请告诉我们您的意见。 - 页 3

 
Ulterior:

不,它是两个趋势指标的简单组合,在趋势上不断补仓。我只是对这个策略的坚持。

好吧,你如何定义过度训练?

 
LeoV:
终结者

不,它是两个趋势指标的简单组合,在趋势上不断补仓。我只是这个策略的追随者。

好吧,那么如何定义过度训练呢?

通常从选定的影响SL/TP水平的趋势变化率。只要我玩一玩,我就找不到任何通用的解决方案。

 
这种情况下,即使是0.1手也是太激进的MM。推荐的MM:恒定的0.01手,初始存款为1万美元(那么提款就不会那么可怕了)。或者尽量减少同时开仓的交易数量(系列长度表明交易是成批开仓,并以同样的方式关闭)。
 
Mathemat:
这种情况下,即使是0.1手也是太激进的MM。推荐的MM:固定0.01手,初始入金1万美元(那么缩水就不会那么可怕了)。或者尽量减少同时开仓的交易数量(系列长度表明交易是成批开仓,并以同样的方式关闭)。

订单数量 和进入质量的管理将是第二步,只要有太多的逻辑坑(没有空头)。

 
LeoV:

好吧,我试着给你一个简短的答案。自适应的意思是,它在每个新的条形图上重新训练(改变)。输入向量的维度意味着什么?我没有写这个网络,而是一个好的程序员帮我写的,所以我不知道这个网络的细微差别。从头像可以看出,它是用MQL重写的。只有一条出路。测试在不同的网络参数和在输入和输出的不同指数上有所不同。决策阈值由基因优化器选择。我在15分钟内试了一下,也不错。我不能像赌徒那样使用分钟。我不能理解为什么。但另一方面,我真的需要这些时间吗?

我只有一个问题要解决--将来如何评估TS的功能?

谢谢你的回答。太糟糕了,你不了解网络细节。好运!

 
rsi:

谢谢你的答复。我希望你能意识到网络的细节。好运!

在我看来,这与网络的细节无关。它比这要重要得多,而且是全球性的。我现在将尝试解释。

在这里,我们做了一个TS。什么类型并不重要--用神经网络或传统指标或其他东西。顺便说一下,在展示两个TS的统计数据时,我还没有提到它的依据是什么。直到后来有人问我,我才说这是一个自适应概率网络。因此,我们在培训方面有良好或不那么好的公平,我们在OOS方面有良好的公平。这是否能保证TS在未来的工作?或者我们应该在报告中使用什么参数来评估未来的TS功能?按交易的数量?靠利润?通过培训或OOS上的股权流动性?按最大缩减量计算?按盈亏比计算?或其他标准?你怎么看?

 

根据我极其有限的经验,我将把盈利能力(利润因素)放在首位。

然后我看一下相对缩减。然后是净利润。

我认为,交易的数量 至少应该是120/150 !

否则,整个事业就失去了意义。

我经常在论坛上看到优化后的测试有30个甚至更少的交易。"同志们不明白...... "这是一个典型的配合!。在优化过程中,测试人员经常会经历数以万亿计的变体,当然,在这些数以万亿计的变体中,有数百个,其中即使是明显失去了3-4个交易的echpert,也会成为 "圣杯"!这些变体中,有很多是不可能的。

但是,当对几十个交易进行优化时,我们有一些(甚至是很小的)保证,在优化期之外的下一个交易中,至少有一打将是盈利的...。

 
rid:

根据我极其有限的经验,我将把盈利性参数(利润因素)放在首位。

然后我看一下相对缩减。我认为,交易的数量应该不低于120/150 !

否则,整个事业就失去了意义。

我经常在论坛上看到优化后的测试有30个甚至更少的交易。"同志们不明白的是,这是一个典型的装修!"。在优化过程中,测试人员经常会经历数以万亿计的变体,当然,在这些数以万亿计的变体中,有数百个,在这些变体中,即使是明显失去了3-4个交易的echpert,也会成为 "圣杯"!在这些变体中,有很多是不可能的。

这都是在OOS上吗? 还是在训练场上?

 

这是在训练区,也就是在进行优化 的区域...

我在上面没有很好地表达自己的意思--"......我在论坛上看到优化后的测试,有30个甚至更少的交易......"。

这里我们具体谈论的是优化期。

 
rid:

这是在训练部分,也就是在优化部分...

那么,根据我的经验,优化区的利润越大,调整的概率就越高。虽然我没有分析利润与同一时间的交易数量....。