最適化結果の自動選択のための基準。
始めましょう、このスレッドを一部無意味にしているいくつかのテーゼを論破することから始めましょう。
1）「利益は最適化の段階ではなく、構築の段階でシステムに組み込まれる」。つまり、一般的には、最適化の段階は重要ではないのです。私自身、長い間、そう思っていました。なんて勘違いしていたんだろう...。そうではない、いや、むしろそうではないシステムも数多くあります。様々なNSや、単純に非常に複雑なシステム（最近見たのは、約100ものパラメータを持つパイプスイッチで、「チューニング」が必要ですが、不思議とかなり儲かります）、これらは、設計段階で何を入れても、最適化やトレーニングがなければ、簡単にゴミ箱行きです...。
2）「外部パラメータが多すぎる-専門家はゴミだ」。よく聞く話です。実践してみると、そのような相関はないことがわかります。このようなEAは訓練が難しく、そのため使いにくいのですが、それは、何を教えるべきかを誰も明確に言えないからです。そのため、最適化の結果、最も確率が高いのは「適合しない」ことであり、その結果、失敗することになるのです。
このトピックに気づいたのはとても良いことです。オート・オプティマイザーに取り組んだりすることで、多くのルーブルの価値以上に経験を積まれたと思いますし、それをまだ共有できるはずです）。
この場合、私は取引回数について2つの見方をしています。
最初の選択肢は、あなたの観察と一致しますが、私は徐々にそれを放棄し、私は検索を絞り込む必要があります。
もう一つは、設計段階で取引数を設定した場合である。つまり、各システムにはそのアクティビティがあり、別のシステムに突然変異のコストをかけて「強制的に」学習させたものがあるのである。例えば、1日の推定取引数が5件（20本で1件、1時間で2件など）だとすると、平均取引数（ACS）は5件程度の範囲、つまり3<=ACS<=7に収まるはずです。このため、システムのセンスは失われないが、同時に、TSを使った関連するバリエーションや、別のパターンを偶然に 見つける可能性も排除される。
Очень хорошо, что Вы заметили эту тему. Я думаю, работая с автооптимизатором и над ним, опыта Вы набрали более чем на много рублей, и еще сможете им поделиться)
В этом конкретном случае, с колличеством сделок, у меня двоякое видение:
Первый вариант - совпадает с Вашими наблюдениями, но постепенно от него отказываюсь, приходится сжимать круг поиска.
Второй - это тот случай когда колличество сделок закладывается на этапе проектирования, т.е. для каждой системы есть ее активность, а есть то, чему ее "заставили" научиться ценой мутации в другую систему. И последнее время я использую колличество сделок примерно так: Допустим, расчетно-визуальное (глядя на график) колличество сделок 5 в день (можно 1 на 20 баров, 2 в час или что угодно), соответственно среднее колличество сделок (СКС) должно укладываться в диапазон около 5, т.е. например 3<=CКC<=7. То что за диапазоном - безжалостно отбрасывается, позволяя не потерять смысл системы, правда заодно перечеркивая возможность случайно найти сопутствующий вариант использования ТС, или просто другую закономерность.
確かに車種によりますね。
もうひとつ、私が考える（計算上の）興味深いパラメータは「シャープの係数」ですが、まだ扱ったことがありません :-)
シャープ、ソルティーノなど、ほとんど鳥の舌です :)みんなカッコイイって言ってるけど、私も試したことないんです、実用的に生データから計算する方法知ってる人いたら試してみて結果教えてください。定型的な言葉の生データを再定義する必要があるのです。
-GrossProfit =GP ,
-GrossLoss =GL,
-MaxDrawdown (ドローダウン) =MD ,
-利益が出ている取引数＝PD、負けている取引数＝LD、総取引数＝AD。
-テストのバー（ティック）数＝TIME。
-最大利益取引＝MPD, 最大損失取引＝MLD
-利益が出ている取引の系列＝SPD（単位）、＝SPD$（ 預託通貨）、負けている取引の系列＝SLD、＝SLD$。
何か見落としがあったのでしょうか？数式を描くことは可能なのでしょうか？
Z.U.私は反省するために数時間かかりますが、道徳的に私たちのオリンピック選手をサポートして、スキー）そして私のサポートなしで）彼らはそう遠くありません......（。
誰が私と一緒に？）
シャープレシオにお役立てください。
シャープレシオは、報酬変動率とも呼ばれ、経営成績を特徴づけるものです。これは、ポートフォリオ全体のリスクに対するリターンを測定するものです。ここで、総合リスクとは、ポートフォリオ・リターンの標準偏差のことである。ある深さと時間枠におけるシャープレシオは、以下の式で計算されます。
どこ
-平均ポートフォリオ・リターン（平均ポートフォリオ・リターン）。
-平均リスクフリーレート
-ポートフォリオ・リターンの標準偏差、詳細な計算方法はボラティリティ計算サービスのドキュメントをご覧ください。
価格比の自然対数（対数リターン）で定義される幾何学的リターンが使用されています。
どこ
- は、前期末に測定された価格です。
-当四半期末に測定された価格。
シャープレシオが高いほど、投資効率は高くなります。シャープレシオの値が小さい場合、投資リターンが取ったリスクのレベルを正当化していないことを示します。シャープ比がマイナスであれば、無リスク資産に投資した方が高いリターンが得られることを示しています。
ソルティーノ係数とモディファイド・ソルティーノ係数のヘルプです。
ソルティーノ比は、投資商品のリターンとリスクを測るもう一つの指標です。数学的にはシャープレシオと同様に計算されますが、ポートフォリオのボラティリティの代わりに、いわゆる「ダウンサイド・ボラティリティ」が使用されます。この場合、ボラティリティは、最小許容ポートフォリオリターン（MAR）を下回るリターンについて計算されます。所定の深さと時間枠におけるソルティーノ係数は、以下の式で算出されます。
どこ
- 平均ポートフォリオ・リターン（平均ポートフォリオ・リターン）。
MAR- ポートフォリオの最小許容リターン
-ポートフォリオリターンの標準偏差、許容できる最小のポートフォリオリターンを下回るリターンについて計算されます。詳細な計算方法は、ボラティリティ計算サービスのドキュメントに記載されています。
所定の深さと時間枠における修正ソルティーノ係数は、以下の式で算出されます。
どこ
-平均ポートフォリオ・リターン（平均ポートフォリオ・リターン）。
-平均リスクフリーレート
-許容できる最低のポートフォリオ・リターンを下回るリターンについて計算されたポートフォリオ・リターンの標準偏差。詳細な計算方法は、ボラティリティ計算サービスのドキュメントに記載されています。
利回りは幾何学的なもので、価格比の自然対数（対数利回り）として定義されます。
どこ
- は、前期末に測定された価格です。
-当四半期末までの期間に測定された価格。
α係数、β係数の参考値です。
アルファ係数とベータ係数は、商品と指数の統計的な関係を明らかにするために設計されています。グラフにすると、商品のリターン対インデックスのリターンのポイントチャートになります。(楕円の図参照)。得られた点群を通して、できるだけ点群図に近い直線を引いてみよう。 このような直線を引く統計的な方法は知られており、「単回帰 法」または「最小二乗法」と呼ばれている。この方法では、グラフの各点から直線までの距離の二乗和を最小にする直線の方程式を求めます。その結果、直線（回帰）式は次のような形になります。,
ここで、楽器の利回りを示します。
-直線の垂直方向のシフトの係数。
-直線の傾きの係数。
-インデックスリターン
最小二乗法により、係数、および、式で求められる。
,
ここで、Cov(,)は機器リターンと指数リターンの共分散です。
-インデックスリターンの標準偏差
どこ
-商品の平均リターン
-指数平均リターン
市場指数をインデックスとして選択した場合
「ベータ係数：一般的な市場の状況が特定の商品の運命に与える影響を判断するものです。もし >0 ならば、商品の効率は市場の効率と同様である。< 0であれば、市場の効率性が高まるにつれて、当該商品の効率性は低下することになる。 また、この比率は、一般に、これらの有価証券に投資する際のリスクを示す指標として考えられています。1を超えると、投資のリスクは市場平均より高くなり、1未満ではその逆となる。
「アルファ係数は、市場の成長率と特定の商品の成長率の相関を特徴づけるものです。ある商品がプラスであれば、その商品の成長率が市場平均より高いことを意味し、すなわち、現時点では市場から「過小評価」されていると言える。
係数基準
回帰式による収量変動の記述の正確さは、収量値の分散（広がり）によって特徴付けられる。回帰式の説明力を推定するために、商品価格の変化が指数値の変化と所定の比率でどの程度説明されるかを示す係数を導入し、次式によって定義します。R = ,
ここで、β-coefficient は
-インデックスリターンの標準偏差
-商品リターンの標準偏差
インデックスとしてマーケットインデックスを選択した場合。
係数「」または決定 係数は、市場全体の不確実性によってもたらされる特定の商品への投資のリスクの割合を特徴付けるものです。 がゼロに近いほど、その商品の挙動が一般的な市場動向に対してより独立していることを意味します。 任意の商品またはユーザーのポートフォリオをインデックスとして選択した場合：係数「」は、商品とインデックスの間の関係の厳しさを特徴付ける。この値が1に近いほど、関係が強いことを意味する。
スチューデントのt基準によるt検定の値
回帰係数、すなわちαおよびβ係数の有意性を検定するために、スチューデントのt検定の計算が適用される。ベータ係数に対するStudentのt検定の値は、数式で計算されます。,
ここで、β係数は
-は標準誤差であり、数式で算出される。
,
ここで、-商品の利益率。
-商品の収益性、式に従って計算されます。 ;
-インデックスリターン； -インデックスリターンは以下の式で計算されます。
-インデックスの平均リターン
n-計算に参加する戻り値の数。
係数αに対するStudentのt検定の値は、以下の式で算出されます。
ここで、-係数α。
-は標準誤差の値で、式で計算されます。
,
where - インストゥルメントリターン。
-商品の収益性（計算式により算出）。 ;
-インデックスリターン； -インデックスリターンは以下の式で計算されます。
-インデックス平均リターン
n-計算に含まれる降伏値の数。
フィッシャー基準値
フィッシャー基準値は、計算式に従って算出されます。スチューデントのt基準と同様に、フィッシャーの基準の計算値と表の値を比較する（表値参照）。フィッシャーの基準の計算値が表中の値を上回った場合、機器と指標の間に関係がないという帰無仮説が棄却され、関係の存在と回帰式の統計的有意性について結論が出されます。しかし、もしフィッシャー基準の計算値が表の値より低ければ、帰無仮説の確率は規定の水準より高く、関係性について誤った結論を出すという重大なリスクなしに、帰無仮説を棄却することはできないことになる。この場合、回帰式は統計的に有意でないと判断される。
やったー！セッションが終わったー！！！（笑
相場が飛躍的に下がっているときに、このシャープや学生たちは何になるんだろう？
- 無料取引アプリ
- 8千を超えるシグナルをコピー
- 金融ニュースで金融マーケットを探索
我々は苦労して戦略を書き、事実上どんな専門家でも最終的な取引間隔に一定のパラメータを設けて利益を生み出すことが可能です。一方、パラメータの選択には比較的注意が払われていない。
正直なところ、私がこの話題に興味を持ったのは、別の理由、つまり、MT4の最適化基準が望ましい結果を与えないことを理解し、独自のGAを用いて、独自の オプティマイザーで最適化基準を探したからです。でも、ソースコードから踊った方がいいということに気づきました。そのため、「最適化結果の選択基準の検索」。
もちろん、掲載されている論文に触れたり（著者に感謝）、ディスカッションに目を通したり、書籍に目を通したりしたわけではありませんが）、私が見たいと思うものはそこにありませんでした。多分何かがありますが、鳥の言語で、私はそれが非常に得意ではない、すべて同じ実務家の原始人（多分誰かが "人間 "に変換されます）が、多分ちょうど見ていないでした。このスレッドとできれば建設的な議論の結果として、、特定の式、テスト 結果のいくつかの関数、高い確率でその最大値が実行可能なパラメータのセットを示すことを得たいと考えています。
偽りのない謙虚な気持ちで）、 最適化結果を手作業で選択することに、ある程度の成功を収めたことを記しておきます。しかし、この作業をどうやっても自動化できない。おそらく、形式的な経験が乏しいだけなのでしょう。
もちろん、シンプルで効率的なパラメータ選択方法として、OOS テストというものがあります。しかし、残念ながら受け入れられないこともあります。例えば、私のラムの 場合、 OOSの 結果を基準にすると、 GAで検体を選択する際に何らかの基準を 作ると、OOSで なくなるのだそうです。
ということで、MT4でいうところの初期データ。
-GrossProfit 。
-GrossLoss,
-MaxDrawdown (ドローダウン) 。
-利益が出ている取引の数、負けている取引の数、-総取引数。
-テストのバー（目盛り）の数。
マックスプロフィットトレード、 マックスロストレード
-利益が出ているトレードのシリーズ、負けているトレードのシリーズ
足りないものはないようです（見落としていたら訂正）、各種MO、RFPなどは、計算上、上記から得られるので意図的に省略しています。
魔法をかけるか？