Hi,

 

hat wer Erfahrungen mit der Analyse von Optimierungsdaten?

zB die aus der MT4-Optimierung, in Excel habe ich dann viele Zeilen mit den Passes.

Ich habe dann zB in Spalten sortiert verschiedene Parameter und den entsorechenden Gewinn dazu.

 

Das Ganze möchte ich aber zur besseren Analyse visualisieren. Ich stelle mir da eine 3D-Grafik vor.

 

Beispiel: Grafik: 3D-Würfel:

X=SL,

Y=TP,

Z=Parameter A

 

A=Gewinn

 

Jetzt könnte man an den 3 Achsen X, Y, Z die Werte anzeigen lassen als Punkt.

Und die Punktfarbe sagt etwas über den Gewinn aus (A), also zB dunkelgrün für hoher Gewinn und rot für niedriger Gewinn/Verlust.

 

 

Habe mich mal im Netz umgeschaut und bin auf das Tool SigmaPlot gestoßen.

Also mal abgesehen davon, dass es unbezahlbar ist, kann jemand mit dem Teil umgehen?

So richtig komme ich da nicht zurande. Das ist ein wissenschaftliches Tool, welches zB Messreihen aus medizinischen Untersuchungen grafisch aufbereitet. Es zieht sich die Daten aus der Exceltabelle.

Komme aber auf keinen grünen Zweig dort, obwohl ich schon 2 tage damit herumspiele (30 Tage - Testversion).

 

Kennt das Tool jemand oder kennt jemand ein ähnliches Tool, evtl. anwenderfreundlicher und billiger?

 

Kann man sowas auch in R realisieren? Ich kriege das eh nicht hin damit, aber versuchen könnt ichs mal mit Krümels Anleitung. Ich weiß nur gerade nicht, ob R auch so eine Grafikausgabe hat.

 

Danke für Meinungen und Anregungen!

schau mal hier

 

http://articles.mql4.com/493

@ Henrik

 

Die graphische Aufbereitung ist eine der ganz großen Stärken von R. Dafür gibt es eine große Zahl von Paketen auf jedem CRAN-Mirror. Alle Mirrors haben den gleichen Inhalt, man kann also den nächsten nehmen. Selbst wenn man die Statistik nicht nutzen will, ist R alleine zum Darstellen von Bildern sehr gut zu verwenden. Die Zerlegung in aufwendige Berechnungen anderswo und die Darstellung der Resultate mit R ist ein durchaus häufig gegangener sinnvoller Weg. Romain François stellt auf seiner Web-Seite Super-Inspirationen für tolle R-Grafiken verschiedener Autoren mitsamt vollständigen Quelltexten vor.

 

Die Programmierung ist sehr einfach, da sie auf einem Nutzer-bezogenen High-Level mit wenigen Anweisungen stattfindet. Die ganzen Low-Level-Geschichten sind in den Paketen verborgen. Wenn man genug mit den diversen Parametern herumspielt und einige Graphik-Typen kombiniert, ist es immer wieder erstaunlich, was alles geht.

 

Ähnliche Ausgaben (auch mit vergleichbaren, aber nicht den gleichen Parametern) kann man mit den Open Source Tools GNUPlot oder Octave (einem Mathlab-Clone) erstellen, wobei bei ohnehin nötigem Bedarf an nahezu universellen statistischen Fähigkeiten durchaus R der Vorzug gegeben werden sollte.