Principes de travail avec un optimiseur et moyens de base pour éviter de s'y intégrer. - page 6

Nouveau commentaire
 
Avals:

Vous discutez de la même chose dans chaque fil de discussion - votre modèle. Je pense que tout le monde l'a déjà commenté plus d'une fois ;))
Tout d'abord, pas le modèle, mais le principe. Deuxièmement, malheureusement, pas le mien et avec une longue barbe. Troisièmement, je n'ai pas connaissance de publications qui déboulonneraient l'approche de modélisation basée sur la décomposition du kotir en composants.
 
En fait, l'objectif est de déplacer l'attente, et non de simuler un quotient. La stationnarité n'est pas du tout nécessaire.
 
TheXpert:
Au fait, on peut gagner de l'argent sur un zigzag :) En parlant de zigzags
J'ai même essayé de prédire les zigzags. Le résultat était incroyable, mais j'ai été ridiculisé.
 
TheXpert:
En fait, l'objectif est de déplacer l'attente, et non de simuler un quotidien.
Passé ou futur ?
 
faa1947:
Dans le passé ou dans le futur ?
En principe :)
 
TheXpert:
En fait, l'objectif est de déplacer l'attente, et non de simuler un quotient. La stationnarité n'est pas du tout nécessaire.

C'est là tout le sel de la question. Je suis à nouveau d'accord.
 
ask:

Maintenant, c'est vraiment le sel. Encore une fois, je suis d'accord.
Et comment savoir s'il y a un changement dans le futur ? La foi sacrée dans les chiffres.
 

C'est comme une énigme. La bonne réponse est 112 et bang :)

"Quoi, où, quand ?

C'est là que les vrais experts ont... comment l'appelez-vous... "le sens de la bonne réponse". Lorsqu'ils entendent la bonne réponse, ils savent au fond d'eux-mêmes que c'est la bonne.

Je ne pense pas être un expert. Mais je pense (j'espère :) ) que le processus est similaire :)

 
Avals:

C'est la quasi-stationnarité - un changement de Mo sur une certaine plage. Peut-être qu'il ne s'agit pas seulement de mo, mais dans ce contexte, c'est le mo qui nous intéresse le plus.

Alors peut-être que c'est une méthode super complexe, mais c'est assez grossier pour estimer la régularité). Il s'agit plutôt d'une question de nombre de paramètres du système et de la sensibilité du résultat à leur modification. Si une petite modification du paramètre entraîne une modification du résultat, ce n'est pas bon. Il y a d'autres signes. J'ai récemment écrit à ce sujet ici https://www.mql5.com/ru/forum/137614/page5

Essayez de créer une méthode super complexe avec un nombre minimal de paramètres. Plus la formule est longue, plus elle comporte de paramètres. Bien sûr, ce n'est pas une loi, mais c'est une bonne approximation de la réalité. Prenons une fonction élémentaire (modèle) y=ax. Il possède un paramètre "a" qui permet de modifier l'angle de pente de la ligne droite. Et c'est tout. Essayez d'adapter ce modèle au marché. Prenons un modèle plus compliqué : y = ax^2 + bx. Il est plus complexe et comporte deux paramètres. Il sera certainement meilleur sur l'histoire. Divisons-le maintenant en 2 sous-modèles et testons-les séparément : y = ax^2 et y = bx. Chacun d'entre eux donne de mauvais résultats, de sorte que la somme de ces résultats est beaucoup plus faible que le modèle original ? Il y a une forte probabilité que cela corresponde. Tous les modèles simples ne garantissent pas le profit, mais dans tous les cas, la simplicité réduit la probabilité d'adaptation.

J'essaierai plus tard de décrire plus en détail la méthode des quarts et la manière de décomposer le modèle testé en plusieurs petits modèles.

 
faa1947: Mais il y a encore une chose : la réversibilité du modèle - à gauche se trouve un quotient, et tout ce qui est à droite doit donner ce quotient dans la somme.

Je me demande de quels principes il découle qu'il doit être réversible (dans le temps, ou quoi ?)...

Les physiciens savent depuis des décennies qu'il n'existe pas de symétrie parfaite dans la nature.

1234567891011
Nouveau commentaire