<<
>>

МЕТОДОЛОГИЯ ТЕСТИРОВАНИЯ ГЕНЕТИЧЕСКОГО КОМПОНЕНТА ВЫХОДОВ

Поскольку практически очевидна необходимость отдельных наборов правил для длинных и коротких позиций, мы провели два теста. В первом тесте система генерирует случайные входы в длинные позиции (сигналы к открытию коротких позиций игнорируются), а для выходов применяется МССВ, а также отдельные правила, которые разрабатываются генетическим алгоритмом.
Во втором тесте все входы в длинные позиции игнорируются, открываются только короткие позиции. Делается попытка разработать правила, хорошо работающие в качестве дополнения к МССВ для коротких сделок.

static void Model {float *parms, float *dt, float *opn, float *hi, float *lo, float *cls, float *vol, float *oi, float *dlrv, int nb, TRDSIM &ts, float *eqcls) {

// Выполняет случайные входы с модифицированным стандартным выходом

// и с дополнительным генетически развитым "сигнальным вькодом"

// File = x21mod01.c

// parms - набор [1..MAXPRM] параметров

// dt - набор [1..nb] дат в формате ГГММДД

// ОРП - набор [ 1..nb] цен открытия

// hi - набор [1..nb] максимальных цен

368

ЧАСТЬ III ИССЛЕДОВАНИЕ выходов // lo - набор [l..nb] минимальных цен // cls — набор [l..nb] цен закрытия // vol - набор [l..nb] значений объема // oi - набор [l..nb] значений открытого интереса // dlrv — набор [l..nb] средних долларовой волатильности // nb - количество дней в наборе данных // ts — ссылка на класс торгового симулятора // eqcls — набор [l..nb] уровней капитала по ценам закрытия // объявляем локальные переменные

static int rc, cb, ncontracts, maxhold, signal, ranseed; static float iranstp, ptlim, limprice, stpprice, entryprice; static int entryposted, entrybar, exitsignal, modeltype; static int rulel[MAXBAR+1], rule2[MAXBAR+1], rule3[MAXBAR+1]; static float exitatr[MAXBAR+1], rnum, thresh; static long iseed;

/ / копируем параметры в локальные переменные для удобного обращения ranseed = parms[14]; // используется для инициализации случайной

// последовательности modeltype = parms[15]; // 1=длинные позиции, 2=короткие позиции

maxhold = 10; // период максимального удержания позиции

ptlim =4.5; // целевая прибыль в единицах среднего истинного диапазона mmstp = 1.5; // защитная остановка в единицах среднего истинного диапазона

// выполняем вычисления по всему объему данных, включая правила

AvgTrueRangeS{exitatr,hi,lo,cls,50,nb); // средний истинный диапазон для

/ / выхода

Rules{opn, hi, lo, cls, vol, oi, exitatr, nb,

parms [1] , parms[2], parms[3], parms [4] , rulel); Rules (opn, hi, lo, cls, vol, oi, exitatr, nb,

parms[5], parms[6], parms[7], parms[8], rule2) ; Rules (opn, hi, lo, cls, vol, oi, exitatr, nb,

parms[9], parms[10], parms[11], parms[12], rule3);

// запускаем генератор случайных чисел

// ...

используем различные случайные последовательности для каждого рынка // ... ts.model() возвращает индекс рынка (SP=1, YX=2, ...) iseed = -(ranseed + 10 * ts.model()); rnum = ran2(&iseed);

/ / проходим через дни, чтобы смоделировать реальную торговлю for(cb = 1; cb <= nb; cb++) (

// не открываем позиций до начала периода выборки

// ... то же самое, что установка MaxBarsBack в TradeStation

if(dt[cb] < IS_DATE) ( eqcls[cb] = 0.0; continue; ]

// выполняем ожидающие приказы и считаем кумулятивный капитал rc = ts.update(opn[cb], hi[cb], lo[cb], cls[cb),cb); if(rc != 0) nrerror("Trade buffer overflow"); eqcls[cb] = ts.currenteguity(EQ_CLOSETOTAL);

// считаем количество контрактов для позиции

// ... мы хотим торговать эквивалентом долларовой волатильности // ... 2 новых контрактов на S&P-500 от 12/31/98 ncontracts = RoundToInteger(5 6 73.0 / dlrv[cb]); if(ncontracts < 1) ncontracts = 1;

// избегаем устанавливать приказы на дни с ограниченной торговлей if(hi[cb+l] == lo[cb+l]) continue;

ГЛАВА 15 СОЧЕТАНИЕ выходов с ИСКУССТВЕННЫМ ИНТЕЛЛЕКТОМ

369

/ / генерируем "стандартные"

signal = 0;

rnum = ran2 (Stiseed) ;

if (rnum < 0.025 &&

modeltype == 2) signal else if (rnum > 0.975 &&

modeltype == 1) signal

случайные сигналы входа

= -1; // случайный короткий вход 1; // случайный длинный вход

// входим в сделки по цене открытия entryposted = 0;

if(ts.position() <= 0 && signal == 1) ( ts.buyopen('1', ncontracts); entryposted = 1; entryprice = opn[cb+l]; entrybar = cb + 1;

}

else if(ts.position() >= 0 && signal == -1) { ts.sellopen('2', ncontracts); entryposted = -1; entryprice = opn[cb+l] ; entrybar = cb + 1;

}

// выходим из сделок, используя модифицированный стандартный выход // вместе с нейросетевым выходом

exitsignal = rulel[cb] && rule2[cb] && rule3[cb]; if(entryposted > 0} {

// инициализация и выходы для длинных позиций в день входа

limprice = entryprice + ptlim * exitatr[cb];

stpprice = entryprice - mmstp * exitatr[cb];

ts.exitlonglimit{'A' , limprice);

ts.exitlongstop('B', stpprice);

if(exitsignal) ts.exitlongclose('C') ;

}

else if{entryposted < 0) {

// инициализация и выходы для коротких позиций в день входа limprice = entryprice - ptlim * exitatr[cb]; stpprice = entryprice + mmstp * exitatr[cb) ts.exitshortlimit('D', limprice); ts.exitshortstop('E' , stpprice); if(exitsignal) ts.exitshortclose('F') ;

}

else (

// выходы после дня входа

if(ts.position()> 0) [ // длинные позиции ts.exitlonglimit('G' , limprice) ; ts.exitlongstop('H', stpprice); if(cb-entrybar >= maxhold)||

exitsignal) ts.exitlongclose('I') ;

}

else if(ts.position() < 0) [ // короткие позиции ts.exitshortlimit('J' , limprice); ts.exitshortstop('K' , stpprice); if(cb-entrybar >= maxhold ||

exitsignal) ts.exitshortclose('L');

}

)

} // обрабатываем следующий день

}

370

ЧАСТЬ III ИССЛЕДОВАНИЕ выходов

Таблица 15—3.

Эффективность торговли МССВ в сочетании с нейронным сигналом выхода в пределах и вне пределов выборки на различных рынках Результаты, порученные в пренвлах ныфоркн Реэуютты, поточенные ОНО пределен выбпрнн РЬ!Н ЛРИБКР ДОХ*'; ПГИБ% сдел ПР11БДЛ ПРИБКГ $СЕЕЛ ПГИэ% МЕЛ SP 116 -215 ?4.2 -948 43 104 0 -97 -12.1 -1765 40 55 УК 150 -220 -2.7 -583 42 120 12S -27 23.7 2156 47 46 us 40 -87 -2-4 -532 4в 107 •17 «8 -16.4 -2001 44 43 ТВ -22 -75 -3.8 -1152 44 85 -104 -214 •19.3 -5912 29 54 ту 0 -191 -9.5 -1434 147 4D 43 113 •4 -220 -18.1 ?4020 35 54 BP 15В -143 1.2

100 •51 14 •7.0 -в07 40 45 ом 250 -15 23.9 2501 47 _9В -47 -59 -14,4 -2198 40 47 SF ... „ -160 •77 -1415 37 110 -159 -90 -23.2 Г-5347 30 42 JY 348 57 41,9 3304 54 122 -50 21 -5.2 -494 43, 57 CD 65 -177 •3.6 -694 за 94 -57 20 -3.5 -903 37 91 ED -415 -193 0~1 -9,9 -0,9 -5200 -15 Г 30 37 114 ?А7 -543 -13,7 •4919 34 43 CL -70

122 117 17 40.7 2070 40 47 НО -103 -314 -0.9 -3793 37 110 -139 -137 -22.9 -599S 27 47 ни 125 -158 -1.0 -202 45 _Ш 01 -15 20.4 h U29 46 40 GC -55 -30 -4.7 -ей 39 109 31 233 04.4 6027 54 44 31 -321 -120 -9.0 -3742 37 ив -171 55 -14.9 -203В 33 57 PL -54 -97 •3.9 -020 46 133 -199 -100 -21.9 9.0 -0943 29 40 PA .20 -23 11.5 -*23 1995 4? 49 104 102 -вз

110

882 50 44 FC 135 104 -100

120 • 133

-3.6 -496 42 45 LC Эв

4.2 15.01 -920 37 110 •40 -7+ -11.5 -2815 27 43 LH 1*1 128

3295 51 47 13 157 49 1 4902 54 37 РВ -318 -112 •8.8 •3104 33 «09 ? 137 -202 -20.0 ?5902 20 67 3 -1 -139 -4.4 -1292 43 108| 107 -до 44 +45, 42 30 SM -1 17 0.7 169 49 97 12* 5 33.5 2503 ~53 54 ВО •24* И -4.8 -нее 40 100 -50 47 -D.9 -69 40 54 С -186 142 -3.5 •429 37 103 -215 -117 -227 -9792 29 49 о •243 -вз -9.0 -3137 39 ев -129 -3 -21 5 -2S6S 20 52 W it -257 -10.0 -2979 32 110 -110 14 -10.2 •2330 42 40 KW -7В -129 -9.9 -1585 41 129 -129 -67 -ггв -4495 33 49 MW -11 14 0.2 30 за 114 80 -37 10,6 1227 45 35 КС -171 ?ей -5.2 -2106 34 110 во 5 21.3 2740 48 35 сс -99 -1» -5.5 -шее 39 109 -120 -20 -192 -3922 30 39 SB 20& -149 -9.7 -3211 39 111 -Si -50 -12.7 -1952 42 52 JO -70 -7D •4.3 • 1048 40 135 59 -11 S3 971 47 49 ст 190 -90 4.4 996 42 101] -53 -52 -192 -2117 44 50 LB «5 ?91 12-1 3057 4В 1091 -19 -113 -142 -2445 37 54 Вышеприведенный код демонстрирует логику как входов, так и выходов. Параметр modeltype управляет выбором длинных или коротких позиций для тестирования. Параметры ptlim и mmstp задают соответственно целевую прибыль и защитную остановку; они фиксированы на тех же уровнях, что и в предыдущем тесте нейронной сети. Каждое из трех пра

ГЛАВА 15 СОЧЕТАНИЕ выходов с ИСКУССТВЕННЫМ ИНТЕЛЛЕКТОМ

371

вил рассчитывается как серия значений ИСТИНА/ЛОЖЬ, и если все три принимают значение ИСТИНА, то подается сигнал на выход exitsig. В текст программы добавлен оператор if, который подает сигнал на выход по цене закрытия, если (if) все три правила дают значение ИСТИНА (exitsig = ИСТИНА). Эволюция правил для длинных и коротких позиций проводилась аналогично эволюции правил для входов, описанной в гл. 12. Использовались 12 хромосом с тремя генами-правилами каждая. Для получения правил выхода из длинных и коротких позиций проводится эволюция 2500 поколений с использованием OptEvolve. Затем для тестирования в пределах и вне пределов выборки отбирались по 10 лучших длинных и коротких решений.

10 лучших решений

с базовой стратегией выхода

В табл. 15-4 приведены 10 лучших значений для длинных и коротких позиций. Обозначения в таблице: НОМЕР— номер решения, ВЕР— вероятность статистической достоверности (в этих числах пропущена, но предполагается десятичная точка), $СДЕЛ — средняя прибыль/убыток со сделки, СДЕЛ — общее количество проведенных сделок, Ф.ПРИБ — фактор прибыли, ДОХ% — доходность в процентах годовых.

Лучшее из решений для длинных позиций было обнаружено в 845 поколении эволюционного процесса, а для коротких — в 1253 поколении. В отличие от теста моделей входа ни одно из генетически полученных решений не обеспечило прибыли, но, согласно табл. 15-5, сочетание генетических сигналов с базовой стратегией выходов привело к явному улучшению результатов.

Правила, соответствующие хромосомам из табл. 15-4, звучат следующим образом.

Правила для выхода из длинной позиции: если цена закрытия текущего дня выше экспоненциального скользящего среднего (ЭСС) цен закрытия с периодом 12 дней, но ниже ЭСС с периодом 49 дней и текущий день представляет собой новый шестидневный максимум, то из длинной позиции следует выходить. Правила, таким образом, ищут ситуацию, где на фоне долгосрочного падающего тренда наблюдается кратковременный рост цен, достигший своего максимума и готовый завершиться, после чего должно возобновиться падение — весьма подходящий момент для выхода из длинной позиции.

Правила для короткой позиции гласят, что выходить следует в случае, когда цена закрытия текущего дня выше 16-дневного ЭСС и 22-дневного простого скользящего среднего цен закрытия, а индикатор конвергенции/ дивергенции скользящих средних (MACD) падает. Данный MACD использует ЭСС с периодом 6 дней для быстрого компонента и ЭСС с периодом

372

ЧАСТЬ III ИССЛЕДОВАНИЕ выходов

Таблица 15—4. Лучшие 10решений для длинных и коротких позиций, полученные в процессе эволюции Решения для длинных позиций НОМЕР ВЕР $СДЕЛ СДЕЛ Ф.ПРИБ ДОХ% 845 706728 -324 1972 0.96 -4.9 1752 712448 -350 1947 0.96 •4.4 1804 737793 -354 1994 0.96 -5.0 1464 728199 -379 1944 0.96 -5.0 1755 729060 -382 1934 0.96 -5.1 1591 761321 -384 1999 0.96 -4.5 1584 733418 -394 1925 0.96 -4.8 637 750316 -397 1974 0.96 -5.2 1810 739410 -399 1944 0.96 -5.0 1850 742540 -399 1938 0.96 -5.3 Решения для коротких позиций НОМЕР ВЕР $СДЕЛ СДЕЛ Ф.ПРИБ ДОХ% 1253 999842 -1645 1959 0.78 -10.2 1758 999695 -1646 1943 0.80 -10.1 1183 998990 -1717 1885 0.81 -10.1 1379 999639 -1755 1920 0.79 -9.9 1129 999211 -1756 1885 0.81 -10.1 472 999161 -1757 1885 0.81 -10.2 1833 999161 -1757 1885 0.81 -10.2 1816 999834 -1764 1932 0.79 -10.3 1881 998851 -1764 1869 0.82 -9.9 1427 999581 -1767 1916 0.80 -10.0 10 дней для медленного компонента. Таким образом, система выходит в тех случаях, когда после сглаживания рынок все еще производит впечатление падающего, но последняя цена закрытия пробивает вверх два скользящих средних, что может быть признаком начала нового повышающегося тренда.

Результаты выходов по описанным правилам для длинных и коротких позиций

В табл. 15-5 приведены результаты торговли с помощью 10 лучших решений (длинные и короткие позиции), использующих МССВ и генетически разработанные сигналы выхода. Входы в рынок были случайными. В таблице отдельно показаны результаты длинных и коротких позиций. Дан

ГЛАВА 15 СОЧЕТАНИЕ выходов с ИСКУССТВЕННЫМ ИНТЕЛЛЕКТОМ

373

Таблица 15—5. Эффективность МССВ с добавлением генетически разработанных правил сигнала выхода при случайном, входе в сделки Длинные позиции ТЕСТ ВЫ6 ПРИБ ПРИБДЛ ПРИБКР Ф.ПРИБ ДОХ%. Р/ПРИБ ВЕР СДЕЛ ПРИБ* $СДЕЛ ДНИ СТАНД в -1324 -1324 0 0.93 -7.3 -0.35 0.8628 1923 41 -688 8 ГЕН в -640 -640 0 0.96 -4.9 -0.17 0.7067 1972 43 -324 7 СТАНД ВНЕ -942 -942 0 0.89 -13.2 -0.61 0.8938 830 39 -1135 8 ГЕН ВНЕ -845 -845 0 0.89 -15.8 -0.60 0.8903 854 41 -990 7 Короткие позиции ТЕСТ ВЫБ ПРИБ ПРИБДП ПРИБКР Ф.ПРИБ ДОХ% Р/ПРИБ ВЕР СДЕЛ ПРИБ% $СДЕЛ ДНИ СТАНД в -3850 0 -3850 0.80 -9.9 -1.09 0.9997 1847 37 -2084 8 ГЕН в -3223 0 -3223 0.78 -10.3 -1.15 0.9998 1959 37 -1645 6 СТАНД ВНЕ -1497 0 -1497 0.82 -20.4 -1.02 0.9818 792 38 -1890 8 ГЕН ВНЕ -889 0 -889 0.86 -18.2 -0.73 0.9325 841 40 -1056 6 ные также разбиты по номеру теста и по виду выборки. Символы В и ВНЕ означают результаты тестов на данных в пределах выборки и вне пределов выборки соответственно. СТАНД означает тест с использованием только МССВ, ГЕН — тест МССВ в сочетании с генетически разработанными правилами.

В длинных позициях в пределах выборки добавление правил значительно снизило средний убыток в сделке — с $688 до $324. Процент прибыльных сделок повысился с 41 до 43%. Годовое соотношение риска/прибыли улучшилось с —0,35 до —0,17. Вне пределов выборки эффект генетически разработанных сигналов выхода сохранился, хотя и в меньшей степени. Средний убыток в сделке снизился с $1135 до $990. Процент прибыльных сделок повысился с 39 до 41 %.Соотношение риска/прибыли улучшилось с —0,61 до —0,60. В общем, добавление генетически разработанных правил к стандартной стратегии выходов себя оправдало. В отличие от нейронных сигналов выхода эффект сохранился вне пределов выборки, т.е. подгонка под исторические данные и избыточная оптимизация не имели решающего значения.

В коротких позициях как в пределах, так и вне пределов выборки отмечен подобный положительный эффект. В пределах выборки добавление генетически разработанного сигнала выхода снизило средний убыток в сделке с $2084 до $1645. Процент прибыльных сделок не изменился. Как ни странно, годовое соотношение риска/прибыли ухудшилось с —1,09 до — 1,15. Вне пределов выборки средний убыток в сделке значительно уменьшился: с $1890 до $1058. Процент прибыльных сделок вырос с 38 до 40%, а годовое соотношение риска/прибыли улучшилось с —1,02 до —0,73. Как и ранее, добавление генетически найденного правила выхода к системе МССВ доказало свою эффективность и вне пределов выборки.

374

ЧАСТЬ III ИССЛЕДОВАНИЕ выходов

Эффективность длинных позиций на различных рынках

В табл. 15-6 приведена информация о работе системы МССВ совместно с генетически разработанными правилами выхода из длинных позиций на различных рынках. Как в пределах, так и вне пределов выборки были выгодны несколько рынков: NYFE, сырой нефти, неэтилированного бензина и живых свиней. Другие рынки были прибыльными в пределах выборки и убыточными вне пределов выборки, или наоборот. Взаимосвязь между результатами торговли в пределах и вне пределов выборки была низкой.

Таблица 15—6. Эффективность системы МССВ с добавлением генетически разработанных правил выхода. Длинные позиции. Сравнительные данные по различным рынкам 1ЫН ПРНБДЛ Ф.ПРН6 ПРИ5% CiEJl ПРИЬД, *.npt* дох* СДЁЛ SP 124 1.36 14.1 2599 50 48 -20 0.92 -4.0 -956 33 21 УН 128 1.28 6.2 2301 44 56 178 212 I 58.B , 7780 i_ 60 23 us -39 0.91 -2.6 -725 40 54 34 1.18 8.7 1457 50 24 ТВ -1B6 0.67] -7.6 -3524 39 53 33 1.11 5.8 1344 52 25 TY -se 0.91 -3.7 -912 41 62 38 1.14 9.8 1442 52° 25 BP 63 1.16 ?.6 1246 45 51 -127 031 -19.3 -6057 33 21 DM 257 1.74 34.5 525B 51 49 -70 0.66 -10.4 4065 43 23 SF 50 1.12 4.7 960 42 52 -148 0.14 -21,2 -9794 13 15 JY 159 1.31 16.5 2417 40 66 •44 0.83 -7.8 -1519 37 29 CD 6 1.02 0 4 132 50 50 -184 0.55 -14.7 -5280 31 35 ED -481 Г 0.45 -10.1 -6294 34 58 -156 0.47 -14.7 •6672 43 23 CL 29 1.05 1.3 497 45 90 230 2.71 S4.9 10040 56 23 HO -107 0.60 Ч.В -1927 42 58 -155 0.27 -20.0 -B033 11 18 HU 154 1.32 6.5 2683 46 52 109 1,63 32.4 4582 54 24 GC -122 0.75 -5.1 -2500 44 49 -20 0.92 -3.0 -848 45 24 SI -232 0.64 -7.6 -3742 38 62 -83 0.7+ -9.3 -3214 34 28 PL 50 1.09 2.6 715 51 70 -190 0.36 -20.4 -8270 30 23 PA -116 0.76 -6.4 -2166 38 _54, 221 3.40 76.0 13036 70 17 FC 209 1.52 14Г7 3944 50 "ST -114 0.58 -17.11 ?4Ш 39 28 LC 17 104 1.1 341 44 52 -55 0.77 -8.5 -1980 39 28 LH 154 1.33 11.3 S02S 54 51 211 3.77 133.6 13223 7S~ 18 PB -176 0.64 -6.5 -3599 Зв? 49 -120 0.80 -12.7 -4004 30 30 s -61 0.62 -3.0 -1447 41 56 49 1.50 27.8 2595 52 19 -70 0.62 -26 -1446 36 49 223 3.39 118.8 9946 09 23 BO -240 0.4S -6.4 -5236 32 48 -61 0.73 -12.1 -2052 33 30 с -143 0.76 -5.0 -2702 33 53 -172 0.40 -174 -6030 26 28 о -163 0.64 -10.3 -3653 34 4Э -164 042 -18-4 -5874 20 20 w -1D1 0.63 -5.6 -1814 41 58 -158 0.44 -18.7 -8B72 30 23 KW 39 1.07 2.3 839 50 01 -158 0.50 -19.2 ?5470 31 29 GEM 65 1.15 5.9 1350 46 63 -17 0.90 -4.8 -850 40 20 КС -150 0.70 -4.4 -2764 36 54 147 2.97 58.8 7774 57 19 cc -60 0.36 -3.6 -1139 41 53 -115 0.25 -22.1 -7202 25 16 SB -19 0.95 -1.9 -350 47 55 0 1.00 0.0 0 52 21 JO -132 0 77 •5.2 -2077 39 64 106 1.93 54,1 5073 86 21 CT 159 1.40 17.6 3390 46 47" -81 0.75 -19.0 -2262 37 27 LB 37Й 1 80 24.1 6410 50 59 -35 0.87 -7.6 -118T 40 30 ГЛАВА 15 СОЧЕТАНИЕ выходов с ИСКУССТВЕННЫМ ИНТЕЛЛЕКТОМ

375

Эффективность коротких позиций на различных рынках

В табл. 15-7 приведены результаты выходов из коротких позиций, произведенных на основе МССВ и правил выхода, разработанных с помощью генетических алгоритмов. Здесь связь между эффективностью в пределах и вне пределов выборки была более выраженной. Особенно примечательна прибыль в обеих выборках, полученная на рынке иены. Также были прибыльны рынки сырой нефти, неэтилированного бензина, откормленного скота, живых свиней, соевой муки и кофе.

Таблица 15—7. Эффективность системы МССВ с добавлением генетически разработанных правил выхода. Короткие позиции. Сравнительные данные по различным рынкам РЫК Ф.ЛРНБ (ДЕЛ ПРИБКР ED*-* *СДЕЛ СДЕЛ SP -187 0.5S -7-3 -3126 33 60 -191 0.41 -19,6 -5в40 2Й

30 34

23 ?Х -310 0.40 -0.0 -4770 35 OS -17 091 -4J | -746

US -35 0.77 -6.0 -1554 40 ss •41 0.7S -11.0 -2175 38 1В ТВ -162 0.5S -8.4 -5073 37 32 -110 048 -23.4 -«283 26 28 ТУ ? 13S 0.67 -7.0 -2786 34 50 -243 022 -21.6 -7вв2 25 31 BP -1H 0.71 -00 -2052 36 52 -00 0.80 11.1 -3030 3» 23 DM -104 072 -oo -2263 30 48 -53 0.72 -12.9 -2143 44 25 SF -101 0.75 ?a.o -1W3 39 61 42 1 28 17.1 1473 56 29 JY 13* 1.50 13.1 2473 46 56 141 1 86 59.8 S251 51 27 CD -1ST I 0.57 -e в -3C6C 25 43 42 076 -112 -2415 34 26 ED -117 Г 0.39 -10.1 -7456 гз 56 -160 0.17 -22.» -9515 21 1» CL 07 1.24 6.i 14*2 37 59 10 1.07 36 403 40 27 НО -264 0.51 -7.7 -4725 32 58 -7 овт1 -1.3 -248 46 20 ни 14 1.03 07 236 30 61 01 1,48 2Z4 2661 58 23 ас ?177 0.64 -103 -3107 31 67 252 4+4 1482 13268 73 1» SI 44 CM -3.4 -1129 40 57 70 1.32 28.5 2436 48 20 PL -104 0 76 -5.4 -1778 44 50 -156 0 45 -21 1 -8017 33 24 PA ?04 0.60 -5.4 •1208 42 50 7 1,07 2.2 308 46 25 FC 34 1.00 2.2 534 41 es И

-35 128 1.79 32 7 8043 во 15 LC -156 0** -* -2827 670 33 50

0 76 2.46 -59 54 7 -2061 0054 23 57 10 LH u 1 13

40 44

pe 27 1.07 16 И5 38 54 -160 0.44 4(5 4177 40 27 1S s -202 0 37 -g.z -5648 34 SO -11» 0.26 -17.1 ?7945 33

Ш ie 1.06 M 378 46 43 32 1.17 ».в 10281 37 32 eo -20 0.04 -2.0 -439 40 61 -11 093 -г»| -558 35 20 с -20 0.93 ?1.3 -696 34 SO 30 1.26 13.61 1445 52 21

-53 0.66 -3.5 -1112 35 48 0 1.00 0.0 3 37 24 w -197 0.60 -10.1 -3168 35 62 33 1.38 13.1 ^ 2223 S3 15 KW i -45

?4b 0.01 ?23 -667 33 ее 23 1.1S 65 1231 31 10

0.90 -2.2 -864 37 53 -7» 0.44 -17.6 5645 35 14 KG 84 1 71 6.7 1721 48 4B~* 4 1 05 18 316 40 1S CC -17 0.05 -1.1 -3271 42 54 25 1.27 7.3 1)82 45 22 SB *157 0.65 -e.o -2 668 36 61 -94 0.64 -10.7 -2963 21 32 JO -55 0.89 -4.3 -630 Э7 67 -M 064 -164 -2759 40 25 CT -30 0.91 •2.5 -Б93 42, 52 -42 0.71 -12.6 -1850 47 23 LB -108 0.74 -5.0 -2257 40 47 -60 363 -32.1 -3100 34 26 376

ЧАСТЬ III ИССЛЕДОВАНИЕ выходов

ЗАКЛЮЧЕНИЕ

Вышеприведенные тесты продемонстрировали ряд важных фактов. Во-первых, нейронные сети вне пределов выборки продемонстрировали меньшую устойчивость, чем генетически разработанные правила. Это, несомненно, связано с большим числом параметров в нейронной сети по сравнению с моделями на основе правил. Иными словами, нейронные сети страдали от избыточной подгонки под исторические данные. Кроме того, было показано, что добавление сложного сигнала выхода, будь то нейронная сеть или набор правил, полученных с помощью генетической эволюции, может значительно улучшить стратегию выходов. При использовании более устойчивых генетических правил полученные преимущества сохранились и при работе вне пределов выборки.

Нейронная сеть и шаблоны правил были изначально предназначены для работы в системах входов и проявили себя достаточно хорошо при генерации редких сигналов входа. В стратегии выходов были бы предпочтительны правила, генерирующие сигналы значительно чаще. Существует обоснованное мнение, что набор шаблонов правил, специально предназначенный для разработки сигналов выхода, был бы гораздо более эффективен. То же самое относится и к нейронным сетям.

ЧТО МЫ УЗНАЛИ?

Избыточная подгонка под исторические данные вредна не только при создании входов, но также и выходов.

Сложные технологии, включая генетические алгоритмы, могут быть эффективно использованы для улучшения стратегий выхода.

Даже грубые попытки улучшения выходов, подобные приведенным здесь, могут улучшить среднюю прибыль в сделке на сотни долларов.

<< | >>
Источник: Джеффри Оуэн Кац, Донна Л. МакКормик . Энциклопедия торговых стратегий / Пер, с англ. — М.: Альпина Паблишер. — 400 с. . 2002

Еще по теме МЕТОДОЛОГИЯ ТЕСТИРОВАНИЯ ГЕНЕТИЧЕСКОГО КОМПОНЕНТА ВЫХОДОВ:

  1. МЕТОДОЛОГИЯ ТЕСТИРОВАНИЯ НЕЙРОННОГО КОМПОНЕНТА СТРАТЕГИИ ВЫХОДОВ
  2. ТЕСТИРОВАНИЕ СТРАТЕГИЙ ВЫХОДА
  3. РЕЗУЛЬТАТЫ ТЕСТИРОВАНИЯ НЕЙРОННОГО ВЫХОДА
  4. МЕТОДОЛОГИЯ ТЕСТИРОВАНИЯ
  5. СТАНДАРТНЫЕ ВХОДЫ ДЛЯ ТЕСТИРОВАНИЯ ВЫХОДОВ
  6. МЕТОДОЛОГИЯ ТЕСТИРОВАНИЯ
  7. МЕТОДОЛОГИЯ ТЕСТИРОВАНИЯ
  8. 10.4. Методология тестирования торговых систем для рынка FOREX
  9. МЕТОДОЛОГИЯ ТЕСТИРОВАНИЯ ЛУННЫХ МОДЕЛЕЙ
  10. ГЛАВА 12 Генетические алгоритмы
  11. ЧТО ТАКОЕ ГЕНЕТИЧЕСКИЕ АЛГОРИТМЫ?
  12. Генетический алгоритм