Campeonato de optimización de algoritmos. - página 108
Está perdiendo oportunidades comerciales:
- Aplicaciones de trading gratuitas
- 8 000+ señales para copiar
- Noticias económicas para analizar los mercados financieros
Registro
Entrada
Usted acepta la política del sitio web y las condiciones de uso
Si no tiene cuenta de usuario, regístrese
Bueno. Dado que la adaptación no es más que un caso especial de los problemas de optimización, ¿cómo no van a ser necesarias la velocidad y la eficacia? De qué sirve encontrar los máximos si cambian más rápido de lo que el algoritmo los busca. Imagínese que dispone de un mecanismo para la predicción precisa de los puntos característicos (que sea al menos el 60% de las veces), pero el cálculo se realiza durante un periodo superior a un minuto, y para qué sirven esas predicciones. Y aunque tenga razón en realidad las previsiones son correctas. Aquí pasa lo mismo.
A mi entender, la optimización es la mejora de la relación de dos o más valores/parámetros o algo más (precio/calidad, por ejemplo). O en términos de trading, es llevar una TS (posición) ya rentable (positiva) hasta los mejores parámetros (TS o mm), riesgo/rendimiento o algo así. La optimización de un modo u otro sólo sirve para modificar los existentes. Si no tiene normas positivas, ¿qué optimiza? Si se optimiza una serie aleatoria, la optimización rápida o lenta es inútil, si la salida también es aleatoria. Creo que Andrey Zelinsky se refería a estos significados. Puede que me equivoque. Buscar un máximo tiene sentido cuando se sabe que ese máximo es significativo. Si no, para qué molestarse en buscarlo. Y ahí es donde la velocidad importa. Y si sabes detectar este máximo significativo ya es un ts con velocidad. Y la optimización es sólo una puesta a punto. Es decir, no es primario. Y aquí se nos dice que la optimización es la primera y más aún su velocidad. Probablemente se pueden utilizar algoritmos de optimización y añadirles otros algoritmos para conseguir un ts con mo, pero no será optimización en su forma pura. Presumiblemente, Dick tiene tal simbiosis, es decir, un algoritmo rentable que puede ser enchufado en un algoritmo de optimización común, por supuesto, entonces él está interesado en las opciones para averiguar si estos algoritmos de optimización común (esencialmente sólo una envoltura) son más rápidos que el suyo. Los demás participantes sólo compiten. Porque no tienen esa simbiosis e ingenuamente piensan que las competencias les darán algo.
Ejemplo número 1. Un Asesor Experto en una red neuronal (cualquier red o cualquier otra tecnología similar) con autoaprendizaje. Un Asesor Experto de este tipo puede trabajar por sí mismo controlando sus estadísticas finales de negociación e iniciar la auto-optimización cuando sea necesario.
Ejemplo 2. Comercio de carteras. Formar una cartera con las características requeridas requiere pasar por cientos de instrumentos de negociación.
Ejemplo número 3. En general, el TS que utiliza las señales directas de los indicadores necesita ser optimizado con frecuencia, y no garantiza un beneficio en el futuro. Pero hay un enfoque en el que los indicadores no son una fuente directa de señales, sino una especie de soporte, en el que se basa la TS, y la rentabilidad se obtiene debido a las características estadísticas de la serie. En este caso es necesario encontrar los parámetros óptimos para transformar las características estadísticas de las series en señales.
Ejemplo número 4. Los operadores a menudo argumentan que la optimización de los Asesores Expertos, por ejemplo, para obtener beneficios es sólo un retoque y es estúpido esperar la rentabilidad de tal EA en el futuro. Y esta es una afirmación correcta. Pero, ¿por qué no se buscan formas de optimizar no los parámetros de la TC, sino los criterios de optimización? La optimización de los criterios de optimización es como la primera derivada.
Puedo dar infinitos ejemplos de uso práctico de los algoritmos de optimización, a los operadores se les ocurren ideas todos los días y tienen que buscar la mejor aplicación de estas ideas. Sólo los miopes pueden negar la urgente necesidad de algoritmos de optimización precisos para los operadores, y espero que usted no sea una de esas personas.
Ejemplo número 1. Un Asesor Experto en una red neuronal (cualquier red o cualquier otra tecnología similar) con autoaprendizaje. Un Asesor Experto de este tipo puede trabajar por sí mismo controlando sus estadísticas finales de negociación e iniciar la auto-optimización cuando sea necesario.
Ejemplo 2. Comercio de carteras. Formar una cartera con las características requeridas requiere pasar por cientos de instrumentos de negociación.
Ejemplo número 3. En general, el TS que utiliza las señales directas de los indicadores necesita ser optimizado con frecuencia, y no garantiza un beneficio en el futuro. Pero hay un enfoque en el que los indicadores no son una fuente directa de señales, sino una especie de soporte, en el que se basa la TS, y la rentabilidad se obtiene debido a las características estadísticas de la serie. En este caso es necesario encontrar los parámetros óptimos para transformar las características estadísticas de las series en señales.
Ejemplo número 4. Los operadores a menudo argumentan que la optimización de los Asesores Expertos, por ejemplo, para obtener beneficios es sólo un retoque y es estúpido esperar la rentabilidad de tal EA en el futuro. Y esta es una afirmación correcta. Pero, ¿por qué no se buscan formas de optimizar no los parámetros de CT, sino los criterios de optimización? La optimización de los criterios de optimización es como la primera derivada.
Puedo dar infinitos ejemplos de uso práctico de los algoritmos de optimización, a los operadores se les ocurren ideas todos los días y tienen que buscar la mejor aplicación de estas ideas. Sólo los miopes pueden negar la urgente necesidad de algoritmos de optimización precisos para los operadores, y espero que usted no sea uno de ellos.
Ha dado ejemplos interesantes.
Sin embargo, ajustar los valores de los parámetros de la estrategia de negociación para maximizar la rentabilidad de la estrategia de negociación que se está probando a lo largo del periodo histórico seleccionado con la expectativa de obtener beneficios en el futuro utilizando los mismos valores en la operación actual no siempre es una tontería.
Todo depende de la propia estrategia de negociación y de los parámetros que se quieran optimizar. Si no son "estúpidos" en sí mismos, entonces ese ajuste puede ser útil también para el comercio actual.
Por ejemplo, si un operador calcula el valor del salto de volumen en relación con su valor medio para los tres meses actuales. Por los resultados de la optimización, el operador encuentra el valor de salto (en porcentajes) cuando es más rentable abrir una operación, porque esas operaciones resultan ser las más rentables.
Creo que se pueden encontrar más ejemplos de adaptación no "estúpida".
Últimamente, el interés por las redes neuronales ha decaído, ya que a los operadores les resulta muy difícil encontrar una estrategia rentable fuera de la muestra de entrenamiento. Lo mismo ocurre con la ST clásica basada en indicadores. Pero el problema no está en las redes neuronales ni en los indicadores, el problema está en los criterios erróneos, en los objetivos de optimización equivocados. Muy a menudo los operadores rechazan sus ideas de TS, ya que fallan fuera de la zona de optimización, pero ni siquiera se dan cuenta de que las ideas son rentables, pero los criterios de optimización están mal seleccionados. Resulta que incluso el TS más simple en dos barras de MA puede ser rentable, sí, sólo tenemos que mirarlos desde un ángulo diferente, añadiendo un stop "inteligente", añadiendo un arrastre, proporcionando un MM competente, optimizarlo todo correctamente y ¡voilá! - Trabajar TS. Incluso se puede hacer sopa con el hacha, ya que sabemos que el principal ingrediente es el ingenio del cocinero.
El algoritmo de optimización en sí mismo es sólo una herramienta, un microscopio en las manos capaces de un científico, pero si el científico no tiene cerebro, ningún microscopio, incluso el más preciso, le ayudará.
¿Qué quiere decir con"criterios de optimización"? Me pareció que sólo hay un criterio de optimización - es un conjunto de parámetros de optimización (cuanto menor sea su número - el mejor, e idealmente uno - período), proporcionando el valor máximo del factor de recuperación de FS = relación entre el beneficio neto y la reducción máxima.
Es posible. Pero si buscamos entradas sin freno, es decir, como lugares donde poner el mayor stop dentro de una previsión, también es importante la rapidez con la que se obtiene una previsión en un marco temporal pequeño (en el marco de una previsión de precios altos). No es pipsing y mucho tiempo para hacer posiciones largas en un gran marco de tiempo, pero el tiempo para entrar en una posición es importante también. Si no podemos aumentar la precisión de la predicción en m5, entonces por qué no buscar una predicción similar en m1. Y luego la precisión sólo depende de la velocidad.
He hecho un recorrido según los principios de un método clásico para encontrar los extremos de una función de muchas variables.
Tomé F(x1,x2,x3)=exp(x1+x2+x3)/(x1*x2*x2*x3*x3) como función a comprobar;
Tengo estos resultados.
El error de búsqueda especificado es de 0,01.
Parámetros iniciales (primera búsqueda) x1=x2=x3=0,5;
Rango de búsqueda 0-100
Número de veces que se llama a la función - 51
Mínimo Fmin=3,76210
x1=1,1; x2=2,1; x3=3,1;
¿Puede alguien comprobar el mínimo?
No por sí solo. Pero si no se optimizan los gastos domésticos y no sólo los domésticos, por ejemplo, mucho más.
Y en general, si no necesita optimización - esta rama no es para usted.
De hecho, si... - este hilo no es para ti.
Con estas palabras de un "maestro" y gran "experto" en sistemas de "optimización" -- cualquier discusión termina