В алгоритмическом трейдинге при создании механических торговых систем (МТС) очень важен вопрос времени жизни торговых алгоритмов. Да, и найти их в принципе достаточно сложно. В условиях постоянно меняющегося рынка рано или поздно наступает момент, когда даже самый совершенный и прибыльный алгоритм начинает приносить убытки. И его нужно, что...
2015.04.22 19:44:18 Tester 遗传模式由于567869252041次而开启,为了使用完整的算法,减少优化参数的数量。
我需要充分的蛮力,该怎么做?
567亿次,即使你计算每100毫秒的通过,也是560亿秒。
你确定你要等648000天(1775年),还是听从建议转为遗传学?有了遗传学,你会在20,000次传球中射门,你就会很高兴。
雷纳特,你说的数据源是指点或条,也就是说,测试器将在真实(记录的点)上工作,而不是生成(模拟的)点?
是否可以自行记录刻度线和条形图,或从其他来源下载,然后使用它们进行测试?
既有蜱虫的管理,也有酒吧和眼镜的管理。
当然,如果特定的数据源支持它的话。
567亿次,即使你每100毫秒计算一次,你仍然得到560亿秒。
你确定你要等648000天(1775年),还是要接受建议,转为遗传学?在遗传学上,你将在20000次传球中射门,你会很高兴。
这是一个硬件问题还是一个平台问题?
更像是你令人敬畏的头脑。你不能关闭你的大脑,与过程中的物理意义断开联系。
为了突破物理界限,启发式方法被发明出来,将计算组合爆炸结果的复杂性降低了许多个数量级。一个非常有效的方法是对搜索/寻找工作区域的一组可修改参数进行遗传建模。
终端故意建议改用遗传学,因为它意识到在物理上没有机会通过钝性的蛮力取得结果。
你的这一特殊任务,分散在各代理机构,将需要极多的财政资源。
很可能即使是你的几代人的后代也无法还清。
所以宁可学习如何使用计算器。这毕竟是一项原始的任务。
更像是你令人敬畏的头脑。你不能关闭你的大脑,与过程中的物理意义断开联系。
为了突破物理界限,人们发明了启发式方法,将计算组合爆炸结果的复杂性降低了许多个数量级。一个非常有效的方法是对搜索/寻找工作区域的一组可修改参数进行遗传建模。
终端故意建议改用遗传学,因为它意识到在物理上没有机会通过钝性的蛮力取得结果。
很好,你已经开始怀疑什么了。
我建议大家阅读文档和相关文章--这将帮助你了解事情的工作原理并回答数百个问题。
这是一个硬件问题还是一个平台问题? 这个计算是针对什么硬件?
当有太多的变量需要优化时,很有可能会出现与历史相适应的情况。
随着变量的增加,优化时间也会成倍增长,而且无法摆脱。
有一个办法可以解决这个问题,一个超级强大的计算机,有房子那么大)
Renat:
正是为了突破物理边界,启发式方法被设计出来,将计算组合爆炸结果的复杂性降低了许多数量级。一个非常有效的方法是对一组可修改的参数进行遗传建模,以寻找/发现可行的领域。
终端故意建议改用遗传学,因为它意识到在物理上没有机会通过钝性的蛮力取得结果。
有一些启发式的方法 最适合优化交易系统。它们正是为此目的而定制的,与通用的GA不同。告诉我,是否有可能用你自己用MQL5编写的启发式方法取代测试器中唯一的启发式方法?如果我们要在输入数据的定制方面大幅改进测试器,那么定制优化方法(定制优化标准早就有了)以使其具有最佳性能是合理的。
请注意这个关于测试器和优化器加速的主题。除了提案之外,那里还有一个可行性的技术例子。