Критерий автоматического отбора результатов оптимизации.

Тема вроде бы всегда была актуальной. Так что можно начинать.

Начнем, и начнем с того, что пора развенчать несколько тезисов, отчасти лишающих эту ветку смысла.

1) "Профит заклыдывается в систему на этапе построения, а не на этапе оптимизации". Что вообщем то делает маловажным этап оптимизации. Я сам долгое время так думал. Как же я заблуждался... Есть целый ряд систем, для которых это не так, точнее не совсем так. Различные НС и просто очень сложные системы (недавно видел пипсовщик имееющий около 100! параметров требующих "настройки", кстати вполне прибыльный, как ни странно) которые, что в них не закладывай на этапе проектирования, без оптимизации/обучения можно смело на помойку...

2) "Много внешних параметров - эксперт фуфло". Часто доводилось слышать. Практика показывает отсутствие такой зависимости. Такие эксперты сложно обучить, а потому сложно использовать, но именно в силу того, что толком никто не может сказать чему же надо учить. А потому наиболее вероятным результатом оптимизации будет "плохая подгонка", а в результате слив.

мои 5 копеек опыта - для себя вывел некую формулу  = количество сделок прямо пропорционально устойчивости и обратно пропорционально прибыльности.

Очень хорошо, что Вы заметили эту тему. Я думаю, работая с автооптимизатором и над ним, опыта Вы набрали более чем на много рублей, и еще сможете им поделиться)

В этом конкретном случае, с колличеством сделок, у меня двоякое видение:

Первый вариант - совпадает с Вашими наблюдениями, но постепенно от него отказываюсь, приходится сжимать круг поиска.

Второй - это тот случай когда колличество сделок закладывается на этапе проектирования, т.е. для каждой системы есть ее активность, а есть то, чему ее "заставили" научиться ценой мутации в другую систему. И последнее время я использую колличество сделок примерно так: Допустим, расчетно-визуальное (глядя на график) колличество сделок 5 в день (можно 1 на 20 баров, 2 в час или что угодно), соответственно среднее колличество сделок (СКС) должно укладываться в диапазон около 5, т.е. например 3<=CКC<=7. То что за диапазоном - безжалостно отбрасывается, позволяя не потерять смысл системы, правда заодно перечеркивая возможность случайно найти сопутствующий вариант использования ТС, или просто другую закономерность.

безусловно  все зависит от типа ТС.  

еще один интересный на мой взгляд (расчетный) параметр - "коэффициент шарпа", правда я с ним еще толком не работал :-)

Шарпы, Сортино и прочие - уже почти птичий язык:) Все говорят круто, но я тоже не пробовал, если кто знает как это рассчитать из исходных данных для практического применения, попробую и скажу как результат. Надо переобозначить исходные данные для формульного языка.

-GrossProfit = GP,

-GrossLoss = GL,

-MaxDrawdown (Просадка) = MD,

-Колличество прибыльных сделок = PD, убыточных сделок = LD, Общее количество сделок = AD,

-Колво баров(тиков) тестирования = TIME,

-Макс. прибыльная сделка = MPD, макс. убыточная сделка = MLD

-Серия прибыльных сделок= SPD (в штуках), = SPD$ (в валюте депозита), серия убыточных =SLD, =SLD$

Ничего я не упустил? Можно рисовать формулы?

З.Ы. Возьму пару часов для раздумий, и морально поддержу наших олимпийцев, покатаюсь на лыжах) А то без моей поддержки) они пока не очень....(

Кто со мной?:)

Методика расчета коэффициента Шарпа

Справка по коэффициенту Шарпа:

Коэффициент Шарпа (Sharp Ratio), также известен как коэффициент "доходность-разброс" (reward-to-variability ratio) характеризует эффективность управления. Он измеряет доходность относительно общего риска портфеля. Где общий риск это стандартное отклонение доходности портфеля.
Вычисляется коэффициент Шарпа на заданной глубине и тайм фрейме по следующей формуле:

, где
—средняя доходность портфеля (average portfolio return);
—средняя безрисковая ставка (risk free rate);
—стандартное отклонение доходностей портфеля, подробный расчёт представлен в документации сервиса расчёта волатильности.
Доходность используется геометрическая, определяемая как натуральный логарифм отношения цен (логарифмическая доходность):

,где
—цены, измеренные на конец предыдущего периода;
—цены, измеренные на конец текущего периода;

Вложения будут тем эффективнее, чем выше значение коэффициента Шарпа. Небольшое значение коэффициента будет говорить о том, что доходность от инвестирования не оправдывает принятого уровня риска. Отрицательная величина коэффициента Шарпа будет свидетельствовать о том, что вложения в безрисковые активы принесли бы больший доход.

Справка по коэффициентам Сортино и Модифицированного Сортино:

Коэффициент Сортино (Sortino Ratio), - еще один показатель, позволяющий оценить доходность и риск инвестиционного инструмента. Математически он рассчитывается аналогично коэффициенту Шарпа, однако, вместо волатильности портфеля используется, так называемая, "волатильность вниз". В этом случае волатильность, рассчитывается по доходностям ниже минимального допустимого уровня доходности портфеля (MAR).

Вычисляется коэффициент Сортино на заданной глубине и тайм фрейме по следующей формуле:
,где
—средняя доходность портфеля (average portfolio return);
MAR- минимально допустимый уровень доходности портфеля (Minimum Acceptable Return)
—стандартное отклонение доходностей портфеля, рассчитанное по доходностям ниже минимального допустимого уровня доходности портфеля. Подробный расчёт представлен в документации сервиса расчёта волатильности.

Коэффициент Модифицированный сортино на заданной глубине и тайм фрейме вычисляется по следующей формуле:
,где
—средняя доходность портфеля (average portfolio return);
—средняя безрисковая ставка (risk free rate);
—стандартное отклонение доходностей портфеля, рассчитанное по доходностям ниже минимального допустимого уровня доходности портфеля. Подробный расчёт представлен в документации сервиса расчёта волатильности.

Доходность используется геометрическая, определяемая как натуральный логарифм отношения цен (логарифмическая доходность):

,где
—цены, измеренные на конец предыдущего периода;
—цены, измеренные на конец текущего периода;

Справка по коэффициентам альфа и бета:

Коэффициенты альфа и бета предназначены для выявления статистической зависимости между инструментом и индексом. В графическом представлении это будет точечный график зависимости доходности инструмента от доходности индекса. (см построение эллипса). Через полученное множество точек проведем прямую, наилучшим образом приближенную к точечному графику. Статистическая процедура построения такой прямой известна, - она носит название "простая линейная регрессия или метод наименьших квадратов". В соответствии с этим методом находится уравнение прямой, минимизирующей величину суммы квадратов расстояний от каждой точки графика до прямой. Полученное уравнение прямой (регрессии) будет иметь вид:
,
где —доходность инструмента;
—коэффициент вертикального смещения прямой;
—коэффициент наклона прямой;
—доходность индекса
В соответствии с методом наименьших квадратов коэффициенты и находятся по формулам:

,
где Cov(,)—ковариация доходности инструмента и доходности индекса
—стандартное отклонение доходности индекса
,где
—средняя доходность инструмента
—средняя доходность индекса

В случае, когда в качестве индекса выбран индекс рынка
"Бета"-коэффициент - определяет влияние общей ситуации на рынке в целом на судьбу конкретного инструмента. Если >0, то эффективность инструмента аналогична эффективности рынка. При < 0 эффективность данного инструмента будет снижаться при возрастании эффективности рынка. Коэффициент также принято считать мерой риска инвестиций в данные ценные бумаги. При >1 риск инвестиций выше, чем в среднем по рынку, а при < 1 - наоборот.

"Альфа"-коэффициент - характеризует соотношение темпов роста рынка и темпов роста конкретного инструмента. Если какого-либо инструмента положительна, то это означает, что темпы ее роста выше, чем в среднем по рынку, то есть можно говорить о ее "недооцененности" рынком в настоящий момент.

Справка по коэфициенту

Точность описания уравнением регрессии колебаний доходности характеризоваться дисперсией (разбросом) значений доходности. Для оценки объясняющей способности регрессионного уравнения вводится коэффициент , показывающий, насколько процентов изменение цены инструмента объясняется заданным соотношением с изменением значения индекса и определяется по формуле:
R = ,
где —коэффициент бета
—стандартное отклонение доходности индекса
—стандартное отклонение доходности инструмента

В случае, когда в качестве индекса выбран индекс рынка:

Коэффициент "" или коэффициент детерминации - характеризует долю риска вклада в данный инструмент, вносимую неопределенностью рынка в целом. Чем ближе к нулю, тем более независимым является поведение инструмента по отношении к общей тенденции рынка. В случае, когда в качестве индекса выбран произвольный инструмент или портфель пользователя: Коэффициент "" характеризует тесноту связи между инструментом и индексом. Чем ближе это значение к 1, тем сильнее связь.

Значение t-критерия Стьюдента

Расчет t-критерия Стьюдента применяется для проверки существенности коэффициентов регрессии, т.е. коэффициентов альфа и бета. Значение t-критерия Стьюдента для коэффициента бета осуществляется по формуле:
,
где —коэффициент бета
—величина стандартной ошибки, которая рассчитывается по формуле:
,
где —доходность инструмента;
—доходность инструмента, рассчитанная по формуле: ;
—доходность индекса;
—средняя доходность индекса
n—число значений доходности, участвующих в расчете.

Значение t-критерия Стьюдента для коэффициента альфа осуществляется по формуле: ,
где — коэффициент альфа;
—величина стандартной ошибки, которая рассчитывается по формуле:
,
где —доходность инструмента;
—доходность инструмента, рассчитанная по формуле: ;
—доходность индекса;
—средняя доходность индекса

n—число значений доходности, участвующих в расчете.

Значение критерия Фишера

Расчет значения критерия Фишера осуществляется по формуле:

Аналогично t-критерию Стьюдента, расчетное значение критерия Фишера сравнивается с табличным значением (см Табличные значения). Если расчетное значение критерия Фишера превышает табличное значение, то нулевая гипотеза об отсутствии связи между инструментом и индексом отклоняется и делается вывод о существовании этой связи и о статистической значимости уравнения регрессии. Если же расчетное значение критерия Фишера меньше табличного значения, то вероятность нулевой гипотезы выше заданного уровня и она не может быть отклонена без серьезного риска сделать неправильный вывод о наличии связи. В этом случае уравнение регрессии считается статистически незначимым.

Пригодятся ли описания и формулы для изысканий не знаю, но скопировал сюда, возможно появятся мысли как применить....

Ура, сессия закончилась!!!!

Интересно чему равны все эти шарпы со стьюдентами когда рынок падает в разы?