Разделы



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 , P 2, 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 использовались и в пределах, и вне пределов выборки во время тести­рования, как и в других главах этой книги.

Результаты торговли для модели , основанной на обращенном Медленном % К

Дистанционное Обучение Форекс- - это прекрасная для вас подготовиться к прибыльной работе на рынке Forex!

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.

п»ї

Эффективность системы в пределах выборки была потрясающей для всех видов входов и на всех рынках с несколькими исключениями. Наи­худшей была эффективность на рынке евродоллара, видимо, ввиду свой­ственных этому рынку высоких транзакционных расходов. Слабо рабо­тала система на рынках серебра, соевого масла, казначейских облигаций и векселей, канадского доллара, британского фунта, золота и какао. Ви­димо, особенности этих рынков затрудняют нейросети, поскольку осталь­ные рынки были высокоприбыльными. Многие из этих рынков также работали плохо с другими моделями.

Вне пределов выборки торговля была успешной для всех видов прика­зов на рынках казначейских облигаций (неприбыльных в пределах вы­борки), немецкой марки, швейцарского франка, иены, неэтилированно­го бензина, золота (также неприбыльного в пределах выборки), палладия и кофе. Многие другие рынки также были прибыльны с двумя или тремя видами входов. При использовании входа по стоп-приказу (наилучшего в целом) значительную прибыль приносили даже рынки S &P 500 и NYFE , а также живого скота, соевых бобов, соевой муки и овса.

На рис. 11-1 изображен график изменения капитала для модели на основе прогнозирования обращенного во времени Медленного %К с вхо­дом по стоп-приказу. Как видно, капитал увеличивается в пределах вы­борки и в течение половины периода вне выборки, после чего начинается медленное снижение.

Результаты для сети 18-14-4-1. Эта сеть в пределах выборки работала значительно лучше, чем вне ее пределов. В пределах выборки прибыль варьировалась от 328,9% в год (при входе по стоп-приказу, тест 6) до 534,7% (вход по цене открытия, тест 4). Во всех случаях средняя Прибыль в сделке



 


превышала $6000. Как обычно, длинные позиции были прибыльнее ко­ротких. Вне пределов выборки все виды входов были убыточны, но, как и в предыдущем наборе тестов, эти убытки были меньше, чем характерные для торговых систем, описанных в других главах, т.е. ближе к $1000, чем к $2000. Эта сеть также проводила гораздо больше сделок, чем предыдущая, причем лучше всего работал вход по лимитному приказу (тест 5). Убытки длинных позиций были меньше, чем коротких, за исключением входа по стоп-приказу, где убыток коротких позиций был сравнительно неболь­шим. Повышенная эффективность в пределах выборки и резкое падение эффективности за ее пределами — четкий признак избыточной подгон­ки под данные, которой достигла большая сеть с 320 параметрами, под­строившись под особенности учебного набора данных, но потеряв эффек­тивность вне выборки.

п»ї

В пределах выборки практически все рынки были прибыльны со все­ми видами входов за тремя исключениями: серебро, канадский доллар и какао. Эти рынки в целом трудно поддаются любой системе. Вне преде­лов выборки система была прибыльна со всеми видами входов на ряде рынков: немецкой марки, канадского доллара, сырой нефти, мазута, пал­ладия, откормленного скота, живого скота и леса. 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 плавное снижение, что харак­терно для поведения переоптимизированной системы. Для выборки из 88 092 фактов такая нейронная сеть, возможно, была слишком большой.

Читать далее: Результаты торговли для модели, основанной на нижней точке разворота