进行滚动前进的方法 - 页 10

 
Alexandr Andreev:
在与WF合作时,这只是一个资源问题,而且是一个非常强大的问题。

如果我们发现,在几个网站上,前向的情况很糟糕(甚至是3-6个月),我们就会停止这个过程,并整理出问题。

一个好的系统有非常少的可优化的参数(最好是1-2个)。

但是,如果你想为任何东西做一个基于WF的自动包装,这是一个砖头的工作,而不是一个建筑的工作。

 
Nikolay Demko:
关键在于简化的信号计算方案。

这没有什么用,一切都已经简化了,主要是要记得计算佣金;)一般来说,我认为祝愿对方成功是正确的。

顺便说一下,我有在输入约140 000 000 +主要的 "战略",每个只有一些50-500通道,和WF作为所有这一切的关键(+很多技巧和其他小东西),但只是不真正计算它,甚至保存每个系统的报告是已经有问题的

缺乏资源简直是灾难性的,如果我们在一些具体的事情上检查WF,那么我们又是在从肩膀上砍掉WF的想法。

 
Igor Volodin:

如果我们看到在几个部分(甚至是3-6个月)的前行很糟糕,我们就会停止这个过程并解决这些问题。

一个好的系统有非常少的可优化的参数(最好是1-2个)。

但是,如果你想为所有的东西和事物做一个基于WF的自动包装,这是一个砖头的工作,不是一个建筑项目。

也就是说,如果我把一个预盈利的系统放在一个小区里,看着WF改变我的获利水平--这很酷吗?那会毁了整个想法。
 
Alexandr Andreev:
那么,如果我把一个以前盈利的系统,看着WF改变我的获利水平,这是不是很酷?那会毁了整个想法。

WF的想法很简单。你有一个不同的想法--在垃圾中喂食并获得糖果。

 
Alexandr Andreev:

这没有什么用,一切都已经简化了,主要是要记得计算佣金;)一般来说,我认为祝愿对方成功是正确的。

顺便说一下,我有在输入约140 000 000 +主要的 "战略",每个只有一些50-500通道,和WF作为所有这一切的关键(+很多技巧和其他小东西),但只是不真正计算它,甚至保存每个系统的报告是已经有问题的

缺乏资源简直是灾难性的,如果我们在特定的东西上检查WF,那么我们又从肩膀上切断了WF的想法。

140,000,000 ???你在大海捞针。你应该把范围缩小到具体的东西。
 
Alexandr Andreev:

这没什么用,一切都已经简化了,主要是要记得计算佣金;)一般来说,我认为祝愿对方成功是正确的。

顺便说一下,我有在输入约140 000 000 +主要的 "战略",每个只有一些50-500通道,和WF作为所有这一切的关键(+很多技巧和其他小东西),但只是不真正计算它,甚至保存每个系统的报告是已经有问题的

缺乏资源简直是灾难性的,如果我们在特定的东西上检查WF,那么我们又从肩膀上切断了WF的想法。

你从哪里得到这么多策略?你可能几个月都在处理一个策略...你是否在测试市场上的其他EA来选择购买哪一个?
 
Igor Volodin:
WF的想法很简单。你有一个不同的想法--在垃圾中喂食并获得糖果。

是什么让你认为你比机器更善于找出什么是垃圾,什么是甜蜜--如果是这样,那为什么还要相信电脑?

如果战略只有1-2个参数--它已经被预先确定了,只是原则上不适合这种决策。如果一个策略不是预定义的(不是为特定情况设计的),WF会选择有利可图的集合,然后检查它,如果一切正常,就是成功,然后从另一个时间步骤重新开始(如果策略是预定义的--那么从逻辑上讲,70%的通过将是有利可图的)。

 
用Urain的话说
Nikolay Demko:

你所写的一切都显示出对问题的完全误解。

你有一种新的做事方式,由你自己发明的。

如果有的话,这里有一个关于WF的好句子。

WF测试允许我们在开发交易系统的同时保持一个合理的 "自由度"。

 
Igor Volodin:
我将用Urain的话回答你,你有一个新的方法,由你发明的。

我甚至不想争论。但为单一研究(个人价值)制作WF是一个死胡同,IMHO;)

虽然任何测试方式都能准确地给出所投放的内容,既不多也不少,而对于大众来说,其他的并没有实现,一切都一如既往。

 
Alexandr Andreev:

我甚至不想争论。但为单一研究(个人价值)制作WF是一个死胡同,IMHO;)

尽管任何测试方式都能准确地给出所投入的内容,既不多也不少,而对于群众来说,没有其他东西可以实现,一切照旧。

相反,我同意这一立场。我试图进行 "分割 "测试,对于不同的代码变体,我挑出 "负责任 "的变量,如我所想的那样,只对它们进行优化,以节省时间并进行比较,对整体结果视而不见 - 但这并不奏效。显然,在一个好的系统中,其各个部分是相互依存的,一个部分的不平衡会导致整个系统的失败。

(这就是为什么,顺便说一下,没有一个变量数量少的工作系统。这就像一架飞机--如果至少有一个功能不适应飞行条件,它迟早会坠毁。而且,虽然它的功能从外表上看很简单,就是起飞和降落,但飞机越复杂,考虑的因素越多,就越可靠)。

另一方面,很明显,有些变量负责系统的长期 "记忆",有些负责操作。因此,从长远来看,我已经想好了如何将它们分成具有不同优化期限的小组。但与此同时,所有变量的支撑都是一样的--这是不对的。但是volking-forward也能够解决这个问题。

另一个问题是,可以牺牲很多东西来 加快进程。比如说。

1.在蜱虫上比赛是没有意义的。VF中的测试大多是相对性的,超精确的环境条件匹配对选择最佳方案来说是没有必要的。也就是说,一个好的解决方案仍然是一个好的解决方案。

2.变量可以逐一优化,一个一个地优化,而不是全部优化。在这种情况下,云就会然后,云计算走自己的路,你或多或少可以不需要代理。也就是说,优化的质量没有什么不同, 我已经检查过了。这可能是因为在volkiness期间,历史的某一部分被优化为某个变量不止一次。 而在这个点的情况下,未捕捉到的变量互动总是有机会在下一步表现出来。

3.有可能在这个过程中抓住不成功的解决方案,并进入下一个任务--这里有创造性的空间(与基准的比较,对明显的减分的反应,等等)。