Wfa Forex

Solução de implementação de estratégia de backtesting de gerenciamento de dados de classe institucional: - ações, opções, futuros, moedas, cestas e instrumentos sintéticos personalizados são suportados - múltiplos feeds de dados de baixa latência suportados (velocidades de processamento em milhões de mensagens por segundo em terabytes de dados) - C e Teste de backtesting e otimização de estratégia baseada em rede - execução de vários corretores suportados, sinais de negociação convertidos em pedidos FIX QuantFACTORY - Solução de implementação de estratégia de backtesting de gerenciamento de dados de classe institucional: - QuantDEVELOPER - framework e IDE para estratégias de negociação de desenvolvimento, depuração, backtesting e otimização, disponíveis como Um plug-in Visual Studio - QuantDATACENTER - permite gerenciar um data warehouse histórico e capturar dados de mercado de latência em tempo real ou ultra baixa de provedores e trocas - QuantENGINE - permite implantar e executar estratégias pré-compiladas - multi-ativos, multi-período baixo Dados de latência, corretores múltiplos suportados Dados de classe institucional homem Solução de implantação de estratégia de backtesting: - OpenQuant - C e VisualBasic. NET sistema de nível de backtesting de negociação, multi-ativos, testes de nível intradiário, otimização, WFA etc. múltiplos corretores e feeds de dados suportados - QuantTrader - ambiente de negociação de produção - QuantBase - centralizado Gerenciamento de dados - QuantRouter - roteamento de dados e pedidos Solução de implantação de estratégia de backtesting de gerenciamento de dados de classe institucional: - solução multi-ativos, múltiplos feeds de dados suportados, o banco de dados suporta qualquer tipo de RDBMS fornecendo uma interface JDBC, por exemplo Oracle, Microsoft SQL Server, Sybase, MySQL, etc. - os clientes podem usar o IDE para rotear sua estratégia em Java, Ruby ou Python, ou podem usar sua própria estratégia IDE - execução de vários corretores suportados, sinais comerciais convertidos em ordens FIX Institucional - Solução de implantação de estratégia de backtesting de gerenciamento de dados de classe: - solução multi-ativos (forex, opções, futuros, ações, ETFs, commodities, instrumentos sintéticos e spreads personalizados de derivativos etc.), múltiplos feeds de dados suportados - estrutura para desenvolvimento de estratégias de negociação, depuração, backtesting E otimização - execução de vários corretores suportados, sinais comerciais convertidos em pedidos FIX (IB, JPMorgan, FXCM, etc.) Plataforma de software dedicada integrada com dados de Tradestations para backtesting e auto-negociação: - dados intradiários diários (estoques de US para 43 anos, futuros para 61 Anos) - prático para sinais baseados em preços de backtesting (análise técnica), suporte para a linguagem de programação EasyLanguage - suporte a ETFs de ações dos EUA Futuros, índices dos EUA, ações alemãs, índices alemães, grátis para clientes de corretagem da Tradestation - 249,95 mensalmente para não profissionais (plataforma de software Tradestation somente, sem corretora) - 299,95 mensalmente para profissionais (plataforma de software de tradestation somente, sem corretagem) Dedicado Plataforma de software para backtesting e auto-negociação: - suporte a estratégias dailyintraday, teste de nível de portfólio e otimização, gráficos, visualização, relatórios personalizados, análise multi-threaded, gráficos 3D, análise WFA, etc. - melhor para sinais baseados em preços backtesting (análise técnica) - link direto para eSignal, Interactive Brokers, IQFeed, myTrack, FastTrack, QP2, TC2000, qualquer feed compatível com DDE, MS, txtfiles e muito mais (Yahoo Finance. ) - uma taxa de tempo 279 para edição padrão ou 339 para edição profissional Plataforma de software dedicada para backtesting e auto-negociação: - backtesting e trading do sistema de nível de portfólio, multi-ativos, teste de nível intradiário, otimização, visualização etc. - permite a integração R, Negociação automática na linguagem de script Perl com todas as funções subjacentes escritas em C nativo, preparadas para co-localização do servidor - Suporte nativo do FXCM e Interactive Brokers - suporte gratuito ao FXCM, 100 por mês para a plataforma IB, entre em contato com Salesseertrading para outras opções Plataforma de software dedicado para Backtesting e auto-negociação: - suporte a estratégias dailyintraday, testes de nível de portfólio e otimização - melhor para backtesting baseados em preços (análise técnica), C scripting - extensões de software suportadas - manipulação de feeds de dados, execução de estratégia, etc. - 799 por licença, 150 por ano Taxa após a plataforma de software dedicado para backtesting, otimização, atribuição de desempenho e análise: - Axioma ou 3ª parte Análise do fator de dados, análise de fatores, modelagem de risco, análise do ciclo de mercado Plataforma de software dedicado para backtesting e auto-negociação: - melhor para backtesting baseada em preços de sinais (análise técnica), suporte a estratégias diárias de intrusão, teste de nível de portfólio e otimização - Turtle Edition - motor backtesting, Gráficos, relatórios, testes EoD - Professional Edition - editor de sistema mais, análise progressiva, estratégias intradias, testes multi-threaded etc. - Pro Plus Edition - mais gráficos de superfície 3D, scripts etc. - Builder Edition - IB API, depurador etc. - Turtle Edition 990 - Professional Edition 1,990 - Pro Plus Edition 2,990 - Builder Edition 3,990 Plataforma de software dedicada para backtesting e auto-negociação: - suporte a estratégias dailyintraday, teste de nível de portfólio e otimização, gráficos, visualização, relatórios personalizados etc. - melhor para backtesting Sinais baseados em preços (análise técnica) - link direto para Interactive Brokers, MB Trading, TD Ameritrade, FXCM e outros - dados de M arquivos de texto, eSignal, Google Finance, Yahoo finance, IQFeed e outros - funcionalidade básica (funcionalidade EoD) - livre - funcionalidade avançada - arrendamento de licença de vida de 50 meses ou 995 Plataforma de software dedicada para backtesting e auto-negociação: - melhor para backtesting Sinais baseados em preços (análise técnica), suporte a estratégias diárias de intruso, testes de nível de portfólio e otimização, gráficos, visualização, relatórios personalizados - suporta C e Visual Basic. NET - link direto para Interactive Brokers, IQFeed, txtfiles e mais (Yahoo Finance. ) - licença perpétua - 499 - arrendamento 50 por mês Plataforma de software dedicada para backtesting e auto-negociação: - suporte a estratégias dailyintraday, testes e otimização de nível de portfólio, gráficos, visualização, relatórios personalizados - sinais técnicos e também fundamentais, suporte multi-ativos - 245 para Versão Avançada (provedores de dados gratuitos) - 595 para Versão Premium (suporte a vários provedores de dados e corretores) Plataforma de software dedicada para backtesting e auto-negociação: - suporte a estratégias diárias de intruso, teste de nível de portfólio e otimização - melhor para sinais baseados em preços de backtesting Análise técnica) - dados de compilação de ações, futuros e divisas (ações diárias dos EUA a partir de 1990, futuros diários 31 anos, divisas a partir de 1983 etc.) - preços de 45 meses a 295 meses (os preços dependem da disponibilidade de dados) Plataforma de software dedicado Para backtesting e auto-negociação: - usa linguagem MQL4, usada principalmente para negociar mercado forex - oferece suporte a vários corretores de Forex e feeds de dados - suporta Gerenciamento de contas múltiplas Plataforma de software dedicado para backtesting e auto-negociação: - suporte a estratégias diárias em tempo real, testes de nível de portfólio e otimização - melhor para sinais baseados em preços de backtesting (análise técnica), suporte para linguagem de programação EasyLanguage - suporte de múltiplos feeds de dados (Bloomberg, Thomson Reuters, CSI, CQG, eSignal, etc.), suporte direto para vários corretores (Interactive Brokers, etc.) - Multicartos 797 por ano - Multicartros vida útil 1.497 - Multicartros Pro 9,900 (Bloomberg Thomson Reuters feed de dados, etc.) Ferramenta de teste back-based baseada na Web para testar Estratégias de escolha de estoque: - ETFs de ações dos EUA (diariamente) - dados fundamentais pontuais desde 1999 - estratégias longshort, sinais baseados em preços inflacionados - Designer - 139 meses - Gerente - 199 meses - funcionalidade completa Análise de portfólio usando dados de mercado de alta freqüência: Este produto é para uso de pesquisadores de traders de baixa, média e alta freqüência. Todos os cálculos são feitos usando dados de mercado de alta freqüência que beneficiam os comerciantes e pesquisadores de baixa e alta freqüência. - backtesting intradía, gerenciamento de risco de portfólio, previsão e otimização a cada preço segundo, minutos, horas, fim de dia. Entradas do modelo totalmente controláveis. - Fontes de dados de mercado de 8k mercado desde 2012 (ações, índices ETFs negociados no NASDAQ). Os clientes também podem carregar seus próprios dados de mercado (por exemplo, ações chinesas). - 40 métricas do portfólio (VaR, ETL, alfa, beta, razão de Sharpe, razão Omega, etc.) - suporta R, Matlab, Java Python - 10 otimizações de portfólio ferramenta de backtesting baseada na Web: - preços de estoque dos EUA (diariamente, durante o período), desde 1998, Dados da QuantQuote - dados de divisas da FXCM - suporte Trader Interactive Brokers para operações ao vivo Ferramenta de backtesting baseada na Web: - Preços dos estoques e ETF dos EUA (diariamente, durante o período), desde 2002 - dados fundamentais da Morningstar (mais de 600 métricas) - suportando Interactive Brokers para negociação ao vivo Ferramentas de backtesting baseadas na Web: - simples de usar, estratégias de alocação de ativos, dados desde 1992 - momentum da série de tempo e estratégias de média móvel em ETFs - estratégias simples de escolha de ações de Momentum e Simple Value Ferramenta de backtesting baseada na Web: - dados de até 25 anos para 49 Futuros e estoques SP500 - caixa de ferramentas em Python e Matlab - Quantiacs hospeda competições de negociação algorítmica com investimentos variando de 500k a 1 milhão de ferramentas de backtesting baseadas em WebCloud: - Dados FX (ForexCurrency) em ma Jor pairs, voltando para 2007 - SecondMinuteHourlyAs barras diárias - negociação ao vivo compatível com qualquer corretor que esteja usando o Metatrader 4 como ferramenta de proteção back-test baseada na Web backend: - mais de 10 000 estoques dos EUA, dados até 20 anos de história - critérios técnicos fundamentais - grátis - Funcionalidade limitada (1 ano de dados, sem backtests guardados, etc.) - 50 por mês - funcionalidade completa Ferramenta de backtesting baseada na Web para testar estratégias de escolha de fator de patrimônio e alocação de ativos: - fatores de equidade múltiplos com valores de referência alfa alocados de mercado, investimento múltiplo comprovado Universos, filtros de gerenciamento de riscos - estratégias de alocação de ativos backtests, mistura de alocação de ativos e seleção de fator em um portfólio - grátis no universo SP 100 - 50 meses ou 480 anos - universos de investimento mais amplos dos EUA, ações da UE do Reino Unido, estratégias de alocação de ativos MATLAB - linguagem de alto nível e Ambiente interativo para computação estatística e gráficos: - computação paralela e GPU, backtesting e otimização, ampla possibilitie S de integração, etc. - preço a pedido aqui Ambiente de software livre para computação estatística e gráficos, muitos quants preferem usá-lo por sua arquitetura aberta e flexibilidade excepcional: - instalações eficazes de armazenamento e armazenamento de dados, instalações gráficas para análise de dados, Facilmente expandido através de pacotes - extensões recomendadas - quantstrat, Rmetrics, quantmod, quantlib, PerformanceAnalytics, TTR, portfólio, portfolioSim, backtest, etc. Linguagem de programação gratuita de código aberto, arquitetura aberta, flexível, facilmente estendida por pacotes: - extensões recomendadas - pandas ( Python Data Analysis Library), pyalgotrade (Python Algorithmic Trading Library), Zipline, ultrafinanças, etc. O BacktestingXL Pro é um complemento para construir e testar suas estratégias de negociação no Microsoft Excel 2010 e 2013: - os usuários podem usar o VBA para criar estratégias para o BacktestingXL Pro, o conhecimento do VBA é opcional, os usuários podem construir regras de negociação em uma planilha usando códigos de teste de teste padrão pré-fabricados - supp Prateleira de ortos, limitação de posição de curta duração, cálculo de comissão, rastreamento de patrimônio, controle de dinheiro livre, customização de preços Buysell - relatórios de performancerisk múltiplos - 74.95 para BacktestingXL Pro Ferramenta de backtesting baseada na Web: - ferramenta de backtesting baseada em nível básico de nível básico Para testar a força relativa e as estratégias de média móvel em ETFs - vários tipos de estratégias para funcionalidade de backtesting gratuita e completa 34,99 Fator FactorWave mensal é uma ferramenta de backtesting baseada na web simples para investir fatores: - permite ao usuário misturar múltiplos fatores ETFoptionsfuturesequity com alfa comprovada Sobre benchmarks de mercado - livre - ETFStock Screener com 5 fatores - 149mo - opções de opções gratuitas, estratégias de futuros, estratégias vix Ferramenta baseada na Web - Avaliações de ações gratuitas, Análise sazonal, Gráficos Fundamentos - Modelo Freemium grátis Ferramenta de backtesting baseada na web gratuita para Estratégias de escolha de estoque de teste: - estoques dos EUA, dados da ValueLine de 1986 a 2014 - preço e dados fundamentais, 1700 ações, Teste de granularidade mensal A seção de dados de tiques do eareview. net é um guia detalhado que o levará a todo o processo de backtesting de dados de ticks, começando de onde adquirir dados históricos históricos seguros do Forex, como baixá-lo e como usá-lo no Backtesting Metatrader 4 consultores especializados para obter uma qualidade de modelagem de 99. Se você não tiver certeza do que é o backtesting, provavelmente é uma boa idéia comprar o curso Metatrader Backtesting and Optimization. Que está voltado para pessoas que são novas no Forex e Metatrader 4 backtesting. Esta página é dividida em várias seções: Em geral, o teste de retorno usando os dados do centro de histórico MT4 pode ser bom o suficiente para EAs que não são scalping ou pip hunting. No entanto, se você estiver lidando com uma EA ou com qualquer tipo de EA que encerre negócios dentro de 1-15 pips, mesmo as menores diferenças de feed podem ter um impacto muito grande. O problema é causado pelo terminal Metatrader não ter acesso aos dados do tick real, mas apenas para os dados da barra de minutos no melhor dos casos, o que o obriga a dar a sua estratégia backtest falsos carrapatos gerados através de um processo de interpolação usando os dados para o menor Prazo disponível. Provavelmente, isso não é importante para um consultor especializado que usa metas de mercado e objetivos de mais de 100 pips, mas, no caso de robôs que tentam escumar alguns pips aqui e ali, seu backtest pode ser completamente enganador. Portanto, é muito importante tentar testar usando dados com uma qualidade tão alta quanto possível e é por isso que eu coloco alguns recursos, todos os quais eu uso no meu backtest quando necessário. Guias de dados de tiquetaque Como fazer o download de dados de tick gratuitos 8211 detalha o processo de download usando várias fontes de dados de tiques gratuitas: Dukascopy, Oanda, Pepperstone, Integral, MB Trading e Gain Capital. Fazer o download da Dukascopy com dados do JForex 8211 um guia que fornece uma descrição detalhada do procedimento de download usando o cliente Dukascopy JForex. Fazer o download e analisar a Dukascopy assinalar dados com Birts scripts PHP 8211 um how-to que contém muitos detalhes sobre o assunto, usando os scripts PHP que escrevi para baixar e processar os dados do tick da Dukascopy. Como preparar seus dados de ticks para o Metatrader 4 8211, guia para converter os dados do tick em um formato compatível com o Metatrader 4 (de CSV para FXT). Como fazer backtest usando dados de marca com o Metatrader 4 8211, uma revisão das opções disponíveis para usar dados de marca com a plataforma Metatrader 4. Como fazer backtest usando tick dados, o Guia do Tick Data Suite 8211 um guia que descreve o uso do Tick Data Suite. O método de ativação de dados de tiques preferido que possui muitos recursos que a sua alternativa não possui. É muito mais fácil de usar e totalmente suportado. Veja a matriz do recurso Tick Data Suite para uma comparação detalhada. Como fazer backtest usando dados de tiques, o guia de roteiros de parches Birts gratuito 8211 um procedimento que aprofunda o uso e as limitações do método gratuito que permite o backtesting dos dados do tick. Perguntas frequentes 038 Solução de problemas Downloads O Walk Forward Analyzer Não está diretamente relacionado aos dados do tick, mas com suporte interno, o Walk Forward Analyzer é uma excelente ferramenta que permite otimizar seus consultores especializados Metatrader 4 em etapas, em uma técnica chamada Walk Forward Analysis . Simplificando, você otimiza seu EA por 3 meses, então você o teste nos próximos 1 mês para ver se os melhores parâmetros resultantes da otimização funcionam bem em dados fora da amostra, então você otimizará ainda mais nos próximos 3 Meses e assim por diante. Esta ferramenta permite automatizar todo o processo e faz todas as corridas para você, fornecendo um conjunto exaustivo de parâmetros de configuração e um relatório de otimização limpo no final. O Walk Forward Analyzer é um must-have para quem está fazendo um desenvolvimento de EA sério. Mas don8217t pegue minha palavra para isso, visite o site e baixe sua cópia 8211, o WFA costumava ter um preço em torno de 30, mas recentemente o autor decidiu fornecê-lo gratuitamente. Uma vez que há atualizações freqüentes para as ferramentas de dados do tiquetaque, eu decidi manter um changelog de dados Tick que lista todas as mudanças que os scripts passaram. Além disso, para os interessados, a página de dados de marca antiga ainda está disponível, mas muitas informações existem agora obsoletas. Análise de Avanço de Vendas - o único sucessor lógico para o teste de resposta Olá, Im Darwin e este é o meu segundo artigo no qual vou tentar Para explicar como funciona um walk-forward-analysis e quais benefícios ele traz para você como um comerciante de EA. Mas eu não quero apenas explicar como funciona uma análise progressiva (como outros já fizeram isso), não, eu quero explicar por que é a única maneira lógica de analisar EAs. E como as pessoas continuam perguntando por que eu liberto coisas grátis, deixe-me explicar minhas motivações: estou visando um emprego na economia comercial e isso não é fácil de obter. Beeing conhecido na comunidade me ajudaria muito a atingir esse objetivo, então eu decidi lançar algumas das minhas ferramentas privadas de forma gratuita ou open source para me fazer um nome nos próximos meses. Eu não estou aqui para vender coisas, tenha isso em mente, por favor, eu sei que o título é um pouco provocativo, mas muitas vezes é mais fácil iniciar uma discussão com uma controvérsia. Além disso, eu sei que os melhores comerciantes de EA podem usar o teste normal E ainda ser lucrativo - mas a maioria não pode. E mesmo se você puder, um WFA ainda é melhor. EU ESTOU LIBERANDO UMA FERRAMENTA DE ANALISADOR DE PASSEIO PARA LIVRE DENTRO DOS PRÓXIMOS DIAS QUE FAZ TODOS ESTE 100 AUTOMÁTICO ATÉ, USE O TEMPO PARA FAZER-SE FAMILIAR COM OS CONCEITOS. No entanto, nenhum deste artigo é necessário para usar a ferramenta walk-forward-analyzer, será tão fácil de usar quanto o metatrader4-backtester. Depois de ler, você tem 2 escolhas: Concordo com os meus argumentos e, de uma vez por todas, me livre da abordagem defeituosa de backtesting e use o WFA no futuro. Não concordo com os meus argumentos, mas tente discutir comigo. Faça-se um favor, não fique com os testes anteriores, porque você sabe disso ou algo assim. Btw, um backtest tem muitas desvantagens em comparação com uma Walk Forward Analysis do que as que eu descrevo aqui. Se você quiser saber mais sobre este tópico, leia meu primeiro artigo: quot Por que os backtests são inúteis, a lógica fixa-EAs são falhas e seus parâmetros são ruins DISCUSS quot (procure-o no google ou através de pesquisa de fórum) Primeiro, vamos Resumir o que as partes essenciais de cada sistema comercial são 1. A lógica dos sistemas A parte mais óbvia E para muitos iniciantes é a única parte que eles conhecem, o que é perigoso. Este pode ser um sistema de negociação manual ou um consultor especialista ou qualquer outra forma de estratégia comercial negociada em estratégia comercial negociada (btw: todos os 3 termos denominam o mesmo no artigo). Até agora, muito bom. Mas todos sabem que todas as estratégias têm algum tipo de parâmetros de variáveis ​​(como os períodos de médias móveis ou níveis de perda de parada, etc.), que não são FIXOS (), mas podem variar, o que nos leva à segunda parte. (Se você apenas configurá-los para um valor fixo, porque isso deve funcionar. Bem, não será, pelo menos, não a longo prazo) 2. Os parâmetros dos sistemas Os intervalos dos parâmetros são uma parte ESSENCIAL de todo sistema comercial, Como eles determinam o comportamento exato dele (difícil a lógica de negociação sempre permanece o mesmo). Assim, por exemplo, um período de média móvel pode variar de 5 a 15 para capturar movimentos de preços de curto prazo. Não é 6 e não 11 e não 14, é 5-15, à medida que os mercados mudam, não podemos escolher um valor concreto, SEMPRE um intervalo 3. O mercado, a quantidade de dados, as características desejadas Cada estratégia negocia Um mercado, então queremos determinar qual. (Por exemplo, EURUSD H4) Mas isso não é suficiente, também temos que determinar quantos dados de preço passado queremos usar para avaliar nossas possíveis opções de parâmetros. Como, como eu disse, um sistema sempre tem intervalos de parâmetros, mas para negociação ao vivo, temos que escolher valores concretos. E fazemos isso avaliando todas as possibilidades de parâmetros nos últimos X anos de preços-dados, e após a avaliação, terminamos Com uma enorme lista de sistemas comerciais possíveis e quotindependentes (cada um deles com diferentes parâmetros, mas a mesma lógica principal). E cada um tem suas próprias características, como quotprofitquot ou quotprofit factorquot ou quotrelative drawdownquot. Então, também precisamos determinar como escolher os parâmetros quotbestquot. Mas não é tão simples como dizer que queremos muito lucro, porque as características muitas vezes não são seguras no futuro. Em vez disso, queremos escolher de uma forma que nos dê uma alta probabilidade de escolher parâmetros que terão sucesso durante a negociação ao vivo. Um exemplo ilustrativo A lógica dos sistemas: suponho um sistema de negociação muito básico: quot Se o preço se movesse mais do que X pips nos últimos Y dias, uma correção do curso acontecerá (esta não é uma estratégia válida, é apenas um ar delgado por causa De simplicidade). Os parâmetros seriam X e Y neste caso. Os parâmetros dos sistemas - intervalos: para simplificar, escolhi X para ser 100-200 pips neste exemplo, e Y para 2-3 dias. (Também, apenas um pouco de ar) Quantidade de dados preferências de amplificador de dados: Aqui escolhemos os últimos 10 anos de dados para avaliar os possíveis parâmetros e quotprofitquot como característica preferida. (Difícil, como eu disse, na realidade, o lucro não é um indicador muito bom para os parâmetros que terão um bom desempenho no futuro). O processo: Ok, agora, antes que possamos negociar esse sistema, fazemos uma otimização nos últimos 10 anos. Isso significa que recuperamos todas as possíveis combinações de parâmetros para o nosso sistema e escolhemos o melhor em quotprofitquot. Por uma questão de simplicidade, aqui está um exemplo recortado: quot Se o preço tivesse movido mais de 100 pips nos últimos 2 dias, uma correção do curso ocorrerá no gt 1000 nos últimos 10 anos. Se o preço tivesse movido mais de 150 pips nos últimos 2 dias , Uma correção do curso acontecerá no gt 1200 nos últimos 10 anos. Se o preço movido mais de 200 pips nos últimos 2 dias, uma correção do curso acontecerá 1.500 nos últimos 10 anos. Se o preço transferisse mais de 100 pips no último 3 dias, uma correção do curso acontecerá no 900 nos últimos 10 anos. Se o preço tivesse movido mais de 150 pips nos últimos 3 dias, uma correção do curso ocorrerá em 950 nos últimos 10 anos. Se o preço movesse mais de 200 pips em Nos últimos 3 dias, uma correção do curso acontecerá em 950 nos últimos 10 anos Soo, de acordo com nossa característica preferida (lucro), escolheríamos X 200pips Y 2 dias, e depois trocamos a estratégia. Bem, esse é o processo quotnormal da EA-trading, e eu afirmo que isso não funciona dessa maneira. EA-Analysis: Como fazer as perguntas certas Ok, agora que descrevi o processo atual e como tudo está feito, aqui vem a parte quotnewquot. O objetivo em si sempre permanece o mesmo, queremos escolher os melhores parâmetros (com base em algum tipo de avaliação no passado), e então queremos negociar em tempo real. Lembre-se: A única coisa que um backtest pode dizer é quot. Como meus parâmetros de sistema foram bons? No passado. Mas isso não é o que queremos saber Certifique-se de que você realmente entende isso. Pergunta inicial O que realmente queremos provar com análise. De acordo com a forma como escolhemos os parâmetros para a negociação ao vivo (escolha o melhor lucro nos últimos 10 anos no exemplo acima), dê-nos uma alta probabilidade de escolher parâmetros que sejam rentáveis ​​durante a negociação ao vivo. Então, estamos realmente interessados ​​no relacionamento do passado - performanceampfuture-performance, não backtest-results Se a resposta for No. Uma ou mais das 3 coisas descritas em quotInitial Situationquot estão erradas. Pode ser a própria lógica, as alterações de parâmetros, etc. Se a resposta for Sim. O desempenho no passado e o desempenho no futuro estão de alguma forma correlacionados para a nossa EA e podemos trocar o sistema. A evolução lógica De Backtests para Walk-Forward-Analysis Primeiro Passo: Backtesting - na sua pior forma Obteremos parâmetros que realizaram Bem em uma ampla gama de dados Todo comerciante de EA que usou esse método e tentou trocar uma EA ao vivo, com base em bons backtests, pode dizer-lhe: simplesmente não funciona dessa maneira. Overtuting Curvefitting. Primeiro, otimizamos os parâmetros e, em seguida, teste-os, todos nos mesmos dados. Isso significa que não temos nenhuma pista se tivermos parâmetros válidos ou sobrepostos. A superação significa, nós otimizamos para um comportamento aleatório dentro de nossos dados, que só existe neste conjunto de dados específico, e não irá aguentar no futuro. Isso significa que nós capturamos um relacionamento que existia, mas não era um som. Como isto: s1.directupload. netimages1311255ccypnb8.jpg Não se engane em pensar quotah, isso não acontecerá. Quase todas as quotrelationships dentro dos mercados são assim, já que a maioria dos movimentos de preços são aleatórios. Se você não entende a superposição, google para mais informações, pois é nosso arquiinimigo no comércio mecânico. Sem significado para o desempenho futuro. Lembre-se de que a questão inicial não é o quão bom os nossos parâmetros foram realizados no passado, mas a alta probabilidade de sucesso após a otimização-timespan (então, no futuro, durante a negociação ao vivo) será. Como não fizemos nenhum teste com Nossos parâmetros que levam em conta o futuro relativo, nem tentamos responder a pergunta inicial. Acabamos de responder a pergunta. Quão bom os nossos parâmetros funcionaram no passado, não tendo em conta nada sobre o quotfuturequot gt muito ruim. Mesmo se você pudesse, de alguma forma, invalidar magicamente meus pontos acima, porque os parâmetros funcionaram bem em uma enorme quantidade de dados, eles não são realmente os melhores para o mercado atual - apenas um bem médio em todas as condições do mercado. Passo dois: Backtesting usando dados sem exibição de amostra Observação: O primeiro conjunto de dados, usado para otimizar nossos parâmetros, é chamado quotin-samplequot (is). O segundo, não visto, conjunto de dados é chamado quotout-of-samplequot (oos). Agora temos uma menor chance de obter parâmetros superados, pois usamos um conjunto de dados independente para validar nossas opções de parâmetros. Devido à infinita quantidade de relacionamentos sem sentido nos mercados, ainda temos um risco (muito alto) de superposição, pois as chances são muito altas, nós apenas obtivemos parâmetros válidos (ajustados) em ambos os conjuntos de dados, mas não são válidos no futuro . Se o sistema não funcionou fora da amostra e você começa a ajustar seus parâmetros até obter bons resultados de oos, seus resultados de oos não são mais quotunseenquot e tornando-se quotin-samplequot, o que torna a abordagem completa usando 2 conjuntos de dados Inútil Ainda utilizamos uma grande parte dos nossos dados (na amostra) para encontrar os melhores parâmetros, o que também significa que usamos muitos dados quotoldquot. Essa não é uma boa decisão, já que o comportamento dos mercados no passado não é igual ao comportamento de hoje. Não apenas o nosso conjunto de dados na amostra é muito grande, também o nosso conjunto de dados fora da amostra é muito grande e, portanto, não realista. No exemplo acima, seria de alguns anos, mas você realmente gostaria de trocar um sistema por anos antes de escolher novos, reajustados, parâmetros que eu não iria Passo Três: Backtesting usando um valor de dados mais realista Agora, usamos apenas o Comportamento de mercado recente para otimizar nossos parâmetros, então capturamos o quotat do mercado no momento e não há quot10 anos. Nós não testamos nossos parâmetros em um período de tempo que é mais realista (como não é anos, mas meses). Nós usamos apenas uma pequena parte do preço-preço disponível para nossos testes. Isso não é muito eficiente Ok, lembre-se da situação inicial, onde estabelecemos os intervalos de parâmetros, a quantidade de dados a serem otimizados e o característico quot desejado. Nossa análise tem como objetivo verificar essas escolhas, se elas são válidas ou não. Mas neste caso, nós apenas fizemos um teste com eles, então otimizamos em uma parte dos dados, então escolhemos 1 combinação de parâmetros e testávamos em um conjunto de dados de 1 quotunseenquot. Diante do milionésimo de possíveis combinações de parâmetros que uma EA pode ter, e as maneiras infinitas pelas quais os mercados podem mudar para gerar um comportamento novo e quotunseenquot, você realmente acha que 1 teste, 1 ponto de dados, 1 relação passado-gtfuture é suficiente para julgar a partir de Claro, não, então, por que você ainda está usando backtests normais Etapa 4: Walk Forward Analysis Então, como você pode ver, uma Walk Forward Analysis é a mesma coisa como fazer um back-amp normal fora do teste de amostra, mas nós fazemos isso e Mais uma vez, então acabamos não apenas com 1 caso de teste, mas com muitos (100-150 na maioria dos casos, até 1000 se escolhemos um período de teste muito pequeno). Dessa forma, podemos verificar nosso sistema de nossa metodologia de otimização em muitos casos de teste independentes, o que é a razão pela qual queremos usar o WFA em vez de todos os outros métodos de análise descritos aqui. Para o nosso relatório de análise final, apenas levamos em consideração os resultados de testes verdes, pois são o quotunseen futurequot relativo ao otimização-windows vermelho. Dessa forma, simulamos o mesmo processo que enfrentaríamos durante a negociação ao vivo: otimização no passado, negociação sobre o futuro (relativo). Isso nos permite extrair respostas significativas para a pergunta inicial, já que nós apenas analisamos o desempenho em quotthe futurequot. Usamos todos os dados disponíveis para nossos testes. Temos 100-150 testes quotPASTgtFUTUREquot-relationship independentes, o que nos dá uma pista sobre o desempenho futuro, não o desempenho passado, evitamos a superposição, pois usamos conjuntos de dados diferentes para otimizar e verificar nossos parâmetros. Se Queremos negociar ao vivo, simplesmente fazemos quotone mais stepquot do WFA, otimizamos os últimos dados disponíveis (o conjunto de dados quotredquot terminaria no final do gráfico) e, em seguida, trocou quotin the futurequot (o conjunto de dados quotgreenquot seria o nosso Negociação ao vivo). Então trocamos o sistema usando a mesma metodologia EXACT que já testamos 100-150 vezes. Devido à re-otimização freqüente dos parâmetros, a EA também é continuamente re-adaptada aos mercados, o que provavelmente aumentará o lucro total. Um backtest tradicional responde a pergunta. Quão bom foi o meu EA no passado, enquanto uma análise Walk Forward responde a pergunta. Quão bom será a minha EA no futuro, durante a negociação ao vivo. Ele não apenas avalia uma EA, mas também avalia o plano de negociação correspondente que determina como escolher os melhores parâmetros para a negociação ao vivo. A maioria dos EAs não passará esse teste. Mas isso não é ruim, porque vamos ser honestos, quase todas as EAs existentes são besteiras. Então, se quase todas as EAs testadas com esta abordagem dariam resultados ruins, isso seria ótimo. Mesmo que muitas pessoas não gostem de se desiludir sobre suas máquinas de impressão de dinheiro de quotholy grail, é melhor enfrentar a verdade durante o desenvolvimento de EA e não durante o comércio ao vivo. Há algumas limitações a respeito desse processo que serão discutidas em um artigo posterior, fique atento. Além disso, atualmente estou trabalhando em algoritmos de análise mais sofisticados, mas levará alguns meses até que eu possa lhe mostrar algo. A principal vantagem é que obtenhamos 100-150 casos de teste independentes, enquanto que um teste BacktestOut-of-sample nos dá apenas 1 caso de teste (ou 1 ponto de dados). Espero que gostem deste artigo e, se quiserem discuti-lo ao vivo, visite o webchat. snoonet. orgforex (é um cliente de bate-papo baseado na web) e, em seguida, clique no meu nick (FX-Darwin ou Darwin ou Darwin-FX) e No quotNachrichtquot quotMessagequot quotPrivate Messagequot (ou algo assim). Então você pode conversar comigo diretrly, e irei publicar todos os bate-papo interessantes no fórum. Mas o melhor seria discutir isso publicamente aqui no fórum, então, por favor, faça isso se você tiver alguma coisa a dizer sobre o assunto, obrigado. EU LANÇO UMA FERRAMENTA DE AVALIAR-FAZER-ANALISAR PARA LIVRE DENTRO DOS PRÓXIMOS DIAS QUE FAZEM TODO ESTE 100 AUTOMÁTICO ATÉ, USE O TEMPO PARA FAZER-SE MESMO FAMILIAR COM OS CONCEITOS. NÃO EDITA: e as pessoas continuam perguntando por que liberto coisas grátis, permitam-me explicar minhas motivações: estou visando um emprego na economia comercial, E isso não é fácil de obter. Beeing conhecido na comunidade me ajudaria muito a atingir esse objetivo, então eu decidi lançar algumas das minhas ferramentas privadas de forma gratuita ou open source para me fazer um nome nos próximos meses. Eu não estou aqui para lhe vender coisas, tenha em mente isso, por favor. Só quero explicar os conceitos de forma transparente antes de liberar qualquer coisa - e será de graça amplo. Você poderia me mostrar apenas um comércio que você pegou (em um gráfico). Eu não acredito no texto quando se trata de forex - os textos significam nada errado Quando se trata de forx quotone tradequot ou quota poucos meses de tradesquot significa nada - eles são apenas estatisticamente irrelevantes. Além disso, eu estou pesquisando e codificando no momento, e só trocaremos ao vivo quando eu terminar este, o que ainda pode demorar mais alguns meses. Porque, como eu disse, alguns dias, semanas ou meses de negociação ao vivo não significam nada, então primeiro eu tenho que terminar meus algos, então eu posso testá-los ao vivo. Mas não posso testá-los ao vivo enquanto eu ainda os desenvolvo. Além disso, isso não é um sistema comercial, é uma maneira de analisar os sistemas de negociação. Então, mesmo que eu pudesse mostrar-lhe uma quantidade significativa de negócios (como alguns anos), não provaria ou refutaria o conceito de WFA, basta mostrar-lhe que o único sistema que eu negocia funciona. Por isso, é difícil provar o que tenho Escrito com números difíceis, como você precisaria negociá-lo ao vivo usando muitas EAs por muitos anos. Mas quando Charles Darwin surgiu com a teoria da evolução, ele também não poderia apenas melhorar a situação, mas, no entanto, ele poderia apresentar uma argumentação lógica. Portanto, uma teoria pode existir e ser lógica, mesmo que ainda não esteja totalmente comprovada - e não posso lhe dar nada além de uma argumentação lógica que temo. Estatisticamente irrelevante significa, bem, imaginar lançar uma moeda 1 vez, pegar uma cabeça e depois reivindicar a moeda. A moeda sempre mostra o título. Você vê Se você tem um número muito pequeno de resultados, não pode tirar conclusões sobre as probabilidades estatísticas reais de qualquer sistema. E para mostrar que um comércio teria o mesmo problema. Então, talvez você tenha que jogar a moeda 1000 vezes para obter as verdadeiras probabilidades de 50:50. Mesmo com a negociação, apenas muitos negócios mostram as características reais. Não me deseje muita sorte - acabo de lançar um conceito, uma forma de analisar EAs, então não é nada que possa funcionar ou não. Um comércio pode mostrar uma pequena parte da sua lógica e sua gestão de dinheiro, sim. Mas o resultado de um comércio não tem sentido para julgar se funciona - para isso você precisará de anos de negociação ao vivo (para ter certeza de seus resultados). Tough, alguns meses de negociação ao vivo já podem ser uma boa sugestão sobre o desempenho real. De qualquer forma, quotone tradequot é dependente de um sistema específico - mas você pode testar qualquer sistema com WFA, então o quotone tradequot apenas mostrava o sistema particular e nada sobre o WFA Juntado em fevereiro de 2010 Status: Membro 944 Posts Eu apenas liberto um conceito , Uma maneira de analisar EAs, então não é nada que possa funcionar ou não. Agora, eu entendo que você não está falando de negociação, mas de back-testing. Eu acho que você deve se mudar para a categoria comercial onde você terá muito mais interesses de resposta. Só posso discordar desta afirmação. Veja a imagem abaixo. Este é um backtest (não um WFA). Existem mais de 500 negócios. Qual é a lógica por trás do que é o quotmentalityquot (se alguma vez uma EA tem uma mentalidade). Qual é a gestão do dinheiro Durante o período de 7 anos do backtest, a conta foi multiplicada por 2,5, isto é 13,9 por ano. O fator de lucro é 1,19, a expectativa é de 15,4 pips por trades. Isso é bom ou não Imagem anexada (clique para ampliar) Respostas: - Isso é bom ou não Absolutamente NÃO. Esta EA é completamente sem edema - O que é o gerenciamento de dinheiro Tamanho fixo, 1 lote micro. Um comércio por vez. - O que é a lógica Ele joga uma moeda para ir longo ou curto. SL100 pips TP500 pips. Quando o comércio fecha, ele abre um novo. Isso é simplesmente uma cereja escolhida de realização afortunada de uma caminhada aleatória Um único comércio ou 500 deles não provam nada. Sem ganância. Sem medo. Apenas matemática. Esta é simplesmente uma cereja escolhida para a realização afortunada de uma caminhada aleatória Um único comércio ou 500 deles não provam nada direito. Tough eu argumentaria que isso depende um pouco do jeito que você olha para eles. Se você apenas olha para o quotthe tradesquot, 500 pode ser realmente inútil - dependendo do seu teste, mas se você olhar para eles de uma maneira que você analisa a relação de correlação do passado-gtfuture e pode concluir que o desempenho passado e futuro é de alguma forma Correlacionado para 500 negócios, pode ser um bom indicador para um sistema com uma vantagem. Tough, seu ponto permanece válido e esta ainda é uma aposta perigosa, então o algo que eu estou codificando agora será capaz de analisar algo como 1.000.000-5.000.000 negócios individuais por sistema (dependendo do grau de liberdade e do comércio Frequência do seu sistema) e os primeiros testes parecem bastante promissores. Ansioso para discutir isso em um novo tópico em breve Além disso, obrigado pela postagem, o exemplo de lançar moeda é sempre um argumento muito bom - eu deveria ter incluído em um dos meus Artigos, vergonha para mim. Você diz que o WFA tem como objetivo adaptar os parâmetros da EA à evolução do mercado. Mas você parece assumir, como dado, que a EA já tem alguma vantagem. Quando você otimiza uma EA e você obtém um resultado, como a curva acima, como você avalia que não é devido a pura chance aleatória. A primeira questão em que a Id gostaria de obter uma resposta é: quot Este sistema está realmente funcionando mesmo antes de tentar otimizar qualquer coisa. Bem, um WFA não apenas analisa um sistema, analisa a correlação da performance do passado-gtfuture. Então, quando você otimiza seus parâmetros no passado para obter bons resultados, e então você analisa o desempenho futuro relativo e pode ver que há uma correlação clara entre eles, isso indica que não há apenas chance de quotrandom mostrando seu rosto feio. Pelo menos Essa é a idéia por trás da abordagem, e esse tópico está aqui para discussão, então, o que você acha? Como você estima a dispersão dos resultados em torno do vetor de parâmetros que você obtém do otimizador BTW SMA 31 é otimizado no que diz respeito ao que? A função de perda que você usa para comparar os resultados. Mas eu tento responder de qualquer maneira, é quotoptimalquot em relação a todos os outros períodos SMA. O usuário define a característica preferida, como o desencadeamento do lucro, e então o sistema possui o parâmetro ideal, em comparação com todos os outros, com base na característica preferida. Além disso, depende do usuário definir os intervalos de parâmetros e, portanto, mais ou menos, o grau de liberdade. Se o SMA 31 for ótimo, SMAs 27,28,29,30,32,33,34,35 também deve funcionar bem. Então, isso significaria olhar não apenas no parâmetro quotbestquot, mas em toda a imagem. Essa é a finalidade do meu novo algoritmo, analise todo o espaço de parâmetros. Mas a primeira ferramenta WFA, que vou lançar em alguns dias (apontar para o sábado), só será capaz de analisar o candidato mais quotbestquot. O melhor fator de multiplicação para o martingale é ZERO lotes. Se o SMA 31 for ótimo, SMAs 27,28,29,30,32,33,34,35 também deve funcionar bem. Além disso, temos mais possibilidades do que apenas tomar o parâmetro quotbestquot com base em algumas características. Se você fizer uma otimização e acabar com essa enorme lista de sistemas possíveis, você pode implementar qualquer tipo de quotmutatorsquot (classificação, filtragem, trunção, baralhar etc) para obter o parâmetro de quotbestquot para negociação. Eu chamo isso de plano de negociação. (Pelo menos, esse é o nome da classe C manipulando haha). Então, não seria muito difícil adicionar um mutador que tire algum grau de liberdade da estratégia inicial, com base no que funciona melhor, analisado em gt1.000.000 de negócios únicos. Esta pode ser uma boa abordagem sobre este tópico. Além disso, estou apenas pensando em uma maneira de adicionar um mutador que não apenas reduz o grau de liberdade, mas os conjuntos de parâmetros quotgroupquot, juntamente com seus vizinhos mais quotnearest ou algo assim. Interessante Pelo menos, a nova estrutura permite adicionar qualquer tipo de pós-otimização-mutators, então, se você tiver algumas idéias legais, fale-me, por favor. E você pode adivinhar que o objetivo será otimizar um plano de negociação, em vez de parâmetros, com base em todo o espaço de parâmetros de um sistema. Portanto, pode ser uma abordagem muito mais robusta do que um WFA, mas não tenho código suficiente para executar testes. Quando você otimiza seus parâmetros no passado para obter bons resultados, e então você analisa o desempenho futuro relativo e pode ver que há uma correlação clara entre eles, isso indica que não há apenas chance de quotrandom mostrando seu rosto feio Você pode desenvolver um Um pouco mais É uma boa correlação uma coisa boa para você. A correlação pode ser vista como uma dica de causalidade: uma variável explica a outra. Mas a correlação também pode ser vista como uma convolução: como duas curvas têm uma forma semelhante. E o que parece mais uma caminhada aleatória do que outra caminhada aleatória. Duas caminhadas aleatórias muitas vezes mostram um alto coeficiente de correlação, enquanto que por construção isso não é nada. Eu sou um programador e não muito em estatísticas, você poderia explicar isso. Bem, uma linguagem que eu entendo, acho que uma imagem é a melhor explicação. O eixo x é o seu parâmetro como o período do MA. O eixo dos e é a performance que você mediu como lucro. Como você pode ver, existem dois picos. O primeiro dá o melhor resultado. Seria selecionado pelo seu algo. Mas mudar ligeiramente esse valor faz com que o resultado caia significativamente. O segundo executa muito pior, mas também é muito mais forte. Este deve ser selecionado em vez disso. O primeiro está claramente superado. Esta curva ilustra um período de teste. Quão diferente será a curva para os próximos períodos Mesmo número de picos Eles estão no mesmo local ou eles se movem muito Quão importantes são os parâmetros Vamos retomar o exemplo de lançar moeda. Existem dois parâmetros: SL e TP. Quão importante é o SL É ​​mais ou menos importante do que o TP A relação TPSL é mais importante do que os próprios valores. O seu otimizador sempre encontrará o melhor valor. É o seu trabalho. Mas sabemos perfeitamente que esses dois parâmetros são completamente irrelevantes. Qualquer valor deles sempre dará um sistema perfeitamente sem edema (expectativa de 0). Se você fizer uma otimização e acabar com essa enorme lista de sistemas possíveis, você pode implementar qualquer tipo de quotmutatorsquot (classificação, filtragem, trunção, baralhar etc) para obter o parâmetro de quotbestquot para negociação. Eu não entendo. Ter um ou dez parâmetros é o mesmo. Você simplesmente otimiza um vetor em vez de um valor escalar. A menos que você esteja falando Algoritmos genéticos Você leu mikkoms thread Negociação sistemática. Em vez de negociar com o melhor, ele seleciona um monte de quotvery goodquot e executá-los completamente. A única pós-otimização que penso é testar o resultado contra a hipótese nula, isto é um walkquot aleatório. Sem ganância. Sem medo. Apenas matemática. Você pode desenvolver um pouco mais É uma boa correlação uma coisa boa para você. A correlação pode ser vista como uma dica de causalidade: uma variável explica a outra. Mas a correlação também pode ser vista como uma convolução: como duas curvas têm uma forma semelhante. E o que parece mais uma caminhada aleatória do que outra caminhada aleatória. Duas caminhadas aleatórias muitas vezes mostram um alto coeficiente de correlação, enquanto que por construção isso não é nada. Red Profit in Optimization. Lucro verde em futuro relativo. Sistema de som esquerdo Sistema RandomUseless Direito Então, se você usar o lucro do projeto de lucro de retirada, seja o que for para escolher um parâmetro de seus resultados de otimização, e esse processo tende a dar-lhe parâmetros que funcionam bem no futuro relativo, essa é a correlação de que falo. Eu não sei se o meu ponto de vista é mais claro agora, se não, por favor, pergunte novamente e vou tentar melhor Um WFA pode testar essa abordagem 150 vezes, não estou completamente seguro de quão seguro isso é, mas é pelo menos melhor do que Um backtest, onde você tem 1 desses testes. Mas se você testar isso em 100.000 amostras independentes (o novo novo, novamente), e todas essas amostras indicam quot. Um bom desempenho no passado tem uma grande chance de um bom desempenho no futuro, isso deve eliminar as caminhadas aleatórias. Porque não há correlação entre a rentabilidade passada e futura neles, pelo menos não, se você olhar para a imagem inteira (e acho que 100.000 janelas de teste independentes com cerca de 1 milhão de negócios individuais são bastante boas, pelo menos se você não possui muito grau da liberdade). Como você pode ver, existem dois picos. O primeiro dá o melhor resultado. Seria selecionado pelo seu algo. Mas mudar ligeiramente esse valor faz com que o resultado caia significativamente. O segundo executa muito pior, mas também é muito mais forte. Este deve ser selecionado em vez disso. O primeiro está claramente superado. Ah, ok, você está certo, o algoritmo, neste exemplo, selecionará este enorme pico com os parâmetros superpostos. Mas é o objetivo de um WFanalyzer avaliar a vulnerabilidade do seu sistema ao problema que você descreveu. Se assim for, o WFA lhe dará resultados ruins, pois sempre escolheria valores superados e, em seguida, obterá trocas ruins no período de testes, levando a um mau resultado WFA no final. Quão importantes são os parâmetros Retirar o exemplo de flipping de moeda. Existem dois parâmetros: SL e TP. Quão importante é o SL É ​​mais ou menos importante do que o TP A relação TPSL é mais importante do que os próprios valores. O seu otimizador sempre encontrará o melhor valor. É o seu trabalho. Mas sabemos perfeitamente que esses dois parâmetros são completamente irrelevantes. Qualquer valor deles sempre dará um sistema perfeitamente sem edema (expectativa de 0). Bem, se os parâmetros são irrelevantes, então também os backtests correspondentes. Portanto, a maneira como você escolhe parâmetros para teste também pode ser irrelevante. E, em seguida, a correlação, como eu tentei explicar na primeira parte desta publicação, não irá manter o futuro para muitas amostras, levando a um mau resultado WFA no final. Eu não entendo. Ter um ou dez parâmetros é o mesmo. Você simplesmente otimiza um vetor em vez de um valor escalar. A menos que você esteja falando Algoritmos genéticos Você leu mikkoms thread Negociação sistemática. Em vez de negociar com o melhor, ele seleciona um monte de quotvery goodquot e executá-los completamente. Bem, esses quotmutatorsquot eu falo sobre apenas definir a maneira como você escolhe quotthe muito bestquot ou quotvery goodquot parâmetros: a maneira clássica, e também o único WFanalyzer será capaz de, é apenas quotpick o candidato com a maioria XXXquot (XXX pode ser Lucro ou retração ou qualquer outra coisa). Mas você também pode dizer: quotWell, primeiro remova todos os candidatos com lucro, pois podem não funcionar. Em seguida, remova todos os candidatos com lucro gt 5000, uma vez que eles podem ser superados. Em seguida, classifique a lista de acordo com o fator de lucro e obtenha as melhores 10 aleatoriamente. Então, cada passo significa o resultado de otimização, todos eles são um quottrading-planquot. And the new algo (and this is the part I work on right now) will be able to find such a quottrading-planquot, which is more or less just the config for a WFA, without any human interaction Back to your quote, selecting a bunch of quotvery goodquot parameters is the best choice I think, but I would prefer to switch parameters after every trade instead of trading more parameters altogetther - but it boils down to the same thing. Nevertheless, if you want to take this road, you also need a way to analyse it. The WFanalyzer will not yet be able to do this, the new algo will. (again. well, sorry about that xD) It can first look at the whole picture, for example, analysing the quotbestquot 1000 candidates on all Walk-forward-windows. Then it does some mutations, ending up with a bunch of quotvery goodquot candidates and then analyses all of them together. On its own, all automated. That is also one of the limitations of WFA that I mentioned in my post, it only takes quotthe very bestquot to make tests, the new one will just take them all into account