فوركس المشي إلى الأمام اختبار

يمكنك الآن الذهاب إلى صفحة التحميل للحصول على نسخة مجانية كيف تعرف إذا كان مستشار الخبراء الخاص بك مربحة حقا ميتاترادرس تستر تستر لا تعطيك الصورة الكاملة هل التداول على أساس باكتيستس متفائلة بشكل مفرط، وخيبة أمل للعثور على أن المستشار الخبير الخاص بك هو فقدان المال في التداول المباشر هل ترغب في معرفة ما إذا كان مستشار الخبراء الخاص بك مربحة، بسرعة وسهولة، دون أن تفقد المال جهاز المشي إلى الأمام محلل ل ميتاتريدر يستخدم المشي إلى الأمام محلل ميتاترادرز الخاصة تستر تستر لإجراء تحليل المشي إلى الأمام . وذلك باستخدام الإعدادات واختبار المعلمات المقدمة من قبل المستخدم. البرنامج سهل الاستخدام، ويمكن أن توفر لك مع المشي الكامل إلى الأمام تحليل في جزء صغير من الوقت الذي يستغرقه لك أن تفعل ذلك يدويا. ويحدد تحليل السير قدما ما إذا كان مستشار الخبراء مربحا عند التداول مع المعلمات الأمثل على البيانات خارج العينة. أي مستشار خبير يمكن أن تنتج نتيجة الأمثل للإعجاب، ولكن الاختبار الحقيقي هو ما إذا كانت هذه النتائج سوف تصمد عند اختبارها على البيانات المستقبلية. يقوم جهاز "المشي إلى الأمام محلل" هذه العملية عدة مرات على مدى أشهر وسنوات من البيانات التاريخية، مما يتيح لك صورة دقيقة عن الأداء الحقيقي لمستشار الخبراء الخاص بك. عند الانتهاء من المشي إلى الأمام التحليل، يول يتم عرض مع تقرير مفصل المشي إلى الأمام التحليلي، والتي تبين نتائج الاختبار والتحسين يعمل، مجموع الربح الربح، ونسبة المشي إلى الأمام كفاءة. وهو مقياس لمدى قوة نظام التداول الخاص بك. انظر محلل المشي إلى الأمام في العمل إذا كنت غير مألوف مع المشي إلى الأمام إجراء التحليل، يرجى قراءة ما هو المشي إلى الأمام تحليل لمعرفة لماذا هو أفضل طريقة لتحديد متانة وربحية محتملة من نظام التداول الخاص بك. يوفر الفيديو أدناه تجول كامل و تعليمي للمشي قدما محلل ل ميتاتريدر: ما هو المشي إلى الأمام تحليل المشي أنيلسيس هو عملية تحسين نظام التداول باستخدام مجموعة محدودة من المعلمات، ثم اختبار أفضل مجموعة المعلمة الأمثل على الخروج من عينة البيانات. هذا هو مماثل لكيفية استخدام مستشار الخبراء الخاص بك في التداول المباشر. وقد وصفت مبادئ التحرك قدما إلى الأمام أولا في كتاب تقييم والاستراتيجيات التجارية الأمثل من قبل روبرت باردو. لإجراء تحليل المشي إلى الأمام في ميتاترادر، أولا تحسين مستشار الخبراء في اختبار الاستراتيجية. بعد ذلك، اختر النتيجة الأكثر ربحا في علامة التبويب "نتائج التحسين"، ثم قم بإجراء اختبار باكتست على مدى فترة زمنية مباشرة بعد فترة التحسين. تاريخ انتهاء فترة التحسين هو نفس تاريخ بدء فترة الاختبار. وتكرر هذه العملية مرارا وتكرارا حتى يتم تحقيق حجم عينة مرضية. إذا كان مستشار الخبراء أداء جيدا في الاختبار، بالنسبة إلى نتائج التحسين، ثم يمكن للمرء أن يستنتج أن المستشار خبير من المرجح أن تكون مربحة في التداول المباشر. إذا، من ناحية أخرى، أداء مستشار الخبراء سيئة في الاختبار، ثم إما المعلمات الأمثل أو طول فترات الاختبار والتحسين تحتاج إلى تعديل. إذا، بعد العديد من المحاولات، لا يزال مستشار الخبراء لا تؤدي أداء جيدا في الاختبار، ثم يمكن استنتاج أن نظام التداول غير مربحة. الرسوم المتحركة إلى اليمين يوضح المشي إلى الأمام إجراء التحليل. ويتم إجراء التحسين على مدى فترة أطول (البيانات في العينة)، ثم يتم اختبار مجموعة المعلمات المحسنة على مدى فترة أقصر لاحقة (البيانات خارج العينة). يتم تحويل فترات التحسين والاختبار إلى الأمام، وتكرر العملية حتى يتم الحصول على حجم عينة مناسبة. المصدر مثال على تحليل المشي إلى الأمام يتيح مثالا حقيقيا على الحياة: سيجري تحليلا للمشي على مستشار خبير باستخدام اليورو M30. حسنا تحسين هذا المستشار الخبراء على مدى فترة 120 يوما. اخترنا 3 أو 4 أهم المعلمات لتحسين، حتى لا الإفراط في تحسين أو منحنى تناسب النتائج. أيضا، معلمات أقل يعني اختبار أسرع. حسنا حدد النتيجة الأكثر ربحية، باكتست تلك المعلمات على مدى فترة 30 يوما مباشرة بعد فترة التحسين. فمن المستحسن استخدام فترة اختبار ما يقرب من 25 من طول فترة التحسين. مرة واحدة سجلنا نتائجنا، حسنا نقل الأمثل والاختبار فترة المقبلة إلى الأمام بنسبة 30 يوما. بعد 12 جولات متتالية من التحسين والاختبار، ولها أيضا سنوات تستحق المشي بيانات التحليل إلى الأمام. نقارن متوسط ​​الربح اليومي لفترات التحسين إلى متوسط ​​الربح اليومي لفترات الاختبار. وهذا سوف يعطينا حساب يسمى المشي كفاءة إلى الأمام نسبة. وتعتبر نسبة كفاءة السير إلى الأمام أكبر من 0.5 نتيجة جيدة جدا. وهذا ما نسميه نظاما تجاريا قويا. ومع ذلك، مستشار خبير قابلة للتداول طالما أنها مربحة باستمرار على فترات اختبار متعددة. إذا كانت نسبة كفاءة السير إلى الأمام سلبية، فهذا يعني أن مستشار الخبراء لم يحقق أداء جيدا مقارنة بنتائج التحسين. وبطبيعة الحال، يمكنك القيام بتحليل إلى الأمام المشي يدويا في اختبار ميتاترادرس استراتيجية. ولكن العملية مملة، تستغرق وقتا طويلا وعرضة للخطأ. هذا هو المكان الذي يأتي برنامج المشي إلى الأمام محلل. سيقوم البرنامج تلقائيا تنفيذ المشي إلى الأمام تحليل باستخدام ميتاترادرس اختبار استراتيجية على أي طول من الزمن، مع عدد قليل من الإعدادات التي يقدمها المستخدم. باكتستينغ والاختبار إلى الأمام: أهمية تجار الترابط الذين يتوقون إلى محاولة فكرة التداول في السوق الحية في كثير من الأحيان تجعل من الخطأ الاعتماد كليا على باكتستينغ النتائج لتحديد ما إذا كان النظام سوف تكون مربحة. في حين أن باكتستينغ يمكن أن توفر التجار مع معلومات قيمة، وغالبا ما يكون مضللا، وأنها ليست سوى جزء واحد من عملية التقييم. ويوفر الاختبار خارج العينة واختبار الأداء إلى الأمام مزيدا من التأكيد فيما يتعلق بفعالية الأنظمة، ويمكنهما أن يبينا أنظمة الألوان الحقيقية، قبل أن يكون النقد الحقيقي على الخط. إن وجود علاقة جيدة بين نتائج الاختبار المسبق واختبار الأداء خارج العينة ونتائج الاختبار للأمام أمر حيوي لتحديد جدوى نظام التداول. (نحن نقدم بعض النصائح حول هذه العملية التي يمكن أن تساعد على تحسين استراتيجيات التداول الحالية. للاطلاع على مزيد من المعلومات، اقرأ القراءة السابقة: تفسير الماضي.) أساسيات باكتستينغ تشير باكتستينغ إلى تطبيق نظام التداول على البيانات التاريخية للتحقق من كيفية أداء النظام خلال الفترة الزمنية المحددة. العديد من منصات التداول اليوم تدعم باكتستينغ. يمكن للتجار اختبار الأفكار مع عدد قليل من ضربات المفاتيح والحصول على نظرة ثاقبة على فعالية فكرة دون المخاطرة بالأموال في حساب التداول. يمكن أن تقيس باكتستينغ الأفكار البسيطة، مثل كيفية أداء كروسوفر المتوسط ​​المتحرك على البيانات التاريخية، أو أنظمة أكثر تعقيدا مع مدخلات متنوعة ومحفزات. طالما أن فكرة يمكن كميا فإنه يمكن باكتستد. قد يطلب بعض التجار والمستثمرين خبرة مبرمج مؤهل لتطوير الفكرة إلى شكل قابل للاختبار. وعادة ما ينطوي ذلك على مبرمج ترميز الفكرة إلى اللغة الملكية التي تستضيفها منصة التداول. يمكن للمبرمج دمج المتغيرات المدخلات المعرفة من قبل المستخدم التي تسمح للتاجر لقرص النظام. ومن الأمثلة على ذلك في نظام كروس أوفر المتوسط ​​البسيط المبين أعلاه: أن يكون المتداول قادرا على إدخال (أو تغيير) أطوال المتوسطين المتحركين المستخدمين في النظام. يمكن للمتداول أن يقوم باكتست لتحديد أي الأطوال من المتوسطات المتحركة كانت ستؤدي أفضل النتائج على البيانات التاريخية. (الحصول على مزيد من التبصر في تعليم التجارة الإلكترونية.) دراسات الأمثل العديد من منصات التداول تسمح أيضا للدراسات الأمثل. وهذا ينطوي على إدخال نطاق للمدخلات المحددة والسماح للكمبيوتر القيام الرياضيات لمعرفة ما المدخلات التي كان أداء أفضل. يمكن للتحسين متعدد المتغيرات القيام بالرياضيات لمتغيرين أو أكثر معا لتحديد المستويات التي يمكن أن تحقق معا أفضل النتائج. على سبيل المثال، يمكن للمتداولين إخبار البرنامج بالمدخلات التي يرغبون في إضافتها إلى إستراتيجيتهم، ومن ثم يتم تحسينها إلى أوزانهم المثالية نظرا للبيانات التاريخية المختبرة. باكتستينغ يمكن أن تكون مثيرة في أن نظام غير مربحة يمكن في كثير من الأحيان تتحول سحرية إلى آلة صنع المال مع عدد قليل من التحسينات. لسوء الحظ، فإن تعديل نظام لتحقيق أعلى مستوى من الربحية السابقة يؤدي في كثير من الأحيان إلى نظام من شأنه أن يؤدي بشكل ضعيف في التداول الحقيقي. هذا الإفراط في التحسين يخلق النظم التي تبدو جيدة على الورق فقط. منحنى المناسب هو استخدام التحليلات الأمثل لإنشاء أكبر عدد من الصفقات الفوز في أكبر ربح على البيانات التاريخية المستخدمة في فترة الاختبار. على الرغم من أنها تبدو مثيرة للإعجاب في باكتستينغ النتائج، ومنحنى المناسب يؤدي إلى أنظمة لا يمكن الاعتماد عليها منذ النتائج مصممة خصيصا خصيصا لتلك البيانات الخاصة والفترة الزمنية. تقدم باكتستينغ والتحسين العديد من الفوائد للتاجر ولكن هذا هو فقط جزء من العملية عند تقييم نظام التداول المحتمل. الخطوة التالية للتجار هي تطبيق النظام على البيانات التاريخية التي لم يتم استخدامها في مرحلة باكتستينغ الأولية. (من السهل حساب المتوسط ​​المتحرك، و بمجرد رسمه على الرسم البياني، هو أداة مرئية قوية لتحديد الاتجاه، لمزيد من المعلومات، اقرأ المتوسطات المتحركة البسيطة جعل الاتجاهات تتوقف.) في العينة مقابل البيانات خارج العينة عند اختبار فكرة عن البيانات التاريخية، من المفيد حجز فترة زمنية للبيانات التاريخية لأغراض الاختبار. ويشار إلى البيانات التاريخية الأولية التي يتم اختبار الفكرة وتحسينها على أنها البيانات في العينة. وتعرف مجموعة البيانات المحجوزة ببيانات خارج العينة. هذا الإعداد هو جزء مهم من عملية التقييم لأنه يوفر وسيلة لاختبار الفكرة على البيانات التي لم تكن عنصرا في نموذج التحسين. ونتيجة لذلك، لن تكون الفكرة قد تأثرت بأي شكل من الأشكال من البيانات خارج العينة والتجار سوف تكون قادرة على تحديد مدى أداء النظام على البيانات الجديدة أي في التداول في الحياة الحقيقية. قبل الشروع في أي اختبار أو تحسين، يمكن للمتداولين تخصيص نسبة مئوية من البيانات التاريخية التي سيتم حجزها للاختبار خارج العينة. وتتمثل إحدى الطرق في تقسيم البيانات التاريخية إلى الثلثين وفصل الثلث لاستخدامها في الاختبار خارج العينة. يجب استخدام البيانات داخل العينة فقط للاختبار الأولي وأي تحسين. ويبين الشكل 1 خطا زمنيا يحتفظ فيه بثلث البيانات التاريخية للاختبار خارج العينة، ويستخدم ثلثاها للاختبار داخل العينة. على الرغم من أن الشكل 1 يصور البيانات خارج العينة في بداية الاختبار، فإن الإجراءات النموذجية سيكون لها الجزء خارج العينة الذي يسبق مباشرة الأداء الأمامي. الشكل 1: خط زمني يمثل الطول النسبي للبيانات داخل العينة وخارج العينة المستخدمة في عملية الاختبار الخلفي. وبمجرد وضع نظام تجاري باستخدام بيانات داخل العينة، يكون جاهزا للتطبيق على البيانات خارج العينة. يمكن للمتداولين تقييم ومقارنة نتائج الأداء بين البيانات داخل العينة وخارج العينة. ويشير الارتباط إلى أوجه الشبه بين الأداء والاتجاهات العامة لمجموعتي البيانات. ويمكن استخدام مقاييس الترابط في تقييم تقارير أداء الاستراتيجية التي تم إنشاؤها خلال فترة الاختبار (وهي ميزة توفرها معظم منصات التداول). وكلما كان الترابط أقوى بين الاثنين، كلما كان احتمال أداء النظام جيدا في اختبار الأداء إلى الأمام والتداول المباشر أفضل. ويوضح الشكل 2 نظامين مختلفين تم اختبارهما وتحسينهما على بيانات العينة، ثم تطبيقهما على البيانات خارج العينة. يظهر الرسم البياني على اليسار نظاما كان منحنى بشكل واضح - صالح للعمل بشكل جيد على البيانات داخل العينة وفشلت تماما على البيانات خارج العينة. ويظهر الرسم البياني على اليمين نظاما يؤدي أداء جيدا في البيانات داخل وخارج العينة. الشكل 2: اثنين من منحنيات الأسهم. تمثل بيانات التجارة قبل كل سهم أصفر اختبار في العينة. وتشير الصفقات المتولدة بين الأسهم الصفراء والأحمر إلى اختبار خارج العينة. الصفقات بعد الأسهم الحمراء هي من مراحل اختبار الأداء إلى الأمام. إذا كان هناك ارتباط بسيط بين الاختبار في العينة وخارج العينة، مثل الرسم البياني الأيسر في الشكل 2، فمن المرجح أن النظام قد تم تجاوزه بشكل مفرط ولن يؤدي أداء جيدا في التداول المباشر. إذا كان هناك ارتباط قوي في الأداء، كما هو مبين في الرسم البياني الصحيح في الشكل 2، المرحلة التالية من التقييم ينطوي على نوع إضافي من اختبار خارج العينة المعروفة باسم اختبار الأداء إلى الأمام. (لمزيد من القراءة حول التنبؤ، الرجوع إلى التنبؤ المالي: طريقة بايزي). أساسيات اختبار الأداء إلى الأمام اختبار الأداء إلى الأمام، والمعروف أيضا باسم تداول الورق. يوفر للمتداولين مجموعة أخرى من البيانات خارج العينة لتقييم النظام. اختبار الأداء إلى الأمام هو محاكاة التداول الفعلي ويشمل اتباع منطق الأنظمة في السوق الحية. ويسمى أيضا تداول الورق حيث أن جميع الصفقات يتم تنفيذها على الورق فقط، أي أن الإدخالات التجارية والمخارج موثقة مع أي ربح أو خسارة للنظام، ولكن لا يتم تنفيذ صفقات حقيقية. جانب مهم من اختبار الأداء إلى الأمام هو اتباع منطق الأنظمة بالضبط خلاف ذلك، يصبح من الصعب، إن لم يكن من المستحيل، لتقييم هذه الخطوة من العملية بدقة. يجب على التجار أن يكونوا صادقين حول أي مداخل تجارية ومخارج وتجنب السلوك مثل الصفقات قطف الكرز أو لا تشمل التجارة على ترشيد الورق أنني لم تأخذ أبدا تلك التجارة. وإذا كانت التجارة ستحدث بعد منطق الأنظمة، فينبغي توثيقها وتقييمها. العديد من السماسرة تقدم حساب التداول محاكاة حيث يمكن وضع الصفقات وتحسب الربح والخسارة المقابلة. استخدام حساب التداول محاكاة يمكن أن تخلق جو شبه واقعية التي لممارسة التداول ومواصلة تقييم النظام. ويبين الشكل 2 أيضا نتائج اختبار الأداء إلى الأمام على نظامين. مرة أخرى، فشل النظام الممثلة في الرسم البياني الأيسر في القيام بما هو أبعد بكثير من الاختبار الأولي على البيانات في العينة. ومع ذلك، يستمر النظام المعروض في المخطط الصحيح في الأداء بشكل جيد من خلال جميع المراحل، بما في ذلك اختبار الأداء للأمام. وهناك نظام يظهر نتائج إيجابية مع وجود علاقة جيدة بين العينة، خارج العينة واختبار الأداء إلى الأمام جاهز ليتم تنفيذها في السوق الحية. الخط السفلي باكتستينغ هو أداة قيمة متوفرة في معظم منصات التداول. تقسيم البيانات التاريخية إلى مجموعات متعددة لتوفير الاختبار في العينة وخارج العينة يمكن أن توفر للتجار وسيلة عملية وفعالة لتقييم فكرة التداول والنظام. وبما أن معظم التجار يستخدمون تقنيات التحسين في الاختبار المسبق، فمن المهم بعد ذلك تقييم النظام على البيانات النظيفة لتحديد قابليته للبقاء. إن مواصلة اختبار خارج العينة مع اختبار األداء األمامي يوفر طبقة أخرى من السالمة قبل وضع نظام في السوق يخاطر بالمخاطر النقدية الحقيقية. وتؤدي النتائج الإيجابية والارتباط الجيد بين الاختبار في الاختبار الأولي والعينة للاختبارات الأولية واختبار الأداء إلى الأمام إلى زيادة احتمال أن يؤدي النظام أداء جيدا في التداول الفعلي. (للاطلاع على نظرة عامة شاملة على التحليل الفني انظر التحليل الفني: مقدمة). المادة 50 هي شرط للتفاوض والتسوية في معاهدة الاتحاد الأوروبي يحدد الخطوات التي يتعين اتخاذها لأي بلد. عرض أولي على شركة مفلسة أصول من مشتر مهتم تختاره الشركة المفلسة. من مجموعة من مقدمي العروض. بيتا هو مقياس لتقلبات أو مخاطر منهجية لأمن أو محفظة بالمقارنة مع السوق ككل. نوع من الضرائب المفروضة على الأرباح الرأسمالية التي يتكبدها الأفراد والشركات. أرباح رأس المال هي الأرباح التي المستثمر. أمر لشراء ضمان بسعر أو أقل من سعر محدد. يسمح أمر حد الشراء للمتداولين والمستثمرين بتحديده. قاعدة دائرة الإيرادات الداخلية (إرس) تسمح بسحب الأموال بدون رسوم من حساب حساب الاستجابة العاجلة. تتطلب القاعدة أن. المختبر إلى الأمام اختبار أميبروكر 5.10 يتميز التلقائي وضع الاختبار إلى الأمام. اختبار المشي التلقائي إلى الأمام هو تصميم النظام وتقنية التحقق من الصحة التي يمكنك تحسين قيم المعلمة على جزء سابق من بيانات السوق (8221in-sample8221)، ثم التحقق من أداء النظام عن طريق اختباره إلى الأمام في الوقت المناسب على البيانات التالية التحسين (8221 من العينة 8221). يمكنك تقييم النظام استنادا إلى مدى أداءه على بيانات الاختبار (8221out-أوف-sample8221)، وليس البيانات التي تم تحسينها على. ويمكن تكرار العملية على فترات زمنية لاحقة. يوضح الرسم التوضيحي التالي كيفية عمل العملية. والغرض من اختبار المشي إلى الأمام هو تحديد كلما كان أداء نظام التداول الأمثل هو واقعي أو نتيجة للمنحنى المناسب. ويمكن اعتبار أداء النظام واقعيا إذا كان له قيمة مسبقة وأداء جيد على بيانات السوق غير المرئية (خارج العينة). عندما يتم تصميم النظام بشكل صحيح، يجب أن يكون أداء التداول في الوقت الحقيقي بالنسبة لتلك التي كشفت أثناء التحسين. إذا كان النظام هو الذهاب الى العمل في التداول الحقيقي، فإنه يجب أولا اجتياز اختبار المشي إلى الأمام. وبعبارة أخرى، نحن لا نهتم حقا في عينة النتائج كما هي (أو ينبغي أن يكون) جيدة دائما. ما يهم هو خارج النظام عينة الأداء. هذا هو تقدير واقعي لكيفية عمل النظام في التداول الحقيقي، وسوف تكشف بسرعة أي قضايا منحنى المناسب. إذا كان الأداء خارج العينة ضعيفا فلا ينبغي أن تتداول مثل هذا النظام. فرضية أداء عدة خطوات أوبتيميزاتيونتيستس مع مرور الوقت هو أن الماضي القريب هو أساس أفضل لاختيار قيم المعلمة النظام من الماضي البعيد. ونأمل أن تكون قيم المعلمة المختارة على شريحة التحسين مناسبة تماما لظروف السوق التي تتبعها على الفور. وقد يكون هذا هو الحال أو قد لا يكون الحال مع مرور الأسواق من خلال دورة حمولة، لذلك يجب توخي الحذر عند اختيار طول فترة العينة. لمزيد من المعلومات حول تصميم النظام والتحقق باستخدام المشي إلى الأمام الإجراء وجميع القضايا المعنية، يمكننا أن نوصي هوارد بانديس كتاب: كوانتيتاتيف ترادينغ سيستمزكوت (انظر الروابط على صفحة أميبروكر). لاستخدام التحسين من الأمام إلى الأمام، يرجى اتباع الخطوات التالية: غوتو تولس-غاتوتوماتيك أناليسيس انقر فوق زر الإعدادات، ثم قم بالتبديل إلى علامة التبويب وورد-فوروارد هنا يمكنك مشاهدة إعدادات الأمام للمشي في نموذج التحسين، باكتست خارج العينة تواريخ البدء والانتهاء علامة بداية بداية نهاية سيتم نقل هذه الفترة إلى الأمام عن طريق خطوة حتى نهاية تصل إلى تاريخ آخر. تاريخ البدء يمكن أن تتحرك إلى الأمام عن طريق خطوة أيضا، أو يمكن أن ترتكز (ثابت) إذا كان التحقق الراسية على. إذا وضعت علامة على استخدام اليوم، فسيتم تجاهل آخر تاريخ تم إدخاله وسيتم استخدام اليوم (التاريخ الحالي) بدلا من ذلك. افتراضيا يتم تحديد 8220EASY MODE8221 مما يبسط عملية إعداد معلمات وف. ويفترض ذلك ما يلي: (أ) الجزء خارج العينة يتبع مباشرة في العينة الجزء ب) طول الجزء خارج العينة يساوي خطوة المشي إلى الأمام بناء على هذين الافتراضين وضع 8220EASY8221 يأخذ في نهاية تاريخ العينة ويحدد تاريخ البدء من العينة إلى اليوم التالي. ثم يضيف في العينة ستيب ويصبح هذا خارج العينة تاريخ إند. يتم تعيين قيم خطوة داخل العينة وخارج العينة إلى القيم نفسها. يضمن وضع 8220EASY8221 صحة إعدادات إجراء وف. يجب عليك استخدام طريقة سهلة (التخلص من الذخائر المتفجرة) عند الاختبار على بيانات نهاية اليوم أو طريقة سهلة (التداول اليومي) عند الاختبار على البيانات اللحظية. الفرق هو أنه في وضع التخلص من الذخائر المتفجرة تاريخ نهاية الفترة السابقة وتاريخ ستارت من الفترة التالية هي نفسها - وبالتالي تجنب الفجوة بين الفترات. وضع التداول اليومي تعيين ستارت تاريخ الفترة التالية كما يلي اليوم بعد نهاية الفترة السابقة. وهذا يضمن عدم احتساب يوم الحدود مرتين عند الاختبار على البيانات اللحظية. في الوضع المتقدم. فإن المستخدم لديه سيطرة كاملة على جميع القيم، إلى الحد الذي قد لا تشكل إجراء وف صالح. واجهة تسمح ل سيليكتيفيلي تعطيل في العينة وخارج مراحل العينة باستخدام مربعات الاختيار في أعلى (لأشياء خاصة مثل تشغيل باكتيستس متتابعة دون التحسين). تنعكس جميع الإعدادات بشكل فوري في قائمة بريفيو التي تعرض جميع قطاعات إيسوس التي تم إنشاؤها وتواريخها. يحدد حقل 8220 أوبتيميزاتيون تارجيت 8221 التحسين رابورت كولومن نيم الذي سيتم استخدامه لفرز النتائج والعثور على أفضل واحد. يمكن استخدام أي عمود مضمن (كما يظهر في إخراج التحسين)، أو يمكنك استخدام أي مقياس مخصص تقوم بتعريفه في باكتستر مخصص. الافتراضي هو كارمد، ولكن يمكنك تحديد أي مقياس مدمج آخر من التحرير والسرد. يمكنك أيضا تايب-إن أي مقياس مخصص قمت بإضافته عبر واجهة باكتستر المخصصة. بمجرد تحديد إعدادات المشي إلى الأمام، يرجى الانتقال إلى التحليل التلقائي واضغط على القائمة المنسدلة أرو على زر تحسين وحدد 8220Walk إلى الأمام الأمثل 8221 سيتم تشغيل تسلسل أوبتيميزايتونس و باكتست وسيتم عرض النتائج في المستند 8220Walk Forward8221 التي يتم فتحها في إطار التطبيق الرئيسي. عند تشغيل التحسين يمكنك النقر فوق الزر 8220MINIMIZE8221 على مربع الحوار التقدم لتقليله - وهذا يسمح لرؤية إخراج المشي إلى الأمام أثناء خطوات التحسين. في العينة و خارج العينة مجتمعة الأسهم المتاحة في العينة و خارج العينة الأسهم المتاحة من قبل أوكسكيتي المركبة المركب (فترات متتالية من إس و أوس يتم تسلسلها وتحجيمها للحفاظ على استمرارية خط الأسهم - هذا النهج يفترض أنك عموما تتضاعف الأرباح). لعرض إس و إس أوس يمكنك استخدام على سبيل المثال هذا: إيسكيتي. إن-سامبل إكيتي. لون احمر . ستايللين) بلوتفوريين (تقرير ملخص خارج العينة (جديد في 5.60) إصدار 5.60 يجلب تقرير موجز جديد إلى الأمام الذي يغطي جميع الخطوات خارج العينة. وهي مرئية في إكسبلورر إكسبلورر كما آخر واحد ولها نوع كوتسكوت ، وكانت هناك تغييرات كبيرة في اختبار السير قدما للسماح بتقرير موجز عن عينة من العينة. أهم تغيير هو أن كل اختبار لاحق من العينة يستخدم حقوق الملكية الأولية مساوية للانتهاء من الخطوة السابقة الأسهم (سابقا كان يستخدم الأولي ثابت ) هذا التغيير مطلوب للحساب السليم لجميع المقاييس الإحصائية في جميع أقسام الاختبار خارج العينة ويبين التقرير الموجز ملاحظة أن المقاييس المضمنة تمثل بشكل صحيح جميع الخطوات خارج العينة ولكن المقاييس المخصصة الموجزة تتكون باستخدام طريقة تعريف المستخدم: 1 قيمة الخطوة الأولى، 2 قيمة الخطوة الأخيرة، 3 سوم، 4 متوسط، 5 كحد أدنى، 6 كحد أقصى يعرض تقرير الملخص الافتراضي قيمة الخطوة الأخيرة للمقاييس المخصصة ما لم يحدد المستخدم طريقة الجمع المختلفة في bo. AddCustom المقاييس () استدعاء. bo. AddCustomMetrics الآن معلمة اختيارية جديدة - كومبينميثود بول أدكوستمتريك (عنوان السلسلة، قيمة البديل، متغير اختياري لونغونليفالو البديل اختياري شورتونيفالو البديل اختياري ديكبلاسس 2، البديل اختياري كومبينميثود 2) يضيف هذا الأسلوب المقياس المخصص إلى باكتست تقرير باكتست كوتسوماريكوت و قائمة نتائج التحسين. العنوان هو اسم المقياس الذي سيتم عرضه في التقرير، القيمة هي قيمة المقياس، الوسيطات الاختيارية لونغونليفالو، تسمح شورتونليفالو بتوفير قيم لأعمدة إضافية فقط لونغشورت في تقرير باكتست. الوسيطة الأخيرة يتحكم ديكبلاسس في عدد المنازل العشرية التي يجب استخدامها لعرض القيمة. قيم كومبينميثود المدعومة هي: 1 قيمة الخطوة الأولى، - سيعرض تقرير الملخص قيمة المقياس المخصص من الخطوة الأولى خارج الخطوة الأولى من الخطوة الثانية (الخطوة الافتراضية)، - يعرض تقرير الملخص قيمة المقياس المخصص من آخر خارج الخطوة 3 من مجموع العينة - يعرض التقرير الموجز مجموع قيم المقياس المخصص من جميع خطوات العينة 4 متوسط ​​- سيعرض تقرير الملخص متوسط ​​قيم المقياس المخصص من جميع خطوات العينة 5 الحد الأدنى - سيعرض التقرير الموجز أصغر قيمة للمقياس المخصص من جميع خطوات العينة 6 الحد الأقصى. - سيعرض تقرير الملخص أكبر قيمة للمقياس المخصص من جميع خطوات العينة. لاحظ أن بعض طرق حساب المقاييس معقدة و ومثال ذلك متوسطها لن يؤدي إلى التمثيل الصحيح رياضيا من كل من اختبار العينة. ملخصات جميع المقاييس المضمنة صحيحة بشكل صحيح من خارج المربع (بمعنى أنها ليست متوسطات، ولكنها مقاييس محسوبة بشكل صحيح باستخدام الطريقة المناسبة لقيمة معينة). هذا يتناقض مع المقاييس المخصصة، لأنها قابلة لتعريف المستخدم والأمر متروك للمستخدم لتحديد الجمع بين الأسلوب، وأنه لا يزال قد يحدث أن أيا من الطرق المتاحة غير مناسبة. ولهذا السبب يتضمن التقرير المذكرة التي توضح الطريقة التي استخدمها المستخدم لتعريف المقاييس المخصصة.