トレーディングにおける機械学習：理論、モデル、実践、アルゴトレーディング - ページ 2839

新しいコメント
 
Aleksey Nikolayev #:

私の直感では、これはすぐにトレーディングにおけるMOの常識になるだろう。

利益が保証されるわけではないが、使わないことは失敗の保証とみなされるだろう）。

ぜひ、MT5のオプティマイザーを使ってみてください。もう一般的な手法としてずっと前から😀。

しかし、TCは他の原則で稼ぐことがほとんどです（異なる発見）。そのため、最適化の重要性が増すことはなく、私はそのようなニュアンスに多くの時間を割くことさえしません。

簡単な例え：異なる基準に従ってMT5でランダムなTSを最適化しても、成功にはつながらない。しかし、最初に良いTSを最適化すれば、どのような基準でも成功につながる。

これらのピークやプラトーはすべて、規則性の有無とは関係がない。トレインとテストでランダムに一致することもあれば、一致しないこともある。これはアンドレイの研究対象ではない。
 

ディックはみんなを姦淫させた。咀嚼、咀嚼、咀嚼...

最適化の質は関係ない。テスターは基準に関係なく、パラメータのおおよその選択には役立つ。テスターでMT5をフォワードで動かすだけで十分だ。

少し前に、私は合法的なエキスパートアドバイザー、JMA-MACDを書きました。このExpert Advisorは素晴らしく、トレンドを完璧に維持し、横ばいでもうまく機能した。プロフィットファクターは3以上で、80％以上のトレードで利益を上げている。

最適化の結果は 素晴らしく、ディックの要求通りだった。利益額やプロフィットファクターのかなりの部分が密集したセットを形成していた。テスターのチャート上では、斑点のない均一な緑色で、片方のエッジがわずかに明るくなっている。典型的なわずかに凸のプラトーで、パラメーターの最大頻度は最大値よりわずかに小さい。


6つの通貨ペアで2ヶ月、3ヶ月、6ヶ月、12ヶ月の最適化を行い、得られたパラメータを次の週に実行した。肯定的な結果は常に半分以下のケースであった！しかし、非常に頻繁に損失だけだった。

最適化が得意なエキスパート・アドバイザーが、しつこく負け続けたのだ。

私は長い間それを受け入れられず、最適化の結果をエクセルに移し、そこで最適化基準の異なる統計的特性を得たが、それを改善することはできなかった。エクセルでパラメーターの出現頻度を求めたところ、パラメーターの出現頻度の最大値は最大値よりわずかに小さく、つまりパラメーターの使用頻度分布は最大値に強く偏って いた。

もう一度書きますが、異常な最適化に関する議論は、最適化サンプルの外側のコントロールなしには無価値です。将来の利益は、最適化アルゴリズムからは得られない。

 
またトピックを間違った方向に持っていく :)
 
Maxim Dmitrievsky #:
MT5オプティマイザーを使ってみてください。もう一般的な方法として随分前になりますが😀

しかし、TCは他の原則で稼ぐことがほとんどです（異なる発見）。だから、最適化はその重要性を増加させることはありません、私はそのようなニュアンスに多くの時間を割くことさえないだろう

簡単な例え：異なる基準に従ってMT5でランダムなTSを最適化しても、成功にはつながらない。しかし、最初に良いTSを最適化すれば、どのような基準でも成功する。

これらのピークやプラトーはすべて、規則性の有無とは関係がない。トレインとテストでランダムに一致することもあれば、一致しないこともある。これはアンドレイの研究対象ではない。

マキシム、確認するが、これは私の研究の主題ではない

マキシム・ドミトリエフスキー#:
またしても話題は間違った平面に移されている :)

まるで、フォメンコが何を言っているのか聞いていないかのようだ。私はすでに何度も、テスターは収益性やTSが将来的に収益性の高い仕事をする能力には影響しないと言ってきた。テスターはツールであり、それ以上のものではない。最適化アルゴリズムはツールであり、それ以上のものではない。お金を稼ぐためのシャベルの「成功」を議論するようなものだ。

 
Maxim Dmitrievsky #:
MT5オプティマイザーを使ってみてください。すでに一般的な方法としてずっと前に😀。

私は、MT5でカスタム基準を使用する可能性と、パラメータが非常に多いか、あらかじめ決められた数のパラメータであるMOモデルの柔軟性を組み合わせたいと思っています。

例えば、MT5で少なくとも1つの 決定木モデルを有機的に実装する方法がわかりません。

 
Aleksey Nikolayev #:

私は、...でカスタム基準を使用する可能性と、MOモデルの柔軟性を組み合わせたい。パラメータが非常に大きいか、あらかじめ決められた数のパラメータであるMOモデルの柔軟性と。

にはR

 
Maxim Dmitrievsky #:

ADAMの適切な説明に出会ったら、リンクを提供してほしい。

 
Maxim Dmitrievsky #:
しかし、TCは他の原則で稼ぐことがほとんどだ（異なる発見があった）。そのため、最適化の重要性が増すことはなく、私はそのようなニュアンスに多くの時間を割くこともないだろう

簡単な例え：異なる基準に従ってMT5でランダムなTSを最適化しても、成功にはつながらない。しかし、最初に良いTSを最適化すれば、どのような基準でも成功する。

これらのピークやプラトーはすべて、規則性の有無とは関係がない。トレインとテストでランダムに一致することもあれば、一致しないこともある。これはアンドレイの研究対象ではない。

それは技術的な能力に関するもので、多ければ多いほどいい。

私がこのトピックについて議論しようとしている唯一の理由は、metaquotesがMT5にMOを導入すると約束したときに、このことを考慮してくれるのではないかというささやかな期待です。

 
Andrey Dik #:

ADAMについて適切な記述を見つけたら、リンクを提供してほしい。

私はADAMについては一般的なことしか知らない。
 
Aleksey Nikolayev #:

収益の保証は何もない）技術的な能力についてだ。

私がこのトピックについて議論しようとしている唯一の理由は、metaquotesがMT5にMOを実装すると約束したときに、このことを考慮してくれるのではないかというささやかな期待です。

マークアップされたデータセットがあり、できる限りそのマークに近いようにトレーニングしたい。もしそれらに関係ない別の基準を取ったら、これらのラベルは重要でなくなるのか？

そうなると、学習プロセスは完全に戦略を変えてしまう。結局はカスタマイズされた基準になってしまう。
1...283228332834283528362837283828392840284128422843284428452846...3399
新しいコメント