Na
początek przytoczę odnośniki do tekstów zawierających
zestawienia wyników dla poszczególnych rozpatrywanych par, tak aby
można było łatwo i szybko do nich sięgnąć:
Porównanie
zawartości tabel, szczególnie z rozbiciem na strategie podążające
za trendem (Foll) oraz strategie antytrendowe (Cont) każe stwierdzić
w pierwszej kolejności, że tylko dla pary EURUSD system wychodzi z
badania obronną ręką. Przy tym stosunkowo słabo wypada przy
zastosowaniu funkcji kryterium opartej o medianę, szczególnie w
połączeniu z oceną ryzyka za pomocą klasycznych lub pozycyjnych
miar rozrzutu. Znajduje to również potwierdzenie pod względem miar
zróżnicowania sąsiednich punktów na charakterystykach, liczonych
z modułem (diffmod) czy też z kwadratem(diffsqr). Ich wysokie
wartości oznaczają niską stabilność wyników w zależności od
parametru m metody, co przekłada się na „poszarpany”
kształt charakterystyk.
Podobne
zjawisko, przynajmniej w odniesieniu do strategii połączonej
(Joint) zachodzi w przypadku AUDUSD. Tam również funkcje kryterium
oparte o medianę dawały kiepskie wyniki, również pod względem
stabilności. Kształty charakterystyk, z ich zygzakowatymi
oscylacjami wokół osi na poziomie zero, również nie wygląda
zachęcająco.
Najsłabiej
wypadły wyniki dla pary NZDUSD, gdzie wszystkie funkcje kryterialne,
zarówno dla pro- jak i antytrendowych wersji dawały wyniki
negatywne, w sensie przeważających ujemnych wartości zysku
końcowego. Uwagę jedynie przyciągają widoczne na wykresach
maksima lokalne, dla których skumulowany zysk strategii połączonej
zaledwie zrównuje się z wielkością maksymalnego obsunięcia.
Ewentualnie może stanowić to pewien punkt startowy do poszukiwań
ciekawych metod adaptacji parametru m w modelu trójpoziomowym,
którego rozwój i implementacja właśnie trwają.
Interesujące
są natomiast wyniki dla GBPUSD. Pojawiają się tam słabe, można
wręcz powiedzieć fatalne efekty działania wersji podążającej,
które jednak są rekompensowane stosunkowo dobrymi wynikami
strategii kontrariańskiej. Dodatkowo kształt wykresów, na których
pojawiają się zakresy w miarę stabilnie występujących wartości
dodatnich, sprawia dość optymistyczne wrażenie.
Te
krótkie spostrzeżenia mają na celu między innymi znalezienie
jakichś „punktów zahaczenia” oraz inspiracji dla optymalizacji
systemów na kolejnych poziomach hierarchii. Ostatecznie działanie
algorytmów uczących system na trzecim poziomie opierać się będzie
między innymi na analizie skuteczności systemu na niższym
szczeblu, czyli między innymi badaniu takich charakterystyk i
wskaźników jak omawiane tutaj. Oczywiście analizie realizowanej
automatycznie na podstawie odpowiednich formuł.
Moje wnioski pochodzą też z troszeczkę innych testów, gdyż na interwale godzinnym. Testowana na blogu ilość interwałów to raptem kilka dni przy interwale godzinnym, a ja puszczałem testy w okresie 11 lat.
OdpowiedzUsuńKryteria oparte o medianę, nie dość że najczęściej dają słabsze wyniki, to potrafią też odstawiać niespodziewane numery jak np. MEDIAN/MDD dla AUDUSD. Część takich patologii eliminuje użycie logarytmów zamiast dzielenia w funkcji jakości.
System trójpoziomowy oparty na pokazanych wzorach najpierw integrujących po m a potem wybierających p, dawał wyniki lepsze od średniej dla systemu dwupoziomowego. Myślę że to jest dobry wynik i rozsądne oczekiwanie, dlatego też wstrzymuję się z implementacją według zaproponowanych na blogu wzorów. Wymagałoby to zmian w architekturze kodu, używało jednego więcej parametru, dla q=1 wyniki są nieciekawe i nie wiadomo jak bardzo się polepszą dla wyższych...
Kiedy już zakończę implementacją systemu 3L, to pewnie też przebadam go na różnych interwałach. Wtedy będzie okazja porównać wyniki.
UsuńA na czym polegały wspomniane patologie?
Patologie polegały na tym, że przy wynikach ujemnych są one dużo bardziej ujemne.
OdpowiedzUsuń