交易中的机器学习：理论、模型、实践和算法交易 - 页 3380

[Aleksey Nikolayev]

在 MO 中，适度函数用于通过优化来训练模型（参数选择）。使用一个或多个指标来评估生成的模型。通常情况下，度量标准与适应度函数并不匹配。从数学角度看，这意味着 MO 解决的是一个多元优化问题，而不是通常的单一标准问题。

与传统优化方法的另一个显著区别是，它通常没有固定的优化参数集。即使是常规树，情况也是如此。从数学角度看，这导致了函数空间中的优化问题，而不是通常的数值空间中的优化问题。

这两点使得 MO 问题无法还原为传统的优化问题。

[Andrey Dik]

Aleksey Nikolayev #:

在 MO 中，适度函数用于通过优化来训练模型（参数选择）。使用一个或多个指标来评估生成的模型。通常情况下，度量标准与适应度函数并不匹配。从数学角度看，这意味着 MO 解决的是一个多元优化问题，而不是通常的单一标准问题。

与传统优化方法的另一个显著区别是，MO 经常没有固定的优化参数集。即使对于一棵普通的树，情况也是如此。从数学角度看，这导致了一个函数空间的优化问题，而不是通常的数值空间优化问题。

这两点使得 MO 问题无法还原为传统的优化问题。

有一整类独立的多标准优化算法。但是，如果理解得当，多重标准可以简化为附加边界条件和单独评估。

功能空间也需要评估。一切都需要评估。

[fxsaber]

Aleksey Nikolayev #:

在 MO 中，适度函数用于通过优化来训练模型（参数选择）。使用一个或多个指标来评估生成的模型。通常情况下，度量标准与适应度函数并不匹配。从数学角度看，这意味着 MO 解决的是一个多元优化问题，而不是通常的单一标准问题。

与传统优化方法的另一个显著区别是，MO 经常没有固定的优化参数集。即使是常规树，情况也是如此。从数学角度看，这导致了一个函数空间的优化问题，而不是通常的数值空间优化问题。

这两点使得 MO 问题无法还原为传统的优化问题。

感谢您的详细解释。不过，提出 FF 这个话题还是有一定的背景的。就在这里。

关于交易、自动交易系统和交易策略测试的论坛

交易中的机器学习：理论、模型、实践和算法交易

Maxim Dmitrievsky, 2024.01.10 19:27

通过对 OOS 的重新优化和检查可以发现:)这是最简单的狼式正向 OR 交叉验证的一个折叠案例。

[Aleksey Nikolayev]

Andrey Dik #:

多标准优化算法是一个完整的独立类别。但是，只要理解正确，多标准就可以简化为附加边界条件和单独评估。

功能空间也需要评估。一切都需要评估。

我提到的功能是同时起作用的，而不是逐一起作用，所以我不知道你打算在功能空间中建立什么样的边界。

如果本主题的所有参与者都熟悉现代 MO 的基础知识，那将会更有帮助。SHAD 的教科书 将是一个不错的选择。

[Andrey Dik]

Aleksey Nikolayev #:

我提到的这些功能不是逐一起作用的，而是同时起作用的，所以我不知道你们要在功能空间中建立什么样的界限。

是的，我们说的是多功能空间中不同组件的同时工作。这两个部分可以在多功能空间中分别进行评价，也可以通过元评价或其他方式通过整体评价一起进行评价。两者互不干扰。MO 的任何阶段都需要进行评估，为此有许多特殊的衡量标准，最大化这些标准是优化的精髓。

[mytarmailS]

Aleksey Nikolayev #:

1) 在 MO 中，适度函数用于通过优化训练模型（参数选择）。使用一个或 多个指标来评估生成的模型。通常情况下，度量标准与适应度函数并不匹配。从数学角度看，这意味着 MO 解决的是一个多元优化问题，而不是通常的单一标准问题。

2) 与传统优化方法的另一个显著区别是，MO 经常没有固定的优化参数集。即使对于一棵普通的树，情况也是如此。从数学角度看，这导致了一个函数空间的优化问题，而不是通常的数值空间优化问题。

这两点使得 MO 问题无法还原为传统的优化问题。

1)

矛盾是什么？

参数选择 == 优化算法中的参数搜索

模型度量估计 == 以阿库拉西估计为例的 FF。

你有什么不同意见？

2)

您能详细说明您认为问题出在哪里吗？例如，我不认为

[Aleksey Nikolayev]

fxsaber #:

谢谢你的详细解释。FF 话题的提出还是有一定背景的。就在这里。

我看到了您的问题，但我说不上来。

而且我对马克西姆的语言翻译得也不是很好）。

[Aleksey Nikolayev]

Andrey Dik #:

是的，我们说的是多功能空间中各个组成部分的同时工作。这两个部分可以在多功能空间中分别进行评估，也可以通过元评估或整体评估一起进行评估。两者互不干扰。MO 的任何阶段都需要进行评估，为此有许多特殊的指标，最大化这些指标是优化的精髓。

如果不难的话，请提供参考文献（文章、书籍）。

[fxsaber]

Aleksey Nikolayev #:

我看到了你的问题，但却无言以对。

而且我也不擅长翻译马克西姆的语言）。

这与翻译无关。

关于交易、自动交易系统和交易策略测试的论坛

交易中的机器学习：理论、模型、实践和算法交易

fxsaber, 2024.01.10 19:43

假设我们做了 100 步--我们有 100 组输入。如果我们根据"每个输入等于 对应的 100 组输入的平均值 "的原则形成平均集，那么 这组输入不太可能顺利通过 整个初始区间。

交易、自动交易系统和交易策略测试论坛

交易中的机器学习：理论、模型、实践和算法交易

Maxim Dmitrievsky, 2024.01.10 19:46

如果没有， 从逻辑上讲， 根本就没有好的套路。就对未来的信心而言。

很明显，一百个套路都取决于 FF。

[Andrey Dik]

Aleksey Nikolayev #:
如果不难的话，请提供参考文献（文章、书籍）。

我在档案中保存了几百本关于神经网络、MO、优化、数学的书籍。我提供了档案的链接。几年来，每个人都可以在云中使用该档案，但现在我不支持该档案，带有该档案的云现在也不存在了。

A.P. Karpenko 有很多关于这些主题的书，Simon D. 的书也不错。