Programmazione Excel TS Giorno e Notte (4 lettori)

[Skarso]

allora chiedo scusa evidentemente sono restato molto indietro, ragionavo ancora sull'idea iniziale del TS e sulle dinamiche che portavano al suo funzionamento, sorry

ehmm . . . credo che qui si imponga un supplemento di spiegazione . . .
cosa sia una rolling window o finestra mobile, dovrebbe essere un concetto abbastanza semplice da intuire trattandosi di un numero N di giorni che precedono nel tempo l’ “oggi” cioè il giorno su cui si vuole effettuare una previsione ovvero se è o meno conveniente aprire un trade
come suggerisce il nome, questa finestra si sposta ogni giorno in avanti di un giorno tralasciando nel computo il giorno + lontano
forse meno semplice è capire a cosa serve
allora: quando in un sistema esistono uno o + parametri o variabili incogniti di cui occorre determinare il miglior valore ( io preferisco il termine “stima” . . . ) molti autori + o – autorevoli suggeriscono di dividere il data set ( = intero insieme ) di dati disponibili in 2 parti, una detta “training set” sui cui si stimano i parametri ed un’ altra detta “test set” in cui si fa la validazione degli stessi
orbene questo modo di procedere costituisce uno spreco ( la metà detta training set ) ed anche il test set non assicura che oltre quel punto il mercato sia cambiato ed i valori trovati siano non + ottimali
perché invece non utilizzare tutto o quasi il data set a disposizione ?
di qui nasce l’ idea di fare un “training on the job” cioè una stima continua dei parametri day by day utilizzando gli N giorni + recenti in modo da adattare almeno in parte questi valori ai continui cambiamenti del mercato
è evidente che la stima rolling window si presta ottimamente a stimare parametri quando esistono relazioni causali nei dati abbastanza definite e invece mal si presta a determinare ad es il miglior time span di medie mobili, oscillatori o altre diavolerie perché generalmente queste colgono solo il noise . . .
tuttavia ultimamente Ender mi ha fatto riflettere che anche in questi casi la rolling window potrebbe tornare utile, ad es x stimare il valore di una soglia di volatilità o di turbolenza oltre ( o in certi casi al di sotto ) cui non è conveniente fare operazioni
come al solito se la spiegazione presenta ancora punti oscuri, chiedete pure . . .

 

[Imar]

non sono capace di ben interpretare i report dei programmi "conta - barre" ( e in alcuni casi anche conta - balle . . . ), in questo sono decisamente "scarso" . . .
trovo anche che sono sovrabbondanti di dati inutili e deficitari di dati importanti come gli indici di performance ( Sharpe, Omega etc ), la skewnwss dei rendimenti dei risultati etc

Per inserire Omega (o qualunque altro indice di performance) nel report del backtest:

[FONT=&quot]http://www.amibroker.com/docs/Houston2.pdf

[/FONT]in particolare slide 18-21.

Per il caffè..... beh.... al momento è nella wish list .

Un saluto.


PS Piuttosto, chi vuol duplicare il sistema in Excel ed Amibroker deve tenere presente questo:
AmiBroker Knowledge Base 2010 July
Yahoo! Groups
il più delle volte le differenze di arrotondamento sono insignificanti, ma non sempre.

 

[wipe out]

Purtroppo siete troppo tecnici per me, e, come per il lanciatore del post always, non riesco a seguirvi più, ma mi fido di voi..
,


spero poi, se simuleremo le trades in paper trading dal system completato, di portare miglio a posteriori, anche se vi sembrerà impossibile, ma lo riterrei invece fattibile

 

[Skarso]

Per inserire Omega (o qualunque altro indice di performance) nel report del backtest:

[FONT=&quot]http://www.amibroker.com/docs/Houston2.pdf[/FONT]

in particolare slide 18-21.

Per il caffè..... beh.... al momento è nella wish list .

Un saluto.

ciao Angelo, grazie della segnalazione e fatti leggere + spesso . . .

 

[Skarso]

Purtroppo siete troppo tecnici per me, e, come per il lanciatore del post always, non riesco a seguirvi più, ma mi fido di voi..
,

sono spiacente di non essere riuscito malgrado gli sforzi in lingua italiana di farmi capire . . .
scusatemi, sono limitato dall’ evoluzione ( v. foto a lato ) e inoltre – nomen est omen – evidentemente sono “scarso” anche nello spiegare . . .

 

[quicksilver]

ehmm . . . credo che qui si imponga un supplemento di spiegazione . . .
cosa sia una rolling window o finestra mobile, dovrebbe essere un concetto abbastanza semplice da intuire trattandosi di un numero N di giorni che precedono nel tempo l’ “oggi” cioè il giorno su cui si vuole effettuare una previsione ovvero se è o meno conveniente aprire un trade
come suggerisce il nome, questa finestra si sposta ogni giorno in avanti di un giorno tralasciando nel computo il giorno + lontano

si fin qui era intuibile l'avevo capito

forse meno semplice è capire a cosa serve
allora: quando in un sistema esistono uno o + parametri o variabili incogniti di cui occorre determinare il miglior valore ( io preferisco il termine “stima” . . . ) molti autori + o – autorevoli suggeriscono di dividere il data set ( = intero insieme ) di dati disponibili in 2 parti, una detta “training set” sui cui si stimano i parametri ed un’ altra detta “test set” in cui si fa la validazione degli stessi
orbene questo modo di procedere costituisce uno spreco ( la metà detta training set ) ed anche il test set non assicura che oltre quel punto il mercato sia cambiato ed i valori trovati siano non + ottimali
perché invece non utilizzare tutto o quasi il data set a disposizione ?
di qui nasce l’ idea di fare un “training on the job” cioè una stima continua dei parametri day by day utilizzando gli N giorni + recenti in modo da adattare almeno in parte questi valori ai continui cambiamenti del mercato
è evidente che la stima rolling window si presta ottimamente a stimare parametri quando esistono relazioni causali nei dati abbastanza definite e invece mal si presta a determinare ad es il miglior time span di medie mobili, oscillatori o altre diavolerie perché generalmente queste colgono solo il noise . . .
tuttavia ultimamente Ender mi ha fatto riflettere che anche in questi casi la rolling window potrebbe tornare utile, ad es x stimare il valore di una soglia di volatilità o di turbolenza oltre ( o in certi casi al di sotto ) cui non è conveniente fare operazioni
come al solito se la spiegazione presenta ancora punti oscuri, chiedete pure . . .

ecco questo non l'avevo valutato, ne avevo solo una vaga conoscenza e ora l'ho capito grazie, molto interessante

 

[quicksilver]

sono spiacente di non essere riuscito malgrado gli sforzi in lingua italiana di farmi capire . . .
scusatemi, sono limitato dall’ evoluzione ( v. foto a lato ) e inoltre – nomen est omen – evidentemente sono “scarso” anche nello spiegare . . .

ma non è vero , è che oltre ad un certo punto i discorsi matematico statistici per chi non li ha studiati si fanno piu ostici, ma mica dovete limitarvi per questo o sentirvi inadeguati

 

[reef]

Per inserire Omega (o qualunque altro indice di performance) nel report del backtest:
[FONT=&quot]http://www.amibroker.com/docs/Houston2.pdf
[/FONT]in particolare slide 18-21.

Grazie

molti autori + o – autorevoli suggeriscono di dividere il data set ( = intero insieme ) di dati disponibili in 2 parti, una detta “training set” sui cui si stimano i parametri ed un’ altra detta “test set” in cui si fa la validazione degli stessi
orbene questo modo di procedere costituisce uno spreco ( la metà detta training set ) ed anche il test set non assicura che oltre quel punto il mercato sia cambiato ed i valori trovati siano non + ottimali
perché invece non utilizzare tutto o quasi il data set a disposizione ?

Infatti su Amibroker è stata prevista una tecnica di ottimizzazione piuttosto interessante, detta Walk Forward, dove, dato un range di parametri da ottimizzare, vengono eseguiti cicli di ottimizzazione su un intervallo di tempo (IS), e i parametri vengono verificati sul tempo successivo (OOS). Effettuando n iterazioni progressive si verifica "a colpo d'occhio" la robustezza dei parametri restituiti.
Un po' indietro in questa discussione ho postato alcuni risultati, ma probabilmente questa tecnica non è nota (non la era nemmeno a me fino a pochi mesi fa).

PS Skarso, fai come me, segui i consigli di ender...

 

[ender85]

Grazie



Infatti su Amibroker è stata prevista una tecnica di ottimizzazione piuttosto interessante, detta Walk Forward, dove, dato un range di parametri da ottimizzare, vengono eseguiti cicli di ottimizzazione su un intervallo di tempo (IS), e i parametri vengono verificati sul tempo successivo (OOS). Effettuando n iterazioni progressive si verifica "a colpo d'occhio" la robustezza dei parametri restituiti.
Un po' indietro in questa discussione ho postato alcuni risultati, ma probabilmente questa tecnica non è nota.

PS Skarso, fai come me, segui i consigli di ender...

la walk forward con out of sample definita ad un giorno è uguale alla rolling window!
Presto creeremo il motore interno, datemi solo un po' di tempo...
Cmq visto che ci seguono altri programmatori amibroker (anche più bravi di me ) io imbastisco il motore rolling base, dividiamoci i vari indici di performance...
P.S. Reef è stato Skarso a mostrarmi l'esistenza della rolling window, io poi sono andato avanti sia nel come usarla, sia sul cosa usarla. Infine ho creato la rolling window esponenziale e altre diavolerie

 

[reef]

P.S. Reef è stato Skarso a mostrarmi l'esistenza della rolling window, io poi sono andato avanti sia nel come usarla, sia sul cosa usarla. Infine ho creato la rolling window esponenziale e altre diavolerie

Beh, chapeau ad entrambi.
A Mechanica, come avrete visto, l'argomento dei modelli autoadattativi (alla fine sempre basati su rolling windows, walk forward, o altre diavolerie del genere) era uno degli argomenti clou.
In particolare la demo sui modelli genetici partiva, per l'appunto, da un presupposto del tipo "ti passo 40 algoritmi e i dati fino a ieri e tu dimmi cosa devo fare oggi"...

Per quel poco che posso portare come novizio, mi unisco volentieri al team di sviluppo di plugin/funzioni per Ami, a mo' di training on the job...