最適化の本質

 

どのようなタイプの戦略に対して最適化が有効なのか?

 
toxic:

どのようなタイプの戦略に対して最適化が有効なのか?

数値パラメータがあるもの全てに。
 
micle:
数値パラメーターをお持ちの皆様へ。
パラメータは怠け者の集団であり、規律と秩序を欠いているため、最適化釜に送られ、自分たちの居場所を知ることになる。
 
micle:
数値パラメータを持つものすべてに対して。
nowi:
パラメータは怠惰な数字の集まりで、規律と秩序を欠いている。

うーん、私も以前はそう思っていたのですが、最近は疑問が湧いてきて、「真実」が抜け落ちてきています。

あまり多くの「文字」を出したくないので、一例を挙げてみます。

例:ランダムエントリーTPSL

TPと SLを 最適化しよう。

簡単のために、TP/ SLの 比率を固定し、1つのパラメータ(その倍率)を最適化することができる。

このような最適化の結果は、論理的、実用的に意味があるのでしょうか?そして、一番のポイントは「なぜ」なのでしょうか?

何に依存するのか?

 
toxic:

うーん、私も以前はそう思っていたのですが、最近は疑問が湧いてきて、「真実」が抜け落ちてきています。

あまり多くの「文字」を出したくないので、一例を挙げてみます。

例:ランダムエントリーTPSL

TPと SLを 最適化しよう。

簡単のために、TP/ SLの 比率を固定し、1つのパラメータ(その倍率)を最適化することができる。

このような最適化の結果は、論理的、実用的に意味があるのでしょうか?そして、一番のポイントは「なぜ」なのでしょうか?

何に依存するのか?

この最適化は、入力がランダムであるというだけで、論理的にも実用的にも意味がない......。
 
toxic:

どのようなタイプの戦略に対して最適化が有効なのか?

すべての戦略に当てはまるわけではありませんが、ほとんどのスキャルパーにとって、テスターとデモ(リアル)の結果が非常に大きく異なるため、最適化は意味を持ちません。
さらに、テスターのスキャルパー結果は、テストモードに 依存します: 通常モード、ランダム遅延付き、全ティック、M1上のOHLCです。
 
トレンドフォローの戦略は、かなり信頼性の高い結果をもたらす傾向があります。したがって、このような戦略をテストし、最適化することは理にかなっています。
 
micle:
この最適化は、入力がランダムであるだけに、論理的にも実用的にも意味がない......。

そういうことなんです。数値パラメータを持つすべての戦略において、最適化が意味をなさないことが判明した。

さらに推論を続けよう。

すべてではないとしたら、どのような戦略に対して意味があり、どのような戦略にはないのか。戦略やその低レベルの技術的特性について、考えられるすべてのバリエーションをリストアップするだけでなく、それらを合理的な数のカテゴリーに一般化することができるでしょうか。

そこで、最適化の意味を平準化するために最初に述べた性質が、入力のランダム性です。なぜそうなのでしょうか。技術的には、各取引利益のMOについて、参入と退出の影響は等しく、すなわち、ランダム参入と品質退出の場合、取引利益のMOは品質参入と退出の場合に比べて約2倍に減少する。しかし、明らかなように定数TPSL は「質的な」出力を装っているわけではありません。このように最適化しても、許容できるリトナメントや他の統計量を持つ「いい」ものを選択することは可能ですが。

何がいけないのでしょうか?もっと一般的な質問をしましょう。最適化の質や乾き具合は、インプットとアウトプットの「質」にどう依存するのでしょうか?これをどう定量的に解釈するのか。

最もポピュラーな "МАшки "戦略を例にとって説明しましょう。

戦略:オープンのシグナルは、速い移動平均が遅い移動平均を下から上へクロスオーバーし、上から下へクローズする。常にマーケットで、ロールオーバーする。

質問:移動窓を別々に、あるいは一緒に比例的に最適化すると、最初のケース(ランダム+TPelle)と根本的に異なる結果になるかもしれませんね?

pagot:
すべてではありませんが、ほとんどのスキャルパーにとって、テスターとデモ(リアル)の結果が非常に異なるため、最適化は意味を持ちません。
また、テスターの結果は、通常モード、ランダムディレイ付き、全ティック、M1のOHLCなどのテストモードに 依存します。

特にメタトレーダーのテスターのコンテキストで、速度の話題を残してみましょう、しかし、テストと最適化の根本的な違いのためではなく、実際のテープ(ティック)またはデータ未満の不在のためにのみ1メートルです。要するに、日足で日中のストラテジーをテストできないのと同じことで、もし日足が修正するための最小限のステップだとしたら、その差は歴然としている。

取引所の文脈では、流動性や実際のスリッページ、つまりラグやDC-syntheticではなく、スタックの実食の問題もある。

pagot:
トレンド戦略は、かなり信頼性の高い結果をもたらす傾向があります。ですから、そのような戦略をテストし、最適化することは理にかなっています。

まさに最適化の話であって、テストそのものは些細な作業です。パラメトリック空間における極値の妥当性と、その妥当性の信頼性が何に依存しているかということである。

 
いやあ、今回ばかりは面白いトピックになりそうです。
 

toxic:

...なぜだ?

そのような意味の存在は、何に依存しているのでしょうか。

私の理解が正しければ、いろいろ思うところはあるのですが、あまりに真空で不謹慎で、TAコミュニティ全体の目に唾を吐くような内容なので、詳細は伏せておきます。

一般に、最適化の効果は予測モデルの効果に直接(しかし非線形に)依存すると言えるなら、モデルが「ランダム」であればあるほど、最適化は適合することになります。

完璧なモデルは最適化を必要としないか、モデルの一部であり、いくつかの危険な係数(攻撃性)を除いて外部パラメータを持たないが、可能性は低いが、厳密にブラックボックス、完全に黒であることができる。

私の考えでは、 ノイズを最適化することによって、ノイズ戦略を最適化するのと同じことです

つまり、モデルの予測能力をチェックすると同時に、さらなる操作のための絶対的な意味と、最適化の可能性の両方を得ることができるという、シンプルなものです。


P.S

私は、最適化の面でどのように異なるかを尋ねる戦略の構築の複雑さのあなたのさらなる反復を予測することができ、事前に私は、例えば価格や増分に適用されるニューラルネットワークであっても、種の 形でパラメータと純粋なランダムとしてフィットすることを言うことができます。

 
toxic:

どのようなタイプの戦略に対して最適化が有効なのか?

この質問は正確ではありません。

戦略を練る前に、良い結果をもたらす正しいアイデアが必要です。この考え方に基づく戦略は、設計の面で十分な違いがあり、いろいろな展開が可能です。収益性や信頼性の観点から最適な戦略を評価し、選択することが必要である。そして、これらの戦略のパラメータを最適化することが、最終的なステップとなるのです。

間違った考えを持つ戦略を最適化しても意味がない。その結果、物語へのフィッティングが特定のバージョンになり、将来の見通しが立たなくなる可能性があります。

理由: