Обсуждение статьи "Использование алгоритмов оптимизации для настройки параметров советника "на лету"" - страница 2

[Andrey Dik]

Aleksey Vyazmikin #:

Интересная статья, она должна поднять интерес к серии публикуемых Вами статей!

Конечно, минусом предложенной реализации является отсутствие универсальности для применения подхода, т.е. необходимо полностью переписывать имеющийся советник и внедрять в него виртуальный тестер со множеством функций. Конечно, плюсом подхода является приемлемая скорость работы за счёт виртуальных индикаторов.

Спасибо за комментарий.

Есть минусы данной реализации, безусловно. Но в этой статье я больше хотел сделать акцент на концепции применения собственно алгоритмов оптимизации. На самом деле схемы использования алгоритмов могут быть самыми разнообразными, благо универсальная архитектура алгоритмов позволяет реализовать любые идеи, где требуется что-то искать или оптимизировать.

Что касается самооптимизации, как процесса прогона стратегии советника на истории, то идеальным было бы иметь штатную функцию MQL5, типа HistoricalSelfRun (startDate, endDate, params), которая прогоняет советник на истории в облегчённом варианте тестера. Сейчас можно запускать тестер с командной строки, но это отдельный процесс и для маркета такие решения не подходят.

Пробовали ли Вы использовать не диапазоны графиков для оптимизации, а наборы таких уже ранее отобранных настроек для каждого индикатора\предиктора? Такой подход существенно сокращает область поиска, но, я так понимаю, что не все алгоритмы будут нормально работать, так как нет плавного изменения от параметра к параметру, или это не принципиально?

Я понимаю, о чем Вы говорите, думаю имеете в виду, что изменение опт-параметров в некоторых алгоритмах должно производится самим алгоритмом и вмешательство извне нежелательно? Некоторые алгоритмы действительно очень не любят, если вмешиваться в их работу извне, подсовывая им координаты, но большинство алго относятся терпимо к подобному вмешательству. Готовлю статью, освещающую поведение алгоритмов в подобном сценарии их использования. А так да, иногда может быть очень полезным стартовать алгоритм из какого-то определенного положения в пространстве поиска.

Планируются ли статья по другим возможностям применения алгоритмов, по обозначенным направлениям в этой статье:

• Портфельное управление. Алгоритмы оптимизации могут помочь определить оптимальное распределение активов в портфеле для достижения заданных целей. Например, можно использовать методы оптимизации, такие как средневзвешенная ковариационная матрица (Mean-Variance Optimization), для нахождения наиболее эффективного набора активов с учетом ожидаемой доходности и риска. Это может включать определение оптимального соотношения между акциями, облигациями и другими активами, а также оптимизацию размеров позиций и диверсификацию портфеля.

• Выбор лучших торговых инструментов. Алгоритмы оптимизации могут помочь в выборе лучших торговых инструментов или активов для торговли. Например, можно использовать алгоритмы оптимизации для ранжирования активов на основе различных критериев, таких как доходность, волатильность или ликвидность.

Поле непаханое по оптимизации, и эти темы очень интересные. Надеюсь, да, займусь этими темами.

[Andrey Dik]

LUIS ALBERTO BIANUCCI #:
Правильное функционирование вашей разработки — отличная отправная точка, чтобы показать, куда должен идти искусственный интеллект (который, хотя и не имеет ничего общего с EA, поскольку это не нейронные сети и не самообучение), с логическим стратегия, и мы добавляем это, и это действительно выгодно, самооптимизация, это то, что приблизит нас к режиму человеческого интеллекта, потому что позволяет нам принимать решения в краткосрочной перспективе, и на основе того, что происходит в данный момент. момент, имеющий лучшие, мгновенные условия.

+++

[Roman Poshtar]

Спасибо. Перепроверю все алгоритмы. Какой считаете лучшим?

[Andrey Dik]

Roman Poshtar #:
Спасибо. Перепроверю все алгоритмы. Какой считаете лучшим?

Что именно желаете перепроверить?

Какой из алгоритмов лучше - решать каждому самостоятельно, все алгоритмы имеют как достоинства, так и недостатки, плюсы и минусы я постарался показать. К тому же, есть рейтинговая таблица, говорящая о многом.

[Rorschach]

Вы как то про распределения спрашивали, интересно проверить стратификацию

https://www.mql5.com/ru/forum/86386/page3395#comment_51967665

https://habr.com/ru/articles/496750/

[Andrey Dik]

Rorschach #:

Вы как то про распределения спрашивали, интересно проверить стратификацию

https://www.mql5.com/ru/forum/86386/page3395#comment_51967665

https://habr.com/ru/articles/496750/

Поясните, пожалуйста, контекст.

[Rorschach]

Там был вопрос, есть ли интерес проверить влияние разных распределений на алгоритмы оптимизации, или что то такое.

[Andrey Dik]

Rorschach #:

Вы как то про распределения спрашивали, интересно проверить стратификацию

Не понял, где и когда я спрашивал?

Любой алгоритм оптимизации основан на игре с распределениями вероятностей. Поэтому, распределения играют ключевую роль в функционировании алгоритмов.

Если Вы говорите про равномерность генерации СЧ, то применительно к оптимизации наверное более уместно говорить о влиянии качества ГСЧ на поисковые свойства. А эта тема в планах для освещения.

Распределения были затронуты в этой статье.

[Rorschach]

Andrey Dik #: о влиянии качества ГСЧ на поисковые свойства.

Возможно это.

Вопрос был у Сабера в телеге, сейчас его там нету.

[Andrey Dik]

Rorschach #:

Возможно это.

Вопрос был у Сабера в телеге, сейчас его там нету.

Хорошо, если есть интерес к теме влияния качества ГСЧ на поисковые показатели алгоритмов оптимизации, значит статья на эту тему будет полезна. Меня самого интересует этот вопрос, ответ на который не очевиден.