Wfa Forex

Datenübertragungsstrategie für die Verwaltung von Backtesting-Lösungen: - Aktien, Optionen, Futures, Währungen, Körbe und benutzerdefinierte synthetische Instrumente werden unterstützt - Mehrere Low-Latency-Daten-Feeds werden unterstützt (Verarbeitungsgeschwindigkeit in Millionen von Nachrichten pro Sekunde auf Terabyte Daten).NET-basierte Strategie Backtesting und Optimierung - Multiple Broker Ausführung unterstützt, Trading-Signale in FIX-Aufträge umgewandelt QuantFACTORY - Datenmanagement-Lösung zur Risikomanagement-Strategie - QuantDEVELOPER - Framework und IDE für Trading-Strategien Entwicklung, Debugging, Backtesting und Optimierung Ein Visual Studio Plug-in - QuantDATACENTER - ermöglicht die Verwaltung eines historischen Data-Warehouse und die Erfassung von Echtzeit - oder Ultra-Low-Latency-Marktdaten von Anbietern und Börsen - QuantENGINE - ermöglicht die Bereitstellung und Durchführung vorkompilierter Strategien - Multi-Asset, Multi-Perioden-Low Latency-Daten, Multi-Broker unterstützt Institutional-Klasse Datenmanagement Backtesting-Strategie Deployment-Lösung: - OpenQuant - C und VisualBasic. NET Portfolio-Level-System Backtesting und Handel, Multi-Asset-, Intraday-Ebene Prüfung, Optimierung, WFA etc. mehrere Broker und Daten-Feeds unterstützt - QuantTrader - Produktionsumfeld - QuantBase - zentrales Datenmanagement - QuantRouter - Daten - und Auftragsrouting Institutionelle Datenverwaltung Backtestingstrategie-Implementierungslösung: - Multi-Asset-Lösung, Unterstützung mehrerer Datenfeeds, Datenbank unterstützt alle Arten von RDBMS, die eine JDBC-Schnittstelle bereitstellen , z. B Oracle, Microsoft SQL Server, Sybase, MySQL, etc. - Kunden können IDE verwenden, um ihre Strategie entweder in Java, Ruby oder Python zu skriptieren oder sie können ihre eigene Strategie verwenden IDE - Multiple Broker Ausführung unterstützt, Handel Signale in FIX - (Forex, Optionen, Futures, Aktien, ETFs, Rohstoffe, synthetische Instrumente und benutzerdefinierte Derivat-Spreads etc.), mehrere Daten-Feeds unterstützt - Framework für Trading-Strategien Entwicklung, Debugging, Backtesting (IB, JPMorgan, FXCM etc.) Dedizierte Software-Plattform, integriert mit Tradestations-Daten für Backtesting und Auto-Trading: - tägliche Intraday-Daten (US-Aktien für 43 Jahre, Futures für 61 Support für die EasyLanguage Programmiersprache - Unterstützung von US-Aktien ETFs, Futures, US-Indizes, deutsche Aktien, Deutsche Indizes, Forex-frei für Tradestation Brokerage-Kunden - 249,95 monatlich für Nicht-Profis (Nur Tradestation-Software-Plattform, ohne Brokerage) - 299,95 monatlich für Profis (nur Tradestation-Software-Plattform, ohne Brokerage) Dedizierte Softwareplattform für Backtesting und Auto-Trading: - Unterstützung von Dayintraday-Strategien, Portfolioanalyse und - optimierung, (ASP), IQFeed, MyTrack, FastTrack, QP2, TC2000, beliebige DDE-konforme Feeds, MS-basierte Analysen, Txtfiles und mehr (Yahoo Finanzen. ) - einmalige Gebühr 279 für die Standardausgabe oder 339 für die Professional Edition Dedizierte Softwareplattform für Backtesting und Auto-Trading: - Portfolio-Backtesting und Trading, Multi-Asset, Intraday-Testing, Optimierung, Visualisierung etc. - Auto-Trading in Perl Skriptsprache mit allen zugrundeliegenden Funktionen, die in nativem C geschrieben wurden, vorbereitet für Server-Co-Location - native FXCM - und Interactive Brokers-Unterstützung - kostenlose FXCM-Unterstützung, 100 pro Monat für IB-Plattform, kontaktieren Sie Salesseertrading für weitere Optionen Dedizierte Softwareplattform für Backtesting und Auto-Trading: - Unterstützung von Dayintraday-Strategien, Tests und Optimierung auf Portfolioebene - optimal für Backtesting von preisbasierten Signalen (technische Analyse), C-Scripting - unterstützte Softwareerweiterungen - Datenbeschickung, Strategieabwicklung usw. - 799 pro Lizenz, 150 Jahre Dedizierte Softwareplattform für Backtesting und Auto-Trading: - optimal für Backtesting von preisbasierten Signalen (techn Turtle Edition - Backtesting-Engine, Graphen, Berichte, EoD-Tests - Professional Edition - plus System-Editor, Walk-Forward-Analyse, Intraday-Strategien, Multithread-Tests etc. - Pro Plus Edition Turtle Edition 9999 - Professional Edition 1,990 - Pro Plus Edition 2,990 - Builder Edition 3,990 Dedizierte Softwareplattform für Backtesting und Auto-Trading: - Unterstützung von Dayintraday-Strategien , Portfolio-Test und - Optimierung, Charting, Visualisierung, kundenspezifische Berichte etc. - am besten für Backtesting von preisbasierten Signalen (technische Analyse) - direkter Link zu Interactive Brokern, MB Trading, TD Ameritrade, FXCM ua - Daten aus Textdateien, Google Finance, Yahoo Finanzen, IQFeed und andere - Grundfunktionen (EoD-Funktionalität) - kostenlos - erweiterte Funktionalität - Leasing aus 50 Monaten oder 995 Lizenzen Lizenz Dedizierte Softwareplattform für Backtesting und Auto-Trading: ), Unterstützung von dailyintraday-Strategien, Portfolio-Test und Optimierung, Charting, Visualisierung, benutzerdefinierte Berichterstattung - unterstützt C und Visual Basic. NET - direkten Link zu Interactive Brokers, IQFeed, txtfiles und vieles mehr (Yahoo Finance. ) - Dauerlizenz - 499 - Leasing 50 pro Monat Dedizierte Softwareplattform für Backtesting und Auto-Trading: - Unterstützung von Dayintraday-Strategien, Portfolio-Test und - Optimierung, Charting, Visualisierung, Custom Reporting - technische und auch fundamentale Signale, Multi-Asset - 245 für die erweiterte Version (freie Datenanbieter) - 595 für Premium-Version (Unterstützung mehrerer Datenprovider und Broker) Dedizierte Softwareplattform für Backtesting und Auto-Trading: - Unterstützung von Dayintraday-Strategien, Tests und Optimierung auf Portfolioebene - Technische Analysen) - Einbaudaten für Aktien, Futures und Forex (täglich US-Aktien ab 1990, tägliche Futures 31 Jahre, Forex ab 1983 etc.) - Preiskalkulation von 45 Monaten auf 295 Monate (Preise abhängig von der Datenverfügbarkeit) Dedizierte Softwareplattform Für Backtesting und Auto-Trading: - verwendet MQL4-Sprache, die hauptsächlich für den Handel mit Forex-Markt eingesetzt wird - unterstützt mehrere Forex-Broker und Daten-Feeds - unterstützt die Verwaltung mehrerer Accounts Dedizierte Softwareplattform für Backtesting und Auto-Trading: - Unterstützung von Dayintraday-Strategien Unterstützung für die Programmiersprache EasyLanguage - Unterstützung mehrerer Datenfeeds (Bloomberg, Thomson Reuters, CSI, CQG, eSignal etc.), direkte Unterstützung für mehrere Broker (Interactive Brokers etc.) - Multicharts 797 pro Jahr - Multicharts-Lebensdauer 1.497 - Multicharts Pro 9.900 (Bloomberg Thomson Reuters Datenfeed etc.) Webbasiertes Backtesting-Tool zum Testen von Stockpicking-Strategien: - US-Aktien ETFs (täglich) - punktuelle Grunddaten seit 1999 - - 139 Monate - Manager - 199 Monate - Komplette Funktionalität Portfolio Analytics mit hochfrequenten Marktdaten: - Dieses Produkt ist für den Einsatz von niedrigen, mittleren und hochfrequenten Händlern geeignet. Alle Berechnungen erfolgen unter Verwendung von Hochfrequenz-Marktdaten, die niedrigen und hochfrequenten Händlern zugute kommen. - Intraday Backtesting, Portfolio-Risikomanagement, Prognose und Optimierung zu jedem Preis Sekunde, Minuten, Stunden, Ende des Tages. Modelleingänge vollständig steuerbar. - 8k Markt Tick Datenquellen seit 2012 (Aktien, Indizes ETFs gehandelt NASDAQ). Kunden können auch eigene Marktdaten (z. B. chinesische Aktien) hochladen. - 40 Portfolio-Metriken (VaR, ETL, Alpha, Beta, Sharpe-Verhältnis, Omega-Verhältnis usw.) - unterstützt R, Matlab, Java Python - 10 Portfolio-Optimierungen Webbasiertes Backtesting-Tool: - US-Aktienkurse (dailyintraday) Daten von QuantQuote - Forex Daten von FXCM - Unterstützung von Trader Interactive Brokers für Live Trading Webbasiertes Backtesting-Tool: - US-Aktien und ETFs-Preise (dailyintraday) seit 2002 - Fundamentaldaten von Morningstar (über 600 Metriken) - Unterstützung von Interactive Brokern für den Livehandel Webbasierte Backtesting-Tools: - einfach zu bedienen, Asset-Allocation-Strategien, Daten seit 1992 - Zeitreihen-Dynamik und gleitende Durchschnittsstrategien auf ETFs - Einfache Impuls - und Simple Value-Stock-Picking-Strategien Webbasiertes Backtesting-Tool: - bis zu 25 Jahre Daten für 49 Quantisierungsprogramme, die in den Python - und Matlab-Werbenetzwerken enthalten sind, werden von algorithmischen Handelswettbewerben mit einer Bandbreite von 500.000 bis 1 Mio. WebCloud basierendes Backtesting-Tool betreut: - FX (ForexCurrency) - Daten auf großen Paaren, die 2007 zurückkehren - SecondMinuteHourlyDaily Bars Mit jeglichem Broker, der Metatrader 4 als Backend-basiertes Backtestingscreening-Tool einsetzt: - über 10 000 US-Aktien, Daten bis zu 20 Jahre Geschichte - fundamentale technische Kriterien - freie - eingeschränkte Funktionalität (1 Jahr Daten, keine gespeicherten Backtests etc.) - 50 pro Monat - vollständige Funktionalität Webbasiertes Backtesting-Tool zum Testen von Aktienfaktor-Kommissionierung und Asset Allocation-Strategien: - Mehrere Aktienfaktoren mit bewährtem Alpha über Marktkapitalisierungen, mehrfache Investmentuniversen, Risikomanagementfilter - Asset Allocation Strategien Backtests, Mischen von Asset Allocation MATLAB - High-Level-Sprache und interaktive Umgebung für statistische Berechnungen und Grafiken: - Parallel - und GPU-Computing, Backtesting und Optimierung, umfangreiche Integrationsmöglichkeiten etc. - Preis auf Anfrage hier Kostenlose Softwareumgebung für statistische Berechnungen und Grafiken, viele Quants bevorzugen es für seine außergewöhnliche offene Architektur und Flexibilität: - effektive Datenverarbeitung und Speicherung, grafisch Freie Open-Source-Programmiersprache, offene Architektur, flexibel, leicht erweiterbar über Pakete: - Optimierung der Datenanalyse, einfache Erweiterung über Pakete - empfohlene Erweiterungen - Quantstrat, Rmetrics, Quantmod, Quantlib, PerformanceAnalytics, TTR, BacktestingXL Pro ist ein Add-in für den Aufbau und die Prüfung Ihrer Handelsstrategien in Microsoft Excel 2010 und 2013: - Benutzer können VBA verwenden Um Strategien für BacktestingXL Pro zu entwickeln, ist VBA-Wissen optional, Benutzer können Handelsregeln auf einer Kalkulationstabelle mit standardmäßig vorgefertigten Backtesting-Codes erstellen - unterstützt Pyramidierung, Shortlong-Positionslimitierung, Provisionsberechnung, Equity-Tracking, Out-of-Money-Controlling, buysell Preis Customizing - Mehrere Performancerisk-Berichte - 74,95 für BacktestingXL Pro Webbasiertes Backtesting-Tool: - einfach zu bedienendes, einstufiges webbasiertes Backtesting-Tool zum Testen der relativen Stärke und der gleitenden Durchschnittsstrategien auf ETFs - verschiedene Arten von Strategien für freie, vollständige Backtesting-Funktionalität 34 , 99 monatlich FactorWave ist einfach zu bedienendes webbasiertes Backtesting-Tool für Faktorinvestitionen: - ermöglicht dem Anwender, mehrere ETFoptionsfuturesequity-Faktoren mit bewährtem Alpha über Markt-Cap-Benchmarks zu mischen - kostenlos - ETFStock Screener mit 5 Factors - 149mo - freie Optionsoptionen Screener, Futures Strategien, Vix-Strategien Web-Based Tool - Kostenlose Stock Ratings, saisonale Analyse, Charts Grundlagen - Freie Freemium-Modell Kostenlose webbasierte Backtesting-Tool, um Stock Picking-Strategien zu testen: - US-Aktien, Daten von ValueLine von 1986-2014 - Preis-und Fundamentaldaten, 1700 Aktien, monatlicher Granularitäts-Test Der Tick-Daten-Bereich von eareview. net ist eine detaillierte Anleitung, die Sie durch den gesamten Prozess des Tick-Data Backtesting führen wird, beginnend von dem, wo man freie historische Forex-Tick-Daten erwerben, wie man es herunterladen und wie man es benutzt In Backtesting Metatrader 4 Experten beraten, um eine 99 Modellierung Qualität zu erhalten. Wenn you8217re nicht sicher, was Backtesting ist, ist es wahrscheinlich eine gute Idee, die Metatrader Backtesting und Optimization Course kaufen. Die auf Menschen, die neu für Forex und Metatrader 4 Backtests sind ausgerichtet ist. Diese Seite ist in mehrere Abschnitte unterteilt: Im Allgemeinen kann Backtesting mit den Daten aus dem MT4 History Center für EAs, die nicht scalping oder Pip-Jagd sind, gut genug sein. Allerdings, wenn youre Umgang mit einem solchen EA oder jede Art von EA, die Geschäfte innerhalb von 1-15 Pips schließt, können sogar die kleinsten Feed Unterschiede eine sehr große Auswirkungen haben. Das Problem wird dadurch verursacht, dass das Metatrader-Terminal keinen Zugriff auf die tatsächlichen Tickdaten hat, aber nur auf Minutenbalken im besten Fall, was es zwingt, Ihren Strategie-Backtest-Falsch-Ticks, die durch einen Interpolationsprozeß erzeugt werden, unter Verwendung der Daten für den kleinsten zu geben Zeitrahmen zur Verfügung. Dies ist höchstwahrscheinlich nicht wichtig, ein Experte Advisor, die Stop-und Takeprofit-Ziele von über 100 Pips verwendet, aber im Falle von Robotern, die versuchen, einige Pips hier und da scalp, könnte Ihr Backtest völlig irreführend sein. Also, es ist sehr wichtig, versuchen Sie es mit Daten mit einer Qualität, die so hoch wie möglich ist, weshalb ich einige Ressourcen, die ich alle in meinem Backtesting, wenn nötig. Tick ​​Data Guides Wie man freie Tick-Daten herunterladen 8211 Details der Download-Prozess mit mehreren freien Tick-Datenquellen: Dukascopy, Oanda, Pepperstone, Integral, MB Trading und Gain Capital. Herunterladen von Dukascopy-Tick-Daten mit JForex 8211 ist ein Handbuch, das eine detaillierte Beschreibung der Download-Prozedur mit dem Dukascopy JForex-Client bietet. Download und Parsing Dukascopy-Tick-Daten mit Birts PHP-Skripte 8211 ein How-to, die in eine Menge Detail über das Thema mit dem PHP-Skripte schrieb ich für das Herunterladen und Verarbeiten von Tick-Daten von Dukascopy. Wie Sie Ihre Tick-Daten für Metatrader 4 8211 Leitfaden für die Umwandlung der Tick-Daten in ein Format vorbereiten, das mit Metatrader 4 (von CSV zu FXT) kompatibel ist. Wie Backtest mit Tick-Daten mit Metatrader 4 8211 eine Überprüfung der verfügbaren Optionen für die Verwendung von Tick-Daten mit der Metatrader 4-Plattform. Wie Backtest mit Tick-Daten die Tick Data Suite Guide 8211 eine Anleitung, die die Nutzung der Tick Data Suite beschreibt. Die bevorzugte Tick-Daten-Aktivierung Methode, die eine Menge von Funktionen, die ihre Alternative fehlt hat. Es ist viel einfacher zu bedienen und voll unterstützt. Eine detaillierte Übersicht finden Sie in der Tick Data Suite-Funktionsmatrix. Wie Backtest mit Tick-Daten die kostenlose Birts Patch-Script-Guide 8211 ein How-to, die in die Nutzung und Grenzen der freien Methode, die Tick-Daten-Backtesting ermöglicht vertieft. FAQ 038 Fehlerbehebung Downloads Der Walk Forward Analyzer Der Walk Forward Analyzer ist nicht direkt mit Tickdaten verknüpft, sondern mit eingebauter Unterstützung. Der Walk Forward Analyzer ist ein hervorragendes Tool, mit dem Sie Ihre professionellen Berater von Metatrader 4 in einer Technik mit dem Namen Walk Forward Analysis optimieren können . Einfach gesagt, optimieren Sie Ihre EA für sagen, 3 Monate, dann testen Sie es für die nächsten 1 Monat, um zu sehen, wenn die besten Parameter, die sich aus der Optimierung adaequat auf Out-of-Sample-Daten, dann optimieren Sie es weiter auf der nächsten 3 Monate und so weiter. Dieses Tool ermöglicht es Ihnen, den gesamten Prozess zu automatisieren und führt alle Läufe für Sie aus, bietet einen umfassenden Satz von Konfigurationsparametern und einen ordentlichen Optimierungsreport am Ende. Der Walk Forward Analyzer ist ein Muss für jeden, der ernsthafte EA-Entwicklung macht. Aber don8217t nehmen mein Wort für sie, besuchen Sie die Website und laden Sie Ihre Kopie 8211 der WFA verwendet werden, um rund 30 Preisen, aber vor kurzem der Autor beschlossen, sie kostenlos zur Verfügung stellen. Da es häufig Updates der Tick-Daten-Tools gibt, habe ich beschlossen, ein Tick-Daten-Changelog zu halten, das alle Änderungen auflistet, die die Scripts durchlaufen haben. Auch für die Interessenten, die alte Tick-Daten-Seite noch verfügbar ist, aber eine Menge der Informationen gibt es jetzt veraltet. Walk Forward Analysis - der einzige logische Nachfolger für Backtest Hallo, Im Darwin und dies ist mein zweiter Artikel, in dem ich versuchen werde Zu erklären, wie eine Walk-Forward-Analyse funktioniert und welche Vorteile es bringt Sie als EA-Händler. Aber ich will nicht nur erklären, wie eine Walk-Forward-Analyse funktioniert (wie andere dies bereits getan haben), nein, ich möchte erklären, warum es die einzige logische Möglichkeit ist, EAs zu analysieren. Und wie die Leute fragen, warum ich freie Sachen freigeben, lassen Sie mich erklären, meine Motivationen: Ich bin eine Ausrichtung auf einen Job in der Handelswirtschaft, und das ist nicht leicht zu bekommen. Beeing bekannt in der Gemeinde würde mir sehr helfen, dieses Ziel zu erreichen, so dass ich beschlossen, einige meiner privaten Tools kostenlos und Open Source freizugeben, um mir einen Namen in den nächsten Monaten zu machen. Ich bin nicht hier, um Ihnen Sachen zu verkaufen, halten Sie das im Auge, bitte weiß ich, dass der Titel ist ein wenig provokant, aber seine oft einfacher, eine Diskussion mit einer Kontroverse zu starten Ich weiß auch, dass die besten EA-Händler können normale Backtesting Und immer noch profitabel - aber die meisten können es nicht. Und selbst wenn Sie können, ist ein WFA noch besser, ICH WERDE EINE WALK-FORWARD-ANALYZER-WERKZEUG FREI INNERHALB DER NÄCHSTEN WENIGTAGE, DIE ALLE DIESES 100 AUTOMATISIERT BIS ZUM DANN GEHT, BENUTZEN SIE DIE ZEIT, IHRE SELBST FAMILIE MIT DEN KONZEPTEN ZU MACHEN. Trotzdem ist keiner dieser Artikel erforderlich, um die Walk-Forward-Analyzer-Tool verwenden, wird es so einfach zu bedienen wie der Metatrader4-Backtester. Nach dem Lesen, haben Sie 2 Möglichkeiten: Stimme mit meinen Argumenten und ein für alle Mal loszuwerden, die fehlerhafte Backtesting-Ansatz und Nutzung WFA in der Zukunft. Stimme nicht mit meinen Argumenten, aber dann versuchen Sie bitte, mit mir zu diskutieren. Tun Sie sich selbst einen Gefallen, dont nur auf Backtests halten, weil Sie quotknowquot sie oder so etwas. Btw, ein Backtest hat viele weitere Nachteile im Vergleich zu einer Walk-Forward-Analyse als die, die ich hier beschreiben. Wenn Sie mehr über dieses Thema erfahren möchten, lesen Sie meinen ersten Artikel: Warum Backtests sind wertlos, Fixed-Logic-EAs sind fehlerhaft und Ihre Parameter sind schlecht DISCUSS-Quote (schauen Sie es in Google oder über Forum-Suche) Erstens, können Zusammenfassen, was die wesentlichen Teile eines jeden Handelssystems sind 1. Die Systemlogik Der offensichtlichste Teil Und für viele Anfänger ist es der einzige Teil, den sie kennen, was gefährlich ist. Dies könnte eine manuelle Trading-System oder ein Experte Advisor oder jede andere Form der festen Handel-Logik Trading-System Trading-Strategie (btw: alle 3 Begriffe nennen die gleiche Sache in diesem Artikel) So weit, so gut. Aber Sie alle wissen, dass jede Strategie hat eine Art von Variablenparametern (wie die Perioden von gleitenden Durchschnitten oder Stop-Loss Ebenen etc.), die nicht fixiert () können aber variieren, was bringt uns auf den zweiten Teil. (Wenn Sie sie nur auf einen festen Wert setzen, weil diese dann funktionieren sollte, dann wird es zumindest nicht auf lange Sicht funktionieren) 2. Die Systemparameterbereiche Die Bereiche der Parameter sind ein WESENTLICHER Bestandteil jedes Handelssystems, Da sie das genaue Verhalten bestimmen (die Handelslogik bleibt immer gleich). So könnte zum Beispiel eine gleitende Durchschnittsperiode von 5-15 reichen, um kurzfristige Kursbewegungen zu erfassen. Es ist nicht 6 und nicht 11 und nicht 14, es ist 5-15, da die Märkte ändern, können wir nicht wählen Sie einen konkreten Wert, immer ein Bereich 3. Der Markt, die Menge der Daten, die gewünschten Merkmale Jede Strategie ab Ein Markt, so wollen wir festlegen, auf welche. (ZB EURUSD H4) Aber das ist nicht genug, wir müssen auch bestimmen, wie viele vergangene Preis-Daten wir verwenden wollen, um unsere möglichen Parameter-Entscheidungen zu bewerten. Denn wie gesagt, ein System hat immer Parameter-Bereiche, aber für den Live-Handel müssen wir konkrete Werte wählen. Und das tun wir, indem wir alle Parameter-Möglichkeiten auf den letzten X-Jahres-Preisdaten auswerten und nach der Auswertung enden wir Up mit einer riesigen Liste von möglichen und quotindependentquot Handel-Systeme (jeweils mit unterschiedlichen Parametern, aber die gleiche Haupt-Logik). Und jeder hat seine eigenen Eigenschaften wie quotprofitquot oder quotprofit Faktorquot oder quotreflative drawdownquot. So haben wir auch zu bestimmen, wie die Quotbestquot-Parameter auswählen. Aber sein nicht so einfaches wie das Sprechen quotI wünschen viel Profitquot, weil die Eigenschaften häufig nicht in der Zukunft halten. Stattdessen möchten wir in einer Weise wählen, die uns eine hohe Wahrscheinlichkeit der Auswahl von Parametern gibt, die während des Phasenhandels folgen werden. Ein veranschaulichendes Beispiel Die Systemlogik: Nehmen wir an, ein sehr einfaches Handelssystem: Wenn der Preis sich in den letzten Y Tagen mehr als X-Pips bewegt hat, wird eine Kurskorrektur passieren (dies ist keine gültige Strategie, seine nur dünne Luft um des Willens willen) Der Einfachheit). Die Parameter wären in diesem Fall X und Y. Die Systemparameter-Bereiche: Um es ganz einfach, wählte ich X zu 100-200 Pips in diesem Beispiel und Y zu 2-3 Tage werden. (Auch nur dünne Luft) Anzahl der Daten amp bevorzugten Merkmale: Hier wählen wir die letzten 10 Jahre von Daten, um die möglichen Parameter zu bewerten und quotprofitquot als bevorzugte Eigenschaft. (Hart, wie ich schon sagte, in Wirklichkeit Profit ist nicht ein sehr guter Indikator für Parameter, die eine gute zukünftige Leistung haben wird) Der Prozess: Ok, jetzt, bevor wir dieses System handeln können, machen wir eine Optimierung in den letzten 10 Jahren. Das bedeutet, dass wir jede mögliche mögliche Parameter-Kombination für unser System backtest und das Beste in Bezug auf quotprofitquot wählen. Aus Gründen der Einfachheit, hier ist ein beschnittenes Beispiel: quotWenn der Preis bewegt sich mehr als 100 Pips in den letzten 2 Tagen, wird eine Kurskorrektur passierenGot 1000 in den letzten 10 Jahren quotIf der Preis bewegt mehr als 150 Pips in den letzten 2 Tagen , Wird ein Kurs Korrektur geschehenquat gt 1200 in den letzten 10 Jahren quotIf der Preis bewegt sich mehr als 200 Pips in den letzten 2 Tagen, wird ein Kurs Korrektur zufällig GT 1500 in den letzten 10 Jahren quotIf der Preis bewegt mehr als 100 Pips in der letzten 3 Tage wird ein Kurs Korrektur geschehenquat gt 900 in den letzten 10 Jahren quotIf der Preis bewegt mehr als 150 Pips in den letzten 3 Tagen wird eine Kurskorrektur passierenquot gt 950 in den letzten 10 Jahren quotIf der Preis bewegt mehr als 200 Pips in Die letzten 3 Tage, eine Kurskorrektur passiertquot gt 950 in den letzten 10 Jahren Soo, Nach unserer bevorzugten Charakter (Gewinn), würden wir wählen, X 200pips Y 2 Tage, und dann nur Handel der Strategie. Nun, das ist die quotnormalquot Prozess der EA-Handel, und ich behaupte, es funktioniert nicht auf diese Weise. EA-Analyse: Wie die richtigen Fragen zu stellen Ok, jetzt, wo ich den aktuellen Prozess beschrieben habe und wie es fertig ist, kommt hier der quotnewquot Teil. Das Ziel selbst bleibt immer dasselbe, wir wollen die besten Parameter auswählen (basierend auf einer Art Evaluation der Vergangenheit) und dann wollen wir live handeln. Denken Sie daran: Das einzige, was ein Backtest sagen kann, ist: "Wie gut sind meine Systemparameter In der Vergangenheit. Aber das ist nicht das, was wir wissen wollen. Seien Sie sicher, dass Sie das wirklich verstehen. Erste Frage Was wir eigentlich mit der Analyse beweisen wollen. QuotDoes die Art und Weise wählen wir Parameter für Live-Trading (wählen Sie die mit dem besten Gewinn in den letzten 10 Jahren in dem oben genannten Beispiel) geben uns eine hohe Wahrscheinlichkeit, Parameter, die rentabel sind während der Live-tradingquot So sind wir tatsächlich in der Beziehung der Vergangenheit interessiert Leistungsfähigkeit, nicht Backtest-Ergebnisse Wenn die Antwort Nein ist. Eine oder mehrere der 3 Dinge, die in quotInitial Situationquot beschrieben werden, falsch sind. Könnte die Logik selbst, die Parameterbereiche usw. sein. Wenn die Antwort Ja ist. Die Leistung in der Vergangenheit und die Leistung in der Zukunft sind irgendwie korreliert für unsere EA, und wir können das System handeln Die logische Evolution Von Backtests zu Walk-Forward-Analyse Schritt eins: Backtesting - in seiner schlimmsten Form Wir erhalten Parameter, die durchgeführt Gut auf einer breiten Palette von Daten Jeder einzelne EA-Händler, der diese Methode verwendet und dann versucht, ein EA live, basierend auf guten Backtests, kann Ihnen sagen: Es funktioniert einfach nicht auf diese Weise. Überbördelung. Zuerst optimieren wir die Parameter und testen sie dann alle auf den gleichen Daten. Das bedeutet, dass wir keine Ahnung haben, ob wir über gültige Parameter oder überfällige verfügen. Overfitting bedeutet, dass wir auf ein zufälliges Verhalten innerhalb unserer Daten, die nur in diesem speziellen Datensatz existiert optimiert und wird nicht in der Zukunft halten. Das heißt, wir haben eine Beziehung eingefangen, die existierte, aber nicht ein Ton war. Gefällt diese: s1.directupload. netimages1311255ccypnb8.jpg Dont Dummkopf selbst in Denken quotah, wird dies nicht passieren. Fast alle quotrelationshipsquot innerhalb der Märkte sind so, da die meisten Preisbewegungen zufällig sind Wenn Sie nicht verstehen, overfitting, google für weitere Informationen, wie es unsere Erzfeind im mechanischen Handel ist. Keine Bedeutung für die zukünftige Performance. Denken Sie daran, dass die erste Frage nicht, wie gut unsere Parameter auf die Vergangenheit durchgeführt, aber wie hoch die Wahrscheinlichkeit des Erfolges nach der Optimierung-Zeitspanne (so, quotin der futurequot, während Live-Trading) werden. Da wir keine Tests mit Unsere Parameter, die die relative Zukunft berücksichtigen, haben wir nicht einmal versucht, die ursprüngliche Frage zu beantworten. Wir haben nur die Frage beantwortetHow gut haben unsere Parameter im pastquot durchführen, nicht berücksichtigen nichts über die quotfuturequot gt sehr schlecht. Selbst wenn Sie irgendwie magisch ungültig meine oben genannten Punkte, weil die Parameter funktionierte gut auf eine riesige Menge an Daten, sie sind nicht wirklich das beste für den aktuellen Markt - nur durchschnittlich gut auf allen Markt-Bedingungen. Schritt 2: Backtesting mit unseenout-of-sample Daten Hinweis: Der erste Datensatz, den wir verwenden, um unsere Parameter zu optimieren, heißt quotin-samplequot (is). Der zweite, unsichtbare Dataset wird als quotout-of-samplequot (oos) bezeichnet. Wir haben nun eine geringere Chance, überfällige Parameter zu erhalten, da wir einen unabhängigen Datensatz verwenden, um unsere Parameter-Auswahl zu validieren. Wegen der unendlichen Menge an senselessunsound Beziehungen innerhalb der Märkte, haben wir immer noch ein (zu hoher) Risiko für die Überfischung, da die Chancen zu hoch sind, dass wir nur Parameter, die gültig (curvingfitted) auf beiden Datensätzen, aber nicht gültig in der Zukunft . Wenn das System nicht in out-of-sample funktioniert und Sie dann beginnen, Ihre Parameter zu stimmen, bis Sie gute oos-Ergebnisse erhalten, sind Ihre oos-Ergebnisse nicht mehr quotunseenquot und zu quotin-samplequot, die den gesamten Ansatz mit 2 Datensätzen macht Nutzlos Wir verwenden noch einen sehr großen Teil unserer Daten (in-sample), um die besten Parameter zu finden, was bedeutet, dass wir auch sehr viele Quottendaten verwenden. Das ist keine gute Entscheidung, da das Verhalten der Märkte in der Vergangenheit nicht gleich dem heutigen Verhalten ist. Nicht nur unser In-Sample-Dataset ist zu groß, auch unser Out-of-Sample-Dataset ist zu groß und daher unrealistisch. Im obigen Beispiel wäre es ein paar Jahre, aber würden Sie wirklich gerne ein System jahrelang handeln, bevor ich neue, neu eingestellte Parameter wähle, würde ich nicht Schritt 3: Backtesting mit einer realistischeren Datenmenge Jüngsten Markt-Verhalten, um unsere Parameter zu optimieren, so dass wir das Marktzitat der momentquot zu erfassen, und nicht vor 10 Jahren agoquot. Wir testen unsere Parameter nicht auf eine realistische Zeitspanne (da es sich nicht um Jahre, sondern Monate handelt) Wir haben nur einen kleinen Teil der verfügbaren Preisdaten für unsere Tests verwendet. Dies ist nicht sehr effizient Ok, denken Sie daran, die Ausgangssituation, wo wir auf Parameter-Bereiche, die Menge der Daten zu optimieren auf, und die erwähnte charakteristischeQuelle abgerechnet haben. Unsere Analyse hat den Zweck, diese Auswahl zu überprüfen, ob sie gültig sind oder nicht. Aber in diesem Fall haben wir nur einen Test mit ihnen, so dass wir auf einem Teil der Daten optimiert, dann wählten wir 1 Parameter-Kombination und testete es auf 1 quotunseenquot-Dataset. Angesichts der millionenfachen möglichen Parameterkombinationen, die ein EA haben kann, und die unendlichen Möglichkeiten, mit denen sich die Märkte verändern können, um ein neues und quotenrelevantes Verhalten zu erzeugen, denken Sie wirklich, dass 1 Test, 1 Datenpunkt, 1 Vergangenheit-Gtfuture-Beziehung ausreicht Natürlich nicht Warum also sind Sie immer noch mit normalen Backtests Schritt vier: Walk Forward-Analyse So, wie Sie vielleicht sehen, ist ein Walk Forward Analysis die gleiche Sache wie ein normaler Back-Amp aus Probe-Test, aber wir tun es vorbei und Wieder, so dass wir am Ende nicht nur mit 1 Test-Fall, sondern mit vielen (100-150 in den meisten Fällen, bis zu 1000, wenn wir sehr kleine Test-Zeitraum wählen). Auf diese Weise können wir unser System unserer Optimierungsmethodik auf vielen, vielen unabhängigen Testfällen verifizieren, was der Grund ist, warum wir WFA anstelle jeder anderen hier beschriebenen Analyse-Methode verwenden wollen. Für unsere endgültige Analyse-Bericht, berücksichtigen wir nur die grünen Testergebnisse, da sie die quotunseen futurequot relativ zu den roten Optimierungs-Fenster sind. Auf diese Weise simulieren wir den gleichen Prozess, den wir im Live-Handel stellen würden: Optimierung der Vergangenheit, Handel auf der (relativen) Zukunft Das erlaubt uns, sinnvolle Antworten auf die ursprüngliche Frage zu zeichnen, da wir nur die Performance in quotthe futurequot analysieren. Wir verwenden alle verfügbaren Daten für unser Testen. Wir haben 100-150 unabhängige QuotPASTgtFUTUREquot-Beziehungstests, die uns einen Anhaltspunkt über die zukünftige Leistung und nicht die vergangene Leistung geben. Wir vermeiden Überbeanspruchungen, da wir verschiedene Parameter verwenden, um unsere Parameter zu optimieren und zu überprüfen Wir wollen den Handel live, wir machen einfach Quoton mehr stepquot der WFA, optimieren auf den letzten verfügbaren Daten (die quotredquot Dataset würde dann am Ende des Diagramms enden), und dann handeln quotin die futurequot (die quotgreenquot Dataset wäre unser Live-Handel). So handeln wir das System mit der exakt gleichen Methode, die wir bereits 100-150 mal getestet haben. Durch die häufige Neuoptimierung der Parameter wird die EA auch kontinuierlich an die Märkte angepasst, was den Gesamtgewinn voraussichtlich steigern wird. Ein traditioneller Backtest beantwortet die Frage "Wie gut war meine EA im Pastquot, während ein Walk Forward Analysis Antworten die Frage" Wie gut wird meine EA in der Zukunft sein, während Live-Tradingquot. Es wertet nicht nur eine EA aus, sondern wertet auch den entsprechenden Handelsplan aus, der bestimmt, wie die besten Parameter für den Livehandel ausgewählt werden sollen. Die meisten EAs werden diesen Test nicht bestehen. Aber das ist nicht schlecht, weil wir ehrlich sein können, fast alle EAs in Existenz sind Blödsinn. Also, wenn fast alle EAs mit diesem Ansatz getestet würde geben schlechte Ergebnisse, das wäre großartig. Selbst wenn eine Menge Leute nicht über ihre quotholy Gral Geld Druckmaschinen quillt, desto besser ist es, die Wahrheit während der EA-Entwicklung Gesicht und nicht während des Live-Trading. Es gibt einige Einschränkungen in Bezug auf diesen Prozess, die in einem späteren Artikel diskutiert werden, stay tuned Auch bin ich derzeit an anspruchsvolleren Anlysis-Algorithmen arbeiten, aber es wird ein paar Monate dauern, bis ich Ihnen etwas zeigen kann. Der Hauptvorteil ist, dass wir 100-150 unabhängige Testfälle erhalten, während ein BacktestOut-of-sample-Test nur 1 Testfall (oder 1 Datenpunkt) liefert. Ich hoffe, dass Sie diesen Artikel mögen, und wenn Sie es live erörtern möchten, besuchen Sie webchat. snoonet. orgforex (es ist ein webbasierter Chatclient), dann klicken Sie auf meinen Nick (FX-Darwin oder Darwin oder Darwin-FX) und Auf quotNachrichtquot quotMessagequot quotPrivate Messagequot (oder so ähnlich). Dann kannst Du mit mir direkt chatten, und ich werde alle interessanten Chats auf dem Forum posten. Aber am besten wäre es, es hier auf dem Forum zu diskutieren, also machen Sie bitte so, wenn Sie etwas zum Thema zu sagen haben, dank quotI WIRD EINE WALK-FORWARD-ANALYZER-TOOL FREI INNERHALB DER NÄCHSTEN TAGE, DIE IST ALLE DIESE 100 AUTOMATISIERT BIS ZUM DANN, BENUTZEN SIE DIE ZEIT, IHRE SELBST FAMILIAR MIT DEM CONCEPTS. quot zu machen EDIT: quotAnd wie Leute fragen, warum ich freie Sachen freigeben, lassen Sie mich erklären meine Motivationen: Ich ziele auf einen Job in der Handelswirtschaft, Und das ist nicht leicht zu bekommen. Beeing bekannt in der Gemeinde würde mir sehr helfen, dieses Ziel zu erreichen, so dass ich beschlossen, einige meiner privaten Tools kostenlos und Open Source freizugeben, um mir einen Namen in den nächsten Monaten zu machen. Ich bin nicht hier, um Ihnen Sachen zu verkaufen, halten Sie das im Auge, pleasequot Ich möchte nur erklären, die Begriffe in einer transparenten Weise, bevor ich etwas - und es wird für kostenlose AMP Open Source. Könnten Sie mir zeigen, nur einen Handel, den Sie (in einem Diagramm). Ich glaube nicht an Text, wenn es zu forex kommt - texts bedeuten nada Wrong Wenn es um Forex Quoton Tradequot oder Quota einige Monate von Tradesquot bedeutet nada - sie sind nur statistisch irrelevant. Außerdem bin ich recherchiert und kodiert im Moment, und wird nur Handel leben, wenn ich das beendet habe, was noch ein paar Monate dauern könnte. Denn wie gesagt, ein paar Tage, Wochen oder Monate der Live-Trading bedeutet nichts, also zuerst muss ich meine Algos beenden, dann kann ich sie live testen. Aber ich kann sie nicht testen, solange ich sie noch entwickle. Auch dies ist kein Handelssystem, es ist ein Weg, um Handelssysteme zu analysieren. Also selbst wenn ich Ihnen eine sinnvolle Menge von Trades (wie ein paar Jahre) zeigen könnte, würde es nicht beweisen oder widerlegen das Konzept der WFA, nur zeigen Ihnen, dass das eine bestimmte System, das ich gehandelt hat So ist es schwer zu beweisen, was ich habe Geschrieben mit harten Zahlen, wie Sie es handeln mussten es mit MANY EAs für viele Jahre. Aber als Charles Darwin mit der Evolutionstheorie auftrat, konnte er es auch nicht einfach erklären, aber trotzdem konnte er eine logische Argumentation einschlagen. So kann eine Theorie existieren und logisch sein, auch wenn sie noch nicht vollständig bewiesen ist - und ich kann Ihnen nichts anderes geben als eine logische Argumentation, die ich fürchte. Statistisch irrelevante Mittel, nun, stellen Sie sich vor, werfen eine Münze 1 Mal, erhalten einen Kopf und dann Anspruch quotThe Münze zeigt immer Headquot. Sie sehen Wenn Sie eine zu kleine Anzahl von Ergebnissen haben, können Sie keine Schlüsse über die tatsächlichen statistischen Wahrscheinlichkeiten eines Systems ziehen. Und um Ihnen zu zeigen, ein Handel würde das gleiche Problem haben. Also, vielleicht müssten Sie die Münze 1000 mal werfen, um die echten 50:50 Wahrscheinlichkeiten zu bekommen. Gleiches mit Handel, nur VIELE Handel zeigt Ihnen die wirklichen Eigenschaften. Dont wünschen mir viel Glück auf, dass - ich gerade ein Konzept, eine Möglichkeit, EAs zu analysieren, so dass seine nichts, was funktionieren kann oder nicht Ein Handel könnte ein kleiner Teil Ihrer Logik und Ihr Geld-Management, ja. Aber das Ergebnis des einen Handels ist bedeutungslos zu beurteilen, wenn es funktioniert - dafür benötigen Sie Jahre des lebenden Handels (um sicher zu sein über Ihre Resultate). Tough, ein paar Monate der Live-Trading könnte bereits ein guter Hinweis auf die reale Leistung. Wie auch immer, ist das Zitat Tradequot abhängig von einem bestimmten System - aber Sie können jedes System mit WFA testen, so dass der Zitat tradequot würde Ihnen nur zeigen, die ein bestimmtes System und nichts über die WFA Joined Feb 2010 Status: Mitglied 944 Posts Ich habe gerade ein Konzept , a way to analyse EAs, so its nothing that can work or not Now I understand you are not talking about trading, but about back-testing. I think you should move to the commercial category where you will get much more responsesinterests. I can only disagree with this statement. Look at the image below. This is a backtest (not a WFA). There are more than 500 trades. What is the logic behind What is the quotmentalityquot (if ever an EA has a mentality). What is the money management Over the 7 year period of backtest the account has been multiplied by 2.5, this is 13.9 per year. The profit factor is 1.19, the expectancy is 15.4 pips per trades. Is this good or not Attached Image (click to enlarge) Answers: - Is this good or not Absolutely NOT. This EA is completely edgeless - What is the money management Fixed size, 1 micro lot. One trade at a time. - What is the logic It flips a coin to go long or short. SL100 pips TP500 pips. When the trade closes it opens a new one. This is simply a cherry picked lucky realization of a random walk A single trade or 500 of them prove nothing at all. No greed. No fear. Just maths. This is simply a cherry picked lucky realization of a random walk A single trade or 500 of them prove nothing at all Right. Tough I would argue that it depends a bit on the way you look at them. If you just look at quotthe tradesquot, 500 might be really useless - depending on your test, but if you look at them in a way where you analyse the correlationrelationship of past-gtfuture, and can conclude that the past and the future performance is somehow correlated for 500 trades, it might be an good indicator for a system with an edge. Tough, your point stays valid and this is still a dangerous bet, so the algo I am coding right now will be capable to analyse something like 1.000.000-5.000.000 single trades per system (depending on the degree of freedom and the trade frequency of your system), and the first tests look quite promising Looking forward to discuss it in a new thread soon Also, thanks for the post, the coin flipping example is always a very good argument - i should have included it in one of my articles, shame on me. You say that the WFA aims at adapting the EA parameters to the evolution of the market. But you seem to assume, as a given, that the EA already has some edge. When you optimize an EA and you get a result such as the curve above how do you evaluate that it isnt due to pure random chance The first question Id like to get an answer for is: quotIs this system is really workingquot even before trying to optimize anything. Well, a WFA does not just analyse a system, it analyses the correlation of the past-gtfuture performance. So, when you optimise your parameters on the past to get good results, and then you analyse the relative future performance and can see that there is a clear correlation between them, it indicates that there is not just quotrandom chancequot showing its ugly face At least thats the idea behind the approach, and this thread is here for discussion, so, what do you think How do you estimate the dispersion of the results around the parameter vector you get from the optimizer BTW SMA 31 is optimal with respect of what What is the loss function you use to compare the results But I try to answer anyway, it is quotoptimalquot relative to all other SMA-periods. The user defines the prefered characteristic, like profitdrawdown, and then the system takes the optimal parameter, compared to all others, based on the prefered characteristic. Also, its up to the user to define the parameter-ranges and therefore, more or less, the degree of freedom. If SMA 31 is optimal, SMAs 27,28,29,30,32,33,34,35 should work good as well. So, that would mean looking not just at the quotbestquot parameter but at the whole picture. Thats the purpose of my new algo, analyse the whole parameterspace. But the first WFA-tool, which I will release in a few days (I aim for saturday), will just be able to analyse the one quotbestquot candidate The best multiplication factor for the martingale is ZERO lots. If SMA 31 is optimal, SMAs 27,28,29,30,32,33,34,35 should work good as well. Also, we have more possibilties than just taking the quotbestquot parameter based on some characteristic. If you do an optimisation and end up with this huge list of possible systems, you can implement any kind of quotmutatorsquot (ranking, filtering, truncating, shuffling etc) to get the one quotbestquot parameterset for trading. I call this a trading-plan. (at least thats the name of the C class handling it haha). So, it would not be very hard to add a mutator that takes away some degree of freedom from the initial strategy, based on what works best, analysed on gt1.000.000 single trades. This might be a good approach regarding this topic. Also, I am just thinking about a way to add a mutator that does not just reduce degree of freedom but quotgroupquot parametersets together with their quotnearest neighboursquot or something. interesting At least the new framework allowes to add any kind of these post-optimisation-mutators, so if you have some cool ideas, tell me, please. And you might guess that the purpose of it will be to optimise a trading-plan, instead of parameters, based on the whole parameterspace of a system. So it might be a much more robust approach than a WFA, but I do not have enough code running to make any tests yet. when you optimise your parameters on the past to get good results, and then you analyse the relative future performance and can see that there is a clear correlation between them, it indicates that there is not just quotrandom chancequot showing its ugly face Can you develop a little bit more Is a high correlation a good thing to you Correlation can been seen as a hint of causality: one variable explains the other one. But the correlation can also be looked at as a convolution: how two curves have a similar shape. And what looks the most like a random walk than another random walk Two random walks often show a high correlation coefficient, whereas per construction this is nothing at all. Im a programmer and not much into statistics, could you explain this in. well, a language I understand I think a picture is the best explanation. The x-axis is your parameter like the period of the MA. The y-axis is the performance you measured like profitDD. As you can see there are two peaks. The first one gives the best result. It would be selected by your algo. But slightly changing this value makes the result drop significantly. The second one performs much worse but it is also way more stablerobust. This one should be selected instead. The first one is clearly overfitted. This curve illustrates one period of test. How different will be the curve for the next periods Same number of peaks Are they at the same place or do they move a lot How important are the parameters Lets take again the coin flipping example. There are two parameters: SL and TP. How important is the SL Is it more or less important than the TP Is the ratio TPSL more important than the values themselves Your optimizer will always find a best value. It is its job. But we perfectly know that these two parameters are completely irrelevant. Any value of them will always give a perfectly edgless system (expectancy of 0). If you do an optimisation and end up with this huge list of possible systems, you can implement any kind of quotmutatorsquot (ranking, filtering, truncating, shuffling etc) to get the one quotbestquot parameterset for trading. I dont understand. Having one or ten parameters is the same. You simply optimize a vector instead of a scalar value. Unless youre talking Genetic Algorithms Did you read mikkoms thread Systematic trading. Instead of trading quotthe very bestquot he selects a bunch of quotvery goodquot and run them altogether. The only post-optimization I think of is to test the result against the null-hypothesis quotthis is a random walkquot. No greed. No fear. Just maths. Can you develop a little bit more Is a high correlation a good thing to you Correlation can been seen as a hint of causality: one variable explains the other one. But the correlation can also be looked at as a convolution: how two curves have a similar shape. And what looks the most like a random walk than another random walk Two random walks often show a high correlation coefficient, whereas per construction this is nothing at all. Red Profit in Optimisation. Green Profit in relative future. Left Sound system Right RandomUseless system So, if you use profit drawdown profitfactor whatever to pick a parameterset from your optimisation-results, and this process tends to give you parametersets that perform good in the relative future, this is the correlation I talk about. I dont know if my point of view is clearer now, if not, please ask again, and I will try better A WFA can test this approach 150 times, I am not completly sure how safe this is, but it is at least better than a backtest, where you have 1 of these tests. But if you test this on like 100.000 independent samples (the new algo, again), and all these samples indicate quotA good performance in the past has a high chance of a good performance in the futurequot, this should eliminate random-walks. Because there is no correlation between past and future profitability in them, at least not if you look at the whole picture (and I think 100.000 independent test-windows with about 1million single trades is quite good, at least if you dont have too much degree of freedom). As you can see there are two peaks. The first one gives the best result. It would be selected by your algo. But slightly changing this value makes the result drop significantly. The second one performs much worse but it is also way more stablerobust. This one should be selected instead. The first one is clearly overfitted. Ah ok Yes, you are right, the algo would, in this example, select this huge spike with the overfitted parameters. But its the purpose of a WFanalyzer to evaluate how vulnerable your system is to the problem you described. If it is, the WFA will give you bad results, as it would always choose overfitted values and then get bad trades in the testing-timespan, leading to a bad WFA-result in the end. How important are the parameters Lets take again the coin flipping example. There are two parameters: SL and TP. How important is the SL Is it more or less important than the TP Is the ratio TPSL more important than the values themselves Your optimizer will always find a best value. It is its job. But we perfectly know that these two parameters are completely irrelevant. Any value of them will always give a perfectly edgless system (expectancy of 0). Well, if the parameters are irrelevant, then also the according backtests. Therefore the way you pick parameters for testing can also just be irrelevant. And then the correlation, as I tried to explain in the first part of this post, will not hold into the future for many samples, leading to a bad WFA-result in the end. I dont understand. Having one or ten parameters is the same. You simply optimize a vector instead of a scalar value. Unless youre talking Genetic Algorithms Did you read mikkoms thread Systematic trading. Instead of trading quotthe very bestquot he selects a bunch of quotvery goodquot and run them altogether. Well, these quotmutatorsquot I talk about just define the way you choose quotthe very bestquot or quotvery goodquot parameters: The classical way, and also the only one the WFanalyzer will be capable of, is to just quotpick the candidate with most XXXquot (XXX can be profit or drawdown or whatever). But you could also say: quotWell, first remove all candidates with profitlt0, as they might not work. Then remove all candidates with profit gt 5000, as they might be overfitted. Then sort the list according to the profitfactor and take on of the best 10 randomlyquot. So each step quotmutatesquot the optimisation-result, they all together are a 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