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.

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.

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 с е т и 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.