Nehmen wir an, dass wir Backtest die Strategie gegen zehn Jahre historische Marktdaten und lo und schauen erraten, was die Ergebnisse sind nicht sehr ermutigend. Allerdings, wie wir sind rau und sturmisch Handler, entscheiden wir, nicht so schnell aufzugeben. lich kommt es zu uns, dass wir eigentlich nur jeden einzelnen gleitenden Durchschnitt bis zu einem gewissen Punkt testen und sehen konnen, wie sie alle ausfuhren. Nun sicherlich einige dieser Mittelwerte werden schlecht durchfuhren, und andere werden ziemlich gut durchfuhren, aber es wird eine von ihnen sein, die das absolute Beste ist. Tage gleitenden Durchschnitt erwies sich als die beste Performer in diesem besonderen Zeitraum von zehn Jahren.
Durchschnitt und dass wir zuversichtlich sein, dass es auch in der Zukunft gut sein wird Leider viele Handler davon ausgehen, dass dies der Fall sein, und sie nur stoppen ihre Analyse an dieser Stelle, denken, dass Sie haben etwas Tiefes entdeckt. Sie sind in die Multiple Hypothesis Problem Fallstricke gefallen. Das Problem ist, dass es uberhaupt nichts ungewohnliches oder signifikantes uber die Tatsache, dass einige durchschnittlich als die besten. lich haben wir fast funfzig von ihnen gegen die gleichen Daten getestet, so dass wir erwarten, ein paar gute Performer zu finden, nur durch Zufall.
Es bedeutet nicht, theres etwas Besonderes uber die einzelnen gleitenden Durchschnitt, dass in diesem Fall gewonnen. Das Problem entsteht, weil wir mehrere Hypothesen getestet haben, bis wir einen gefunden haben, der funktionierte, anstatt eine einzelne Hypothese zu wahlen und sie zu testen. Heres eine gute klassische Analogie. Wir konnten kommen mit einer einzigen Hypothese wie Scott ist gro?
auf spiegelnde Kopfe auf einer Munze. Daraus konnen wir eine Vorhersage erstellen, die besagt: Wenn die Hypothese stimmt, wird Scott in der Lage sein, 10 Kopfe in einer Reihe zu schlagen. Dann konnen wir ein einfaches Experiment durchfuhren, um diese Hypothese zu testen. Wenn ich 10 Kopfe in einer Reihe Flip kann es tatsachlich nicht beweisen, die Hypothese. Allerdings, wenn ich nicht erreichen kann dieses Kunststuck es definitiv widerlegt die Hypothese.
Wenn wir wiederholte Versuche machen, die der Hypothese nicht widersprechen, so wachst unser Vertrauen in seine Wahrheit. Das ist der richtige Weg, es zu tun. Mich, Ed, Cindy, Bill, Sam, etc.
Ok, jetzt konnen Sie testen unsere mehrere Hypothesen. Wir bitten alle 1000 Leute um eine Munze zu drehen. Es wird wahrscheinlich etwa 500, die Kopfe Kopf. Alle anderen konnen nach Hause gehen. Jetzt fragen wir die 500 Leute, um wieder zu kippen, und dieses Mal werden 250 die Kopfe kippen. Flop etwa 125 Menschen Flip Kopfe, auf der vierten etwa 63 Personen sind links, und auf der funften Flip gibt es etwa 32. Diese 32 Menschen sind alle ziemlich erstaunlich arent sie Theyve alle kippte funf Kopfe in einer Reihe Wenn wir Flip funf Mehrmals und eliminieren die Halfte der Menschen jedes Mal im Durchschnitt, werden wir am Ende mit 16, dann 8, dann 4, dann 2 und schlie?
lich eine Person links, wer hat zehn Kopfe in einer Reihe gespielt. Seine Bill Bill ist ein fantabulous Flipper von Munzen Oder ist er Well wir wirklich nicht wissen, und das ist der Punkt. tagige gleitende Durchschnitt aus unserem Beispiel oben nur in unserem Test durch reine Chance, oder wenn es wirklich etwas Besonderes ist. oder dass Bill ein gro? Wir haben diese Hypothese noch nicht getestet.
Tage gleitenden Durchschnitt oder uber Rechnungen Fahigkeit, Munzen zu spiegeln entdeckt, ist die naturliche Frage zu fragen, was sollten wir als nachstes tun Wie ich bereits erwahnt, viele Handler nie erkennen, dass es Ist ein nachster Schritt uberhaupt erforderlich. Probe, die Wir haben diese Hypothese gewahlt. Wir wurden eine weitere zehnjahrige Periode wahlen und sehen, ob die Strategie genauso gut funktionierte. Wir konnten dieses Experiment so oft fortsetzen, wie wir es wollten, bis unser Angebot an neuen Zehnjahreszeiten ausblieb. Prufung, und seine die Art und Weise, um diese Fallstricke zu vermeiden. Validierung ist, aber wir kommen nicht in so viel Detail hier.
Overfitting ist wirklich eine Art Umkehrung des oben genannten Problems. In der mehrfachen Hypothese Beispiel oben, schauten wir auf viele einfache Hypothesen und wahlte die, die am besten in der Vergangenheit. Im Uberbauen betrachten wir zuerst die Vergangenheit und konstruieren dann eine einzige komplexe Hypothese, die gut zu dem passt, was passiert ist.
ZB wenn ich den USDJPY Rate wahrend der letzten 10 Tage betrachte, konnte ich sehen, da? ungen dieses taten: oben, oben, unten, oben, oben, oben, unten, unten, unten, oben. Got it Sehen Sie das Muster Ja, ich auch nicht. Aber wenn ich diese Daten verwenden wollte, um eine Hypothese vorzuschlagen, konnte ich kommen. Aber wenn es nach oben geht drei Tage in Folge und dann nach drei Tagen in einer Reihe sollten wir kaufen. Huh Klingt wie eine whacky Hypothese richtig Aber wenn wir diese Strategie in den letzten 10 Tagen verwendet hatten, hatten wir bei jedem einzelnen Trade, den wir gemacht haben, Recht gehabt.
Der Overfitter verwendet Backtesting und Data Mining anders als die multiplen Hypothesenhersteller. Der Overfitter kommt nicht mit 400 verschiedenen Strategien zum Backtest. um zu sehen, ob unsere Leistung verbessert. Wenn wir aufhoren, Leistungsverbesserungen und das einzige, was steigt, ist die Komplexitat unseres Modells, dann wissen wir, dass wir die Linie in Uberformat uberquerte. Zusammenfassend sehen wir, dass Data Mining eine Moglichkeit ist, unsere historischen Kursdaten zu verwenden, um eine praktikable Handelsstrategie vorzuschlagen, aber wir mussen uns der Fallstricke des multiplen Hypothesenproblems und der Overfitting bewusst sein.
Wir beziehen uns allgemein auf dieses als aus der Probeprufung heraus. Ein Problem mit Data Mining ist, dass Trader dazu neigen, unterschiedliche Filter zu verwenden, um nach einem Muster zu suchen. Das Problem mit diesem ist, dass jedes Signal aus den verschiedenen sinusformigen Signalen zusammengesetzt ist, also wenn Sie verschiedene Filter auf ein Signal anwenden, werden wir sicherlich am Ende mit einem Muster. Muster getan, sind meist auf Data Mining basieren, wird die Frage, die Annahme, dass die Zukunft spiegeln die Vergangenheit, die Antwort ist vielleicht.
Wir haben eine 5050 Chance. Kann der Prozentsatz durch das Studium dieses Musters auf verschiedene Daten erhoht werden. Wenn wir sogar diesen Prozentsatz erhohen wollen, mussen wir wissen, was die Ursache dieses Musters ist, indem wir die Ursache dieses Musters kennen, hatten wir einen Vorteil im Handel. Zum Beispiel werde ich diese Annahme machen, let8217s sagen, dass der erste Freitag eines jeden Monats aufgrund der Neuigkeiten viele Handler neigen dazu, ihre Trades am Morgen verlassen, bevor die Nachrichten und geben Sie wieder nach den Nachrichten, so gibt es ein Muster des Verkaufs und Kauf zu bestimmten Zeit.
Handel, so dass wir mit beiden kaufen und verkaufen vor den Nachrichten. Dann nach den Nachrichten, die wir nur verkaufen, die wollen kaufen und didn8217t wollen eine Position in den Nachrichten halten und wir lassen den Kauf, bis der Preis zuruckkommt, konnte dies auf Sagezins oder ein anderes Set 8230 bla bla angewendet werden. Das ist nur eine Theorie.
Ich benutze es, um zu sagen, dass Furcht und Gier eine Zeit auf dem Markt haben. Muster sind die Angst und Gier, jetzt, wenn wir das Muster zu isolieren und wissen, die Ursache hinter diesem Muster wie im vorherigen Beispiel Angst aus den Nachrichten oder Abrechnung des Kontos am Ende des Monats. Dann konnten wir in der Theorie die Zukunft vorherzusagen, die ersten beiden Post von dieser Seite kopiert werden alle Artikel von Scott Percival sind lesenswert Lesezeichen Lesezeichen Mister Wong YiGG. Webinar Veranstaltung am 20. Schritt mit 200 Gasten. Sehen Sie sich hier die Vorschau an. Die genaue gleiche Strategie, die Shirley verwendet, um diese unglaublichen Ergebnisse zu generieren, wurde im Detail gezeigt. Wir zeigten Handler, die diese Strategie in Ihrem eigenen Handel umsetzen konnen.
Strategie fur die Teilnahme mehr aktiv in den Markten auf einer taglichen Basis. Trader, der zusatzliche Gewinne zu machen, wahrend das Warten auf langere Zeit Frames Setups auftreten mochten. Nur ein paar Stunden am Tag Handel. Strategie auf eine bewahrte, REAL Track Record basiert. Keine Notwendigkeit, das Rad neu erfinden Haufige Trades, so mehr Moglichkeiten, um Bank Pips.
Ein sehr zeitabhangiger Handel, also keine Notwendigkeit, vor Ihrem Computer fur lange Stunden zu sein Sehr gut definierte Parameter, so dass das System ganz objektiv Ein guter Weg, um Trades, um Ihre bestehende langerfristige Strategie hinzufugen Haufig gestellte Fragen uber die London Close Trade Q: Was ist die London Close Trade A: Es ist eine sehr zeitliche Strategie, die Shirley Hudson in den letzten 18 Monaten angepasst und verfeinert hat. Die Strategie beinhaltet grundsatzlich die Entgegennahme von Counter Trend Trades wahrend der London Close.