最適化の本質 - ページ 4

 
目的の関数がわかっている場合、最適化は簡単で、関数の望ましい値が得られるように引数を変更すればよい。不明な場合は?このような対象となる「未知」の関数の例として、先ほどランダムが挙げられたのはごもっともな話です。しかし、なぜ、市場という未知の関数に対する最適化について話をするのでしょうか?これは、最適化の定義からしてありえないことです。
 
市場という未知のプロセス(そしておそらくランダムではない)に対するロバストな選択肢の選択(そしてそのような選択がなければ最適化は最適化ではない、これはすでに扱われている)は、CBの異なるセクションで互いに追従して動作するパラメータの統計的セットの近似によって行うことができるという疑いがあります。
 
joo:
目的の関数がわかっている場合、最適化は簡単で、関数の望ましい値を得るように引数を変更すればよい。不明な場合は?このような対象となる「未知」の関数の例として、先ほどランダムが挙げられたのはごもっともな話である。些細なことですが、なぜ市場という未知の関数に対する最適化の話をするのでしょうか?最適化の定義からして無理がある。

混乱しているのでは:)

"ターゲット関数 "は、確率過程そのものをモデル化して正確な予測をするものではなく、単にMOの収益性のような統計量の1つである。"最適化 "とは、ある引数に対して、与えられた対象関数上の関数の極値を最小の計算回数で求めること、つまり、NP の列挙を引数の数に対して2次、あるいは線形に減らすことである。

言葉では簡単でも、実際には、新しい超ひも理論をマスターした人たちや、上の人が言ったように、LHCから来るデータを分析する人たちと比べて、数学はそれほど複雑ではありません。

そして、これは単なる取引ではなく、この取引から極めて猥雑な利益を得るためである。猿でも単純に取引はできますし、きっと訓練もできるはずです。

 
m.butya:

混乱しているようですね :)

"ターゲット関数 "は、確率過程そのものをモデル化して正確な予測をするものではなく、単にMOの収益性のような統計量の1つである。"最適化 "とは、ある引数に対して、与えられた対象関数上の関数の極値を最小の計算回数で求めること、つまり、NP の列挙を引数の数に対して2次、あるいは線形にすることである。

言葉では簡単でも、実際には、新しい超ひも理論をマスターした人たちや、上の人が言ったように、LHCから来るデータを分析する人たちと比べて、数学はそれほど複雑ではありません。

そして、これは単なる取引ではなく、この取引から極めて猥雑な利益を得るためである。猿でも簡単に取引できるのですから、きっと訓練できるのでしょう。


 
最適化(列挙)を使って、開閉条件を探しています。
input int VarX = 0;
input int VarY = 0;

bool vars[];
vars[0] = MA1 > MA2;
// куча сгенерированных vars[]

if (vars[VarX] && vars[VarY]) OrderOpen();
このこと(まあ、数字をいろいろなものに変換できること)がわかってから、戦略を見つけるのが面白くなりましたね :)
 

皆さん、たくさんの面白いアイデアや意見をありがとうございました。

ここで、定量的な話にシフトすることを提案します。

パラメータが 1つのストラテジーがあるとします。 2年間の分足での単純なテスト(1~1000)では、収益性の曲線は以下のようになります(sum(PnL)/sum(abs(PnL))。)

つまり、各ポイントは2年間の平均的なMOである。

どのようなポイント(パラメータ値)を選んでプロービングすることに価値があるとお考えですか?わかりやすくするために、矢印や丸で直接示すことができます。


そして、どのような結論に至ったかをお話しします。

 
toxic:

プロトレでは、どのような場所を選ぶべきだと思いますか?

戦略のリスクに関する情報がないため、該当事項はありません。
 
anonymous:
戦略のリスクに関する情報がないため、該当事項はありません。

そうですね、確かに、それならMOよりシャープ、MO/SCOにしましょう。

 
toxic:

そうですね、確かに、それならMOよりシャープ、MO/SCOにしましょう。

シャープ比であれば、支配的なポートフォリオが存在するため、どのポイントを選択しても意味がない。
 
toxic:

それから、私が出した結論をお話しします。

そして、どのような結論に至ったのでしょうか。