이 주제는 토론할 수 있습니다. 10,000개의 거래(다차원 공간의 점, 선택한 차원 - 변수로 제한됨)가 있는 경우 모든 점을 초평면에 배치하기 위해 10,000개의 변수를 입력하는 것으로 충분합니다. 그것은 이미 지옥에 맞습니다. 즉, 내가 말하고 싶은 것은
이것은 원칙적으로 사실이 아니지만 중요하지 않은 경우가 발생합니다.
유효성을 확인할 수 있습니다. 다른 변수는 고정된 상태에서 한 변수의 변경이 결과를 크게 변경하지 않으면 유의성이 낮은 것입니다. 그러나 이 경우 다른 변수와의 상호 작용이 손실됩니다. 사실, 시스템은 여러 변수의 상호 작용입니다.
모든 것이 더 쉽습니다.
이 주제의 주제는 앞으로 나아가는 것입니다. 그의 용어에 적합 - 고문의 실제 성과에 대한 최적화 결과의 기록 및 대체에 대한 최적화 . 적합성의 부족은 최적화되지 않은, 앞으로의 역사 부분에 대한 결과의 분석입니다. 최적화되지 않은 영역에 대한 결과만 보고 있다면 이는 적합하지 않은 추정치입니다.
저것들. 이러한 의미에서 변수의 존재 또는 부재의 유효성에 대한 유일한 기준은 예측할 수 없는 미래의 조건에서 수익을 얻는 데 도움이 되는지 여부입니다.
다시 말해서, 내가 아는 최고의 핏은 포워드 핏입니다. 그러나 불행히도 이것은 단순히 최적화하여 달성할 수 없으며 코드를 변경해야 합니다.
이 주제의 주제는 앞으로 나아가는 것입니다. 그의 용어에 적합 - 고문의 실제 성과에 대한 최적화 결과의 기록 및 대체에 대한 최적화 . 적합성의 부족은 최적화되지 않은, 앞으로의 역사 부분에 대한 결과의 분석입니다. 최적화되지 않은 영역에 대한 결과만 보고 있다면 이는 적합하지 않은 추정치입니다.
저것들. 이러한 의미에서 변수의 존재 또는 부재의 유효성에 대한 유일한 기준은 예측할 수 없는 미래의 조건에서 수익을 얻는 데 도움이 되는지 여부입니다.
다시 말해서, 내가 아는 최고의 핏은 포워드 핏입니다. 그러나 불행히도 이것은 단순히 최적화하여 달성할 수 없으며 코드를 변경해야 합니다.
나는 이것에 동의합니다.
시장은 일반적으로 최대 500개의 최적화 거래가 제공되는 수천 달러의 고문으로 가득 차 있습니다. 배수구입니다.
쉽지 않은 문제입니다. 사전 조정 시스템(노이즈 학습)에 얼마나 많은 시간을 할애하고 노이즈를 연구하는 경향이 덜한 시스템을 사전 설계할 수 있는 방법이 있다면 나쁜 예측을 지켜보는 것입니다.
나는 그것을 전혀 사용하지 않으며, 내 GA는 내 테스터이며 모든 것이 MQL5에 있습니다.
PS는 2011년에 MQ에 이것저것을 구현하도록 요청하는 데 지쳤습니다. 나는 내 모든 것을 썼다. 저는 일반 테스터를 실시간으로 데모에서 실행하기 전에 디버깅용으로만 사용합니다.
그러나 걸을 때 유전 알고리즘과 최적화 방법을 비교하는 것은 흥미로울 것입니다 . 처음에는 변수 를 하나씩최적화하는 것이 더 경제적이라고 판단했는데, 걸을 때 한 구간이 여러 번 최적화에 빠지고 변수들의 상호작용이 여전하기 때문이다. 그리고 나는 오랫동안 유전학을 손으로 해본 결과 거의 차이가 없다는 것이 밝혀졌습니다. 그러나 이 작업을 위해 특별히 자동 테스터를 다시 만드는 것은 솔직히 너무 게으릅니다. 이 경우에 대해 다소 많은 다중 변수 올빼미를 선택하고 결과와 내 결과를 비교할 수 있습니까?
이 주제는 토론할 수 있습니다. 10,000개의 거래(다차원 공간의 점, 선택한 차원 - 변수로 제한됨)가 있는 경우 모든 점을 초평면에 배치하기 위해 10,000개의 변수를 입력하는 것으로 충분합니다. 그것은 이미 지옥에 맞습니다. 즉, 내가 말하고 싶은 것은
이것은 원칙적으로 사실이 아니지만 중요하지 않은 경우가 발생합니다.
유효성을 확인할 수 있습니다. 다른 변수는 고정된 상태에서 한 변수의 변경이 결과를 크게 변경하지 않으면 유의성이 낮은 것입니다. 그러나 이 경우 다른 변수와의 상호 작용이 손실됩니다. 사실, 시스템은 여러 변수의 상호 작용입니다.
모든 것이 더 쉽습니다.
이 주제의 주제는 앞으로 나아가는 것입니다. 그의 용어에 적합 - 고문의 실제 성과에 대한 최적화 결과의 기록 및 대체에 대한 최적화 . 적합성의 부족은 최적화되지 않은, 앞으로의 역사 부분에 대한 결과의 분석입니다. 최적화되지 않은 영역에 대한 결과만 보고 있다면 이는 적합하지 않은 추정치입니다.
저것들. 이러한 의미에서 변수의 존재 또는 부재의 유효성에 대한 유일한 기준은 예측할 수 없는 미래의 조건에서 수익을 얻는 데 도움이 되는지 여부입니다.
다시 말해서, 내가 아는 최고의 핏은 포워드 핏입니다. 그러나 불행히도 이것은 단순히 최적화하여 달성할 수 없으며 코드를 변경해야 합니다.
모든 것이 더 쉽습니다.
이 주제의 주제는 앞으로 나아가는 것입니다. 그의 용어에 적합 - 고문의 실제 성과에 대한 최적화 결과의 기록 및 대체에 대한 최적화 . 적합성의 부족은 최적화되지 않은, 앞으로의 역사 부분에 대한 결과의 분석입니다. 최적화되지 않은 영역에 대한 결과만 보고 있다면 이는 적합하지 않은 추정치입니다.
저것들. 이러한 의미에서 변수의 존재 또는 부재의 유효성에 대한 유일한 기준은 예측할 수 없는 미래의 조건에서 수익을 얻는 데 도움이 되는지 여부입니다.
다시 말해서, 내가 아는 최고의 핏은 포워드 핏입니다. 그러나 불행히도 이것은 단순히 최적화하여 달성할 수 없으며 코드를 변경해야 합니다.
나는 이것에 동의합니다.
시장은 일반적으로 최대 500개의 최적화 거래가 제공되는 수천 달러의 고문으로 가득 차 있습니다. 배수구입니다.
쉽지 않은 문제입니다. 사전 조정 시스템(노이즈 학습)에 얼마나 많은 시간을 할애하고 노이즈를 연구하는 경향이 덜한 시스템을 사전 설계할 수 있는 방법이 있다면 나쁜 예측을 지켜보는 것입니다.
나는 이것에 동의합니다.
시장은 일반적으로 최대 500개의 최적화 거래가 제공되는 수천 달러의 고문으로 가득 차 있습니다. 배수구입니다.
쉽지 않은 문제입니다. 사전 조정 시스템(노이즈 학습)에 얼마나 많은 시간을 할애하고 노이즈를 연구하는 경향이 덜한 시스템을 사전 설계할 수 있는 방법이 있다면 나쁜 예측을 지켜보는 것입니다.
지금까지 아무도 이러한 의미에서 앞으로 걷는 것보다 더 나은 것을 제안하지 않았습니다.
그럼 내가 제안할게.
Dancing Forward는 테스트에서 새로운 단어입니다.
우리는 녹색에서 훈련하고 빨간색에서 테스트합니다. 여러 번 반복합니다.
)
Dancing Forward는 테스트에서 새로운 단어입니다.
그럼 내가 제안할게.
Dancing Forward는 테스트에서 새로운 단어입니다.
우리는 녹색에서 훈련하고 빨간색에서 테스트합니다. 여러 번 반복합니다.
)
이것은 꽤 오래된 생각입니다. Volkin에 적용했을 때 펜으로도 이 옵션을 시도했지만 작동하지 않았습니다. 그리고 성공적인 사이트에 대한 교육과 이를 팔로우하는 데 실패했습니다.
사실 우리 는 관성을 잃고 그 대가로 복권 을 얻습니다. 이제 역사의 구체적인 표본을 고려할 수 있는 방법이 있다면 .... -이 주제에 대해 몇 가지 아이디어가 있으며 여전히 확인해야 합니다.
그 비결은 역사적 으로 시장의 특정 특성 을 결정하고 그 순환 성을 확인할 수 있는 신뢰할 수 있는 방법이 없다는 것입니다. 그리고 이것이 없으면 과거의 사이트를 선택하는 프로세스가 완전히 무작위입니다.
그 결과 우리는 무엇을 얻게 될까요?
그 결과 우리는 무엇을 얻게 될까요?
물론 농담입니다)
그러나 이 방법은 반복을 통한 교차 검증과 유사합니다. 이 접근 방식은 테스트 세트에서 모델 매개변수를 추정할 때 사용됩니다. 즉, 얻은 결과의 검증은 별도의 세트에서 수행되어야 합니다.
여기 에서 표준 테스터를 사용하여 Walk Forward 방식을 설명했습니다.
나는 그것을 전혀 사용하지 않으며, 내 GA는 내 테스터이며 모든 것이 MQL5에 있습니다.
PS는 2011년에 MQ에 이것저것을 구현하도록 요청하는 데 지쳤습니다. 나는 내 모든 것을 썼다. 저는 일반 테스터를 실시간으로 데모에서 실행하기 전에 디버깅용으로만 사용합니다.