1) 나는 혼란스러운 지표에 많은 TS를 수정했지만 한 가지 문제를 극복하지 못했습니다. TS는 높은 효율성을 보여 주지만 짧은 기간 동안. 왜냐하면 최적화는 원칙적으로 하지 않고, 지표 최적화가 상당히 어렵고, 변경해야 할 매개변수가 너무 많고, 다양한 전략에 따라 점점 더 많은 새로운 TS를 만들고, 넓은 범위에서 안정적인 것을 찾으려고 노력하고 있습니다. 지금까지는 불가능했습니다.
2) 가장 원시적인 것을 하나의 머신으로 만들어 보기로 했고, 작업 범위는 훨씬 넓어졌지만 성능은 이전 버전에 비해 매우 낮습니다. 스튜디오에 대한 질문 : 그러한 차량을 정제 할 가능성이 있습니까? 또는 경험이 풍부한 사람의 경험에 따르면 그러한 차량에는 기회가 없습니까?
제 생각에는 첫 번째와 두 번째 모두 적응력이 부족합니다. 그리고 세련미를 위해 (쓸모없는 것으로 판명 될 수 있음) 평생을 보낼 수 있습니다.
joo : 제 생각에는 첫 번째와 두 번째 모두 적응력이 부족합니다. 그리고 세련미를 위해 (쓸모없는 것으로 판명 될 수 있음) 평생을 보낼 수 있습니다.
결과의 수와 수익성에 따라 신호를 활성화 / 비활성화하는 "적응성"이라는 단어를 사용하면 지원합니다! 옛날 옛적에 흥미로운 주제가 있었는데 이름이 기억나지 않습니다. 한 사람이 얻거나 고갈되지 않은 전략의 예를 사용하여 바로 이 전환의 효과를 보여주었습니다. 그는 1.00 또는 0.01의 두 가지 유형의 로트를 거래했습니다. 포인트로 움직이는 이익 곡선을 가상으로 구축하고 이익이 곡선 위에 있으면 1.00랏, 그렇지 않으면 0.01로 거래됩니다.
EvgeTrofi : 결과의 수와 수익성에 따라 신호를 활성화 / 비활성화하는 "적응성"이라는 단어를 사용하면 지원합니다! 옛날 옛적에 흥미로운 주제가 있었는데 이름이 기억나지 않습니다. 한 사람이 얻거나 고갈되지 않은 전략의 예를 사용하여 바로 이 전환의 효과를 보여주었습니다. 그는 1.00 또는 0.01의 두 가지 유형의 로트를 거래했습니다. 포인트로 움직이는 이익 곡선을 가상으로 구축하고 이익이 곡선 위에 있으면 1.00랏, 그렇지 않으면 0.01로 거래됩니다.
아니요, 다른 얘기를 하고 있습니다. 필터링에 대해 이야기하고 있으며 어떤 필터링(신호 또는 위치 크기)은 중요하지 않습니다.
적응력에 대해 이야기하고 있습니다. 차량의 능력치가 변경됩니다. 적응성은 두 가지 유형으로 나눌 수 있습니다.
a) 매개변수의 변경은 연속적입니다(연속성은 물론 각 막대에서 TS 매개변수의 변경을 의미하며 신호 자체의 이산 특성으로 인해 더 적은 불연속성을 달성할 수 없음)
b) 일정 기간 후 매개변수 변경.
저자는 선택에 직면해 있음이 분명합니다. TS 매개변수의 추가 사양 작업을 하고 "모든 것을 고려"(다시, 역사적 섹션의 뉘앙스만 고려)하거나 거칠게 시도하십시오. TS(이 접근법의 지지자들은 TS가 갖는 매개변수가 적을수록 더 좋다고 믿습니다) . 두 접근 방식 모두 단점이 있습니다. 첫 번째 방식은 견고성이 낮고 두 번째 방식은 수익성이 낮습니다. 그리고 일반적으로 일정한 로트와 일정한 TP 및 SL로 테스트하려는 많은 사람들의 욕망을 완전히 이해할 수 없습니다. 위의 관점에서 이것을 호출하기 때문에 ... 그것이 무엇인지 알고 있습니다.
나는 우리가 재최적화(잠시 후 최적화)가 아니라 적응성에 대해 이야기하고 있음을 강조합니다. 다시 최적화하더라도 없는 것보다 낫습니다.
또는 TS를 조잡하게 만드십시오(이 접근법의 지지자들은 TS가 갖는 매개변수가 적을수록 더 좋다고 믿습니다).
매개변수를 줄이는 것이 항상 TS의 "거칠게"와 연관되는 것은 아닙니다. 모든 경우에 일부 상수를 사용하는 대신 매개변수를 적응적으로 계산할 수 있다는 것입니다. 여기에서 상수 접근 방식은 다른 위치의 구멍을 채우기 위해 새로운 상수가 필요하기 때문에 더 문제가 있음을 이해하기 쉽습니다.
역사의 어느 시점에서 코드 수준에서 모든 구멍을 패치하는 것은 원칙적으로 역사에 맞추는 것과 다르지 않다는 것도 이해하기 쉽습니다.
아니요, 다른 얘기를 하고 있습니다. 필터링에 대해 이야기하고 있으며 어떤 필터링(신호 또는 위치 크기)은 중요하지 않습니다.
적응력에 대해 이야기하고 있습니다. 차량의 능력치가 변경됩니다. 적응성은 두 가지 유형으로 나눌 수 있습니다.
a) 매개변수의 변경은 연속적입니다(연속성은 물론 각 막대에서 TS 매개변수의 변경을 의미하며 신호 자체의 이산 특성으로 인해 더 적은 불연속성을 달성할 수 없음)
b) 일정 기간 후 매개변수 변경.
저자는 선택에 직면해 있음이 분명합니다. TS 매개변수의 추가 사양 작업을 하고 "모든 것을 고려"(다시, 역사적 섹션의 뉘앙스만 고려)하거나 거칠게 시도하십시오. TS(이 접근법의 지지자들은 TS가 갖는 매개변수가 적을수록 더 좋다고 믿습니다) . 두 접근 방식 모두 단점이 있습니다. 첫 번째 방식은 견고성이 낮고 두 번째 방식은 수익성이 낮습니다. 그리고 일반적으로 일정한 로트와 일정한 TP 및 SL로 테스트하려는 많은 사람들의 욕망을 완전히 이해할 수 없습니다. 위의 관점에서 이것을 호출하기 때문에 ... 그것이 무엇인지 알고 있습니다.
나는 우리가 재최적화(잠시 후 최적화)가 아니라 적응성에 대해 이야기하고 있음을 강조합니다. 다시 최적화하더라도 없는 것보다 낫습니다.
당신은 괜찮습니다. 그리고 저는 정확히 이 방향으로 가려고 합니다. 그리고 서로 다른 전략에 따라 점점 더 많은 새로운 TS를 만드는 것이 시장의 모든 단계에서 똑같이 잘 작동하는 이상적인 것을 찾는 것 자체가 끝이 아니며, TS를 적응시킬 수 있는 전략을 찾기 위해 노력하고 있습니다. 범위가 넓지 만 지금까지 내 회백질은 모든 흰색 반점을 채우기에 충분하지 않습니다.
원시적 접근 방식은 필요한 효율성을 제공하지 않으며 주제 시작 부분에 표시된 TS가 이를 보여줍니다.
개별 시장 상황을 인식하고 처리하도록 훈련된 다수의 논리 블록을 포함하는 복잡한 시스템을 생성하면 TS의 효율성이 크게 향상되지만 이 문제의 단점은 이러한 시스템을 조정하기 때문입니다. 각 노드에는 기본적으로 자체 조정 매개변수가 있습니다. 점점 더 많은 새로운 기능 블록을 생성하는 것은 여전히 무한한 수의 시장 상황을 고려하는 것이 불가능하며 블록이 정적으로 만들어지면 상황이 변하면 기껏해야 처리를 중지하지만 종종 작은 변경 시장의 본질은 꺼지지 않고 일을 왜곡하고 거짓 신호를 발생시킨다.
전통적인 방식으로 적응 문제를 해결하려는 시도는 TS 자체 내부의 전략 테스터의 원칙에 따라 가상 실행에서 특정 시간 간격으로 재교육하고 조정 가능한 매개변수의 조합을 변경하는 것이 불가능합니다. 각 블록의 연산을 반영하는 최적화 매개변수와 유전 알고리즘도 이 경우에는 도움이 되지 않습니다. 또한, 이것은 순전히 적응이 아니라 뒤따르는 모든 결과를 수반하는 최적화이며, 최적화는 시장의 현재 변화를 반영할 수 없으며, 최적화 의 결과로 얻은 매개변수 외에 최적화에 소요된 시간만큼 항상 지연됩니다. 최적화 범위의 간격에 대해 매우 평균화되어 주어진 시간에 최적의 범위에 해당하지 않습니다.
이 난국에서 벗어나는 방법은 피드백의 원리를 기반으로 적응 시스템을 만드는 것입니다. 예를 들어 피드백이 신호의 주파수와 위상을 안정화하는 발전기 또는 음의 피드백이 주어진 범위에서 주파수 응답을 균등화하는 증폭기에서 . 그리고 이 범위 내의 신호는 진폭과 주파수 모두에서 넓은 범위에 걸쳐 변할 수 있지만 신호 변화의 특성에 관계없이 하나의 기능 유닛만이 주어진 경계 내에서 시스템을 유지합니다.
나는 오랫동안 이 문제를 풀기 위해 고군분투했고, 직관적으로 해결책이 있다고 느끼고, 원을 그리며 걸어보지만, 아르키메데스가 말했듯이 "나에게 지렛대를 주시고, 내가 땅을 돌릴 것입니다.” 그래서 이 지점을 찾을 수 없습니다. 따라서 복잡한 차량에서 솔루션을 찾기가 어렵기 때문에 이 주제를 제기했습니다. 그래서 한 대의 기계에서 가장 원시적인 것부터 시작하자고 제안합니다.
이 난국에서 벗어나는 방법은 피드백 원리를 기반으로 하는 적응 시스템을 만드는 것입니다. 예를 들어 피드백이 신호의 주파수와 위상을 안정화하는 발전기 또는 음의 피드백이 주어진 범위에서 주파수 응답을 균등화하는 증폭기와 같은 것입니다. 그리고 이 범위 내의 신호는 진폭과 주파수 모두에서 넓은 범위에 걸쳐 변할 수 있지만 신호 변화의 특성에 관계없이 하나의 기능 유닛만이 주어진 경계 내에서 시스템을 유지합니다.
sever30 : 젠장, 가장 흥미로운 곳에서 ... 나는 이해하지 못했습니다 ... :( 사람들, 단락에있는 내용, 간단히 말해서 ...
Angela는 분명히 부정의 교정 RC 체인을 의미합니다. 피드백(앰프를 사용하는 경우). 그러나 여러분, 시장에는 그러한 간단한 솔루션이 없습니다. 어떤 이유에서인지 대부분의 사람들이 이해하기 어려운 매우 간단한 일이 있습니다. 원인이 있습니다. 결과가 있습니다. (원인에 적응 ???)))를 예측하려는 시도는 아무데도 이끌지 않을 것입니다. 우리에게 남은 것은 변화하는 맥락에 최대한 빠르게 대응하는 것뿐인데, 이는 쉬운 일이 아니지만 가격을 예측하려는 시도와 달리 풀릴 수 있다.
Svinozavr : Angela는 분명히 부정의 교정 RC 체인을 의미합니다. 피드백(앰프를 사용하는 경우). 그러나 여러분, 시장에는 그러한 간단한 솔루션이 없습니다. 어떤 이유에서인지 대부분의 사람들이 이해하기 어려운 매우 간단한 일이 있습니다. 원인이 있습니다. 결과가 있습니다. 예측하려는 시도(원인 ???)))는 아무데도 이끌지 않을 것입니다. 우리에게 남은 것은 변화하는 맥락에 최대한 빠르게 대응하는 것뿐인데, 이는 쉬운 일이 아니지만 가격을 예측하려는 시도와 달리 풀릴 수 있다.
그리고 선견지명에 대한 의문이 없었던 것 같습니다. 적응력에 대해 이야기하고 있습니다. 귀하의 용어로 - "변화하는 상황에 최대한 빨리 대응하기 위해." 적어도 그것이 내가 의미하는 바였습니다. Angela 가 그것을 의미했는지는 모르겠습니다.
joo : 그리고 선견지명에 대한 의문이 없었던 것 같습니다. 적응력에 대해 이야기하고 있습니다. 귀하의 용어로 - "변화하는 상황에 최대한 빨리 대응하기 위해." 적어도 그것이 내가 의미하는 바였습니다. Angela 가 그것을 의미했는지는 모르겠습니다.
물론이죠, 앤드류. 예측하지 말고 따르십시오. 그러나 다시 한 번 이것을 강조하는 것은 불필요한 것이 아닙니다. 끊임없는 인내로 사람들은 추측하려고 노력하고 특정 순간에 무슨 일이 일어나고 있는지 이해하지 못합니다. 따라서 작동하지 않는 TA 등에 대한 끊임없는 말도 안되는 소리.
1) 나는 혼란스러운 지표에 많은 TS를 수정했지만 한 가지 문제를 극복하지 못했습니다. TS는 높은 효율성을 보여 주지만 짧은 기간 동안. 왜냐하면 최적화는 원칙적으로 하지 않고, 지표 최적화가 상당히 어렵고, 변경해야 할 매개변수가 너무 많고, 다양한 전략에 따라 점점 더 많은 새로운 TS를 만들고, 넓은 범위에서 안정적인 것을 찾으려고 노력하고 있습니다. 지금까지는 불가능했습니다.
2) 가장 원시적인 것을 하나의 머신으로 만들어 보기로 했고, 작업 범위는 훨씬 넓어졌지만 성능은 이전 버전에 비해 매우 낮습니다. 스튜디오에 대한 질문 : 그러한 차량을 정제 할 가능성이 있습니까? 또는 경험이 풍부한 사람의 경험에 따르면 그러한 차량에는 기회가 없습니까?
나는 믿음과 희망을 잃지 않으며 그것을 할 때 사랑이 올 것입니다!
:)
사랑은 그것 없이도 올 수 있습니다... 아시다시피, 사랑은 물질적인 것이 아니라 영적인 것입니다... :)
어쩌면 당신은 여전히 성배 가 아닌 사랑을 찾고 있습니까? :) 먼저 진정한 목표를 정하는 것이 좋을 것입니다. :)
제 생각에는 첫 번째와 두 번째 모두 적응력이 부족합니다. 그리고 세련미를 위해 (쓸모없는 것으로 판명 될 수 있음) 평생을 보낼 수 있습니다.
결과의 수와 수익성에 따라 신호를 활성화 / 비활성화하는 "적응성"이라는 단어를 사용하면 지원합니다! 옛날 옛적에 흥미로운 주제가 있었는데 이름이 기억나지 않습니다. 한 사람이 얻거나 고갈되지 않은 전략의 예를 사용하여 바로 이 전환의 효과를 보여주었습니다. 그는 1.00 또는 0.01의 두 가지 유형의 로트를 거래했습니다. 포인트로 움직이는 이익 곡선을 가상으로 구축하고 이익이 곡선 위에 있으면 1.00랏, 그렇지 않으면 0.01로 거래됩니다.
아니요, 다른 얘기를 하고 있습니다. 필터링에 대해 이야기하고 있으며 어떤 필터링(신호 또는 위치 크기)은 중요하지 않습니다.
적응력에 대해 이야기하고 있습니다. 차량의 능력치가 변경됩니다. 적응성은 두 가지 유형으로 나눌 수 있습니다.
a) 매개변수의 변경은 연속적입니다(연속성은 물론 각 막대에서 TS 매개변수의 변경을 의미하며 신호 자체의 이산 특성으로 인해 더 적은 불연속성을 달성할 수 없음)
b) 일정 기간 후 매개변수 변경.
저자는 선택에 직면해 있음이 분명합니다. TS 매개변수의 추가 사양 작업을 하고 "모든 것을 고려"(다시, 역사적 섹션의 뉘앙스만 고려)하거나 거칠게 시도하십시오. TS(이 접근법의 지지자들은 TS가 갖는 매개변수가 적을수록 더 좋다고 믿습니다) . 두 접근 방식 모두 단점이 있습니다. 첫 번째 방식은 견고성이 낮고 두 번째 방식은 수익성이 낮습니다. 그리고 일반적으로 일정한 로트와 일정한 TP 및 SL로 테스트하려는 많은 사람들의 욕망을 완전히 이해할 수 없습니다. 위의 관점에서 이것을 호출하기 때문에 ... 그것이 무엇인지 알고 있습니다.
나는 우리가 재최적화(잠시 후 최적화)가 아니라 적응성에 대해 이야기하고 있음을 강조합니다. 다시 최적화하더라도 없는 것보다 낫습니다.
joo :
또는 TS를 조잡하게 만드십시오(이 접근법의 지지자들은 TS가 갖는 매개변수가 적을수록 더 좋다고 믿습니다).
매개변수를 줄이는 것이 항상 TS의 "거칠게"와 연관되는 것은 아닙니다. 모든 경우에 일부 상수를 사용하는 대신 매개변수를 적응적으로 계산할 수 있다는 것입니다. 여기에서 상수 접근 방식은 다른 위치의 구멍을 채우기 위해 새로운 상수가 필요하기 때문에 더 문제가 있음을 이해하기 쉽습니다.
역사의 어느 시점에서 코드 수준에서 모든 구멍을 패치하는 것은 원칙적으로 역사에 맞추는 것과 다르지 않다는 것도 이해하기 쉽습니다.
아니요, 다른 얘기를 하고 있습니다. 필터링에 대해 이야기하고 있으며 어떤 필터링(신호 또는 위치 크기)은 중요하지 않습니다.
적응력에 대해 이야기하고 있습니다. 차량의 능력치가 변경됩니다. 적응성은 두 가지 유형으로 나눌 수 있습니다.
a) 매개변수의 변경은 연속적입니다(연속성은 물론 각 막대에서 TS 매개변수의 변경을 의미하며 신호 자체의 이산 특성으로 인해 더 적은 불연속성을 달성할 수 없음)
b) 일정 기간 후 매개변수 변경.
저자는 선택에 직면해 있음이 분명합니다. TS 매개변수의 추가 사양 작업을 하고 "모든 것을 고려"(다시, 역사적 섹션의 뉘앙스만 고려)하거나 거칠게 시도하십시오. TS(이 접근법의 지지자들은 TS가 갖는 매개변수가 적을수록 더 좋다고 믿습니다) . 두 접근 방식 모두 단점이 있습니다. 첫 번째 방식은 견고성이 낮고 두 번째 방식은 수익성이 낮습니다. 그리고 일반적으로 일정한 로트와 일정한 TP 및 SL로 테스트하려는 많은 사람들의 욕망을 완전히 이해할 수 없습니다. 위의 관점에서 이것을 호출하기 때문에 ... 그것이 무엇인지 알고 있습니다.
나는 우리가 재최적화(잠시 후 최적화)가 아니라 적응성에 대해 이야기하고 있음을 강조합니다. 다시 최적화하더라도 없는 것보다 낫습니다.
당신은 괜찮습니다. 그리고 저는 정확히 이 방향으로 가려고 합니다. 그리고 서로 다른 전략에 따라 점점 더 많은 새로운 TS를 만드는 것이 시장의 모든 단계에서 똑같이 잘 작동하는 이상적인 것을 찾는 것 자체가 끝이 아니며, TS를 적응시킬 수 있는 전략을 찾기 위해 노력하고 있습니다. 범위가 넓지 만 지금까지 내 회백질은 모든 흰색 반점을 채우기에 충분하지 않습니다.
원시적 접근 방식은 필요한 효율성을 제공하지 않으며 주제 시작 부분에 표시된 TS가 이를 보여줍니다.
개별 시장 상황을 인식하고 처리하도록 훈련된 다수의 논리 블록을 포함하는 복잡한 시스템을 생성하면 TS의 효율성이 크게 향상되지만 이 문제의 단점은 이러한 시스템을 조정하기 때문입니다. 각 노드에는 기본적으로 자체 조정 매개변수가 있습니다. 점점 더 많은 새로운 기능 블록을 생성하는 것은 여전히 무한한 수의 시장 상황을 고려하는 것이 불가능하며 블록이 정적으로 만들어지면 상황이 변하면 기껏해야 처리를 중지하지만 종종 작은 변경 시장의 본질은 꺼지지 않고 일을 왜곡하고 거짓 신호를 발생시킨다.
전통적인 방식으로 적응 문제를 해결하려는 시도는 TS 자체 내부의 전략 테스터의 원칙에 따라 가상 실행에서 특정 시간 간격으로 재교육하고 조정 가능한 매개변수의 조합을 변경하는 것이 불가능합니다. 각 블록의 연산을 반영하는 최적화 매개변수와 유전 알고리즘도 이 경우에는 도움이 되지 않습니다. 또한, 이것은 순전히 적응이 아니라 뒤따르는 모든 결과를 수반하는 최적화이며, 최적화는 시장의 현재 변화를 반영할 수 없으며, 최적화 의 결과로 얻은 매개변수 외에 최적화에 소요된 시간만큼 항상 지연됩니다. 최적화 범위의 간격에 대해 매우 평균화되어 주어진 시간에 최적의 범위에 해당하지 않습니다.
이 난국에서 벗어나는 방법은 피드백의 원리를 기반으로 적응 시스템을 만드는 것입니다. 예를 들어 피드백이 신호의 주파수와 위상을 안정화하는 발전기 또는 음의 피드백이 주어진 범위에서 주파수 응답을 균등화하는 증폭기에서 . 그리고 이 범위 내의 신호는 진폭과 주파수 모두에서 넓은 범위에 걸쳐 변할 수 있지만 신호 변화의 특성에 관계없이 하나의 기능 유닛만이 주어진 경계 내에서 시스템을 유지합니다.
나는 오랫동안 이 문제를 풀기 위해 고군분투했고, 직관적으로 해결책이 있다고 느끼고, 원을 그리며 걸어보지만, 아르키메데스가 말했듯이 "나에게 지렛대를 주시고, 내가 땅을 돌릴 것입니다.” 그래서 이 지점을 찾을 수 없습니다. 따라서 복잡한 차량에서 솔루션을 찾기가 어렵기 때문에 이 주제를 제기했습니다. 그래서 한 대의 기계에서 가장 원시적인 것부터 시작하자고 제안합니다.
이 난국에서 벗어나는 방법은 피드백 원리를 기반으로 하는 적응 시스템을 만드는 것입니다. 예를 들어 피드백이 신호의 주파수와 위상을 안정화하는 발전기 또는 음의 피드백이 주어진 범위에서 주파수 응답을 균등화하는 증폭기와 같은 것입니다. 그리고 이 범위 내의 신호는 진폭과 주파수 모두에서 넓은 범위에 걸쳐 변할 수 있지만 신호 변화의 특성에 관계없이 하나의 기능 유닛만이 주어진 경계 내에서 시스템을 유지합니다.
젠장, 가장 흥미로운 곳에서 ... 나는 이해하지 못했습니다 ... :( 사람들, 단락에있는 내용, 간단히 말해서 ...
Angela는 분명히 부정의 교정 RC 체인을 의미합니다. 피드백(앰프를 사용하는 경우). 그러나 여러분, 시장에는 그러한 간단한 솔루션이 없습니다. 어떤 이유에서인지 대부분의 사람들이 이해하기 어려운 매우 간단한 일이 있습니다. 원인이 있습니다. 결과가 있습니다. 예측하려는 시도(원인 ???)))는 아무데도 이끌지 않을 것입니다. 우리에게 남은 것은 변화하는 맥락에 최대한 빠르게 대응하는 것뿐인데, 이는 쉬운 일이 아니지만 가격을 예측하려는 시도와 달리 풀릴 수 있다.
그리고 선견지명에 대한 의문이 없었던 것 같습니다. 적응력에 대해 이야기하고 있습니다. 귀하의 용어로 - "변화하는 상황에 최대한 빨리 대응하기 위해." 적어도 그것이 내가 의미하는 바였습니다. Angela 가 그것을 의미했는지는 모르겠습니다.
물론이죠, 앤드류. 예측하지 말고 따르십시오. 그러나 다시 한 번 이것을 강조하는 것은 불필요한 것이 아닙니다. 끊임없는 인내로 사람들은 추측하려고 노력하고 특정 순간에 무슨 일이 일어나고 있는지 이해하지 못합니다. 따라서 작동하지 않는 TA 등에 대한 끊임없는 말도 안되는 소리.
그래서 ... 방금 OOS에 대한 질문에 대답했습니다.)))