実際の取引で異なる結果が得られた場合、これは再トレーニングと呼ばれます。つまり、TSの作成中に、実際の取引では見られない、トレーニングコティアのいくつかの仕様をキャッチします。並行して行われたスレッドでは、再トレーニングの問題は、入力データのリスト(TAでは指標のセット)を正しく選択することによってのみ解決されると論じています。また、選択された指標群がこのTSにとって有用であるかどうかを、TS自体の作成前に判断することができると主張する。そして、この問題を解決したとき、pp.1 и 2.
Stanislav Korotky: この言葉は、愚かなものではなく、市場アルゴリズムの研究者を含む科学界全体の「最高の犬の飼育者たちによって承認された」確立されたものである。深度、ピッチ、その他の「サイド」パラメータの選択に関するあなたの考えは、その選択の質というかつての問題に立ち戻ります(そして、おそらく再教育)。ですから、いずれにせよフォワードの解析は欠かせません。そして、異なるセクションのために分析が必要であることは、最初から明らかです。
忘れてはいけないのは、トレーニングが行われた現場の記憶が、その現場からトレーニングの結果の記憶に変わるということです。
この突き方が自動化されたらどうするんだ!?この方向性の考えは面白いですね。指標は変化し、その相互作用も変化する。相互作用は別の関数として表現され、パラメータの数は変化しうることがわかり、それらに応じて最も単純な最適化のみが行われる。だからこそ、このスレッドで問われている、ストラテジーパラメーターに依存しない、より普遍的なアプローチに興味があるのです。あなたが提案している支店は、目的が全く違います。しかし、それらの方法が目の前の課題に適用可能であることを示すのであれば、ぜひそうしてください。
テスターは相互に関連しながらも、基本的には2つの定性的な機能を有している。
1.TCのアイデア自体の検証(デバッグ)。入力-出力が自分の考えと一致しているかどうかを見るのです。
2.TSのパラメータを選択。
これらの段階の成功の場合には、我々は本当の上のTSを入れて、取引を開始するので、その後、何も変更することはできません。
そして、ここで一番の疑問は、実際の取引でもトレーニング時と同じパフォーマンスが発揮されるのか、ということです。
ここと並行しているスレッドで、まさにこの質問がなされています。
実際の取引で異なる結果が得られた場合、これは再トレーニングと呼ばれます。つまり、TSの作成中に、実際の取引では見られない、トレーニングコティアのいくつかの仕様をキャッチします。並行して行われたスレッドでは、再トレーニングの問題は、入力データのリスト(TAでは指標のセット)を正しく選択することによってのみ解決されると論じています。また、選択された指標群がこのTSにとって有用であるかどうかを、TS自体の作成前に判断することができると主張する。そして、この問題を解決したとき、pp.1 и 2.
理想を言えば、指標はバランスが取れていて、異なる歴史的視野で互いに市場の異なる側面を制御していれば、過学習の危険はない。
実際の取引で異なる結果が得られた場合、これはオーバートレーニングと呼ばれます。つまり、TSを作成する際に、実際の取引では見られないトレーニング商に関するいくつかの仕様をピックアップしたのです。
これでは、かえってアンダートレーニングになってしまいます。-)
私の考えでは、パターンを拾うシステムの能力そのものと、その能力が陥る可能性のある「最適化の罠」を区別する必要があります。最適化の罠とは、最適化しすぎと最適化不足の両方を含む広い概念であり、コード作成プロセス自体の惰性、人的要因、その他多くのものを含んでいます。しかし、筆者が言いたかったのは、EAが負けているという単純な事実であり、それ以上のことではないと思うのだが......。
つまり、彼の質問は「最適化の落とし穴をどう避けるか」であるべきなのです。
フォワードで、つまり最適化されていない部分でチェックすれば、人生はよくなる」とアドバイスしている2人がここにいる。
また、コードを書く前に、そのインジケータが有用かどうかを判断できるのであれば、それは素晴らしいことです。この場合、テストは必要ありません。-)
これは錯覚です。
では、すべての生物は幻想なのかというと、そうではありません。まさに、このような作りになっているのです。彼らは遺伝子、長期記憶、操作記憶を持っており、常に学習しているのです。しかし、私たちは、-哀れな人類-FXまで過剰に学習したとは言いません)。
では、すべての生物は幻想なのかというと、そうではありません。まさに、このような作りになっているのです。彼らは遺伝子、長期記憶、操作記憶を持っており、常に学習しているのです。しかし、私たちは、「かわいそうな人類は、FXまで過剰に学習している」とは言いません。)
再トレーニング」という言葉自体、EA自体の操作性の悪さを正当化するために作られた愚かなものであり、ボルキングフォワードでは全く意味がありません。ある変数がオーバートレーニングかアンダートレーニングかは、実は劣化からではわからない。それは、異なる最適化条件やテスト条件でのフォワード結果を比較 したときに初めてわかることです。ヒストリーの深さとフォワードステップの両方が個人的にそれぞれのケースで選択され、何がオーバーで 何がアンダーな のかが既に見えています。
リトレーニング」という言葉自体、EA自体の操作性の悪さを正当化するために作られた愚かなもので、Volking-Forwardでは完全にその意味を失っています。ある変数が過学習か過少学習かは、実は、劣化からはわからないのです。それは、異なる最適化条件やテスト条件でのフォワード結果を比較 したときに初めてわかることです。ヒストリーの深さとフォワードステップの両方が個人的に選択され、何がオーバーで 何がアンダーで あるかがすでに見えている。
そう、この事件の全体像を理解し始めると、「再教育」という言葉の適切さに疑問を感じ、その不適切さを理解するのです。この問題については、第4回フォーラムで議論され、相談できる人がいました。そして、「暗記学習」「丸暗記」という言葉がより適切であるという結論に至ったのである。Expert Advisorは、授業を暗記したけれども何も理解していない、他の条件では知識を応用できない勤勉な生徒のようなものです。
ここで、この言葉さえも誤解している人がいる。再学習」と理解している人がいることがわかり、面白い。
そして、その用語がある科学の世界で定着しているということは何の意味もない、泥臭いけど定着している用語はたくさんある、科学はすべて現実を反映しない用語で構成されており、その真意は狭い範囲の「専用」のみに理解される。
このスレッドでは、再トレーニングの問題は、入力データのリスト(TAでは指標のセット)を正しく選択することによってのみ解決されると論じています。また、選択した指標群がこのTSに有用かどうかは、TSそのものを作成する前に判断できると主張する。そして、この問題を解決したとき、pp.1 и 2.
問題の意味を取り違えているのでは?自動検索対策です。最終的な戦略は、特定のセットから選択された2、3の指標のみを使用することができます。すべての機能が使えるとは限りません。最終的には、相場への参入・退出の条件、TakeとStopが計算された指向性グラフで表される構造を得ることができます。グラフの要素は、関数、インジケータ、定数(パラメータ)です。グラフを形成できる各要素は、他のグラフ要素との相互作用のルール群をいくつか持っており、グラフ内の計算の「意味付け」を制御するために必要である。
何か戦略を見つけるためのアイデアはありますか?
この言葉は、愚かなものではなく、市場アルゴリズムの研究者を含む科学界全体の「最高の犬の飼育者たちによって承認された」確立されたものである。深度、ピッチ、その他の「サイド」パラメータの選択に関するあなたの考えは、その選択の質というかつての問題に立ち戻ります(そして、おそらく再教育)。ですから、いずれにせよフォワードの解析は欠かせません。そして、異なるセクションのために分析が必要であることは、最初から明らかです。
では、フォワードのオーバートレーニング、アンダートレーニングはどのように判断するのか、教えてください。オーバートレーニングとアンダートレーニングでは、何か劣化の仕方が違うのでしょうか?
トレーニング条件の良し悪しを判断するには、それに対応するサンプル外テストの良し悪しを見るしかない。そして、その結果を比較することで、初めて最適化が過剰なのか過小なのかが分かるのです。しかし、最適化不足を扱ったトピックはどこにもありませんね。誰もが何らかの理由で、問題の根源をコード品質ではなく、神話的な過剰最適化に求めています。