Où se situe la limite entre l'ajustement et les modèles réels ? - page 37
![MQL5 - Langage des stratégies de trading intégré au terminal client MetaTrader 5](https://c.mql5.com/i/registerlandings/logo-2.png)
Vous manquez des opportunités de trading :
- Applications de trading gratuites
- Plus de 8 000 signaux à copier
- Actualités économiques pour explorer les marchés financiers
Inscription
Se connecter
Vous acceptez la politique du site Web et les conditions d'utilisation
Si vous n'avez pas de compte, veuillez vous inscrire
Ici. C'est le deuxième type.
Et, celui-là, je l'écris aussi... :)
Oui, les deux idées sont rentables.
Ce n'est pas de l'optimisation. L'optimisation consiste à constater que si l'on multiplie la période par trois ou si on la diminue par trois, la situation s'aggrave, mais pas de beaucoup.
Eh bien, environ trois fois, c'est probablement trop. Mais oui, bien sûr, plus la zone de stabilité (OU) est large, plus il y a de "garanties".
Mais dans l'AM, bien sûr, la rentabilité ne sera pas égale à 20% par jour ou même 100% par mois. Ce sera quelque chose de beaucoup plus modeste.
Eh bien, environ trois fois, c'est probablement trop. Mais oui, bien sûr, plus la zone de durabilité (AoS) est large, plus les "garanties" sont grandes.
Mais dans OU, bien sûr, la rentabilité ne sera pas de 20% par jour ou même de 100% par mois. Ce sera quelque chose de beaucoup plus modeste.
Le modèle dans ce contexte ne sera pas un, et encore moins l'inverse, chacun repartira avec quelque chose de différent auquel il pourra trouver une utilité. Et s'il vous plaît, ne lancez pas de bOOS, bOOS2, etc. à nos esprits dociles. Laissez juste l'échantillon et l'OOS pour le moment).
Encore 25 !
c'est-à-dire environ vingt-cinq pages de rien.....
.....................
Au nom de tous ceux qui sont particulièrement doués, veuillez expliquer :
1) Echantillon - optimisation, analyse des résultats à la fin, sélection d'un ensemble de jeux.
2) OSS - vérifier les ensembles sélectionnés.
3) ET QUAND FERONS-NOUS DE L'ARGENT ? (Je ne comprends pas...)
.................
Même si l'on utilise la classification des échantillons NS, il y en a trois !
Formation, contrôle, test.
Encore 25 !
c'est-à-dire environ vingt-cinq pages de rien.....
.....................
Au nom de tous ceux qui sont particulièrement doués, veuillez expliquer :
1) Échantillonnage - optimisation, analyse des résultats à la fin, sélection d'un ensemble de jeux.
2) OSS - vérifier les ensembles sélectionnés.
3) ET QUAND ALLONS-NOUS GAGNER DE L'ARGENT ? (Je ne comprends pas...)
.................
Même si vous utilisez la classification des échantillons NS, il y en a trois !
Enseignement, contrôle, test.
3) QUAND ALLONS-NOUS FAIRE LA PÂTE ? (enfin, je ne comprends pas...)
Encore 25 !
c'est-à-dire environ vingt-cinq pages de rien.....
Vous avez déjà répondu à mon post sur la page précédente en soulignant le même Echantillon et OOS mais sans le "25 encore !" et le rouge criard) Ai-je une impression de déjà vu ? Relax)
Je voulais juste dire que les acronymes bOOS et fOOS ne sont pas les plus évidents, mon cerveau a frémi pendant quelques secondes sur leur déchiffrage ;)
Et la "pâte" sera fabriquée par notre TS, que nous formerons sur Sample, en sélectionnant les résultats nécessaires probablement en utilisant OOS, et ensuite nous lui donnerons les données qui, selon nous, lui permettront de fabriquer la pâte. Mais nous n'en sommes pas encore là, car pour la pureté de l'expérience, ces données n'ont tout simplement pas encore été obtenues...
le testeur ne révèle aucune tendance, et tous les résultats d'optimisation agréables à l'œil sont conformes. En temps réel, nous évoluons dans l'incertitude, c'est une pièce sombre avec un environnement inconnu, tandis que l'histoire est éclairée par un projecteur, où vous pouvez facilement enfiler une aiguille, même si vous venez de vous déplacer au feeling.
Par conséquent, apprenez à vous déplacer dans l'obscurité totale, et seulement ensuite, éclairez le chemin (testeur, optimisation), pour ajuster votre déplacement à l'avenir. Ici.
le testeur ne révèle aucune tendance, et tous les résultats d'optimisation agréables à l'œil sont conformes. En temps réel, nous évoluons dans l'incertitude, c'est une pièce sombre avec un environnement inconnu, tandis que l'histoire est éclairée par un projecteur, où vous pouvez facilement enfiler une aiguille, même si vous venez de vous déplacer au feeling.
Par conséquent, apprenez à vous déplacer dans l'obscurité totale, et seulement ensuite, éclairez le chemin (testeur, optimisation), pour ajuster votre déplacement à l'avenir. Ici.
La conclusion est que l'on commence par trouver un modèle, puis on l'optimise. Le contraire n'est pas vrai, même d'un point de vue logique.