Виртуальный оптимизатор на mql, встроенный в советник? - страница 3

 
kharko писал (а) >> Значит, нам известна последовательность сделок. Эту последовательность представим в виде 1 и 0, выигрыш и проигрыш соответственно. Такой массив передается на вход функции, которая раскладывает его на паттерны. Например. 11,10,00,01.

Вычисляет вероятность срабатывания текущего паттерна и сравнивает с желаемой вероятностью.... Например, мы входим в рынок при вероятности получения прибыли 80 %.

Бесполезно, если стратегия бернуллиева. Схема Бернулли непредсказуема в принципе, т.к. испытания (здесь - бинарные результаты сделок, т.е. 1 или 0) независимы от истории сделок. Вероятность успеха всегда одинакова - даже если перед этим было 500 успехов.

P.S. У тебя есть шанс, если система небернуллиева, т.е. сделки зависимы. Такие системы существуют (например, Lucky с одновременным открытием нескольких сделок), но вот как в них это использовать - пока не знаю. Вот если бы эти сделки открывались по одной за раз и между ними сохранялась бы зависимость, то что-то можно было бы сделать.

 

Если говорить о теме топика!

то можно сказать что НЕЙРОСЕТЬ с алгоритмом обучения,  это и есть виртуальный оптимизатор!

 
Mathemat писал (а) >>

Бесполезно, если стратегия бернуллиева. Схема Бернулли непредсказуема в принципе, т.к. испытания (здесь - бинарные результаты сделок, т.е. 1 или 0) независимы от истории сделок. Вероятность успеха всегда одинакова - даже если перед этим было 500 успехов.

P.S. У тебя есть шанс, если система небернуллиева, т.е. сделки зависимы. Такие системы существуют (например, Lucky с одновременным открытием нескольких сделок), но вот как в них это использовать - пока не знаю. Вот если бы эти сделки открывались по одной за раз и между ними сохранялась бы зависимость, то что-то можно было бы сделать.

Любая стратегия строится на поиске статпреимущества... Условия могут быть разные: пересечение МА, показания супер-пупер индикатора, пробой канала и т.д.

Т.е. изначально мы предполагаем, что наша система профитная на каком-то временном промежутке... Но наступает время, когда профит улетучивается... мы ловим лосей полную корзинку... да, наша стратегия работает на убыточном промежутке, но тока с другими параметрами... оптимизировали... вроде все... ок... и снова слив... условия рынка поменялись... Мы постоянно гоняемся за рынком... Это путь в некуда....

Предложеный фильтр - это альтернатива оптимизации... ведь он решает ту же задачу, что и оптимизация: поиск статпреимущества путем сравнения текущего паттерна с его историей...

 
YuraZ писал (а) >>

Если говорить о теме топика!

то можно сказать что НЕЙРОСЕТЬ с алгоритмом обучения, это и есть виртуальный оптимизатор!

нейросеть - это подгонка под историю....

 

Приведу простой пример...

Мы решили, что будем все время покупать... тейк и стоплосс равны... Сработал тейк или стоплосс, снова покупаем... Вопрос: будет ли такая система профитная?

Да.... если покупаем по тренду..

Нет... если покупаем против тренда....

То же самое происходит с нашей стратегией... Профитный участок - мы торгуем по тренду, и наоборот...

Если к нашему примеру добавить фитр по паттернам, то торговля по тренду будет происходить значительно чаще... :)

 
kharko писал (а) >>

нейросеть - это подгонка под историю....

я вспоминаю как на чемпионате 2007 нейросеть уделала всех, всех экспертов которые якобы не являлись подгонкой

кстати я своего именно подгонял! и подбирал параметры на последней истории выбрал средние - оптимальные

и сли бы у меня была еще неделя другая подгонки то я бы взял 2-е место! прсосто самый хороший экземпляр подгонки я получил буквально через неделю после начала

--

т е если нейросеть то подгонка, а если не нейросеть то не подгонка?

просто понять мысль Вашу хочется до конка - может я неверно Вас понял?

---

 
YuraZ писал (а) >>

т е если нейросеть то подгонка, а если не нейросеть то не подгонка?


Думаю, мысль проста: методы обучения нейросети - это подгонка весовых коэффициентов под минимальную ошибку на обучающих данных со всеми вытекающими.
 
bstone >>:

Думаю, мысль проста: методы обучения нейросети - это подгонка весовых коэффициентов под минимальную ошибку на обучающих данных со всеми вытекающими.

Гмм, а торговая стратегия это подгонка условий под оптимальный устраивающий Вас критерий. Принципиально одно от другого никак не отличается.

И то и другое нужно уметь готовить.

 
Точнее подгонка под критерий на некотором участке истории, не дающая никаких гарантий по поведению системы за пределами этого участка. Поэтому не вижу никакой разницы, что готовить из вашего меню.
 
bstone >>:

Точнее подгонка под критерий на некотором участке истории, не дающая никаких гарантий по поведению системы за пределами этого участка.

Не тот случай, чтобы гарантию требовать. А вот поведение системы за пределами подгонки с некоторой степенью достоверности можно получить.

Поэтому не вижу никакой разницы, что готовить из вашего меню.

Ничего не надо, если не видите.

YuraZ >>:

Если говорить о теме топика!

то можно сказать что НЕЙРОСЕТЬ с алгоритмом обучения, это и есть виртуальный оптимизатор!

А можно сказать,что советник с обучаемой нейросетью есть виртуальный оптимизатор, т.к. он оптимизирует сеть.


Мои мысли по теме:


встроенный оптимизатор по типу имеющегося в терминале -- накладно по памяти и ресурсам. Допустим, есть 3 параметра с 10 вариантами. Получается 1000

Для каждого надо проверять условия торговли, открывать закрывать, а также хранить как минимум сумму выигранных и проигранных пипсов.

Это реализуемо если стратегия простая. Но если учитываются все тики, плюс нетривиальные условия... Будет тормозить диким образом.

Короче я к тому, что делать подобие имеющегося оптимизатора смысла нет.

В крайнем случае всегда можно прооптимизировать ручками.


Фильтрующий оптимизатор -- по мне самое оно.

Возьмем самую простую систему -- пересечение мувингов.

Паттерн один -- собственно пересечение, или два, если разделить покупку и продажу.

Условия можно брать абсолютно любые, площадь до пересечения, значения других индикаторов цену и т.д.

Далее нам на помощь приходит сеть Кохонена, которые эти самые условия бьет на кластеры. И именно для кластеров подбиваем статистику.


Фишка в том что статистика изменяется, т.о. мы имеем адекватную информацию о кластере без переобучения системы.