// Оптимизировать советник нужно по Maximal Drawdown// На участке оптимизации должно быть не менее 300 сделок// После оптимизации отсортировать по профит фактору и // начиная с самого крупного пф, искать тестировать // на предмет наиболее гладкой кривульки баланса//---- input parametersexternint x0 = 0; // Настройка от 0 до 100 с шагом 1externint x1 = 0; // Настройка от 0 до 100 с шагом 1externint x2 = 0; // Настройка от 0 до 100 с шагом 1externint x3 = 0; // Настройка от 0 до 100 с шагом 1externint x4 = 0; // Настройка от 0 до 100 с шагом 1externint x5 = 0; // Настройка от 0 до 100 с шагом 1 externint x6 = 0; // Настройка от 0 до 100 с шагом 1 externint x7 = 0; // Настройка от 0 до 100 с шагом 1externdouble sl = 900; // Уроверь стоплосса и тейкпрофита в пунктахexternint d = 2; // Количество знаков после запятой для лотностиexternint mn = 888; // Магический номер
解かなくていいんです。特定のケースに対して十分な長さの学習サンプルを見つければよく、それは非常に簡単なことである。
IMHOこれははるかに簡単に解決することができます。座っていろいろな最適化ウィンドウを実験して、この方法にたどり着きました。
最初の最適化を実行します。成功した、あるいはあまり成功しなかったフォワードで、きちんとしたドローダウンがあるものを探しています。チャート上でカーソルをこのまさにドローダウンの下に移動させると、ツールチップに日付が表示されます。最適化ウィンドウの終了を、まさにこの日にシフトさせる。もう1回最適化を実行し、成功したフォワードを探すと、奇跡が起こったことがわかります。フィッティングによって、それまでのドローダウンが均され、利益の出る領域に変わり、そしてこのトリックの前と同じようにフォワードが成功するのです。
理論的には、この方法の方が優れています。なぜなら、この場合、TSはドローダウンを排除することを学習しているからです。つまり、フォワードテスト用のウィンドウ領域が減少しているため、この方法が適切かどうかを追加でチェックする必要があります。
記事の素材はすでに完全に揃っているので、あとはこれらを順番に並べて、画像を追加すれば、出版用に送ることができます。
簡単に説明すると、エキスパートシステムを内蔵したニューラルネットワークを扱い（ペーパーライターは有料でどんな夢を見られるのか）、以下の質問に答えている。
1.なぜニューラルネットワークに補間が必要なのか？本当に、なぜ急に必要になったのでしょうか？
2.定常的で一貫性のあるデータに対して正しい近似を行うように訓練されたニューロンは、補間することができるのか？ロジスティック回帰の例で開示され、その順番はニューロンである。ロジスティック回帰の伝道師たちは、不満のままだろう。ペストドクターもこの落書きには否定的だろう。今日、コンピューター診断の計算にロジスティック回帰を使うことが流行っているからだ。
3.正しい補間のためのエキスパートシステムの作り方：必要条件と十分条件？エキスパートシステムは、基本的にはニューラルネットワークの層ですが、他のエキスパートシステムのように簡単に解釈できるルールの知識ベースを持っているので、ブラックボックスではありません。もし何か隠し事があるのなら、そんなものは読まないでブラックボックスを使った方がいい。
4.エキスパートシステムを搭載したニューラルネットワークの再学習は可能か？誰が禁止しているのか？
5.エキスパートシステムの知識ベースを手動で作成・修正する必要がないように、学習例セットに対してエキスパートシステムを自動的に学習させるにはどうすればよいでしょうか。もちろん、トレーニングの例は売買シグナルです。つまり、テクニカル指標や オシレーターの読み取りを利用して、システムに売買のトレーニングをさせるのであって、オタクなフィッシャーの虹彩を認識するために使うのではありません。しかし、それでもこの件を愚かなアルゴリズムに任せるよりは、手で、特に曲線で、ところどころから生えてくる知識ベースを引っ掻く方が便利で確実です。
6.エキスパートシステムによるニューラルネットワークの学習不足を解消する方法とは？確かに、誰もが再訓練や微調整に苦労することに慣れているので、これは不思議な質問ですね。しかし、著者は明らかに間違ったものと戦おうとしている。
7.一般的なニューラルネットワークと、エキスパートシステムを搭載したニューラルネットワークを比較した場合のメリット・デメリットとは？今時、ノウハウ、特許装置、類似品がほとんど見つからない、最高のドッグブリーダーや歯科医からの推薦、デメリットはありえない、メリットしかない、すでに在庫がなくなっているのに今すぐ注文して購入、などと自慢しそうなので、著者はデメリットの面で行き過ぎたのだ。
また、この記事には、外部ライブラリやDLLを使わずにmql4とmql5で書かれたエキスパートシステム付きニューラルネットワークのソースコードが添付され、記事自体もその途中のアルゴリズムの主な特徴を説明していることになります。そして、ソースコードを詮索されないように慎重に隠し、目撃者を排除し、すべての痕跡を隠蔽しなければならないことを、グラップラーなら誰でも確実に知っているのだから、まったく意味がないのだ。
そんなパイ。
フィッティングの問題点は、個々の最適化結果（ラン）しか分析しない人がいることです。しかし、それらは全体として、つまり最適なゾーンの総合的な結果として考えなければならないのです。この場合、フォワードは必要ありません。
例えば、1台のマシンに、マシン期間という1つの最適を持つシステムがあるとします。最適化し、ホールスの値のセットを大量に取得し、例えばPFで並べました。もちろん、個々のランがランダムである可能性は高いので、フォワードなどで確認する必要がある。しかし、個々の走行ではなく、最適ゾーンとそこでの結果を考えた場合、シリーズの異なる部分で最適ゾーンにプラスの結果を収めることはほぼ不可能である。もちろん、これは最適領域の幅と、最適値の最小限の変化に対する実行結果の感度に依存する。つまり、最適ゾーンを維持することは、ロバスト性、アンチフィッティングの証となる。また、フォワードは一度だけ使用すれば良い。同じシステムで繰り返し使用すれば、トレーニングサンプルの一部になるだけです。
追伸
また、特定のシステムが稼働していた時刻もシステムパラメータとなる。例えば、2005年から2011年まで働いていた人がいます。これが、その最適な価値範囲であるライフタイムです。歴史を最適化すると、この範囲が最大になるようなシステムを探すことがほとんどです。しかし、そのシステムがいつまでも機能してはいけない。ですから、テスト期間を設定する際には、それを恣意的に選んで、この範囲内でシステムが動作することを要求するのは、単なる空言に過ぎないということを考慮しなければなりません。10年間検索すると決めたら、それを実行する）。イムハ、その結果に確信を持てるような十分な期間。取引回数や儲かる取引/損する取引の分布によります。
Avals:
しかし、個々の行程ではなく、最適ゾーンとその上の結果を考えた場合、行程の異なる部分で最適ゾーンを超えて正の結果を維持することは、ほとんど適合不可能です。
そう、同じようでいて、違うベクトルなんです。最適領域は、結果に対するある種の平滑化フィルターなのでしょうか？
というのは、ある範囲の光学系における目標指数（例えばプロフィットファクター）の平均値みたいなものです。
十分な平均目標値を持つ選択肢の範囲が、試験のすべてのパートで維持されることが重要である。個別には一時的に損切りゾーンに入ることもあるが、平均的には利益を確保できるレンジである。これがすべてのオプションに対して当てはまるのであれば、システムは堅牢である。
つまり、個々のランのロバスト性を推定するのではなく、オプション全体のロバスト性を推定するという考え方です
例えば、「IQは身長に依存する」と決めておく。1000セルで最適化し、平均最大IQ162cmの身長にする。その後、他の人へのフォワードテストを開始したところ、あまり良くない結果になりました))しかし、例えば身長が160-170cmの人が平均IQが高いことが各サンプルで安定して判明した場合、それが偶然である可能性は単一の値よりはるかに低くなります（サンプルに入る人の数が多いため）。そして、このことは、IQの身長依存性そのものが存在することを意味している。
添付ファイルの新バージョン、今回は資金管理（預金に対する非積極的な割合）付きです。
添付ファイルの新バージョン、今回は資金管理（預金に対する非積極的な割合）付きです。
フィッティングの問題点は、個々の最適化結果（ラン）しか分析しない人がいることです。しかし、それらは全体として、つまり最適なゾーンの総合的な結果として考えなければならないのです。そうすれば、フォワードは不要になります。