수를 설정하는 것이 일반적입니다. 예를 들어, 두 가지 가능성을 언급하기 위해 순이익이 최대화되거나 최대 축소가 최소화되도록 매개 변수를 설정할 수 있습니다.

커브 피팅 및 최적화.

거래 시스템이 진입 및 퇴출 신호의 수집을 생성하는 프로세스라는 정의를 채택하면 본질적으로 매개 변수가 백 테스트를 통해 조정될 때 신호의 타이밍이 매우 다양하다는 것을 깨닫게됩니다 그런 식으로 역사적인 데이터에 맞추어 목적 함수가 최적화되도록합니다. 이는 단순히 역사적인 데이터에 가장 잘 맞는 커브를 찾으려고하는 것이 아니라 출구 신호와 함께 어떤 목표를 최대화하는 진입 신호의 최상의 수집을 찾는 것이기 때문에 일반적인 감각으로 커브 피팅이 아닙니다. 이 과정은 단순한 바닐라 곡선 맞춤보다 훨씬 복잡하고 복잡합니다. 성능과 관련된 목적 함수를 최대화하는 선택 또는 입 / 출력 신호의 타이밍과 관련됩니다. 곡선 맞춤 문제가 아닌 최적화 문제입니다. 이미 언급했듯이 커브 피팅은 최적화를 포함 할 수 있지만 후자는 훨씬 더 넓은 범위의 프로세스이며 커브 피팅보다 더 많은 가능성을 포함합니다. 따라서, 곡선 적용 시스템보다 최적화 된 시스템을 참조하는 것이 더 낫습니다. 그러나 이것은 깊이있는 프로세스를 이해하는 사람들에게 더 많은 의미 론적 문제가 될 수 있습니다.

예를 들어, SMA (t1) & gt; 0 일 때 긴 엔트리 신호를 생성하는 간단한 이동 평균 크로스 오버 시스템을 고려하자. SMA (t2) (여기서, t1 및 t2는 t2 & gt; t1 및 SMA (t1) & lt; SMA (t2). 가장 단순한 형태로, 이것은 정지 및 역방향 시스템이며, 즉 반대 신호가 발생하면 이전 위치가 폐쇄 및 반전된다. t1과 t2의 값을 선택하지 않으면이 시스템을 실제로 사용할 수 없습니다. 과거 데이터에 대한 백 테스트를 사용하여 성능 최적화를 통해 이러한 값을 선택할 수 있습니다. 이 프로세스가 "곡선에 맞게"매겨 졌기 때문에 실제 거래에서 실패하는 시스템을 초래한다는 것은 널리 알려진 믿음입니다. 이 신념이 사실입니까?

사실, 문서화 된 최적화 된 시스템의 실패는 주로 최적화 때문이거나 일반적으로 "곡선 피팅 (curve-fitting)"이라고 불리는 것을 수학적으로 증명 한 사람은 없습니다. 실패가 단순히 시장의 변화하는 환경에 적응하기 위해이 시스템이 기반으로하는 알고리즘의 본질을 사용할 수 없기 때문일 수 있습니다. 실제로 이것은 대부분의 지표가 가격에 비해 뒤떨어지기 때문에 가능성이 더 큽니다. 따라서 최적화 된 거래 시스템이 어느 시점에서 매개 변수 값에 대해 실패 할 가능성이 더 큽니다. 시스템의 특성이며 실패의 원인이되는 최적화는 아닙니다. 지표를 기반으로하는 대규모 거래 시스템은 실패 가능성이 높지만 거래 시스템 개발 경험을 토대로 매개 변수 설정을위한 최적화 프로세스에 잘못 적용된 것입니다. 작은 값의 변화로 인해 안정적인 성능을 얻을 수 있도록 매개 변수가 설정되었는지 여부는 중요하지 않습니다. 이것은 사용 된 최적화 방법의 무결성 문제는 아니지만 이러한 거래 시스템의 본질에 대한 문제입니다. 그럼에도 불구하고 진입 및 퇴출 수집을 선택하는 최적화는 생존자 편견을 유발하기 때문에 일반적으로 문제가되는 과정입니다. 과거에 가장 잘 수행 된 컬렉션을 선택하면 많은 컬렉션이 실패한 사실을 간과하게됩니다.

단순 이동 평균 크로스 오버 시스템으로 되돌아 가면 특정 과거 데이터 시리즈에서 t1 및 t2의 값을 변경하면 입력 및 종료 신호의 타이밍이 변경되는 경우가 많다는 것을 쉽게 이해할 수 있습니다. 이 경우 일부 목적 함수가 최대화되도록 매개 변수의 특정 값에서 나오는 진입 및 종료 신호의 콜렉션을 선택하면 특정 콜렉션이 생존했을 가능성이 있기 때문에 심각한 바이어스가 발생합니다. 단순 이동 평균 크로스 오버 예제에서 각 콜렉션은 진입 점과 종료점이 모두 다르다는 점에서 다른 것과 완전히 다릅니다. 생존 편향을 최소화하여 최적화 프로세스의 무결성을 손상시키지 않기 위해 할 수있는 일은 무엇입니까? 이 질문은 매개 변수 최적화로 인해 다른 유형의 시스템이 어떻게 영향을 받는지 처음 이해하면 대답 할 수 있습니다.

최적화 된 거래 시스템의 3 단계 분류.

최적화가 입력 및 이탈 지점 수집에 미치는 영향과 관련하여 다음과 같은 세 가지 유형의 시스템을 구별 할 수 있습니다.

Type-I 커브 핏 (Type-I curve-fit) : Type-I 시스템의 파라미터를 조정할 때 이전에 고려한 단순 이동 평균 크로스 오버 시스템과 마찬가지로 입구 및 출구 신호가 모두 영향을받습니다. 이 경우 최적화 및 커브 피팅은 서로 완전히 다른 입구 및 출구 신호 모음을 생성하고 가장 잘 수행되는 것을 선택하면 최대 편향을 도입합니다. 이러한 시스템은 가장 높은 실패 확률을 갖습니다.

Type-II 곡선 맞춤 : Type-II 시스템의 매개 변수를 조정하면 입력 신호 만 영향을받습니다. 이 경우 최적화 및 커브 피팅은 입력 부분에서만 다른 입력 및 종료 신호 모음을 생성합니다. 선택으로 Type-I 시스템보다 편향이 적습니다. 이러한 시스템은 유형 - I 시스템보다 오류 확률이 적습니다. 예 : SMA (t1) & gt; SMA (t2) 및 Price & lt; P1과 P2가 고정 가격 (이익 가격과 정지 가격) 인 경우 P1과 P2에서 P와 Exit를 길게 입력하십시오.

Type-III 곡선 맞춤 : Type-III 시스템의 매개 변수를 조정하면 이탈 신호 만 영향을받습니다. 이 경우 최적화 및 커브 피팅은 출구 부분에서만 다른 입 / 출력 신호 모음을 생성합니다. 선택으로 Type-I 또는 Type-II 시스템보다 편향이 적습니다. 이러한 시스템은 입력 신호의 타이밍이 최적화의 영향을받지 않으므로 가장 낮은 실패 확률을 갖습니다. 예 : 오늘의 휴무> & gt; 2 일 전 마감 후 엔트리 가격 + x 포인트 또는 엔트리 가격 - y 포인트에서 오랫동안 종료하십시오. 여기서 x와 y는 최적화 할 매개 변수입니다 (이익 목표 및 중지 손실).

일반적으로 지표를 포함하는 시스템은 Type-I 곡선 맞춤을 포함합니다. 실제로 Type-II 곡선 맞춤 시스템은 거의 사용되지 않습니다. Type-III 커브 핏 시스템은 순수한 가격 패턴과 가격 결정에만 기반한 시스템을 기반으로하는 광범위한 시스템을 포함합니다.

거래 시스템을 발견하는 대부분의 소프트웨어 프로그램은 자동으로 Type-I 시스템을 생성합니다. 이러한 시스템은 특성상 실제 거래 중 실패 할 확률이 높으므로 결과의 중요성을 측정하기 위해 수행하는 통계 테스트의 수와 무관합니다. Type-III 시스템 만 자동으로 검색하는 소프트웨어 프로그램의 예로 Price Action Lab이 있습니다. 이 프로그램의 검색 알고리즘은 최적화 된 시스템의 Type-III 클래스에 속하는 가격 패턴을 검색하면서 최소 바이어스를 도입하도록 설계되었습니다.

결론적으로 우리는 모든 시스템이 한 방향으로 또는 다른 방향으로 존재하기 때문에 시스템이 최적화되었는지 여부가 문제가 아니라 최적화가 시스템의 성격으로 인해 시스템이 실패 할 확률에 어느 정도 영향을 미치는지에 대해 기술 할 수 있습니다. 물론, 시스템은 다른 모든 이유로 실패합니다. 그러나이 짧은 글에서는 최적화와 커브 피팅 (curve-fitting)을 다루었습니다. 위에 정의 된 Type-III 곡선 맞춤 시스템은 적절하게 설계된 경우 가장 낮은 실패 확률을 갖는 것으로 보입니다.

곡선 피팅없이 최적화하십시오!

이 간단한 안내서는 히스토리 데이터에 대한 전략을 커브 피팅하지 않기위한 최상의 기술을 보여줍니다. 이 정보를 읽으면 라이브 시장에서 전략이 작동 할 수 있습니다.

저자 소개 Michael Harris.

Michael Harris는 거래 전문가이자 위치 및 스윙 거래자를위한 고급 패턴 인식 소프트웨어 개발 업체입니다. 마이클은 APS Automatic Pattern Search 소프트웨어를 개발하여 가격 인상 패턴을 기반으로하는 고급 기술 분석 지표 인 p-Indicator를 포함한 프로그램 인 Price Action Lab을 개발했습니다. 또한 기관 투자자 및 헤지 펀드에 대한 거래 시스템 개발 및 시장 분석에 대한 컨설팅 서비스를 제공합니다.

과거 마이클은 여러 금융 회사에서 일해 왔으며 채권 포트폴리오 최적화 프로그램과 상품 및 주식 거래 시스템을 개발했습니다. 1989 년부터 그는 활성 상인으로 활동 해 왔습니다.

Michael은 베스트셀러 작가이기도합니다. 그의 첫 번째 저서 "가격 패턴을 이용한 단기 거래"는 1999 년에 출판되었습니다. 2000 년과 2008 년에 다른 2 권의 "가격 패턴을 가진 주식 거래 기법"과 "수익성과 체계적 거래"가 각각 발간되었습니다.

관련 게시물.

부서진 전략 또는 시장 변화 : 실적 저조 여부 조사.

어떤 작품을 찾았는지, 그리고 작동하지 않는 것.

주식 곡선 거래 & # 038; 을 넘어서.

인기 게시물.

2013 년 Connors 2 기간 RSI 업데이트.

이 단순한 지표는 돈을 다시 벌어들입니다.

아이비 포트폴리오.

Simple Gap 전략 개선, Part 1.

Capital Evolution LLC의 저작권 © 2017. - Thrive Themes에 의해 설계된 | WordPress에 의해 구동.

다시 로그인하십시오. 로그인 페이지가 새 창에서 열립니다. 로그인 한 후 닫고이 페이지로 돌아갈 수 있습니다.

주식 거래를 배우십시오 :

커브 피팅 - 왜 문제가 되는가?

커브 피팅이 시스템 트레이더의 악의적 인 천적이라고 말하는 것으로 시작하겠습니다. & # xa0; 문제가 얼마나 깊은 지 완전히 인식하는 데 조금 시간이 걸리지 만 수학적 관점에서 설명하려고합니다.

& # xa0; 주식 거래에 대해 자세히 알아보십시오.

주식 거래를 배우고 누군가가 길을 안내하여 통제 상태를 유지하고 수익을 올릴 수있는 방법을 배우고 싶다면 오른쪽의 이미지를 클릭하여 고유 한 새 프로그램을 확인하십시오.

나는 & # x0; 주식 거래를 빠르게 배우고 거래 질문을 해결하는 데 도움을 줄 것입니다.

이미지를 클릭하고를 입력하면 필요로하는 지원으로 신속하게 주식 거래를 배울 수있는이 독특한 새 프로그램에 대해 자세히 알아보십시오.

수학에서 일련의 데이터에 в~~fit†™ 선을 적용 할 수 있습니다. & # xa0; 이것은 데이터를 설명하고 주어진 입력에 대해 출력이 무엇인지 예측하려는 시도입니다. & # xa0; 예를 들어, 다음 데이터는 여러 가지 유형의 방정식을 사용하여 근사값을 구할 수 있습니다 вЂ|

생 데이타를 기술하기 위하여 사용될 수 있던 가장 간단한 방정식은 똑 바른 선이다; doesn†™ t는 모든 점을 정확하게 적합 하, 그러나 아주 좋은 해결책이다. & # xa0;

그러나, 당신이 선이 자료를 정확하게 적합하지 않았다는 것을 당신이 결정한 경우에, 당신은 온건 한 방정식을 dataвЂ|에 적합하기 위하여 사용할 수 있었다. 이것은 아직도 모든 점을 정확하게 적합하지 않으며, 그러나 더 나은 적합이기 위하여 본다. 데이터에.

보다 극단적 인 자세를 취하면 모든 데이터 요소에 정확히 맞는 곡선 방정식을 만드는 복잡한 방정식을 고안 할 수 있습니다.

위에서 아래로 이동하면서 데이터를 설명하기 위해 점차 복잡한 방정식을 만들었습니다. & # xa0; 따라서 마지막 이미지에서 데이터는 방정식으로 정확하게 설명됩니다. 그러나 마지막 이미지는 데이터 포인트를 정확하게 맞추기 때문에 새로운 입력을 기반으로 미래의 데이터를 예측할 수 없으므로 첫 번째 이미지에 표시된 단순 방정식만큼 유용하지는 않습니다. 예를 들어, 최종 방정식을 사용하여 20의 입력에 대해 출력이 무엇인지 예측하는 경우, 대답은 기존 데이터 세트와 유사하지 않은 극단 값입니다. 상단의 간단한 방정식을 사용하여 20의 입력 값에 대한 출력을 예측했다면 이미 가지고있는 데이터와 일치하는 합리적인 답을 얻을 수 있습니다.

실험 데이터에 곡선을 맞추는 것은 거의 없기 때문에 항상 데이터에 노이즈가 있기 때문에 올바른 관계를 제공합니다. 관계가 무엇인지 논리적으로 생각한 다음 논리적 관계를 사용하여 데이터에 방정식을 맞추는 것이 훨씬 더 유용합니다.

지금 let†™ s는 이것을 tradingвЂ|에 적용합니다

거래 시스템을 설계 할 때 우리는 언제 거래를 시작하고 종료할지 결정하는 일련의 규칙을 고안합니다. 이러한 규칙을 코딩하고 과거 데이터를 테스트하면 시스템이 과거에 얼마나 효과가 있었는지 평가할 수 있습니다.

초기 규칙 집합을 설계 한 후에 일반적으로하는 일은 규칙을 변경하거나 추가하여 시스템을 개선 할 수있는 방법을 찾는 것입니다. 그런 다음 조정 된 시스템을 과거 데이터에 대해 다시 테스트하고 새 규칙이 얼마나 나은지 판단합니다.

거래자가 곤경에 처하게되는 곳은 거래 시스템에 많은 특정 규칙을 추가함으로써 과거 데이터에서 최고의 실적 수치를 얻는데 너무 집중하게되는 경우입니다. 기록 데이터가 적용되는 기간에 특정한 규칙이 너무 많으면 과거 데이터를 실행할 때 시스템이 매우 좋아 보이지만 새로운 데이터로 실시간으로 교환 할 때 예측력이 없습니다 (위의 마지막 차트와 같이) 그것은 돈을 잃는다.

극단적 인보기 (예를 들면)를 위해, let†™ s는 우리가 우리의 체계를 시험하고 있다는 것을 말하고 우리가 9 월의 마지막 날에 우리의 위치 전부를 나가면 우리는 과거에 큰 손실을 피할 수 있음을 발견했다. 이 규칙에 대한 논리적 근거는 없지만 지난 데이터에서 10 월에 시장이 추락하여 시장이 밤새 30 % 하락했습니다 (가상의 예입니다). 따라서 당신의 테스트는 в~SS Exit Exit Exit Exit Exit ExitSSSSSS rule rule rule rule rule rule rule rule rule rule rule rule rule rule rule rule rule rule rule rule rule rule rule rule rule rule rule rule rule rule rule rule rule rule rule rule rule rule rule rule rule rule rule rule rule rule rule rule rule rule rule rule rule rule rule rule rule rule rule rule rule rule rule rule rule rule rule 당신은 당신의 역사적인 테스트가 환상적인 성과 수치를 보여주기 때문에 당신이 챔피언 상인이라고 생각합니다. 그러나이 시스템을 장래에 실시간으로 거래 할 때 합리적인 이유가없는 9 월에 당신의 거래를 끝낼 것입니다 вЂ| 성과는 매우 끔찍할 것입니다. 결과.

곡선 피팅 결론 :

커브 피팅은 사악하다. 거래자는 단순하고 논리적 인 규칙이 필요하다. 거래 시스템이 실시간으로 작동하기 위해서는 적은 수의 규칙이 필요하다. 우리는 서로 다른 데이터 집합을 테스트함으로써 시스템이 얼마나 잘 맞는지 테스트 할 수 있습니다. & # xa0; 예를 들어, 호주 주식 데이터를 사용하여 거래 시스템을 설계하고 sample†™ 테스트의 вЂ~out으로 미국 주식 데이터 시스템을 테스트했습니다. 시스템이 호주 데이터에 너무 많이 비례한다면, 미국의 성능은 호주의 역사적인 테스트보다 훨씬 나빠질 것입니다. 그러나 설계 한 시스템이 실제 시장에서 견고하고 단순하다면 여전히 미국 데이터에서 작동해야합니다.

& # xa0; 주식 거래에 대해 자세히 알아보십시오.

주식 거래를 배우고 누군가가 길을 안내하여 통제 상태를 유지하고 수익을 올릴 수있는 방법을 배우고 싶다면 오른쪽의 이미지를 클릭하여 고유 한 새 프로그램을 확인하십시오.

나는 & # x0; 주식 거래를 빠르게 배우고 거래 질문을 해결하는 데 도움을 줄 것입니다.

이미지를 클릭하고를 입력하면 필요로하는 지원으로 신속하게 주식 거래를 배울 수있는이 독특한 새 프로그램에 대해 자세히 알아보십시오.

관련 기사:

거래 원칙.

약.

저작권 © 트레이딩 시스템 라이프 PTE. LTD. 2013 - 2015. 모든 권리는 저작권자의 소유입니다.

기계적인 Forex.

기계 거래 전략을 사용하여 외환 시장에서 거래합니다.

곡선 피팅 무역 SystemsвЂ| 그것은 피할 수 있습니까?

어쨌든 커브 피팅이란 무엇입니까? 간단히 설명하면, 이 용어는 어떤 주어진 곡선 (curve) 또는 데이터 집합은 임의의 복잡성을 가진 주어진 수학 함수에 의해 설명 될 수있다. 즉, 데이터 집합의 모든 항목을 절대 정확도로 예측할 수있는 수학 함수를 항상 찾을 수 있습니다. 그러나이 함수는 전혀 예측 능력이 없을 수 있습니다. 예를 들어 데이터 세트 1,2,3,4를 고려하십시오. 다음 번호를 예측할 수 있습니까? 데이터 세트의 모든 항목을 예측할 수있는 함수를 즉시 생각할 수 있지만 다음 세트를 예측할 수 있습니까? 그럼 다음 사람이 12 살이라면? 이전의 모든 항목을 성공적으로 예측할 수 있었지만 기능에는 예측 기능이 없습니다.

주어진 시스템이 과거에 시장의 비 효율성을 악용 할 수 있었기 때문에 비효율이 미래에 나타날 것이라는 보장이 없기 때문에 문제는 거래에 적용됩니다. 보통 최적화는 커브 피트 트레이딩 시스템에 적합합니다. 최적화가 수행하는 것은 단순히 함수 매개 변수를 조정하는 것입니다. 문제에 대해 수학적으로 건전한 답을 찾아야합니다. 최적화가 더 우수하고 엄격해질수록 시스템이 커브에 더 잘 맞을수록 신경 네트워크가 더 복잡해집니다. 최적화에서 우수함 - 성공적인 거래 시스템에서는 항상 데이터를 과도하게 커브로 맞추기 때문에 실패하는 경향이 있습니다.

그렇다면 우리는 어떻게 쓸모없는 커브가 달린 전문가 고문으로 끝날 가능성이 가장 적은 거래 시스템을 만들 수 있습니까? 첫 번째 중요한 측정은 가능한 한 오랜 기간 동안 시뮬레이션을 수행하는 것입니다. 거래 기간이 길어질수록 통계적으로 유의미한 데이터 세트가되며 시스템의 커브 피팅 허용 가능성이 낮아집니다. 오랜 기간은 커브 피팅을 매우 어렵게 만드는 다양한 시장 조건을 도입합니다. 그러나 거래의 수 또한 매우 중요합니다. 주어진 장기 거래 기간 동안 더 많은 거래를하는 것이 EA가 거래하고 성공할 수있는 더 많은 시장 조건을 의미하기 때문에 (커브 피팅에 비해) 더 좋습니다.

커브 피팅의 또 다른 중요한 측면은 거래 시스템의 지나치게 상관되고 철저한 최적화를 피하는 것입니다. 거래 시스템은 한 번에 하나의 변수에 최적화하거나 지나치게 세부적으로 들어가는 일없이 최대 2 개의 교차 관련 변수를 사용해야합니다. 예를 들어 EA가 20에서 50까지의 매개 변수를 가지면 모든 값 (20, 21, 22 등)의 전체 최적화를 실행하는 대신 2 단계 (20, 22, 24 등)로 최적화하는 것이 좋습니다. ).

또 다른 좋은 아이디어는 매우 견고한 수익성을 확보하는 것입니다. 즉, 최적화 결과가 두꺼운 클러스터를 형성해야합니다. & # 8221; 수익성. 예를 들어, 위의 예 24에서 매우 수익성있는 결과가 나오지만 23과 25가 수익성이 없다면 미래에 최적의 기준에 약간의 변화가있을 경우 시스템이 이익을 잃을 수밖에 없다는 것을 의미합니다. 최적화를 실행할 때 가능한 한 많은 결과가 수익성이 있어야하며 가장 수익성 높은 결과 주변의 영역도 그 결과에 가깝습니다.

그런 다음 마침내 우리는 또한 적응력의 문제를 가지고 있습니다. 시스템은 시장 조건의 변화에 ​​적응할 수 있어야하며, 따라서 진입 및 퇴출 기준에 유연성을 가져야합니다. TP가 100 pips 인 매우 좋은 결과를주는 시스템을 최적화하면 향후 시장 변동성 및 조건이 변동함에 따라 시스템이 수익성을 잃을 가능성이 높으므로 100 pip TP가 무효화됩니다. 가장 좋은 방법은 동적 표준을 최적화하는 것입니다. 예를 들어 표준 편차의 몇 퍼센트가 이상적인 TP입니까? 이는 EA가 출구 및 진입 값을 동적으로 변경하여 커브 피팅에 대한 또 다른 보호 레이어를 추가 할 수있게합니다.

그러나 우리의 모든 노력에도 불구하고 미래가 (1,2,3,4,12 에서처럼) 미래와 절대 관계가 없다는 사실을 감안할 때 트레이딩 시스템을 과거에 맞게 조정하는 것은 여전히 ​​수학적 가능성이 있습니다. 그럼에도 불구하고, 적응성, 광범위한 최적화, 견고한 수익성 및 장기간의 테스팅 데이터를 목표로하는 거래 시스템 개발의 상기 기준을 따르면 향후 시장 행동에 중대한 변화가있을지라도 성공할 수있는 가능성이 더 높아집니다. 이러한 개념에 대해 더 자세히 알고 싶고 장기적으로 수익성 높은 시스템을 개발하는 데 사용하는 방법을 알고 싶다면 자동화 된 거래에 대한 전자 북 구매 또는 Asirikuy에 가입하여 모든 전자 책 구매 혜택, 매주 업데이트, 라이브 계정 확인 몇몇 전문가 고문과 달리고 자동화 된 무역 체계를 사용하여 forex 시장에있는 장기 성공으로 도로에서 얻습니다. 나는 당신이 기사를 즐겼기를 바랍니다!

'커브 피팅 트레이딩 시스템'에 대한 한 가지 대답은 피할 수 있습니까? & # 8221;

[& # 8230;]은 두려운 단어입니다 : 곡선 피팅. 올해 필자가 작성한이 글에 커브 피팅 정의에 대한 자세한 내용을 읽을 수 있으며, 이 게시물을 통해 5 가지의 흔한 오용 [& # 8230;]