アルゴリズムによる''遠心分離機''です。 - ページ 2

 

これは、遺伝的 最適化アルゴリズム です。ただ、どのブロックのどのパラメータがどのブロックに属しているかは、通常、解析されない。

ps: あなたが考えつくものはすべて、すでにずっと前に発明されています。

ps2: 遠心分離機は、カーネルとエンジンの隣にあるべき場所です。

 

その結果、得られる何かを最適化し、効果的なパラメータを選択することが、決定的となる。いつ、どの時点で、中間的なミニ最適化、ある指標または指標の束のパラメータの局所的な選択が行われるのか。一部ブロック

例えば、取引システムの新しい要素に残すべきパラメータを誰が決めるのか。多くのシステムは、1本のブラシがベースになっています。率との交差点にある。MA(SMA,9.0), MA(SMA,104.37), MA(SMA,28.35), MA(SMA,14.0).トレーディングストラテジーはレートとMA(SMA)の交点が基本ですが、トレーディングシステムとそのミニイデオロギーは少し違います。MAの周期やシフトを変え、このようなパラメータにしました。もちろん、これらのパラメータがまさにそれであるべきだというのは間違いかもしれません。

それに、通貨ペアの「書き方」は、商品によって変わるのです。どこか28.35でもいいのですが、他の楽器ではダメなんです。また、1つのシンボルのタイムフレームを変更すると、パラメータが異なってきます。28.35も104.37もダメなんです。セッションが変わり、ボラティリティが上がったので、より多くのパラメータが必要です。

今度はボラティリティが変わる-最小ストップロスが 自動的に変わる。これもブロックです。トレーディング選択されたリスクから、最大可能安全ロットが変更されます。私のホームページにも資料があります。 作業ロット、上限以下、いつ、どのような基準で作業ロットが選ばれるのでしょう。誰によって、あるいは何によって。最適で効果的なパラメータは、常にジャンプし、変化しています。

ストキャスティクス5,3,3を使った取引システムは、M1とD1では異なるものです。安く仕入れて高く売るというのは、はっきりしている。しかし、実際に成功した取引ではアプローチが異なる。理論的には、「波がある、波がある。何でもいいから、ストキャスティクスを適用してくれ。そして実践。本格的にトレードを始めると同じストキャスティクス5,3,3でも全てが違う。あそこもここもプラスになるとは限らないが、理由はまったく違う。理論上も歴史上も、すべてが美しい。

おそらく私は、最適化-最適化、局所的な有効パラメータの選択、そしてトレーディング戦略設計に共通する有効パラメータの選択と選択を行っていたのだと思います。選択しているうちに、パラメータが消えてしまった。ニュースとその結果D1の強いトレンドは、横ばいに変化しています。レートが変更になりました。為替介入開始あるいは、そのまま出航してしまった。積極的に有効なパラメータを選択しない戦略は無意味である。私は今、戦略ブロックを作ったが、少なくとも事実や歴史によってその有効性を評価すべきである。

一つの思想は、フラットで利益を上げること。トレンドで利益を上げようと思えば、それはまた別の話です。

これは3つ目か、どれだろう。戦略、グリッド戦略とそのバリエーション、マーティン - とそのバリエーションのデータベースを作成することが必要です。などなど。どの指標がどのような目的で、どのような位置づけで同じように使われているのかが、データベースでわかるようになります。ここでは、すでにあるブロックが表示されます。

要するに、戦略をデータベース化し、その中で使われている要素を分解し、分析の基礎や使用基準も含めて、データベース化する人、それが天才なのです。引き出しから取り出せる。:)

 
Реter Konow:

その発想が素晴らしいとは思いません。要するに、みんなが大好きな最適化を、より複雑にしただけなんです。

選択すべきはシステムパラメータの値だけでなく、システムパラメータそのものである。指標は、システムパラメータのサンプルとして取得されます。それ以外はすべて同じです。

1.まず、システムのパラメータを選択します(指標の組み立て)。

2.エントリーポイントの値を選択します(選択された指標アセンブリの場合)。

3.注文パラメーターであるストップとロットの値を選択します。

出力される取引戦略を得ることができる。

つまり、最適化=過去の価格への調整ということですね。現実の世界では、すべてが崩れ去ってしまうのです。
あなたはまだテスターでグレイルが ある理由を理解していない、しかし、実際の生活の中で - ゼロ?
 

MathRandomの ためにSEEDsを通すと、さらにシンプルになります :-)

パックから任意の指標を取り出し、そのパラメータや関係を最適化するのと同じことです。

ピーター - 来年は、少なくともセントと最小ロットで取引してください。そんな悪知恵は働かないでしょう。

---

もう一つのヒントがあります。3つの異なる時間枠のトレンドインデックス、異なる時間枠のボラティリティインデックス、1つのジグザグを使うことです。これはシステムであるはずなんです。

コンプを効かせるために慎重に最適化し、プロセスの可視化を実現。そして最も重要なのは、その後マーティンゲールすることです(そのように開いていても気にしない人) :-)

 
Maxim Kuznetsov:

MathRandomのためにSEEDsを通すと、さらにシンプルになります :-)

それは、パックから任意の指標を取り出し、そのパラメータと関係を最適化することとほぼ同じです。

ピーターさん、来年はセントで最小ロットで取引してください。そんなあからさまなバカな発想はないだろう。

---

もう一つの処方箋は、トレンドインデックス、異なる時間枠のボラティリティインデックス、3つの時間枠の1ジグザグを使用することです。 システムであるはずの

コンピュータが動くように、プロセスが見えるように、丁寧に最適化すること。そして、最も重要なのは、その後、マーチンゲール(正しい方向に開いていれば気にしない人) :-) です。

遺伝的アルゴリズムでは、そのようにスタートし、パラメータ群の組み合わせを経ていきます。

 
Oleg Papkov:

...

コンセプトは、「EACH INDICATORはONE PARAMETER」です。

すべての指標は、トレーディングシステムの全体的なパラメータです。


すべての指標となる計算を1つのパラメータに集約し、共通の入出力信号の一部として使用します。

複数のインジケータが1つのシグナルを構成しています。

Signalで選択された指標値の構成を遺伝的アルゴリズムで 探索する。

また、最適化手法により、オーダーパラメーター値の構成を探索する。

 
つまり、ピーターはまたしても自分の発明で世の中を幸せにすることができなかったのだ。
 
Maxim Kuznetsov:...

パラメータとは)

バリューとは?

システムとは?

最適化とは?

知っていますか?))


ここで、インディケータとは、売買シグナルの一部である1つのパラメータを計算するための式であると考えてください。

複数のインジケータ - 複数のパラメータ - ONE Signal.

取引システム全体は、入力と出力信号のパラメータ、注文と停止のパラメータの複合体です。

最適化の過程で、Systemのパラメータとその値を試すと、Strategyが得られる。

 
Реter Konow:

コンセプトは、「EACH INDICATORはONE PARAMETER」です。

すべての指標は、トレーディングシステムのパラメーターの一般的な選択である。


すべての指標となる計算を1つのパラメータに集約し、共通の入出力信号の一部として使用します。

複数のインジケータが1つのシグナルを構成しています。

Signalで選択された指標値の構成を遺伝的アルゴリズムで 探索する。

また、最適化手法により、オーダーパラメーターの値の構成を探索する。

なぜ?それはすでに実現されています。ストキャスティクスがソレとソレであれば、ブール変数=真となる。SARの指標は、このような条件下でソレである場合 - 別のブーリアン=Troueです。など、5~6~8個の変数があります。 最後は、Expert Advisorが非常に静かになっていることがわかります。取引をするわけではありません。または1週間に10pipsのトレードを1回行う。このような論理変数の収束はない、もしくはごく稀にしか起こらない。そして、トレンドと漂流物が行き交う。マーチンゲールはすでに儲かっている。でも、使うのが怖いんです。現実はこうだ。すでに行われていることです。

最適化についてあらゆる最適化は、遺伝的アルゴリズムを用いて行われます。何かを探すのは、遺伝的アルゴリズムそのものではありません。最適化は、遺伝的アルゴリズムを用いて行う。これにより、最適化における時間稼ぎが可能になります。

 
Oleg Papkov:

...

最適化について最適化には、遺伝的アルゴリズムが適しています。何かを探すのは、遺伝的アルゴリズムそのものではありません。最適化を行うのは、遺伝的アルゴリズムです。これにより、最適化における時間稼ぎが可能になります。

GAを正しく理解すれば、Optimisationの際に値の検索範囲を狭めることができます。

例えば、こんな感じです。

パラメータA,B,Cがあり、それらの値の取り得る範囲は45億である。

パラメータA,B,Cの値から変化するパラメータXがあります。しかし、変化のパターンは明らかにされていない。

課題:A,B,Cの値を列挙して、パラメータXを値Yにする。

2つのバリエーション。(1)直接的なブルートフォース、(2)遺伝的アルゴリズム

2つ目のバリエーションは、必要な値の検索フィールドを効果的に狭めることができます。