Expert Advisors를 최적화하는 데 사용되는 데이터 범위에 대해 질문하고 싶습니다. 저것들. 선택할 수 있는 기간을 지정합니다. 예를 들어, H1의 경우 1개월, 3, 1년 동안 데이터에 대한 Expert Advisor를 최적화하는 것으로 충분합니까? 다양한 기간에 대한 이러한 값과 선택에 대한 최소한의 간단한 정당성을 보고 싶습니다. 미리 감사드립니다
먼저 최적화가 무엇인지 파악해야 합니다. 시스템을 처음부터 가져와서 지난 X일/년 동안 최적화하려고 시도하면 모든 적합에 적합하며 즉시 휴지통으로 이동합니다. 거래 횟수에 따라 최적화 범위가 결정되는 경우에도 마찬가지입니다. TS에 통합된 방법은 오랜 시간 동안(길수록 더 좋음) 작동해야 하며 다른 기기에서 사용하는 것이 좋습니다. 그러나 일하는 것이 변경되지 않은 매개 변수로 전리품을 타작하는 것을 의미하지는 않습니다. 적응할 수 있어야 합니다. 이는 최적의 매개변수가 가장 가까운 기록으로 조정된 매개변수를 사용하여 돈을 벌 수 있도록 충분히 천천히 균등하게 변경되어야 함을 의미합니다. 또는 시장이 귀하의 시스템에 적합하지 않은 경우 적시에 거래를 중단하십시오. 이렇게 하려면 어떤 매개변수와 어느 한도 내에서 최적화하는 것이 합리적인지, 시스템을 포기하는 기준을 알아야 합니다(예: 최적화되는 기간 동안 미리 정의된 영역 내에 최적 값이 없는 경우). . 저것들. 시스템의 적용 가능성과 최적화의 한계를 알아야 하며 이는 테스트 또는 거래의 이력에서 알 수 있습니다. 개별 최적 매개변수가 아니라 방법의 견고성을 달성하는 것이 필요합니다. 이를 위해서는 개별 실행이 아니라 최적의 매개변수 범위 내에서의 거동과 시간 경과에 따른 이러한 범위 내에서 최적 매개변수의 거동의 역학을 분석해야 합니다.
Avals>> : ... 즉, 최적의 매개변수는 가장 가까운 기록에 맞게 조정된 매개변수를 사용하여 수익을 올릴 수 있도록 충분히 천천히 균등하게 변경되어야 합니다. 또는 시장이 귀하의 시스템에 적합하지 않은 경우 적시에 거래를 중단하십시오. 이렇게 하려면 어떤 매개변수와 어느 한도 내에서 최적화하는 것이 합리적인지, 시스템을 포기하는 기준을 알아야 합니다(예: 최적화되는 기간 동안 미리 정의된 영역 내에 최적 값이 없는 경우). . ..
이것은 전체 농담이며 그러한 칩은 굴러 가지 않을 것입니다. 최적의 매개 변수는 충분히 천천히 변경되어야하며 시장은 고정되어 있지 않으며 어느 순간에도
이것은 전체 농담이며 그러한 칩은 굴러 가지 않을 것입니다. 최적의 매개 변수는 충분히 천천히 변경되어야하며 시장은 고정되어 있지 않으며 어느 순간에도
이러한 매개변수와 한계는 크게 변경될 수 있습니다 :-)
이를 위해 시스템을 포기하는 기준이 있으며 대부분의 경우 이는 형평성으로 표시되기 전에 완료될 수 있습니다. 그리고 아무도 공매도가 롤링되지 않는 경우에만 주기적으로 롱 거래를 하는 것을 금지하지 않으며 그 반대도 마찬가지입니다.) 이 모든 것은 거래된 매개변수에서 자본 변경에 대한 결정이 내려지면 적시에 수행될 수 있습니다.
예를 들어 - 1년 동안 최적화한 다음 매월 성장 요인(월별 DEPO 증가)이 계산됩니다. 최대 및 최소 계수가 고려됩니다. 그들의 비율을 안정성 계수라고합니다. 화합하는 경향이 있다면 이상적인 옵션입니다. 최소값도 1보다 커야 합니다. 모든 매개변수는 파일에 저장됩니다. 모든 것을 제대로 하기에는 시간이 충분하지 않습니다. 내 포럼에 게시하고 싶습니다.
예를 들어 - 1년 동안 최적화한 다음 매월 성장 요인(월별 DEPO 증가)이 계산됩니다. 최대 및 최소 계수가 고려됩니다. 그들의 비율을 안정성 계수라고합니다. 화합하는 경향이 있다면 이상적인 옵션입니다. 최소값도 1보다 커야 합니다. 모든 매개변수는 파일에 저장됩니다. 모든 것을 제대로 하기에는 시간이 충분하지 않습니다. 내 포럼에 게시하고 싶습니다.
IMHO 고정 시간 범위 부족: 월, 년. 이와 관련하여 저는 Neutron 에 동의합니다. 고정된 수의 거래에 대한 지표를 비교해야 하며, 그런 다음 DEPO(수입)의 증가뿐 아니라 예를 들어 이익 요소를 비교하여 수입/위험도 계산할 수 있습니다.
일반적으로 전략 테스터 옵티마이저를 조감도에서 보면 Neural Network와 전혀 다르지 않음을 알 수 있습니다. 실제로, 우리는 구성 가능한 특정 수의 매개변수, 사용된 특정 수의 표시기 및 롱 또는 숏 포지션을 열 필요가 있음을 알려주는 하나의 출력을 가지고 있습니다. 일반적으로 조정 가능한 매개 변수의 수는 표시기(입력) 수와 일치하며 이는 고전적인 단일 레이어 퍼셉트론의 변형입니다. 그러나 우리는 이것을 모르고 거래에서 적극적으로 이용합니다. 그리고 NS로 작업할 때 사용되는 장치를 더 잘 아는 것이 유용할 것입니다. 그러면 매개변수를 최적화할 때 표준 오류와 최적이 아닌 동작을 피할 수 있습니다. 예를 들어, 이것은 즉시 전략 테스터의 한계를 의미합니다. 단층 페르세프론은 최적의 근사치가 아니므로 이러한 공식에서는 TS의 수익성 측면에서 MTS에 대해 가능한 최상의 결과를 얻는 것이 원칙적으로 불가능합니다.
NN의 경우 미리 결정된 이력 길이에 대한 최적의 피팅 매개변수 수가 표시되며 이를 무시하면 매개변수의 재최적화 효과가 나타납니다(이미 위에서 언급했습니다). 테스터가 히스토리를 암기하고 순방향 테스트에 대한 보증금을 배수하는 모든 문제의 다리가 여기에서 자랍니다. 또한, 2층 퍼셉트론이 보편적인 근사치라는 점을 고려하면 사용된 지표(서로 곱하기, 나누기 등) 간의 복잡한 관계가 있는 모든 TS를 가중치 손실 없이 줄일 수 있습니다. 동일한 지표의 합과 이미 고전적인 NN 아키텍처를 사용하면 세계에서 가장 효율적인 매개변수 최적화 방법인 오류 역전파 방법을 사용할 수 있습니다. 이것은 명백하고 단순한 열거이며 테스터에 사용된 유전자 알고리즘 조차도 훨씬 더 빠릅니다. 또한 이러한 새로운 아키텍처로의 이전에는 복잡한 것이 없으며 표시기 신호의 합을 취하고 최적의 가중치를 찾는 것으로 충분합니다.
나는 다음과 같이 말하고 싶습니다. 우리는 모두 인공 지능과 인공 지능과 관련된 모든 것, 특히 NS에 대해 매우 회의적이지만 실제로 모든 단계에서 우리가 암묵적인 형태로 이 지식 영역을 악용한다는 사실을 알지 못합니다. - 테스터 전략의 최적화! 무작위로 가장 비최적의 방식으로 이 영역을 이용합니다. 여기에서 일련의 테스트 등에서 "나쁜" 통과를 버리고 싶은 욕구가 자주 발생합니다. 사실 World는 더 간단하고 할 일이 없지만 방법의 범위와 제한 사항만 알면 됩니다.
안녕하세요 여러분!
Expert Advisors를 최적화하는 데 사용되는 데이터 범위에 대해 질문하고 싶습니다. 저것들. 선택할 수 있는 기간을 지정합니다. 예를 들어, H1의 경우 1개월, 3, 1년 동안 데이터에 대한 Expert Advisor를 최적화하는 것으로 충분합니까? 다양한 기간에 대한 이러한 값과 선택에 대한 최소한의 간단한 정당성을 보고 싶습니다. 미리 감사드립니다
나는 같은 것에 대해 이야기하고 있지 않은 것 같습니다 :(((
... 즉, 최적의 매개변수는 가장 가까운 기록에 맞게 조정된 매개변수를 사용하여 수익을 올릴 수 있도록 충분히 천천히 균등하게 변경되어야 합니다. 또는 시장이 귀하의 시스템에 적합하지 않은 경우 적시에 거래를 중단하십시오. 이렇게 하려면 어떤 매개변수와 어느 한도 내에서 최적화하는 것이 합리적인지, 시스템을 포기하는 기준을 알아야 합니다(예: 최적화되는 기간 동안 미리 정의된 영역 내에 최적 값이 없는 경우). . ..
이것은 전체 농담이며 그러한 칩은 굴러 가지 않을 것입니다. 최적의 매개 변수는 충분히 천천히 변경되어야하며 시장은 고정되어 있지 않으며 어느 순간에도
이러한 매개변수와 한계는 크게 변경될 수 있습니다 :-)
이것은 전체 농담이며 그러한 칩은 굴러 가지 않을 것입니다. 최적의 매개 변수는 충분히 천천히 변경되어야하며 시장은 고정되어 있지 않으며 어느 순간에도
이러한 매개변수와 한계는 크게 변경될 수 있습니다 :-)
그것이 요점입니다 :)
이것은 전체 농담이며 그러한 칩은 굴러 가지 않을 것입니다. 최적의 매개 변수는 충분히 천천히 변경되어야하며 시장은 고정되어 있지 않으며 어느 순간에도
이러한 매개변수와 한계는 크게 변경될 수 있습니다 :-)
이를 위해 시스템을 포기하는 기준이 있으며 대부분의 경우 이는 형평성으로 표시되기 전에 완료될 수 있습니다. 그리고 아무도 공매도가 롤링되지 않는 경우에만 주기적으로 롱 거래를 하는 것을 금지하지 않으며 그 반대도 마찬가지입니다.) 이 모든 것은 거래된 매개변수에서 자본 변경에 대한 결정이 내려지면 적시에 수행될 수 있습니다.
나는 최근에 일종의 안정성 요소를 사용하려고 노력하고 있습니다.
예를 들어 - 1년 동안 최적화한 다음 매월 성장 요인(월별 DEPO 증가)이 계산됩니다. 최대 및 최소 계수가 고려됩니다. 그들의 비율을 안정성 계수라고합니다. 화합하는 경향이 있다면 이상적인 옵션입니다. 최소값도 1보다 커야 합니다. 모든 매개변수는 파일에 저장됩니다. 모든 것을 제대로 하기에는 시간이 충분하지 않습니다. 내 포럼에 게시하고 싶습니다.
나는 최근에 일종의 안정성 요소를 사용하려고 노력하고 있습니다.
예를 들어 - 1년 동안 최적화한 다음 매월 성장 요인(월별 DEPO 증가)이 계산됩니다. 최대 및 최소 계수가 고려됩니다. 그들의 비율을 안정성 계수라고합니다. 화합하는 경향이 있다면 이상적인 옵션입니다. 최소값도 1보다 커야 합니다. 모든 매개변수는 파일에 저장됩니다. 모든 것을 제대로 하기에는 시간이 충분하지 않습니다. 내 포럼에 게시하고 싶습니다.
IMHO 고정 시간 범위 부족: 월, 년. 이와 관련하여 저는 Neutron 에 동의합니다. 고정된 수의 거래에 대한 지표를 비교해야 하며, 그런 다음 DEPO(수입)의 증가뿐 아니라 예를 들어 이익 요소를 비교하여 수입/위험도 계산할 수 있습니다.
IMHO 고정 시간 범위 부족: 월, 년. 이와 관련하여 저는 Neutron 에 동의합니다. 고정된 수의 거래에 대한 지표를 비교해야 하며, 그런 다음 DEPO(수입)의 증가뿐 아니라 예를 들어 이익 요소를 비교하여 수입/위험도 계산할 수 있습니다.
시스템을 항상 개선할 수 있습니다. 기준이 있을 것입니다.
...........기준이 있겠지.
이것은 전체 tsimus입니다 :) "최적화에 관한 멋진 책"을 읽은 후에도 모든 사람이 자신의 기준을 조정합니다 .......... 모든 질문에 대한 답변 없음 ..... 어딘가에 누구 - 일부 일, 어딘가에 ..... 등 등....
..................
불행히도 나는이 모든 것을 계산할 수있는 통계 및 수학 장치를 소유하고 있지 않지만 이것으로도 소유하는 것이 도움이되지 않는다고 생각합니다. 너무 많은 옵션이 있습니다 .....
일반적으로 전략 테스터 옵티마이저를 조감도에서 보면 Neural Network와 전혀 다르지 않음을 알 수 있습니다. 실제로, 우리는 구성 가능한 특정 수의 매개변수, 사용된 특정 수의 표시기 및 롱 또는 숏 포지션을 열 필요가 있음을 알려주는 하나의 출력을 가지고 있습니다. 일반적으로 조정 가능한 매개 변수의 수는 표시기(입력) 수와 일치하며 이는 고전적인 단일 레이어 퍼셉트론의 변형입니다. 그러나 우리는 이것을 모르고 거래에서 적극적으로 이용합니다. 그리고 NS로 작업할 때 사용되는 장치를 더 잘 아는 것이 유용할 것입니다. 그러면 매개변수를 최적화할 때 표준 오류와 최적이 아닌 동작을 피할 수 있습니다. 예를 들어, 이것은 즉시 전략 테스터의 한계를 의미합니다. 단층 페르세프론은 최적의 근사치가 아니므로 이러한 공식에서는 TS의 수익성 측면에서 MTS에 대해 가능한 최상의 결과를 얻는 것이 원칙적으로 불가능합니다.
NN의 경우 미리 결정된 이력 길이에 대한 최적의 피팅 매개변수 수가 표시되며 이를 무시하면 매개변수의 재최적화 효과가 나타납니다(이미 위에서 언급했습니다). 테스터가 히스토리를 암기하고 순방향 테스트에 대한 보증금을 배수하는 모든 문제의 다리가 여기에서 자랍니다. 또한, 2층 퍼셉트론이 보편적인 근사치라는 점을 고려하면 사용된 지표(서로 곱하기, 나누기 등) 간의 복잡한 관계가 있는 모든 TS를 가중치 손실 없이 줄일 수 있습니다. 동일한 지표의 합과 이미 고전적인 NN 아키텍처를 사용하면 세계에서 가장 효율적인 매개변수 최적화 방법인 오류 역전파 방법을 사용할 수 있습니다. 이것은 명백하고 단순한 열거이며 테스터에 사용된 유전자 알고리즘 조차도 훨씬 더 빠릅니다. 또한 이러한 새로운 아키텍처로의 이전에는 복잡한 것이 없으며 표시기 신호의 합을 취하고 최적의 가중치를 찾는 것으로 충분합니다.
나는 다음과 같이 말하고 싶습니다. 우리는 모두 인공 지능과 인공 지능과 관련된 모든 것, 특히 NS에 대해 매우 회의적이지만 실제로 모든 단계에서 우리가 암묵적인 형태로 이 지식 영역을 악용한다는 사실을 알지 못합니다. - 테스터 전략의 최적화! 무작위로 가장 비최적의 방식으로 이 영역을 이용합니다. 여기에서 일련의 테스트 등에서 "나쁜" 통과를 버리고 싶은 욕구가 자주 발생합니다. 사실 World는 더 간단하고 할 일이 없지만 방법의 범위와 제한 사항만 알면 됩니다.