ある記事のアドバイザー。すべての人を対象としたテスト。 - ページ 8 12345678910 新しいコメント Anatoli Kazharski 2012.02.08 02:14 #71 Avals: ホールディングの適切な分析には、フォワードは全く必要ないのです。 フォワードの本質は、最適化されたパラメータの極値が時間とともに浮き上がるかどうかを評価することである。つまり、テスト領域全体(最適化+autofsample)で局所極値が複数ある場合を切り捨てる。各オプションの極限特異性と単調性を個別に解析することで、よりうまく切り離すことができる。つまり、オプションが時間的に「浮く」ことがないことがすでに保証されているのです。また、フォワードには重大な欠点があります。それは、最適化面上の個々の点のみを考慮し、全体としては考慮しないことです。これは、プロットを最適化サンプルとオートサンプルにフォノン分割することと相まって、台座以下のこのような解析の統計的信頼性を低下させます))それは一つの気付きに過ぎません。もしかしたら、オートサンプルを選択することが幸運で、クソみたいなオプションのセットが通過するかもしれませんし、その逆もあります。オートサンプルは、「良い」オプションのセットが一時的に引き下げられる期間に該当します。 しかし、いずれにせよ、最適化の課題は、システムの各パラメータのロバスト性を評価することであると、私は繰り返し述べています。疑わしい場合は、破棄するか、修正するのがよいでしょう。統計と売買ロジックで100%裏付けされたものだけを残す。 つまり、一連のフォワードテストを行うのではなく、できるだけ大きな期間の履歴でパラメータを最適化 した方が良いということですね?原理的にはこれも真実で、きれいなカーブを描くためには、より広い面積にパラメータを「当てはめる」ことが難しくなるからです。:) Yury Reshetov 2012.02.08 06:49 #72 Avals: は、誤って何かを歪ませることはありません。これは、GA自身が突然変異のメカニズムによって行う。最適化は、個々のオプションのロバスト性をチェックするために必要なのであって、グローバルな極値を見つけるために必要なのではありません。そこがポイントで、GAは単に大域的な極限を探すのではなく、多変数関数の値に関して他の極限を超えるような極限、つまりはmax(y = f(x0, x1, ... xn))のところです。x0, x1 ...xn - TSの入力パラメータyはGAの適合度関数また、座標{x0, x1, ...}を持つ多次元空間の点で見つかったGAの極限が保証されるわけではありません。xn}は、ヒストリカルデータの一部に対してのみ時間的に浮遊し、時間的に極限状態にあるわけではありません。もし、最適化にロバストネスチェックが可能であれば、適合は全く存在しないことになります。そして、適合が存在する以上、フォワードテストなどの追加チェックが必要です。アヴァルス: しかし、いずれにせよ、ここでも最適化の課題は、システム内の各パラメータのロバスト性を評価することである。 デタラメとシビレ。最適化とは定義上、極限を見つける ことであり、それ以外の問題を解決するものではない。 Yury Reshetov 2012.02.08 07:01 #73 tol64: つまり、一連のフォワードテストを行うのではなく、できるだけ大きな履歴間隔でパラメータを最適化した方が良いということですね?原理的には、より大きな区間でパラメータを「フィット」させて美しいカーブを得る方が難しいので、これもある程度真実であると言えるでしょう。:)定常的なデータには大数の法則が働くので、引用元が定常的であれば、より統計的に正しい結果が得られるはずです。 また、非定常なデータを扱っているので、ここでは統計学や大数の法則は通用しない。なぜなら、チェビシェフの大数の法則で、試行回数が増え、期待値=定数と有限分散が存在 すると、統計データはその定数値に近づくとされているからです。非定常は、期待値の恒常性と有限の分散を除外するため、定義上存在しないもの、存在しえないものは計算も精製も意味をなさないので、何も精製できない。 闇夜に黒猫を探すは難し Avals 2012.02.08 09:25 #74 Reshetov: デタラメとサボタージュ。最適化は定義上、極値を見つけることであり、他の問題を解決するものではありません。 オプティマイザーは、正しく使えば、まだまだいろいろなことができるんです。それをこき下ろすのは、1つのトップラインを使うために多くのパラメータを最適化するオタクだけです ;) Yury Reshetov 2012.02.08 15:57 #75 IgorM: Hv.Yuriさん、記事はいつ頃掲載されるのですか? ただ、記事のテキストを送信して確認してもらった。 検証後、https://www.mql5.com/ru/articles/366 で利用可能になります。 Igor Makanu 2012.02.08 16:05 #76 Reshetov: ただ、記事のテキストを送信して確認してもらった。 検証後、https://www.mql5.com/ru/articles/366。 ありがとうございました。 ZS: もう、記事の最初の行が見えてきましたよ。"404 Requested page not found"、息を呑む.))))) ZZY:私はあなたの記事が最適なネットワーク構造を選択する方法を教えてくれることを願って、ネットワークが十分に訓練されたとみなされたとき、ここで私は2x2を学習台無しにされています... > Yury Reshetov 2012.02.08 16:19 #77 IgorM: ありがとうございました。 ZS: もう、記事の最初の行が見えてきましたよ。"404 Requested page not found "に息を呑む・・・。))))) ZZY:私はあなたの記事が最適なネットワーク構造を選択する方法を教えてくれることを願って、ネットワークが十分に訓練されたとみなされたとき、ここで私は2x2を学習台無しにされています... はい、しかし、第1層はニューロンではなく3つの入力に対するエキスパートシステム、隠れ層はパーセプトロン、つまりすでにニューロン、出力は線形シグモイドなので、正確にはネットワークとは言えません。エキスパートシステムの知識ベースにおけるルール選択の必要性と充足性について詳述している。つまり、何も最適化する必要はないのです。エキスパートシステムは、論文に書かれているすべての条件を完全に満たす必要があり、他のアーキテクチャは適さない。十分に訓練されていないので何も削除できないし、再教育されることが確実なので何も追加することができない。 フォワードテストによるEAの最適化方法と、特定された極限の追加安定性チェックの方法について、詳細な説明があります。非定常条件下でTSを100%学習させたと考えるには、そのすべてが十分すぎるほどであるとは言えませんが、フォワードテストの不安定性やランダム性に巻き込まれないためには、そのすべてが必要であると言えます。 Igor Makanu 2012.02.08 16:25 #78 Reshetov: はい、しかし、第1層はニューロンではなく3つの入力に対するエキスパートシステム、隠れ層はパーセプトロン、つまりすでにニューロン、出力は線形シグモイドなので、正確にはネットワークとは言えません。エキスパートシステムの知識ベースに対するルール選択の必要性と充足性を詳細に説明する。 NSの入力に、すでに学習させたNSの出力を与えて、NSの配列からシステムを作ろうと考えています。 Yury Reshetov 2012.02.09 05:36 #79 掲載が 一時的に遅れています。本文は編集済みですが、スクリーンショットは、私の不注意で許容サイズをオーバーしてしまいました。スクリーンショットを撮るために、もう一度最適化をやり直す必要がありそうです。また、MT5での最適化は恐ろしく遅いです。そのため、当面の間、出版は無期限延期とさせていただきます。 Anatoli Kazharski 2012.02.09 05:47 #80 Reshetov: 掲載が一時的に遅れています。本文は編集済みですが、スクリーンショットは、私の不注意で許容サイズをオーバーしてしまいました。スクリーンショットを撮るために、もう一度最適化をやり直す必要がありそうです。また、MT5での最適化は恐ろしく遅いです。そのため、当面の間、出版を延期することになりました。 Photoshopで画質を落とさずにスクリーンショットを小さくすることは可能ですか? P.S.端末の要素があると、あまりうまくいきませんが。 12345678910 新しいコメント 取引の機会を逃しています。 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 新規登録 ログイン スペースを含まないラテン文字 このメールにパスワードが送信されます エラーが発生しました Googleでログイン WebサイトポリシーおよびMQL5.COM利用規約に同意します。 新規登録 MQL5.com WebサイトへのログインにCookieの使用を許可します。 ログインするには、ブラウザで必要な設定を有効にしてください。 ログイン/パスワードをお忘れですか? Googleでログイン
ホールディングの適切な分析には、フォワードは全く必要ないのです。
フォワードの本質は、最適化されたパラメータの極値が時間とともに浮き上がるかどうかを評価することである。つまり、テスト領域全体(最適化+autofsample)で局所極値が複数ある場合を切り捨てる。各オプションの極限特異性と単調性を個別に解析することで、よりうまく切り離すことができる。つまり、オプションが時間的に「浮く」ことがないことがすでに保証されているのです。また、フォワードには重大な欠点があります。それは、最適化面上の個々の点のみを考慮し、全体としては考慮しないことです。これは、プロットを最適化サンプルとオートサンプルにフォノン分割することと相まって、台座以下のこのような解析の統計的信頼性を低下させます))それは一つの気付きに過ぎません。もしかしたら、オートサンプルを選択することが幸運で、クソみたいなオプションのセットが通過するかもしれませんし、その逆もあります。オートサンプルは、「良い」オプションのセットが一時的に引き下げられる期間に該当します。
しかし、いずれにせよ、最適化の課題は、システムの各パラメータのロバスト性を評価することであると、私は繰り返し述べています。疑わしい場合は、破棄するか、修正するのがよいでしょう。統計と売買ロジックで100%裏付けされたものだけを残す。
つまり、一連のフォワードテストを行うのではなく、できるだけ大きな期間の履歴でパラメータを最適化 した方が良いということですね?原理的にはこれも真実で、きれいなカーブを描くためには、より広い面積にパラメータを「当てはめる」ことが難しくなるからです。:)
は、誤って何かを歪ませることはありません。これは、GA自身が突然変異のメカニズムによって行う。最適化は、個々のオプションのロバスト性をチェックするために必要なのであって、グローバルな極値を見つけるために必要なのではありません。
そこがポイントで、GAは単に大域的な極限を探すのではなく、多変数関数の値に関して他の極限を超えるような極限、つまりは
max(y = f(x0, x1, ... xn))
のところです。
x0, x1 ...xn - TSの入力パラメータ
yはGAの適合度関数
また、座標{x0, x1, ...}を持つ多次元空間の点で見つかったGAの極限が保証されるわけではありません。xn}は、ヒストリカルデータの一部に対してのみ時間的に浮遊し、時間的に極限状態にあるわけではありません。もし、最適化にロバストネスチェックが可能であれば、適合は全く存在しないことになります。そして、適合が存在する以上、フォワードテストなどの追加チェックが必要です。
しかし、いずれにせよ、ここでも最適化の課題は、システム内の各パラメータのロバスト性を評価することである。
つまり、一連のフォワードテストを行うのではなく、できるだけ大きな履歴間隔でパラメータを最適化した方が良いということですね?原理的には、より大きな区間でパラメータを「フィット」させて美しいカーブを得る方が難しいので、これもある程度真実であると言えるでしょう。:)
定常的なデータには大数の法則が働くので、引用元が定常的であれば、より統計的に正しい結果が得られるはずです。
また、非定常なデータを扱っているので、ここでは統計学や大数の法則は通用しない。なぜなら、チェビシェフの大数の法則で、試行回数が増え、期待値=定数と有限分散が存在 すると、統計データはその定数値に近づくとされているからです。非定常は、期待値の恒常性と有限の分散を除外するため、定義上存在しないもの、存在しえないものは計算も精製も意味をなさないので、何も精製できない。
闇夜に黒猫を探すは難し
デタラメとサボタージュ。最適化は定義上、極値を見つけることであり、他の問題を解決するものではありません。Hv.Yuriさん、記事はいつ頃掲載されるのですか?
ただ、記事のテキストを送信して確認してもらった。
検証後、https://www.mql5.com/ru/articles/366 で利用可能になります。
ただ、記事のテキストを送信して確認してもらった。
検証後、https://www.mql5.com/ru/articles/366。
ありがとうございました。
ZS: もう、記事の最初の行が見えてきましたよ。"404 Requested page not found"、息を呑む.)))))
ZZY:私はあなたの記事が最適なネットワーク構造を選択する方法を教えてくれることを願って、ネットワークが十分に訓練されたとみなされたとき、ここで私は2x2を学習台無しにされています...
>ありがとうございました。
ZS: もう、記事の最初の行が見えてきましたよ。"404 Requested page not found "に息を呑む・・・。)))))
ZZY:私はあなたの記事が最適なネットワーク構造を選択する方法を教えてくれることを願って、ネットワークが十分に訓練されたとみなされたとき、ここで私は2x2を学習台無しにされています...
はい、しかし、第1層はニューロンではなく3つの入力に対するエキスパートシステム、隠れ層はパーセプトロン、つまりすでにニューロン、出力は線形シグモイドなので、正確にはネットワークとは言えません。エキスパートシステムの知識ベースにおけるルール選択の必要性と充足性について詳述している。つまり、何も最適化する必要はないのです。エキスパートシステムは、論文に書かれているすべての条件を完全に満たす必要があり、他のアーキテクチャは適さない。十分に訓練されていないので何も削除できないし、再教育されることが確実なので何も追加することができない。
フォワードテストによるEAの最適化方法と、特定された極限の追加安定性チェックの方法について、詳細な説明があります。非定常条件下でTSを100%学習させたと考えるには、そのすべてが十分すぎるほどであるとは言えませんが、フォワードテストの不安定性やランダム性に巻き込まれないためには、そのすべてが必要であると言えます。
はい、しかし、第1層はニューロンではなく3つの入力に対するエキスパートシステム、隠れ層はパーセプトロン、つまりすでにニューロン、出力は線形シグモイドなので、正確にはネットワークとは言えません。エキスパートシステムの知識ベースに対するルール選択の必要性と充足性を詳細に説明する。
掲載が 一時的に遅れています。本文は編集済みですが、スクリーンショットは、私の不注意で許容サイズをオーバーしてしまいました。スクリーンショットを撮るために、もう一度最適化をやり直す必要がありそうです。また、MT5での最適化は恐ろしく遅いです。そのため、当面の間、出版は無期限延期とさせていただきます。
掲載が一時的に遅れています。本文は編集済みですが、スクリーンショットは、私の不注意で許容サイズをオーバーしてしまいました。スクリーンショットを撮るために、もう一度最適化をやり直す必要がありそうです。また、MT5での最適化は恐ろしく遅いです。そのため、当面の間、出版を延期することになりました。
Photoshopで画質を落とさずにスクリーンショットを小さくすることは可能ですか?
P.S.端末の要素があると、あまりうまくいきませんが。