Consulente per un articolo. Test per tutti i partecipanti. - pagina 5

 
TheXpert:

Non devi risolverlo. È sufficiente trovare una lunghezza sufficiente del campione di allenamento per un caso particolare, ed è molto facile da fare.

IMHO questo è molto più facile da risolvere. Mi sono seduto e ho sperimentato varie finestre di ottimizzazione e ho trovato questo metodo:

Eseguiamo la prima ottimizzazione. Cerchiamo un attaccante di successo o non molto di successo con un drawdown decente. Sposta il cursore in un grafico in fondo a questo drawdown e vedi la data in un tooltip. Spostare la fine della finestra di ottimizzazione a questa stessa data. Eseguiamo un'altra ottimizzazione e cerchiamo un forward di successo e vediamo che è successo un miracolo: il fitting ha pareggiato il nostro precedente drawdown e l'ha trasformato in una zona profittevole, e quindi il forward ha successo, come era prima di questo trucco.

Teoricamente questo metodo è certamente migliore, perché in questo caso il nostro TS ha imparato ad eliminare il drawdown, cosa che non era in grado di fare prima, perché non aveva poteri telepatici e gli abbiamo detto qual era il suo errore. E praticamente - è ancora scritto con un forcone, cioè dovremmo controllare ulteriormente se questo metodo è adeguato, perché l'area della finestra per i test in avanti è diminuita.

 

Il materiale per l'articolo è già completamente assemblato, l'unica cosa che rimane è mettere in ordine tutta questa roba, aggiungere alcune immagini e si può inviare per la pubblicazione.


In breve, l'articolo si occupa di una rete neurale con sistema esperto incorporato (cosa possono sognare gli scrittori di carta a pagamento?) e dà risposte alle seguenti domande


1. Perché una rete neurale ha bisogno di interpolazione? Davvero, perché improvvisamente ne ha avuto bisogno?

2. Un neurone che è stato addestrato per una corretta approssimazione su dati stazionari e coerenti può interpolare? Illustrato l'esempio di una regressione logistica, che a sua volta è un neurone. I propagandisti della regressione logistica rimarranno insoddisfatti. Anche i medici parassiti disapproveranno questo scarabocchio, perché oggi è di moda usare la regressione logistica per calcolare le diagnosi al computer.

3. Come creare un sistema esperto per una corretta interpolazione: condizioni necessarie e sufficienti? Un sistema esperto è essenzialmente un livello di rete neurale, ma non una scatola nera, perché ha una base di conoscenza di regole facilmente interpretabili, come altri sistemi esperti. Se qualcuno ha qualcosa da nascondere, è meglio non leggere una cosa del genere, ma usare le scatole nere.

4. È possibile riqualificare una rete neurale con un sistema esperto a bordo? Chi lo proibisce?

5. Come addestrare automaticamente il sistema esperto sull'insieme di esempi di formazione in modo da non dover creare e correggere manualmente la sua base di conoscenza? Naturalmente, gli esempi di formazione sono segnali di trading, cioè usiamo letture di indicatori tecnici o oscillatori per addestrare il sistema al trading, ma non per riconoscere le iridi di qualche nerd Fisher. Ma è comunque più conveniente e affidabile grattare la base di conoscenza con le mani, soprattutto con le curve e crescendo da alcuni punti, che affidare questo caso a stupidi algoritmi.

6. Come eliminare l'undertraining di una rete neurale con un sistema esperto? È certamente una strana domanda, perché tutti sono abituati a lottare con la riqualificazione e l'adattamento. Ma l'autore è ovviamente determinato a combattere qualcosa di sbagliato.

7. Vantaggi e svantaggi delle reti neurali comuni rispetto a una rete neurale con un sistema esperto a bordo? L'autore ha esagerato in termini di svantaggi, poiché al giorno d'oggi è probabile che si vanti di qualcosa come: know-how, soluzione brevettata, è difficile trovare analoghi, raccomandazioni dei migliori allevatori di cani e dentisti, non ci possono essere svantaggi, solo vantaggi, ordinare e comprare subito, mentre le scorte stanno già finendo, ecc.


In allegato a questo articolo ci saranno anche i codici sorgente della rete neurale con sistema esperto scritta in mql4 e mql5 senza usare librerie esterne e dll, e l'articolo stesso spiega le caratteristiche principali degli algoritmi lungo il percorso. E non ha alcun senso, perché tutti i grapplers sanno per certo che i codici sorgente devono essere accuratamente nascosti da occhi indiscreti, i testimoni devono essere rimossi e tutte le tracce devono essere coperte.

Tali sono le torte.

 
Eh... La vostra diligenza deve essere messa a frutto.
 

Il problema del fitting è che alcune persone analizzano solo i risultati individuali dell'ottimizzazione(run). Ma bisogna considerarli nel loro insieme - il risultato complessivo delle zone ottimali. In questo caso l'inoltro non è necessario.

Per esempio, abbiamo un sistema su una singola macchina con un optimum - il periodo della macchina. Ottimizzato e ottenuto un mucchio di insiemi di valore di interi, sistemati per PF per esempio. Naturalmente, la possibilità che le singole corse siano casuali è alta e dobbiamo controllarle con, ad esempio, il forward. Ma se consideriamo non le singole corse, ma la zona ottimale e il risultato in essa, allora è quasi impossibile inserire un risultato positivo nella zona ottimale in diverse parti della serie. Naturalmente, questo dipende dall'ampiezza della zona ottimale e dalla sensibilità dei risultati della corsa a un cambiamento minimo nell'optimum. Cioè, il mantenimento della zona ottimale è un segno di robustezza e di anti-fitting. E l'avanzamento è buono solo se usato una volta. Usatelo ripetutamente per lo stesso sistema e diventerà semplicemente parte del campione di allenamento.

P.S.

Anche l'ora in cui un particolare sistema era in funzione è un parametro di sistema. Per esempio, uno ha lavorato dal 2005 al 2011. Questo è il suo range di valore ottimale - tempo di vita. Ottimizzando la storia, cerchiamo quasi di trovare sistemi con il massimo di questa gamma. Ma il sistema non deve funzionare per sempre. È per questo che quando si stabilisce un periodo di test dovremmo tenere conto del fatto che dovremmo sceglierlo arbitrariamente e pretendere che il sistema funzioni in tutta questa gamma - è solo una frase vuota. Se si decide di cercare per 10 anni, lo si fa). Imha, abbastanza un periodo tale, che dà il livello desiderato di fiducia nei risultati. Dipende dal numero di scambi e dalla distribuzione degli scambi redditizi/perdenti.

 

Avals:

Ma se non si considerano le singole corse, ma la zona ottimale e il risultato su di essa, allora mantenere un risultato positivo sulla zona ottimale in diverse parti della fila è quasi impossibile da adattare.

Sì imho la stessa cosa solo in una direzione diversa. La zona ottimale è come un filtro levigante per i risultati?
 
TheXpert:
Sì, imho è lo stesso, ma in una vena diversa. La zona ottimale è una sorta di filtro di smussamento dei risultati?


è come un valore medio di un indice target (fattore di profitto per esempio) in un certo intervallo ottimale.

È importante che la gamma di opzioni con un valore target medio sufficiente sia sufficientemente ampia e sia mantenuta in tutte le parti del test. Singole corse possono andare temporaneamente nella zona di perdita, ma in media la gamma dovrebbe rimanere redditizia. Il sistema è robusto se questo è vero per ogni opzione.

Quindi l'idea non è quella di stimare la robustezza di una singola corsa, ma dell'opzione nel suo insieme

Per esempio, decidere che il QI di una persona dipende dall'altezza. Ottimizzalo su 1000 teste e ottieni un QI medio massimo di 162 cm di altezza. Poi hanno iniziato a fare test in avanti su altre persone e si è rivelato non così buono)) Ma se si scopre, che costantemente su ogni campione le persone con altezza per esempio di 160-170cm hanno un QI medio più alto, allora le probabilità che sia un caso molto meno che a un singolo valore (perché più persone entrano nel campione). E questo significa che di per sé la dipendenza del QI dall'altezza ha un posto.

 

Nuova versione nel file allegato, questa volta con gestione del denaro (percentuale non aggressiva del deposito):


// Оптимизировать советник нужно по Maximal Drawdown
// На участке оптимизации должно быть не менее 300 сделок
// После оптимизации отсортировать по профит фактору и 
// начиная с самого крупного пф, искать тестировать 
// на предмет наиболее гладкой кривульки баланса

//---- input parameters
extern int          x0 = 0; // Настройка от 0 до 100 с шагом 1
extern int          x1 = 0; // Настройка от 0 до 100 с шагом 1
extern int          x2 = 0; // Настройка от 0 до 100 с шагом 1
extern int          x3 = 0; // Настройка от 0 до 100 с шагом 1
extern int          x4 = 0; // Настройка от 0 до 100 с шагом 1
extern int          x5 = 0; // Настройка от 0 до 100 с шагом 1 
extern int          x6 = 0; // Настройка от 0 до 100 с шагом 1 
extern int          x7 = 0; // Настройка от 0 до 100 с шагом 1
extern double       sl = 900; // Уроверь стоплосса и тейкпрофита в пунктах
extern int          d = 2; // Количество знаков после запятой для лотности
extern int          mn = 888; // Магический номер
File:
rnn_v4_1.ex4  8 kb
 
Reshetov:


Nuova versione nel file allegato, questa volta con gestione del denaro (percentuale non aggressiva del deposito):

Quando posso leggere l'articolo?
 
Avals:

Il problema del fitting è che alcune persone analizzano solo i risultati individuali dell'ottimizzazione (run). Ma bisogna considerarli nel loro insieme - il risultato complessivo delle zone ottimali. E poi l'attaccante non è necessario.

Ho notato che un certo piccolo cambiamento nei parametri che danno il maggior successo in avanti, porta ad una variazione minore nel profitto finale rispetto allo stesso cambiamento in altri gruppi di parametri ottimizzati. - Se sapete come rilevarlo correttamente, non avrete bisogno di un inoltro. I parametri che danno un successo in avanti hanno un margine di stabilità maggiore. (IMHO)
 
L'inoltro è necessario in ogni caso. Altrimenti, come si può valutare?