优化的本质 - 页 2

新评论
 
papaklass:

优化回答了这样一个问题：哪些参数值（数值）在所研究的地点具有最佳价值？

我们做了优化，得到了数值，那又怎样呢？ 这些 "最佳 "的参数值在被调查区域之外的地方会得到不同的结果....。:)

我根本没有优化，因为我觉得这毫无意义。

我以一种方式检查我的交易策略是否合适--我把开仓方向 改为相反的方向（例如，买入改为卖出）。如果该战略的MO仍然是积极的，我就实施它。

+1

对我来说，我认为即使是MO也可以作为一种粗略的手段，或者说作为一种对交易结果有相当大影响的因素，通过有针对性的加权平均来摆脱。我们面对的是维纳过程（W），"马丁格尔"，因此我们只能有条件地控制风险。

我的处方--良好的满意度，柔软的马丁，你会很高兴。而 "预测 "则留给了各种各样的嬉皮士。只有脑子有病的人或骗子才认为你能 "预测"。

 
有没有人尝试用数字来关联优化参数的稳健性和优化的结果？
 
TheXpert:
有没有人尝试用数字来关联优化参数的稳健性和优化的结果？
有什么可以尝试的呢？战略优化本质上是一个统计估计问题。所以你可以用众所周知的方法来计算参数的置信区间，然后在得到的区间内检查系统的性能。
 
anonymous:
因此可以用已知的方法计算出参数的置信区间，然后在所得区间内检查系统的性能。
如何？鉴于优化和估计是在不同的数据上进行的，而且远期和回测上的策略统计不一定要重合？
 
TheXpert:
在什么方面？

http://quantile.ru/03/03-SA.pdf

鉴于优化和评估是在不同的数据和

很明显--在样本的一部分估计参数，在另一部分进行测试。

正向测试和回溯测试的策略统计数据不一定一致？

限制自己只考虑那些出样的系统，不要在其他方面浪费时间。

 
anonymous:

限制自己只考虑那些出样的系统，不要在其他方面浪费时间。

不，你可能不明白。OOS上的系统可以工作，但与回测的结果有明显的不同。
 
TheXpert:
OOS上的系统可以工作，但与回测的结果有明显的不同。
我非常理解这一点。我的陈述与此并不矛盾。
 
anonymous:
我完全理解。我的陈述与此并不矛盾。
所以你的意思是，不应该立即考虑这种系统，即使它们能起作用？
 
TheXpert:
所以你建议不要马上考虑这种系统？

完全放弃这种战略也没有意义，因为它们可以作为另一种战略的基础，或者改进已经使用的战略。但它们对交易没有什么兴趣。

 
toxic:

事实证明，并不是所有带有数字参数的策略都能以有意义的方式进行优化。

无论是否有区别，如果有一组数字参数，那么你仍然必须选择一个或另一个。

例如，对于你的战略，你需要一个短的挥舞机，你采取哪一个？2,3,4,5？ 在什么范围内还能被认为是短的？

另一件事是，如果交易理念是好的，那么它不应该有太大的数字参数选择范围，否则这反而显示了理念的缺失或不完整。例如，如果你知道你需要一个短马赫。你不会检查200的周期，将被限制在一个范围（2.....）。但你仍然必须选择一些具体的东西
123456789...12
新评论