Solana-handelsalgoritmer: sammenlign regler retfærdigt

En sammenligning af Solana-handelsalgoritmer kræver ét spørgsmål

Definér, hvad sammenligningen skal afgøre. Den kan vurdere, hvilken regel der bedre understøtter en fast researchopgave, hvilken der bruger et begrænset budget mere effektivt under en angivet model, eller hvilken der frembringer flere forslag, som kan gennemgås. Forskellige spørgsmål kræver forskellige mål.

En bred påstand om, at én algoritme er bedre, kan skjule uforenelige mål. En regel udformet til at minimere aktivitet kan frembringe færre muligheder end én udformet til bred dækning. En regel udformet til en bestemt positionsforvaltningsopgave bør ikke straffes for ikke at opdage andre nye aktiver uden forbindelse til opgaven.

Den tidligere vejledning til Solana-forsøgsdesign forklarer fast kvalifikation og skæringstidspunkter. En sammenligning kræver denne disciplin, før resultater beregnes. Spørgsmålet, populationen og vurderingsvinduet bør angives på forhånd, så rapporten ikke vælger sin definition af succes efter at have set, hvilken algoritme der vinder.

Fastfrys en fælles informationsstrøm

Begge algoritmer bør modtage de samme observationer med de samme tilgængelighedstidspunkter, medmindre dataadgang er sammenligningens udtrykkelige emne. En historisk post, som ankommer sent, bør være sen for begge. En korrigeret minttilknytning bør ikke være tilgængelig tidligere for én regel på grund af en bekvem datasammenkobling.

Bevar det fælles inputsnapshot og dets begrænsninger. Algoritmerne kan vælge forskellige egenskaber fra denne strøm, men den underliggende dokumentationsgrænse forbliver fælles. Det gør uenigheder fortolkelige som regeladfærd frem for en uforklaret forskel i, hvad hvert system vidste.

En fælles strøm kræver også en politik for manglende data på infrastrukturniveau. Hvis kilden fejler, bør ingen algoritme lydløst modtage en idealiseret erstatning, medmindre studiet udtrykkeligt modellerer den mulighed for begge. Algoritmespecifik afståelse kan derefter vurderes mod det samme underliggende hul.

Hold algoritmeversioner fuldstændige

En version omfatter universet, egenskaber, tærskler, beslutningstiming, størrelsesregel, udløb og håndtering af manglende dokumentation. Hvis navngivne formler sammenlignes, mens de omgivende regler frit kan ændres, efterlades for stort rum til skjult tilpasning. Bevar de fulde definitioner, som bruges i hver kørsel.

Hvis én algoritme bruger længere historik, gives den kun den historik, som faktisk var tilgængelig på hvert beslutningstidspunkt. Dens opvarmningsperiode bliver en del af dens dækning. Giv ikke en fuldt opvarmet egenskab ved teststart, medmindre denne tilstand kunne have eksisteret under den angivne opsætning.

Vejledningen til en bot for Solana-handelssignaler forklarer, hvordan versionsændringer og feedafbrydelser påvirker output. En sammenligning bør bevare disse grænser i resultatserien. Hvis flere versioner kombineres under én algoritmebetegnelse, kan de valg, som skabte den tilsyneladende fordel, skjules.

Brug samme kandidatpopulation

Begge algoritmer bør møde samme kvalificerede researchunivers, når sammenligningen vedrører deres beslutningsregler. Hvis én bruger en snævrere strategispecifik delmængde, registreres denne udvælgelse som en del af dens adfærd. Fjern ikke dens udelukkede kandidater fra den fælles referencepopulation bagefter.

Det lader rapporten skelne mellem dækning og betingede resultater. Algoritme A kan handle på mange kandidater, mens B afstår ved de fleste. B's afsluttede udfald kan se stærkere ud og samtidig give færre gennemførlige beslutninger. Begge kendsgerninger hører til i sammenligningen.

Medtag kandidater, som senere fejler, bliver inaktive eller forbliver uafklarede, hvis de var inden for omfanget dengang. En population bygget kun af overlevende aktiver kan favorisere regler, som tilfældigvis valgte overlevere. Vurderingen bør bruge den historiske informationsgrænse, ikke dagens bekvemme katalog.

Afstem betydningen af en beslutning

Én algoritme kan udsende en score hvert minut, mens en anden udsender ét forslag pr. episode. Direkte sammenligning af outputantal ville være vildledende. Definér den enhed, som vurderes, og knyt hver algoritmes output til denne enhed uden at opfinde uafhængige observationer fra gentagne beskeder.

Enheden kan være én kandidatgennemgang, én mulighed for positionsindgang eller én afgrænset reduktionsepisode. Den valgte enhed bør passe til researchspørgsmålet. Bevar rå output, så koblingen kan undersøges, og uenigheder kan spores tilbage til den faktiske regeladfærd.

Et gentaget signal er ikke nødvendigvis en ny finansieret handling. Hvis livepolitikken kun tillader én åben hensigt pr. aktiv, bør sammenligningen anvende denne begrænsning konsekvent. Ellers kan studiet belønne en regel for gentagne gange at identificere samme betingelse og samtidig simulere handlinger, den faktisk ikke ville godkende.

Giv hver algoritme en tilsvarende konto

Ved en sammenligning af særskilte politikker starter hver algoritme med de samme kontoressourcer og antagelser om eksterne pengestrømme. Spor dens eget sammenhængende forløb gennem positioner, reservationer, omkostninger og uafklarede forsøg. Politikkerne kan derefter afvige på grund af deres beslutninger, hvilket er den adfærd, studiet ønsker at undersøge.

Lad ikke én algoritme fylde kontoen op efter tab eller ignorere kapital bundet i åbne positioner, mens den anden respekterer disse begrænsninger. Disse forskelle er ændringer af forsøget. De bør udlignes eller udtrykkeligt identificeres som emnet for en separat sammenligning.

Den tidligere vejledning til fælles Solana-budget forklarer, hvorfor overlappende forslag konkurrerer om ressourcer. En sammenligning, som summerer isolerede handler uden en fælles kontomodel, kan rapportere resultater, som ingen enkelt finansieret arbejdsgang kunne have frembragt.

Adskil fast størrelsesfastsættelse fra algoritmens egen

Der er to nyttige spørgsmål om størrelsesfastsættelse. En sammenligning med fast størrelse kan hjælpe med at isolere udvælgelsesadfærd ved at anvende samme regel for mængde eller beløb på begge algoritmer. En sammenligning af algoritmernes egne politikker kan vurdere hver algoritmes egen størrelsesmetode som en del af hele strategien.

Bland ikke disse spørgsmål i ét uforklaret resultat. Hvis A bruger fast størrelse, og B bruger en dynamisk fordeling, kan forskellen komme fra størrelsesfastsættelse frem for kandidatudvælgelse. Rapportér begge komponenter, hvor studiet kan gøre det sammenhængende.

En dynamisk regel må kun bruge oplysninger, som var tilgængelige på beslutningstidspunktet, og den aktuelle kontotilstand. Den bør ikke vælge større størrelser på handler, som senere bliver vindere, gennem en retrospektiv beregning. Størrelsesfastsættelse er en strategibeslutning med sin egen dokumentationsgrænse, ikke en kosmetisk multiplikator anvendt efter, at udfald kendes.

Anvend én udførelsesmodel

Brug samme kurstiming, understøttede markedsomfang, aktualitetskrav og udfaldspolitik for begge algoritmer, når deres beslutningsregler sammenlignes. Én regel bør ikke få en idealiseret øjeblikkelig udførelse, mens den anden venter på en kurs for en bestemt mængde eller et bestemt beløb under realistisk forsinkelse.

Udførelsesmodellen kan stadig give forskellig gennemførlighed, fordi algoritmerne vælger forskellige aktiver, mængder eller beløb eller tidspunkter. Disse forskelle er meningsfulde konsekvenser af strategierne. Det afgørende er, at modellen anvender de samme regler på tilsvarende situationer.

Den tidligere vejledning til timing af Solana-udførelse forklarer, hvorfor indsendelse og bekræftelse er forskellige. En sammenligning bør bevare forsøgte, mislykkede, ukendte og afstemte udfald konsekvent. Hvis vanskelige forsøg kun droppes fra én algoritmes registrering, skabes en kunstig fordel.

Hold omkostninger sammenlignelige og sporbare

Hver omkostningskomponent bør bruge samme definition på tværs af algoritmer. Skeln omkostninger medregnet i kurser fra særskilt registrerede udgifter, og bevar oprindelige enheder og konverteringsantagelser. En forskel i antal forsøg kan give en reel omkostningsforskel, mens en forskel i regnskabsbehandling er en vurderingsfejl.

Solana dokumenterer transaktionsgebyrer på netværksniveau, men hele omkostningsmodellen skal passe til den faktiske arbejdsgang, som undersøges. Brug ikke én universel fast sats som uforklaret erstatning for hver rute, mængde eller beløb og hvert forsøgsudfald. Solanas gebyrdokumentation.

Hvis nogle omkostninger fortsat er modellerede, anvendes samme modelleringstilgang, og følsomhed rapporteres. Et gunstigt basisresultat, som vender under en lille plausibel ændring, fortjener en fortolkning med forbehold. Sammenligningen bør identificere, hvilke antagelser der driver rangordningen, frem for at behandle rangordningen som en stabil kendsgerning.

Opdeling af Solana-handelsalgoritmers resultater begynder med et forløb

Tæl for hver algoritme de fælles muligheder, kvalificerede beslutninger, forslag, godkendte hensigter, forsøg og afstemte udfald. Hvert trin forklarer, hvorfor den afsluttede stikprøve adskiller sig fra den oprindelige population. Forløbet bør omfatte grunde til afståelse og afvisning.

Antag, at fiktive A frembringer otte forslag fra et fælles sæt muligheder, og seks bliver afsluttede handlinger. B frembringer fem forslag, og fire afsluttes. Disse antal fastslår ikke, hvilken der er bedre, men identificerer forskellige dæknings- og gennemførlighedsmønstre, som et endeligt fortjenestetal alene ville skjule.

Opdeling af Solana-handelsalgoritmers resultater bør derefter forbinde forskellene med regelvalg. Foreslog A mere, fordi den brugte en bredere kvalifikationspolitik? Undgik B markeder, som ikke understøttes? Mistede én flere muligheder på grund af forældet dokumentation? En nyttig rapport forklarer forløbet fra fælles input til forskellige handlingssæt.

Gennemgå en lille udfaldssammenligning

Antag, at A's seks afsluttede handlinger giver tredive noteringsenheder i samlet resultat af gevinster og tab før omkostninger og atten enheder i samlede modellerede omkostninger. Resultatet efter disse omkostninger er tolv enheder. Antag, at B's fire afsluttede handlinger giver fireogtyve bruttoenheder og otte enheder i omkostninger, hvilket efterlader seksten enheder.

I dette fiktive eksempel har A det større bruttoresultat, mens B har det større resultat efter omkostninger. A's gennemsnitlige resultat efter omkostninger pr. afsluttet handling er to enheder; B's er fire. Disse gennemsnit udelader stadig den tid og kapital, hvert kontoforløb kræver, og som den fulde gennemgang skal bevare.

Antag nu, at A har fire positive afsluttede handlinger, og B har to. Deres andele af positive handlinger er cirka henholdsvis 66,7 % og 50 %. Den højere andel tilhører A, mens den højere nettototal tilhører B. Det illustrerer, hvorfor træfrate, bruttoresultat, omkostninger og kontoudfald skal rapporteres særskilt.

Forklar udvælgelsesvirkninger, før formlen får æren

Hvis B kun handler på de kandidater, som er lettest at fortolke, kan dens afsluttede stikprøve adskille sig væsentligt fra A's. Et stærkere betinget resultat kan afspejle denne snævrere udvælgelse frem for en bedre forudsigelse på de samme tilfælde. Rapportér resultater på fælles sammenlignelige muligheder, hvor det er nyttigt, sammen med hver fulde politiks dækning.

Analysen af fælles muligheder besvarer et snævrere spørgsmål. Den bør ikke erstatte hele kontosimulationen, fordi kapitalforløb og senere kvalifikation kan afhænge af tidligere valg. Brug den som en diagnosevisning med den begrænsede stikprøves begrænsninger tydeligt angivet.

Denne adskillelse hjælper med at identificere, hvor forbedring kan komme fra. A kan have fordel af strengere kvalifikation; B kan ofre for meget dækning; begge kan klare sig tilsvarende på fælles tilfælde. Sammenligningen bliver en kilde til konkrete researchspørgsmål frem for en konkurrence afgjort af ét samlet tal.

Tilskriv størrelsesvirkninger uden at omskrive historik

En diagnose med fast størrelse kan vise, hvor meget af forskellen der er forbundet med algoritmens egen størrelsesfastsættelse, men det er et kontrafaktisk studie. Det bør bruge en sammenhængende kontomodel og sine egne gennemførlighedskontroller. Ændret størrelse kan ændre kurser, omkostninger og hvilke senere forslag der kan finansieres.

Gang ikke blot de oprindelige handelsudfald med en ny størrelse, og antag, at alle andre forhold forbliver uændrede. Denne tilnærmelse kan være nyttig til et begrænset undersøgende spørgsmål, men bør betegnes og testes imod de mængde- eller beløbsafhængige dele af arbejdsgangen.

Vejledningen til et Solana-handelssystem behandler varige poster, som understøtter sådan analyse. Når tilsigtet størrelse, godkendt størrelse, forsøgsdetaljer og afstemte mængder bevares, bliver det muligt at skelne algoritmens størrelsesvalg fra fordelingsændringer og udførelsesudfald.

Medtag holdetid og ressourcebinding

En algoritme kan give et gunstigt resultat pr. handling og samtidig binde kapital langt længere. Registrér, hvor længe positioner og reservationer optager ressourcer, og hvordan det påvirker senere muligheder. Kontoforløbet kan afvise gode forslag, fordi tidligere forpligtelser fortsat er uafklarede eller åbne.

Det samme gælder driftsindsats. Hyppigere signaler kan kræve flere kursanmodninger, mere gennemgangstid og mere hændelseshåndtering. Hvis disse ressourcer betyder noget for den tilsigtede arbejdsgang, måles de under ens forhold frem for at blive behandlet som gratis.

En sammenligning bør ikke opfinde en universel vekselkurs mellem indsats og afkast. Præsentér dimensionerne tydeligt, og lad det angivne beslutningsmål afgøre deres betydning. En politik, som er nyttig for et fuldt bemandet researchteam, kan være upraktisk for en person, som gennemgår et lille antal hændelser hver dag.

Behandl kopieret aktivitet som sin egen regelfamilie

En kopibaseret algoritme vælger observationer fra kildewalletaktivitet, hvilket indfører yderligere timing- og fortolkningsantagelser. En retfærdig sammenligning bør bevare disse forsinkelser og følgerens egne kontobegrænsninger. Den bør ikke tildele følgeren kildens tidligere udførelsespris eller ukendte beholdningshistorik.

Vejledningen til Solana-kopihandelssoftware forklarer hensigtsrekonstruktion og størrelsesafvigelse. Disse forskelle kan dominere resultater, så en regel for kopierede handlinger bør sammenlignes med følgerens gennemførlige informationsstrøm og udførelsesmodel.

Kildeudvælgelse er også en del af algoritmen. Hvis en kilde vælges efter observation af dens bedste historiske periode, skabes et andet studie end ved at følge en kilde valgt fremadrettet. Rapporten bør identificere, hvornår og hvordan kildesættet blev valgt, og bevare mislykkede eller inaktive kilder, hvor den oprindelige politik omfattede dem.

Undersøg koncentration på tværs af aktiver og perioder

En samlet fordel kan komme fra ét aktiv eller ét kortvarigt markedsmiljø. Gennemgå bidrag på tværs af kandidater og tidsperioder, og identificér de største drivkræfter. Et resultat domineret af et lille sæt udfald fortjener en anden fortolkning end et bredt fordelt mønster.

Antag ikke, at mange rækker giver uafhængig dokumentation. Gentagne beslutninger i beslægtede tokens kan dele samme markedsdrivkraft, og overlappende udfaldsvinduer kan gøre resultater afhængige. Beskriv denne struktur, når sammenligningens styrke fortolkes.

En nyttig diagnose fjerner indflydelsesrige observationer eller rapporterer dem særskilt uden at vælge den version, som bedst understøtter en foretrukken konklusion. Målet er at forstå afhængighed, ikke at skabe kunstig robusthed ved at udelukke ubekvemme tilfælde. Bevar det oprindelige fulde resultat sammen med diagnosevisningerne.

Reservér senere dokumentation til den endelige sammenligning

Efter at udviklingsdata er brugt til at vælge versioner, antagelser og mål, vurderes den faste sammenligning i et senere uberørt vindue. Hvis studiet revideres efter at have set dette vindue, dokumenteres revisionen, og det anerkendes, at samme dokumentation nu informerer udvikling.

Den senere gennemgang bør bevare samme informationsgrænse og kontobegrænsninger. En ændring i kildeunderstøttelse eller univers kan være legitim, men skal registreres, fordi den ændrer populationen, som sammenlignes. Rapporten bør ikke præsentere et ændret forsøg som en direkte fortsættelse uden forklaring.

Intet senere vurderingsvindue af begrænset varighed garanterer fremtidige resultater. Det kan give yderligere dokumentation om, hvordan de faste politikker opførte sig under forhold, som ikke blev brugt til at vælge dem. Konklusionens styrke afhænger af omfang, varighed, afhængighed og kvaliteten af udførelses- og regnskabsantagelserne.

Hold bedømmelse konsekvent på tværs af de to registreringer

Tvetydige udfald kræver samme gennemgangsstandard for begge algoritmer. Hvis en transaktion ikke kan klassificeres fuldt ud, bruges samme uafklaret-kategori og eskalationsprocedure. Undersøg ikke usikkerhed mere ihærdigt for den foretrukne algoritme, mens den anden tildeles ugunstige standardværdier.

Hvor manuelt skøn er nødvendigt, bevares dokumentationen og beslutningsgrunden. En anden reviewer kan undersøge en stikprøve uden at vide, hvilken algoritme der frembragte hvert tilfælde. Det kan afsløre inkonsekvente klassifikationsregler, før de bliver til tilsyneladende resultatforskelle. Ens antagelser omfatter, hvordan usikkerhed afklares, ikke kun de numeriske indstillinger, som bruges i simulationen.

Rapportér mekanismen bag forskellen

En strategigennemgang under ens antagelser bør angive, hvilket resultat der afviger, og hvorfor dokumentationen tyder på, at det afviger. Udvælgelse, hyppighed, størrelsesfastsættelse, gennemførlighed, omkostninger og ressourcebinding er alle plausible bidragydere. En rapport kan identificere flere samtidig uden at tvinge forklaringen ind i én foretrukken formel.

Det fiktive eksempel med A og B demonstrerer værdien af denne opdeling. Flere forslag, flere afsluttede handlinger og en højere andel positive handlinger garanterede ikke det større nettoresultat efter omkostninger. En læser kræver hele kæden for at fortolke sammenligningen og afgøre, hvad der fortjener yderligere undersøgelse.

Solana-handelsalgoritmer sammenlignes nyttigst som komplette politikker, der fungerer på fælles dokumentation under udtrykkelige begrænsninger. Ens antagelser gør forskellene retfærdige; opdeling gør dem forståelige. Resultatet er et researchfund, som kan vejlede næste version, også når den ærlige konklusion er, at den tilsyneladende vinder afhænger af usikre antagelser.