Youri Tarshecki : 세트는 역사의 특정 부분에 대한 고문의 작업의 중간 특성이며 그 이상은 아닙니다. 포워드 결과를 받자마자 새 세그먼트에 대한 중간 세트를 로드하고 바이바이, 다음에 덮어씁니다. 초기 세트만 중요합니다. 그런 다음 시작 조건이 동일해야 합니다.
일부 무작위 테스트. 결과적으로 매개변수 집합을 얻습니까?
다음은 위키피디아에서 발췌한 내용입니다.
Walk forward optimization is a method used in finance for determining the best parameters to use in a trading strategy.
그리고 나는 그러한 dropout 방법이 유전학이 없는 완전한 최적화에 좋다고 주장하지 않습니다. 대안으로. 그러나 최종 결과는 여전히 역사의 마지막 시기에 아름다운 균형 곡선을 찾기 위한 매개변수를 찾습니다. 유전이 있는 경우.
그리고 나는 그러한 dropout 방법이 유전학이 없는 완전한 최적화에 좋다고 주장하지 않습니다. 대안으로.
최적화와 테스트를 분리하자. 걷는 것은 "걷는 것"입니다. 제 생각에는 최적화되지 않은 섹션을 앞으로 단계로 확인하는 것이 일반적인 단계별 테스트 입니다.
또한 걷기의 주요 아이디어는 시장의 관성, 또는 오히려 확인 - 우리의 Expert Advisor가 익숙하지 않은 환경에서 얼마나 오래 관성인지입니다. 저것들. 걷기는 삶에서와 같이 때때로 Expert Advisor를 최적화하고 예측할 수 없는 시장의 거친 바다로 출시하는 상황을 모방합니다.
물론 최적화 자체는 완전히 다를 수 있습니다. 이것은 사용자 정의 기준이며 세트에서 세트를 꺼내고 악마는 거래자가 무엇을 생각해 냈는지 알고 있습니다.
그러나 테스트의 본질은 우리가 가정하고 현실이 처분한다는 것입니다. 어드바이저와 함께 무엇을 하든 - 코드를 변경했는지, 특별한 세트를 선택했는지 여부 - 테스트는 이 솔루션이 얼마나 성공적인지 보여줍니다.
따라서 레시피는 간단합니다. 설정 선택 방법에 대해 앞으로 진행 테스트를 수행하고 선택 설정의 다른 방법에 대해 앞으로 걷는 결과와 비교하면 모든 것이 즉시 명확해집니다.
음 알았어. 하지만 최적화가 있는 경우. 그런 다음 결국 우리는 여전히 역사에 대한 세트에 도달합니다.
세트는 역사의 특정 부분에 대한 고문의 작업의 중간 특성이며 그 이상은 아닙니다. 포워드 결과를 받자마자 새 세그먼트에 대한 중간 세트를 로드하고 바이바이, 다음에 덮어씁니다. 초기 세트만 중요합니다. 그런 다음 시작 조건이 동일해야 합니다.
일부 무작위 테스트. 결과적으로 매개변수 집합을 얻습니까?
다음은 위키피디아에서 발췌한 내용입니다.
그리고 나는 그러한 dropout 방법이 유전학이 없는 완전한 최적화에 좋다고 주장하지 않습니다. 대안으로. 그러나 최종 결과는 여전히 역사의 마지막 시기에 아름다운 균형 곡선을 찾기 위한 매개변수를 찾습니다. 유전이 있는 경우.일부 무작위 테스트. 결과적으로 매개변수 집합을 얻습니까?
다음은 위키피디아에서 발췌한 내용입니다.
워크 포워드 테스트를 통해 합리적인 '자유도'를 유지하면서 거래 시스템 을 개발할 수 있습니다 .
거기에서.
워크 포워드 테스트를 통해 합리적인 '자유도'를 유지하면서 거래 시스템 을 개발할 수 있습니다 .
거기에서.
동의한다. 개발 및 특정 개선 사항의 영향을 추적하는 경우 - 매우 좋습니다.
예, 기사에 반영된 중요한 점은 배경에 따라 최적화하는 데 의미 가 있는 매개변수를 찾을 수 있다는 것입니다. 결국 같은 방식으로 로봇과 작업하기 위해: 일정 기간이 지났습니다. 봇에 새로운 세트가 주어졌을 때 이 매개변수를 최적화했습니다.
저것들. 다시 최적화할 수 있고 다시 최적화해야 하는 Expert Advisors를 작성하는 데 도움이 됩니다.
동의한다. 개발 및 특정 개선 사항의 영향을 추적하는 경우 - 매우 좋습니다.
예, 기사에 반영된 중요한 점은 배경에 따라 최적화하는 데 의미 가 있는 매개변수를 찾을 수 있다는 것입니다. 결국 같은 방식으로 로봇과 작업하기 위해: 일정 기간이 지났습니다. 봇에 새로운 세트가 주어졌을 때 이 매개변수를 최적화했습니다.
저것들. 다시 최적화할 수 있고 다시 최적화해야 하는 Expert Advisors를 작성하는 데 도움이 됩니다.
여기가 최고입니다.
어쨌든 손잡이가 있는 Metaquote에서 그런 직원을 요구하십시오. 미래에는 물론 그들이 할 것이지만 몇 년이 지나갈 수도 있지만 지금은 자동 테스터를 만드십시오.
Fyodor 삼촌(MQL5.com이 아닌 Prostokvashino에서)과 달리 올바른 샌드위치를 요리합니다. :)
여기 SD 에 대한 응용 프로그램이 있습니다. 날짜를 보니 응용 프로그램이 열려 있습니다. 그들은 우리가 그것을 할 것이라고 말합니다.
여기 SD 에 대한 응용 프로그램이 있습니다. 날짜를 보니 응용 프로그램이 열려 있습니다. 그들은 우리가 그것을 할 것이라고 말합니다.
나는 이 주제에 대해 한 지점에서 MK와 대화를 나눴습니다. QUEUE가 있습니다. 그것을 뛰어넘기 위해서는
1. 또는 거래 커뮤니티의 어떤 초월적인 이익
2. 또는 개발자의 자신의 신념 또는 사회적 책임.
무역 커뮤니티는 손전등 아래에서 무리를 찾는 데 익숙하며 그것이 무의미하다는 것을 이해하는 사람들은 대개 자신의 작은 손전등을 만듭니다.
개발자 자신은 거래자가 아니며 신화와 습관의 영향을 받기도 합니다. 따라서 우선 순위 계층은 다수에 초점을 맞춥니다.
그러나 이것이 우리가 여기서 무엇을 하고 있는지 논의할 필요가 없다는 것을 의미하지는 않습니다.-)
예를 들어, 앞으로 걸어가는 시각적 표시 문제에 대한 좋은 솔루션은 다음 분기에서 발견되었습니다. Igor Volodin이 그의 도구에서 했던 것처럼 타임라인을 고려하기만 하면 됩니다. 앞으로 정렬을 만들기 위해 여전히.
일부 무작위 테스트. 결과적으로 매개변수 집합을 얻습니까?
다음은 위키피디아에서 발췌한 내용입니다.
그리고 나는 그러한 dropout 방법이 유전학이 없는 완전한 최적화에 좋다고 주장하지 않습니다. 대안으로.최적화와 테스트를 분리하자. 걷는 것은 "걷는 것"입니다. 제 생각에는 최적화되지 않은 섹션을 앞으로 단계로 확인하는 것이 일반적인 단계별 테스트 입니다.
또한 걷기의 주요 아이디어는 시장의 관성, 또는 오히려 확인 - 우리의 Expert Advisor가 익숙하지 않은 환경에서 얼마나 오래 관성인지입니다. 저것들. 걷기는 삶에서와 같이 때때로 Expert Advisor를 최적화하고 예측할 수 없는 시장의 거친 바다로 출시하는 상황을 모방합니다.
물론 최적화 자체는 완전히 다를 수 있습니다. 이것은 사용자 정의 기준이며 세트에서 세트를 꺼내고 악마는 거래자가 무엇을 생각해 냈는지 알고 있습니다.
그러나 테스트의 본질은 우리가 가정하고 현실이 처분한다는 것입니다. 어드바이저와 함께 무엇을 하든 - 코드를 변경했는지, 특별한 세트를 선택했는지 여부 - 테스트는 이 솔루션이 얼마나 성공적인지 보여줍니다.
따라서 레시피는 간단합니다. 설정 선택 방법에 대해 앞으로 진행 테스트를 수행하고 선택 설정의 다른 방법에 대해 앞으로 걷는 결과와 비교하면 모든 것이 즉시 명확해집니다.
Yuriy, MetaQuotes 테스터에서 진행 테스트가 수행되어야 한다고 생각하는 방법을 설명할 수 있다면 좋을 것입니다(하지만 Photoshop에서 수정한 스크린샷에 표시했다면 멋질 것입니다).
범위 및 기간을 지정하는 방법, 중간 결과를 표시하는 방법, 출력으로 얻을 항목 등
이렇게 하면 응용 프로그램을 고려하는 시간을 절약할 수 있고 포럼 독자의 질문 중 일부를 제거할 수 있다고 생각합니다.
Yuriy, MetaQuotes 테스터에서 진행 테스트가 수행되어야 한다고 생각하는 방식을 설명할 수 있다면 좋을 것입니다(하지만 Photoshop에서 수정한 스크린샷에 표시했다면 멋질 것입니다).
범위 및 기간을 지정하는 방법, 중간 결과를 표시하는 방법, 출력으로 얻을 항목 등
이렇게 하면 응용 프로그램을 고려하는 시간을 절약할 수 있고 포럼 독자의 질문 중 일부를 제거할 수 있다고 생각합니다.