在Metatrader 5中你的符号和你的数据源 - 页 7

新评论
 

当然，在遗传学中，这些领域也是可见的，如果我超额完成任务，我仍然会扩大那里的分析参数，在遗传学中，我将以80%的概率错过这一点

而且左边有一个需要调查的边界，遗传学没有显示出来


 
IvanIvanov:

在遗传学中，这些领域当然也是值得注意的，但我仍然会扩大那里的分析参数，在遗传学中，我会以80%的概率错过这个点。

交易系统测试中的遗传算法不是一个终点，而是为更详细的研究寻找方向的方法。

该算法通常如下。

  1. 做了1-5次肮脏的遗传学运行，以便通过随机化（处理可能滑向局部极端的问题），迅速摸索出有趣的数值群。
  2. 然后在发现的集群区域进行更频繁的全面梳理搜索。
  3. 制定了N种方法，收集和分析了数据
  4. 得出的结论是。

如果有人认为遗传或任何其他童话般的优化器应该立即给出明确的结果，这意味着他/她根本不了解这个过程。

 

以0.01为增量

 
Renat:

交易系统测试中的遗传算法不是一个终点，而是为更详细的研究摸索方向的一种方法。

操作的算法通常如下。

  1. 做了1-5次肮脏的遗传学运行，以便通过随机化（对抗可能滑向局部极端的情况），我们迅速摸索出有趣的数值集群
  2. 然后是在发现的集群区域进行更频繁的全通梳理搜索
  3. 采取了N种方法，收集和分析了数据。
  4. 得出的结论是

如果有人认为基因或任何其他童话般的优化器应该立即给我们提供干净的结果，这意味着他们根本不了解这个过程。

好的，同意，确信，将按照你的建议使用：-）我，在你的帮助下，理解了，遗传学允许在巨大的范围内选择最有前途的领域，然后探索它们。

仍有两个问题。

1）为什么遗传算法 在有N个变体的条件下就会开启？

2) 在数学计算模式下工作时，终端会下载什么？ 当我在这里生成漂亮的图片时，终端已经下载了40米--即使我在策略测试器中使用专家顾问，它也没有下载这么多。

 
Renat:

还可提供滴答、条形和滚筒式控制。

当然，如果特定的数据源支持它的话。

好消息，非常感谢。
 

我要去卷起遗传学 :-)

 
IvanIvanov:

好的，我同意，我相信，我将按照你的建议使用：-）我，在你的帮助下，意识到，遗传学允许你在巨大的范围内选择最有前途的领域，然后探索它们。

仍有两个问题。

1）为什么遗传算法 在有N个变体的条件下才会启动？

因为从物理上讲，在边界之外做全面列举是没有意义的。对于32位平台，它是1,000,000次，而对于64位平台，它是100,000,000次。

这有这么难理解吗？好吧，你永远不会等待100 000 000秒。你不会，也永远不会。


2) 在数学计算模式下工作时，终端会下载什么？ 当我在这里生成漂亮的图片时--终端已经下载了40米，即使我在策略测试器中使用专家顾问，它也没有下载这么多。

这是本地代理和终端之间的流量。它显示为网络流量，实际上是网络流量（即使是在localhost内）。
 
event:

函数Z = cos(1.5*x)*cos(1.5*x) + sin(2.25*y) + cos(3*x*y); 其中X和Y为-3至+3

我还想知道如何在MT5中找到它的最大值。

至于方法--想法来自hubra上的一篇文章，实现是在matlab和C#中。

是的，结果是在没有我的情况下公布的。很明显，文章中描述的算法几乎可以立即找到局部极值，而且质量比标准的GA高得多。
雷纳特。

证明的问题是很难给出证明，因为作者没有实践经验。不像MetaTrader的开发者，他们已经做了很多年了。

进入花岗石!这是你的口头禅，没有任何意义去反对它，只是关于这种无意义我马上就说了。你不需要证据，你甚至不怀疑自己是对的。我相信，从你的角度来看，蜱虫数据和自定义饲料的出现，并没有与花岗岩的短语产生共鸣，当你被问及此事并证明了N年的可行性。像你一样有经验!

不幸的是，你只是引用了已知的基本理论观点。

而我问了一个具体的问题："你不喜欢GA的什么？它没有为你找到解决方案的领域？"。当然是这样，而且不比任何其他方法差。而且它比退火更好地摆脱了局部孔洞。但最重要的是，它能有效地解决你的问题。

你根本没有读过这篇文章，这就是为什么你提到这个 "流失"。但这篇文章丝毫没有使用它。"没有读过，但我谴责它"--你不可能读懂经验，对吗？具体来说，我不满意GA没有找到收敛的（非随机的）局部极值。因此，至少可以说，它对TC优化的适用性是值得怀疑的。这么多启发式算法的发明是有原因的。而且也没有最好的启发式算法。每项任务都有自己的最佳方案。因此，不幸的是，GA对于这个非常TC的优化任务来说，远远不是最好的。文章中给出了论据，供想了解我的意思的人参考。

 
Renat:

因为从物理上讲，在边缘做完全的超越是没有意义的。对于32位平台是100,000,000次，对于64位平台是1,000,000次。

这有这么难理解吗？好吧，你永远不会等待1 000 000 000秒。你永远不会。


这是本地代理和终端之间的流量。它显示为网络流量，实际上是网络流量（即使是在localhost内）。

好吧，我放弃了 :-)

最后一个尝试，纯粹是出于好奇，如果你利用整个远程代理服务的现有网络，1,000,000,000个通行证需要多少钱？ 我有一段时间没有使用远程代理了，不知道价格如何。

而整个远程代理网络需要多少时间才能完成100万次传递，至少是大约需要多少时间？

 
zaskok:
是的，结果是在没有我的情况下公布的。你可以清楚地看到，文章中描述的算法几乎可以立即找到局部极值，而且质量比标准GA高得多。

不，它没有。

这不是我在上面建议的文章中讨论的那个简单的函数Z = cos(1.5*x)*cos(1.5*x) + sin(2.25*y) + cos(3*x*y)；其中X和Y是从-3到+3。

不仅如此，那篇文章 的作者居然造了一辆巨大的自行车（当然，这对自我学习很有好处），但显然他为自己的任务磨练了搜索优化。这种优化很可能会给其他任务带来问题（计算量增加）。

还有一些重要的指标被遗漏了--与完全超额完成任务相比，在启发式模式下实际进行了多少次传递。例如，在上面的MT5例子中，我们在遗传学中得到了8,700，在蛮力中得到了361,201。有一种怀疑，作者自己的启发式优化变体实际上花了更多的时间来完成结果。

通过的次数是非常重要的，因为很少有任何策略能满足秒的最后期限。我们有10,000张通行证的GA和另一个有30,000张通行证的GA之间的差异导致要多等20,000张通行证*通行证的时间，这是很漫长的。我们的GA是专门为最快的误判而优化的。通常我们的足够10,000到12,000次，而不考虑搜索领域的总规模。这意味着任何深度的搜索都可以大致在10000次内完成。从这里开始，我们手中有了头绪，探索起来更加准确。

顺便说一下，在MetaTrader 5中，作者没有必要花几个月的时间来编写自己的引擎，只要按一下按钮就可以立即得到结果。而在2D/3D中，你可以在不同的投影中旋转它。


进入花岗石!这是你的口头禅，没有必要去反对它，这就是我马上做出的无意义。你不需要证据，你甚至不怀疑自己是对的。我相信，从你的角度来看，蜱虫数据和自定义饲料的出现，并没有与花岗岩的短语产生共鸣，当你被问及此事并证明了N年的可行性。像你一样有经验!

我的工作对所有人来说都是可见的。不幸的是，你的不可见。

如果你认为MT4/MT5基因引擎已经与我擦肩而过，那你就大错特错了。

你根本没有读过这篇文章，这就是为什么你提到这个 "流失"。但这篇文章丝毫没有使用它。"没有读过，但我谴责它"--你不可能读懂经验，对吗？具体来说，我不满意GA没有找到收敛的（非随机的）局部极值。因此，至少可以说，它对FC优化的适用性是值得怀疑的。这么多启发式算法的发明是有原因的。而且也没有最好的启发式算法。每项任务都有自己的最佳方案。因此，不幸的是，GA对于这个非常TC的优化任务来说，远远不是最好的。文章中给出了论据，供那些想了解我们所谈论的内容的人参考。

我是否必须在每个案例中写一个法律上准确的短语，如 "蒙特卡洛方法、退火等"？

我在上面写过一次这句话。然后我总结了 "启发式方法"，指出即使是常规的遗传算法也可以通过玩自定义标准和刺激引擎不断计算而变成另一种方法。

文章中的论点只具有一般性质。但是，为一个策略创建的凳子（看看截图）和完全相同的调整方法表明，当转移到一个通用的计算平台，即MT5 + MQL5是，一定会有缩放问题。

是的，这篇文章作为程序员所做的示范是不错的。但从实际情况来看，它并不是由另一个初学者发明的最好的一万辆自行车。

1234567891011121314...26
新评论