Текущие котировки


<a href="https://instaforex.com/ru/">ИнстаФорекс портал</a>

<a href="https://www.instaforex.com/ru/">Форекс Portal</a>

Наши преимущества

Форекс аналитика
ForexCopy
ПАММ-Система
Бонус 250%

Оптимизация Форекс-советников

Оптимизация Форекс-советников — не менее важный этап, чем разработка торговой стратегии. Рассмотрим оптимизацию советников на платформе MetaTrader 4. В этом случае мы будем анализировать показатель, в качестве которого выступает просадка, прибыль или математическое ожидание.

Оптимизация основана на последовательных прогонах одного и того же торгового робота, при которых используются различные входные параметры и один и тот же массив данных. Главная цель оптимизации — подбор параметров, обеспечивающих максимальную эффективность советника. В терминале MetaTrader 4 для этого предусмотрены специальные встроенные средства, благодаря которым процедура становится автоматизированной.

Прежде чем приступать к оптимизации торгового робота, пройдем соответствующую настройку:

  • выбираем советник, задаем его входные параметры;
  • выбираем финансовый инструмент, фиксируем его период;
  • анализируем и выбираем метод для моделирования баров;
  • задаем величину временного диапазона для оптимизации (не обязательно).

Для оптимизации советников на платформе терминала MetaTrader 4 работаем в специальном окне «Тестер». Терминал предусматривает использование различных методов моделирования исторических данных, а данные за более короткие периоды позволяют анализировать колебания цен внутри баров.

Чтобы смоделировать исторические данные, можно выбрать одну из трех методик еще на стадии настройки оптимизации.

Метод на основе сформировавшихся баров

Формирование массива исторических данных может производиться на основе цен открытия. Стоит отметить, что некоторые торговые роботы никак не связаны с особенностями внутрибарного моделирования. Такие советники ведут трейдинг на сформировавшихся барах. Появление следующего бара выступает в качестве сигнала, который подтверждает полное формирование текущего ценового бара.

Метод на основе контрольных точек

Здесь для оптимизации советников мы используем фрактальную интерполяцию и ближайший таймфрейм. Этот метод направлен на грубую оценку советников, которые ведут торговлю внутри бара. Для работы путем метода контрольных точек также необходимы исторические данные ближайшего меньшего таймфрейма. Обычно имеющийся массив данных меньшего таймфрейма не полностью покрывает временной диапазон тестируемого таймфрейма. Если данные меньшего диапазона времени отсутствуют, то развитие бара основывается на ценах закрытия двенадцати предыдущих баров. Таким образом, модель движения внутри бара повторяет модель движения цены за последние двенадцать месяцев, что и называется фрактальной интерполяцией.

Фрактальная интерполяция начинает применяться к этому массиву данных сразу после того, как фиксируется появление исторических данных меньшего таймфрейма. Однако в этом случае используются уже не двенадцать баров, а только шесть предыдущих — происходит воспроизведение реально существующих цен Open, High, Low, Close и еще две сгенерированные цены. От ценовой динамики на шести предыдущих барах зависит значение и местоположение этих двух сгенерированных цен.

Метод на основе фрактальной интерполяции каждого тика

Инструмент, позволяющий наиболее точно провести моделирование движения цены внутри бара, характеризуется как метод на основе всех тиков. Чтобы сгенерировать массив данных, потиковый метод использует не только ближайший меньший таймфрейм, но и все доступные меньшие таймфреймы. Это и есть основное отличие потикового метода от метода контрольных точек.

Однако два эти метода весьма похожи. В частности, потиковый метод также применяет фрактальную генерацию контрольных точек, а генерация движения цены производится с помощью фрактальной интерполяции. В некоторых случаях подряд могут генерироваться несколько аналогичных тиков.

Если выбор падает на последний метод, то необходимо помнить, что он характеризуется получением большого объема сгенерированных потиковых данных. А это в свою очередь может привести к снижению производительной способности операционной системы, а значит к уменьшению скорости оптимизации.

Оптимизация советника отличается от его тестирования большим числом прогнозов с различными входными параметрами. Этот подход необходим для расчета параметров советника, что в дальнейшем обеспечит максимальную прибыль.