进行滚动前进的方法 - 页 3

新评论
 
elibrarius:

那么尝试的选择有哪些呢？

你已经提出了一个很好的观点："而这通常又是由能力决定的"。

我已经花了几周时间进行了无尽的优化，还没有看到任何有趣的结果。可惜的是，我没有一次对所有的结果进行转发，也没有保存它们和回溯优化的结果。它可能需要很长的时间来优化和优化....。

这就是为什么我要求你分享你选择优化结果 的工作方法。

显然，如果没有人分享细微的差别，那就没有多少人练习过步行前进。
 
elibrarius:
显然，如果没有人分享细微的差别，就没有什么从业者会去珍惜前行。
你要求的东西，可能比专家本身更有价值。
 
Lilita Bogachkova:
你要求的东西，可能比专家本身更有价值。
你在这里是对的）虽然专家更重要。

但分享想法仍然不是分享金钱）。

 
elibrarius:
在这里你是对的）虽然专家还是比较重要。

但分享想法仍然不是分享金钱）。

不清楚你对那些与沃尔金一起工作的人期待什么奇迹的食谱。

你问优化的选择标准是什么--我想答案是显而易见的--那些为你的EA提供最好的前进，或者说前进的总和。这同样适用于选择后退与前进的比例以及它们的持续时间。在你自己检查所有变体之前，没有人会为你做这件事。

你抱怨说这个过程是劳动密集型的--答案也很清楚--只要做自动化，写一个服务，最后建立一个常规的狼性的前进。

 
Youri Tarshecki:

我想答案是显而易见的--为你的EA提供最佳前锋的那些，或者说，前锋的总和。选择背对背比率及其持续时间也是如此。

正如我在前一个 主题中所说，我认为volking是一种无用的方法。

毕竟，在整个历史时期 ， 经过优化后得到的每一条 美丽的平衡曲线都会通过所有的 沃尔金测试。这条曲线的前向之和也将是最大的。

因此，如果我们获得了同样的东西，为什么还要麻烦呢？

 
Igor Volodin:

因此，如果我们得到同样的东西，为什么还要麻烦？

这就对了，不用麻烦了。
 
Igor Volodin:

正如我在下一个 话题中所说的，我认为volking是一个无用的方法。

因为在整个历史时期，经过优化后得到的绝对任何 美丽的平衡曲线的参数集都会通过所有的 沃尔金测试。这条曲线的前向之和也将是最大的。

因此，如果我们获得了同样的东西，为什么还要麻烦呢？

1.首先，它不是。在整个地区和两端，前进的总和与优化的总和不同。你可以很容易地自己检查。

2.volking的任务不是寻找最佳设置，而是检查EA在非优化区域，即不熟悉的环境中的成功程度。

因此，你完全可以不看后面的图表--在自动优化下，它将永远是好的。因此，唯一能让人了解的是前锋的总和。


即只是在整个市场上的大部分优化，只显示了EA能够根据历史情况进行调整的程度。

 
Youri Tarshecki:

1.首先，情况并非如此。前进的总结果与整个地区的优化一次不同，而且是在两个方向。你可以很容易地自己检查这一点。

2.volking的任务不是寻找最佳设置，而是检查专家顾问在非优化区域，即不熟悉的环境中的成功程度。

听起来很对，而且是正确的，没有争议。该方法是可行的。

但是，请告诉我，如果我们使用volking选择了一套或几套。如果我们现在在AB上运行这组数据，结果将是美丽的（我特意没有说明美丽的参数，它们对每个人都是不同的）。

而现在我们在AB上运行一个简单的优化标准，其中考虑到了美容参数。我们得到的套，将没有一个人在他们中间，我们发现与volking的帮助？

 
Igor Volodin:

听起来很对，也很对，我不反驳。该方法是一个可行的方法。

但请回答：我们在沃尔金的帮助下选择了一套或几套。如果我们现在在AB上运行这一套，结果将是美丽的（我故意不说明美丽的参数，它们因套而异）。

而现在我们在AB上运行一个简单的优化标准，其中考虑到了美容参数。我们得到集，将没有一个人在其中，我们已经发现使用volking？

Volking Forward根本就不是关于套装。这是为编码者提供的一个工作工具。换句话说，如果你想让你的猫头鹰工作，请检查volking上的每一个步骤。

RSI CCI RVI 叁、 叁X 德马克 No /gbp 没有美元/瑞士法郎 没有EURUSD
12月14日 114,3 -49,8 -249,5 206,6 375,2 -345,1 -301,1 199
1月15日 77,9 12 -40,7 84,6 346,9 298,2 158,7 40,8
2月15日 472,8 480,4 292,6 -155,1 140,8 63,4 139,5 179,8
3月15日 -898,5 -546,3 -130 -0,6 389,7 110,3 -286,6 149
4月15日 156,2 348,2 -37,4 57 7,6 17,8 409,2 395,4
5月15日 635,1 285 384,3 495,1 124,8 552,2 801,6 -264,4
6月15日 859,5 319,9 -197,3 -37,5 344,6 385,5 349,6 418,1
7月15日 312,9 -130,4 342,1 -35,5 30,5 577,5 494,7 863,3
8月15日 608,8 310,7 431,8 862 1 002,80 404,2 581,1 977,7
ǞǞǞ 21,7 33,8 -336 25 -222,2 -114,1 224,6 278,8
10月15日 -372,5 92,6 -51,6 79 -54,8 -181,7 -106,8 -400,3
11月15日 -25 -358,3 66,3 62 -290,7 -245,8 -534 -21,7
共计。 共计。 共计。 共计。 共计。 共计。 共计。 共计。
1963.2 797.8 474.6 1642,6 2195.1 1522.4 1930.5 2815.5

例如，在这里，我研究了不同的指标如何帮助确定另一个工具的相关性。

在这个例子中，它没有，控制的效果更好。而这是volking forwards最常见的结果，代码中的大多数变化都是反作用的。

 
Youri Tarshecki:
狼性前进根本就不是为了套路。它是编码员的一个工作工具。也就是说，如果你想让你的猫头鹰工作，请检查volking上的每一个步骤。
嗯，好的。但如果那里有优化，那么你最终还是会在历史上有一套。
12345678910...13
新评论