ローリングフォワードの実施方法 - ページ 12

新しいコメント
 
Alexey Burnakov:

このテーマで議論することができます。10,000件のトランザクション（選択した次元に限定した多次元空間の点-変数）があれば、すべての点を超平面に当てはめるには、10,000個の変数を入力すれば十分である。これはもう、素っ頓狂な嵌め込みですね。つまり、私が言いたいのは

原則的には間違っているが、致命的でない場合もある。

有効性を検出することができます。他の変数を固定したまま、ある変数を変えても結果があまり変わらない場合、有意性は低い。ただし、他の変数との相互作用は失われる。実は、システムというのは、いくつかの変数の相互作用で成り立っているのです。

もっと単純な話です。

このスレッドのトピックは、volking-forwardです。その用語でいうフィッティングとは、履歴上で最適化を行い、最適化の 結果をExpert Advisorの実際の性能に置き換えることである。フィッティング不足は、最適化されていない前方部分の履歴に対する結果の分析です。最適化されていない部分だけ見れば、それは調整なしの評価です。

つまり、この意味での変数を持つか持たないかの妥当性の基準は、予測不可能な将来の状況下での稼ぎに役立つかどうかだけなのである。

つまり、私が知っている最高のフィッティングは、フォワードフィッティングなのです。しかし、残念ながら、最適化だけでは実現できず、コードを変更する必要があります

 
Youri Tarshecki:

もっと単純な話です。

今回のトピックは、狼煙を上げることです。フィッティングとは、ヒストリーに最適化し、その 結果をExpert Advisorの実際の性能に置き換えることである。フィッティング不足は、最適化されていない前方部分の履歴に対する結果の分析です。最適化されていない部分だけ見れば、それは調整なしの評価です。

つまり、この意味での変数を持つか持たないかの妥当性の基準は、予測不可能な将来の状況下での稼ぎに役立つかどうかだけなのである。

つまり、私が知っている最高のフィッティングは、フォワードフィッティングなのです。しかし、残念ながら最適化だけでは実現できず、コードを変更する必要があります。

これには同感です。

市場には、数千ドルの価値のあるExpert Advisorが溢れていますが、最適化における取引はせいぜい500件程度です。損をしているのは事実です。

そんなに単純な話ではないのですが、もうひとつ、ノイズを学習しにくいシステムを事前に設計する方法があるとして、そのためにどれだけの時間を費やして（ノイズを学習して）、悪いほうに目を向けるべきなのか、という疑問があります。

 
Alexey Burnakov:

それは私も同感です。

市場には、最適化でせいぜい500トレードの数千ポンドのEAがあふれています。これは損ですね、はい。

簡単なことではありません。システムの事前調整（ノイズの学習）にどれだけの時間をかけるか、そして、ノイズを学習しにくいシステムを事前に設計する方法があれば、悪いほうを見るか、という問題です。

この意味でのボルキングフォワード以上のものは、まだ提案されていない。
 
Youri Tarshecki:
この意味で、ボルキングフォワード以上のものはまだ誰も提案していない。

それなら、私が提案します。

ダンシングフォワードは、テストにおける新しい言葉です。

緑のティーチでも、赤のテストでも。何度も繰り返す。

)

 
Alexey Burnakov:

ダンシングフォワードは、テストにおける新しい言葉です。

その結果、何が得られるのか。
 
Alexey Burnakov:

それなら、私が提案します。

ダンシングフォワードは、テストにおける新しい言葉です。

緑のティーチでも、赤のテストでも。何度も繰り返す。

)

かなり古い考えです。ボルカノで、手で、試したことがありますが、うまくいきませんでした。そして、成功したセクションのトレーニングと、その後の失敗したセクションのトレーニングの両方です。

要は惰性をなくして、代わりに抽選を 受けるということです。具体的なサンプリシティを説明する方法があればいいのですが...。-それについては、いくつかアイデアがあり、まだテストする必要があります。

歴史上、特定の市場の特性を 特定し、その循環性を 確認する確実な方法がないことがミソです。そして、それがなければ、過去のセクションを選択するプロセスは完全にランダムなものになってしまいます。

 
Igor Volodin:
その結果、何が得られるのか。
ダンシングプロフィット
 
Igor Volodin:
その結果、何が得られるのか？

もちろんジョークです )

しかし、この方法は繰り返しのあるクロスバリデーションと似ている。この方法は、テストセットでモデルのパラメータを推定するときに使用される。つまり、結果の検証は別のセットで行う必要がある。

 
Igor Volodin:
スタッフテスターを使った私のウォークフォワードの仕組みはこちらで 解説しています。
アイデアをもっとありがとうございますそこで質問をした。簡単に説明すると、シミュレーションを行わない最適化（アドバイザーがデータを無視する）中に、オプティマイザーが開始日を変更するようにするにはどうすればよいでしょうか？
 
Nikolay Demko:

私は全く使っていません。私のGAは独自のテスターを持っており、全てはMQL5上にあります。

PS 2011年、私はMQにあれこれと実装を依頼することに疲れました。すべて自分で書きました。内蔵テスターは、リアルタイムでデモモードを起動する前のデバッグにのみ使用しています。

しかし、遺伝的アルゴリズムと、私がボルキング中に 行った最適化の 方法を比較 することに興味があります。ボルキングでは1つのセクションが何度も最適化され、変数の相互作用も 発生するため、最初は1つずつ最適化していく方が経済的 だと判断していました。昔、手を使って遺伝子を操作したことがありますが、実質的には同じように見えたんです。しかし、正直なところ、この作業のためにAutotesterをカスタマイズするのは億劫なんです。このタスクに多かれ少なかれ多変数のフクロウを選び、あなたの結果と私の結果を比較することは可能でしょうか？
1...5678910111213
新しいコメント