优化范围 - 页 4 1234567 新评论 Alexei Kharchenko 2009.03.02 14:36 #31 优化的任务是找到这样的TS参数，在这个参数下，我们在测试区间得到一个稳定的结果。时间范围越广，你就越能相信在未来获得的结果....。在测试时，我们得到几乎完整的信息...我还希望看到取决于时间框架的平衡和权益曲线...但这可能只是一个梦......。 问题：这些曲线是用来做什么的？在其上画出断线，或者说是人字形，以确定极值....。跌宕起伏...我们分析结果并选择参数... 今天经过测试，我们只知道一个极值：最大跌幅，这显然是不够的。 Neutron 2009.03.02 15:40 #32 Vinsent_Vega писал(а)>> 真心话就是真话...所以我在想，是否要相信中子 的话...... 优化--怎么优化？ 只是优化他的顾问还是什么？ 我以为已经做了一些严肃的研究......(我自己没有读过叶卓夫的书，所以我以为是他的数字--"4") Vinsent，我 不是一个值得相信的使徒。我在帖子中引用的所有内容都很容易通过琐碎的重复得到验证。 至于系数，可以用两种不重叠的方式来确定--通过直接推导，这对我来说很困难，以及通过估计。Ezhov和Shumsky已经证明了最佳故事长度对可调参数数量的分析依赖性，其精度常数为一阶。这种依赖关系对应用领域没有限制。 因此，通过几个例子找到其最佳值并确保其静止性就足够了，这样就不会在没有任何特别需要的情况下玩复杂的数学计算。这一点已经做到了。 [删除] 2009.03.02 16:00 #33 好的，非常感谢...:) 为什么我这么挑剔呢--对我来说，这个问题（优化范围）是目前的核心......也许骑手 是对的--在许多方面，这是一个心理学问题--我想让自己相信我的选择是可靠的......。但我需要有一个好的理由（最好是一些严肃的科学研究）来选择一个或另一个优化方案...... 但显然，我只能依靠我的经验和直觉...... Neutron 2009.03.02 16:36 #34 Vinsent_Vega писал(а)>>为什么我这么挑剔--对我来说，这个问题（优化范围）是目前的核心......也许骑手 是对的... 其实不是骑手 说的对，更可能是卡尔科说 的。 kharko 写道 >>优化的任务是找到这样的TS参数，当我们在测试的时间范围内得到稳定的结果时......时间范围越广，你就越能相信在未来获得的结果....。 矛盾的是，这个问题要广泛得多，也更微妙。事实上，如果我们转向显示策略测试者泛化误差的依赖性的公式，我们看到它随着 P 交易数量的增加而单调地减少：E=Eapprox+ Ecomplex=d/W+W/P，也就是说，训练样本越大越好。但在市场不变性（静止性）的假设下，这是真的，但事实上，它是可以改变的，从一些 P的 例子开始变得无用，而且--有害。在这些条件下，重要的是定义一个极限，在这个极限之后，进一步增加例子的数量只会使情况恶化。我们需要确定参数 P 的左限。当模型的复杂性导致的误差与近似误差相当或略小于后者时，就会出现这种情况，而不是像kharko 提出的那样趋于零。因此，在 k=3-6 附近有一个由参数 P=k*W 组成的温和的最佳状态。 这就是系数的来源，它的性质是市场过程的非平稳性。 Rider 2009.03.03 08:33 #35 Neutron >> : 真正正确的不是骑手，而是Kharko。 矛盾的是，这个问题要广泛得多，也更微妙。事实上，如果我们参考显示策略测试器泛化误差的依赖性的公式，我们会发现它随着交易数量P的增加而单调地减少：E=Eapprox+ Ecomplex=d/W+W/P，即训练样本越大越好......但在市场不变性（静止性）的假设下，这是真的，但事实上，它是可以改变的，从一些P的例子开始变得无用，而且--有害。在这些条件下，重要的是定义一个极限，在这个极限之后，进一步增加例子的数量只会使情况恶化。我们需要确定参数P的左限。当模型的复杂性导致的误差与近似误差相当或略小于后者时，就会出现这种情况，而不是像kharko 提出的那样趋于零。因此，在k=3-6附近有一个由参数P=k*W组成的温和的最佳状态。 这就是这个系数的由来，它的性质是市场过程的非平稳性。 愿上帝与她同在，并赐予她权利....。我不坚持，我自己也没有发现这样的权利。)).....，我非常愿意相信你的k=3-6，并且不做任何转发......((.....，但有些东西不让我进去，最重要的是，常规操作不会变少：你可以在优化器中设置一定间隔的事务数量--会发生相当多的另一种对话.....。 能否给我一个叶若夫等人的链接？ Neutron 2009.03.03 09:19 #36 rider писал(а)>>并请给我一个叶若夫等人的链接？ 抓住，第64-66页。 附加的文件： ts.zip 1592 kb Rider 2009.03.03 10:02 #37 谢谢你 Alexei Kharchenko 2009.03.03 12:20 #38 Neutron писал(а)>> 不，不，等等！ 交易的频率本身，以及它们在测试历史上的最佳数量本身。你通过查看交易结果来优化TS的参数 - 找到某些功能的最大值，在这种情况下，它可能是累计收入或盈利能力（每笔交易的点数）。现在你有一个问题：鉴于可调整参数的数量，你需要找到最理想的交易数量，测试员将在此基础上优化策略。注意，不是时间，即入市和出市的次数。 简而言之，任务只包括交易的数量--它们不能多于或少于最佳数量。你已经找到了最佳的利润率--交易。一段时间后，你开始过度优化，并一直这样做。如何在策略测试器中实现它？你必须思考... .... 如果我们在测试器中优化了5个参数（例如，挥手期），那么最佳的历史长度应该是测试器在其上进行4*5=20次交易。它可能需要1到......200天的历史，这完全取决于所采取的策略。减少这个数字将导致测试者与历史相适应，而增加--导致近似质量的恶化，结果是预测精度的恶化。 从你的帖子中引用的节选....结论... 你认为，根据拟合参数的数量，有一些最佳的交易数量...好吧...让我们约定.... 现在我们的任务是为每次运行找到最佳的时间范围，在这个范围内，TS执行了估计的最佳交易数量....。也就是说，对于某些参数来说，1天的历史就足够了，而对于其他参数来说，甚至一年都不够......这种变体不适合... 好吧...让我们简化一下任务....让我们留下一个恒定的时间间隔...我们只考虑那些能给我们带来最佳交易数量的运行...... 哪一个是最好的？答案是显而易见的...数学期望值最高的人.... 但是，那些被我们屏蔽掉的运行情况呢......？他们不是可用的吗？ 假设最佳交易数为N...有一个运行与该数量的交易...但是，有一个运行，有K倍的交易......。 当我们的理想运行将进行1次交易时，另一个在交易数量上并不理想的运行将已经进行了K次交易....。 现在让我们比较一下我们从完美和非完美运行中得到的利润......要做到这一点，将交易数量乘以相应的预期报酬值......。 如果来自非理想运行的利润显得更大，这意味着我们为这个运行采取了太大的时间段来优化，因为我们得到的交易量与最佳交易量不同......。还有一个差异...... 即使我们采取1个符合最佳交易数量条件的运行，那么如果我们只是将时间间隔向右或向左移动，我们将得到不同的交易数量的结果......。 结论：提出的优化方法是乌托邦。 Sergey Sypalo 2009.03.03 12:31 #39 对中子 关于交易数量还有一件事：在我的EA中，有这样一个参数，即最大订单数，如果参数选择正确，EA同时进行的交易数量的增加会增加利润，但另一方面，相对于EA的输入参数 数量而言，我们在特定的时间框架内得到的交易数量并不理想，我们应该如何处理？ TheCore 2009.03.03 13:57 #40 你是否愿意考虑这种优化和回测。 int start() { if(IsTesting()==true) { if(IsOptimization()==true && DayOfWeek()&0xE==DayOfWeek())return; if(IsOptimization()==false && DayOfWeek()&0xE!=DayOfWeek())return; } //код советника //код советника } 而不是 DayOfWeek() 你可以把另一个函数，例如。 Month() 或者反过来说，一个更小的。 Hour() 1234567 新评论 您错过了交易机会： 免费交易应用程序 8,000+信号可供复制 探索金融市场的经济新闻 注册 登录 拉丁字符（不带空格） 密码将被发送至该邮箱 发生错误 使用 Google 登录 您同意网站政策和使用条款 如果您没有帐号，请注册 可以使用cookies登录MQL5.com网站。 请在您的浏览器中启用必要的设置，否则您将无法登录。 忘记您的登录名/密码？ 使用 Google 登录
优化的任务是找到这样的TS参数，在这个参数下，我们在测试区间得到一个稳定的结果。时间范围越广，你就越能相信在未来获得的结果....。在测试时，我们得到几乎完整的信息...我还希望看到取决于时间框架的平衡和权益曲线...但这可能只是一个梦......。
问题：这些曲线是用来做什么的？在其上画出断线，或者说是人字形，以确定极值....。跌宕起伏...我们分析结果并选择参数...
今天经过测试，我们只知道一个极值：最大跌幅，这显然是不够的。
真心话就是真话...所以我在想，是否要相信中子 的话......
优化--怎么优化？ 只是优化他的顾问还是什么？ 我以为已经做了一些严肃的研究......(我自己没有读过叶卓夫的书，所以我以为是他的数字--"4")
Vinsent，我 不是一个值得相信的使徒。我在帖子中引用的所有内容都很容易通过琐碎的重复得到验证。
至于系数，可以用两种不重叠的方式来确定--通过直接推导，这对我来说很困难，以及通过估计。Ezhov和Shumsky已经证明了最佳故事长度对可调参数数量的分析依赖性，其精度常数为一阶。这种依赖关系对应用领域没有限制。 因此，通过几个例子找到其最佳值并确保其静止性就足够了，这样就不会在没有任何特别需要的情况下玩复杂的数学计算。这一点已经做到了。
好的，非常感谢...:)
为什么我这么挑剔呢--对我来说，这个问题（优化范围）是目前的核心......也许骑手 是对的--在许多方面，这是一个心理学问题--我想让自己相信我的选择是可靠的......。但我需要有一个好的理由（最好是一些严肃的科学研究）来选择一个或另一个优化方案......
但显然，我只能依靠我的经验和直觉......
为什么我这么挑剔--对我来说，这个问题（优化范围）是目前的核心......也许骑手 是对的...
其实不是骑手 说的对，更可能是卡尔科说 的。
优化的任务是找到这样的TS参数，当我们在测试的时间范围内得到稳定的结果时......时间范围越广，你就越能相信在未来获得的结果....。
矛盾的是，这个问题要广泛得多，也更微妙。事实上，如果我们转向显示策略测试者泛化误差的依赖性的公式，我们看到它随着 P 交易数量的增加而单调地减少：E=Eapprox+ Ecomplex=d/W+W/P，也就是说，训练样本越大越好。但在市场不变性（静止性）的假设下，这是真的，但事实上，它是可以改变的，从一些 P的 例子开始变得无用，而且--有害。在这些条件下，重要的是定义一个极限，在这个极限之后，进一步增加例子的数量只会使情况恶化。我们需要确定参数 P 的左限。当模型的复杂性导致的误差与近似误差相当或略小于后者时，就会出现这种情况，而不是像kharko 提出的那样趋于零。因此，在 k=3-6 附近有一个由参数 P=k*W 组成的温和的最佳状态。
这就是系数的来源，它的性质是市场过程的非平稳性。
真正正确的不是骑手，而是Kharko。
矛盾的是，这个问题要广泛得多，也更微妙。事实上，如果我们参考显示策略测试器泛化误差的依赖性的公式，我们会发现它随着交易数量P的增加而单调地减少：E=Eapprox+ Ecomplex=d/W+W/P，即训练样本越大越好......但在市场不变性（静止性）的假设下，这是真的，但事实上，它是可以改变的，从一些P的例子开始变得无用，而且--有害。在这些条件下，重要的是定义一个极限，在这个极限之后，进一步增加例子的数量只会使情况恶化。我们需要确定参数P的左限。当模型的复杂性导致的误差与近似误差相当或略小于后者时，就会出现这种情况，而不是像kharko 提出的那样趋于零。因此，在k=3-6附近有一个由参数P=k*W组成的温和的最佳状态。
这就是这个系数的由来，它的性质是市场过程的非平稳性。
愿上帝与她同在，并赐予她权利....。我不坚持，我自己也没有发现这样的权利。)).....，我非常愿意相信你的k=3-6，并且不做任何转发......((.....，但有些东西不让我进去，最重要的是，常规操作不会变少：你可以在优化器中设置一定间隔的事务数量--会发生相当多的另一种对话.....。
能否给我一个叶若夫等人的链接？
并请给我一个叶若夫等人的链接？
抓住，第64-66页。
不，不，等等！
交易的频率本身，以及它们在测试历史上的最佳数量本身。你通过查看交易结果来优化TS的参数 - 找到某些功能的最大值，在这种情况下，它可能是累计收入或盈利能力（每笔交易的点数）。现在你有一个问题：鉴于可调整参数的数量，你需要找到最理想的交易数量，测试员将在此基础上优化策略。注意，不是时间，即入市和出市的次数。
简而言之，任务只包括交易的数量--它们不能多于或少于最佳数量。你已经找到了最佳的利润率--交易。一段时间后，你开始过度优化，并一直这样做。如何在策略测试器中实现它？你必须思考...
....
如果我们在测试器中优化了5个参数（例如，挥手期），那么最佳的历史长度应该是测试器在其上进行4*5=20次交易。它可能需要1到......200天的历史，这完全取决于所采取的策略。减少这个数字将导致测试者与历史相适应，而增加--导致近似质量的恶化，结果是预测精度的恶化。
从你的帖子中引用的节选....结论...
你认为，根据拟合参数的数量，有一些最佳的交易数量...好吧...让我们约定....
现在我们的任务是为每次运行找到最佳的时间范围，在这个范围内，TS执行了估计的最佳交易数量....。也就是说，对于某些参数来说，1天的历史就足够了，而对于其他参数来说，甚至一年都不够......这种变体不适合...
好吧...让我们简化一下任务....让我们留下一个恒定的时间间隔...我们只考虑那些能给我们带来最佳交易数量的运行......
哪一个是最好的？答案是显而易见的...数学期望值最高的人....
但是，那些被我们屏蔽掉的运行情况呢......？他们不是可用的吗？
假设最佳交易数为N...有一个运行与该数量的交易...但是，有一个运行，有K倍的交易......。
当我们的理想运行将进行1次交易时，另一个在交易数量上并不理想的运行将已经进行了K次交易....。
现在让我们比较一下我们从完美和非完美运行中得到的利润......要做到这一点，将交易数量乘以相应的预期报酬值......。
如果来自非理想运行的利润显得更大，这意味着我们为这个运行采取了太大的时间段来优化，因为我们得到的交易量与最佳交易量不同......。还有一个差异......
即使我们采取1个符合最佳交易数量条件的运行，那么如果我们只是将时间间隔向右或向左移动，我们将得到不同的交易数量的结果......。
结论：提出的优化方法是乌托邦。
对中子
关于交易数量还有一件事：在我的EA中，有这样一个参数，即最大订单数，如果参数选择正确，EA同时进行的交易数量的增加会增加利润，但另一方面，相对于EA的输入参数 数量而言，我们在特定的时间框架内得到的交易数量并不理想，我们应该如何处理？
你是否愿意考虑这种优化和回测。
而不是
你可以把另一个函数，例如。或者反过来说，一个更小的。