优化范围 - 页 5 1234567 新评论 Alexei Kharchenko 2009.03.03 14:53 #41 至于优化的标准？ 我刚刚为自己算出了一个估算系数......它可能会派上用场... 优化之后，我们得到了一个变体的样本...所有的变体都彼此不同，例如，在优化时期的交易数量。 我们的想法是，根据中子的 标准，使所有运行的交易总数达到最佳交易数，例如... N(i) / N(op) 让我们把得到的值乘以第i次运行的相应预期报酬......。 N(i) / N(op) * 预期报酬(i) 因此，我们将在每次运行中获得利润。这个值已经可以和其他采样变体进行比较... 这个公式中是否缺少什么？你又是如何计算风险的？非常简单... 确定可能的最大缩减值，并将其除以运行中的最大缩减值... 这就是恒定地段的增加系数... DropDown(max) / DropDown(i) 系数的最终公式 K(op) = N(i) / N(op) * 预期报酬(i) * DropDown(max) / DropDown(i) 如果N(op)=1，那么N(i)*预期报酬(i)是 第i次运行的利润....。我认为N(op) 应该等于优化后运行样本中交易数量的最大值......。 Neutron 2009.03.03 16:35 #42 kharko писал(а)>>你认为有一些最佳的交易数量，这取决于拟合参数的数量... 让我们简化一下问题....让我们留下一个恒定的时间间隔... 结论：提出的优化方法是乌托邦。 kharko ，你得到的东西与上述答案的表述中的问题不相关。 中心点是关于在测试器中提前给出的拟合参数数量的交易数量上存在一个空心最优的声明。事实表明，在这样长度的运行中（最后一笔交易与当前时间对接）进行精确优化，在统计学上会得到最佳的优化效果。当然，这并不意味着进入市场后，你会变得富有--也许会出现一系列的损失，你会失去一切！但这并不意味着你会变得富有。但这意味着每次在进入市场之前都这样做，很多时候你会获得最大的可能的利润。 该策略如下：策略测试者应该有一个与创建TS的基础相同的虚拟交易模拟器。这个模拟器在其内存中保留了相当于最佳的交易历史，在每次真实交易后，它都会优化其参数，以使虚拟资产最大化。然后，找到的参数被发送到真正的MTS，它就进入了市场。带有虚拟优化的操作被重复。循环。 ITeXPert 写道>>关于交易数量还有一句话：我的专家顾问有这样一个参数，即最大订单数，如果参数选择正确，专家顾问同时进行的交易数量的增加会增加所获利润，但另一方面，相对于EA的输入参数数量，我们有一个非最佳的交易数量，该如何处理？ ITeXPert， 所获得的结果只对在单一仪器上工作是真实的，而且在任何时候只能打开一个位置。如何归纳为一般情况，我们需要思考。 kharko 写道>>我们的想法是将所有运行的交易数量泛化，例如，根据纽特朗的 标准来确定最佳交易数量 N(i) / N(op) 让我们把得到的值乘以第i次运行的相应预期报酬......。 N(i) / N(op) * 预期报酬(i) 聪明! kharko， 我担心这样的军事技巧可能不会奏效......原因就在这里。问题是，测试者的概括性错误不是基于预期报酬， 也就是说，它不把收益作为估计值产生的最大参数。它是基于贝叶斯 分类器，收益的正常化并不是任务的一部分。阅读上述文章中的一段（第56页）。 Alexei Kharchenko 2009.03.03 17:18 #43 Neutron писал(а)>> kharko ，你得到的东西与上面给出答案的表述中的问题没有关系。 中心点是关于在测试器中提前给出的拟合参数数量的交易数量上存在一个空心最优的声明。事实表明，在该长度的运行中（最后一笔交易与当前时间对接）进行精确优化，将在统计上获得最佳优化效果。当然，这并不意味着进入市场就能发财，有可能出现一连串的亏损，让你倾家荡产!但这意味着，每次在进入市场前这样做，你将获得最大的利润。 该策略如下：策略测试者应该有一个与创建TS的基础相同的虚拟交易模拟器。这个模拟器在其内存中保留了长等于最佳的交易历史，在每次真实交易后，它都会优化其参数，使虚拟资产最大化。然后，找到的参数被发送到真正的MTS，它就进入了市场。带有虚拟优化的操作被重复。循环。 kharko， 我担心这样的军事技巧可能不会奏效。而这就是原因。问题是，测试者的概括性错误不是基于预期报酬， 也就是说，它不考虑收益作为一个参数，在最小化的时候获得估计。它是基于贝叶斯 分类器，收益的正常化并不是任务的一部分。请阅读我上面发布的文章中的一段（第56页）。 解释一下什么是优化的最佳统计效果？ 你如何理解它？ 我在上面给出了我对最佳优化变体的理解。在你比较某样东西并说这个更好，这个更差之前，你必须把比较的价值减少到一个共同的分母......在这种情况下，共同的分母是一般化的交易数量...该标准是在脱离你的情况下提出的......只是顺便想想...))) 让我们举个例子，以回收系数作为最佳优化方案的标准......如果回收系数大致相等，但交易数量相差一个数量级，哪种方案更可取。 我将选择数字较高的那一个。为什么？因为这种变体在优化期间显示出更好的稳定性...交易数量较少的变体更容易出现随机性...换句话说，交易数量较多的变体比交易数量较少的变体需要更长的失败系列，才能在未来显著降低恢复系数标准的值......。 还没有读过这篇文章... Neutron 2009.03.03 17:50 #44 我需要给Mathemat 打电话寻求帮助。 没有人能够比他更好、更有能力地解释 "统计学上的最佳效果 "是什么意思。但根据定义，我是这样理解的：在足够大的系列（n>100）上，对于某些过程，不同的结果是可能的，在我们的案例中，我们考虑的是优化后的下一笔交易的结果。因此，即使结果不同，我们也可以找到最可能的一个（搜索程序在数学统计学 的教科书中有所描述），并估计出其他变体的特征散点。根据这种参数优化的方法，这个最可能的，将是测试器中最大的可能。 Rider 2009.03.03 18:17 #45 kharko >> : 至于优化的标准？ 我刚刚为自己算出了一个估算系数......它可能会派上用场... 优化之后，我们得到了一个变体的样本...所有的变体都彼此不同，例如，在优化时期的交易数量。 我们的想法是，根据中子的标准，使所有运行的交易总数达到最佳交易数，例如... N(i) / N(op) 让我们把得到的值乘以第i次运行的相应预期报酬......。 N(i) / N(op) * 预期报酬(i) 因此，我们将在每次运行中获得利润。这个值已经可以和其他采样变体进行比较... 这个公式中是否缺少什么？你又是如何计算风险的？非常简单... 确定可能的最大缩减值，并将其除以运行中的最大缩减值... 这就是恒定地段的增加系数... DropDown(max) / DropDown(i) 系数的最终公式 K(op) = N(i) / N(op) * 预期报酬(i) * DropDown(max) / DropDown(i) 如果N(op)=1，那么N(i)*预期报酬(i)是第i次运行的利润....。我认为N(op)应该等于优化后运行样本中交易数量的最大值......。 有一个稍微不同的选择......，让我们从基线开始--平衡曲线应该是不断向上的（先验的）....，它越平越好....。所以（这不是新闻--在这里的某个地方的许多帖子中已经说过）。 - 在一年或两年或三年的时间内做一次装修优化.....。 - 例如，在每半年的2-3-4个月内使用这些参数。 - 负面的，我们抛弃 - 其他的--就像对待敌人一样：它们不符合算法（交易数量、利润、缩减等不成正比）--我们把它们扔掉。 - 还有1-2-3版本的参数--我们优化它们，我们把它们拧到最大)))).....。 - 选择最好的一个（最好的1-2个）--设置为演示--一个月或两个（这是我的变体--当没有点球时，你很难得到一个合理的结果，可以估计，在较短的时间内）......，只有在这之后的交易 ...... 有一个关于过度优化的问题....... 如果你说这是例行公事 - 我同意，自动化只是部分服从...或者我没有足够的 "牵引力"))))....，这就是我一开始说的--写一个专家顾问很容易，用任何算法处理交易，但你需要的不仅仅是机器资源，还需要愿意用你的双手和大脑工作（这更重要） )) Alexei Kharchenko 2009.03.03 18:38 #46 rider писал(а)>> 如果你否定了所有的选择，你会怎么做？中大到地狱...但是，TS在某些参数下的时间间隔上工作，而在其他参数下的时间间隔上工作......。 中子的 变体，即 在每次交易后替换最理想的参数，是理想的，但很难实现。 一个更简单、更容易实现的方法--例如，当达到某个标准时（例如，缩减量大于临界值），我们停止交易（新的头寸不开，旧的头寸由专家顾问持有，直到关闭），进行新的优化，然后，用新的参数启动EA...这个过程可以自动化... Sergey Sypalo 2009.03.03 22:00 #47 这里有一篇关于自动优化的文章--'文章《真实交易中的交易机器人自动优化》。 Rider 2009.03.04 07:21 #48 kharko >> : 如果你否定了所有的选择，你会怎么做？中大到地狱...但是，TS在某些参数下的时间间隔上工作，而在其他参数下的时间间隔上工作......。 中子的 变体，即 在每次交易后替换最理想的参数，是理想的，但很难实现。 一个更简单、更容易实现的方法--例如，当达到某个标准时（例如，缩减量大于临界值），我们停止交易（新的头寸不开，旧的头寸由专家顾问持有，直到关闭），进行新的优化，然后，用新的参数启动EA...这个过程可以自动化... 去他妈的 :))))....... 你应该考虑到的一件事是，TS在每个（当然是他可以接受的）时间间隔和仪器上都进行了优化。此外，同意 "专家-TF-仪器 "的组合是一个完全不同的专家...... 变化 - "拥抱浩瀚 "将变成........ Rider 2009.03.04 07:56 #49 kharko >> : 一个更简单、更容易实现的方法--例如，当达到某个标准时（例如，缩减量大于临界值），我们停止交易（新的头寸不开，旧的头寸由EA持有，直到关闭），进行新的优化，然后用新的参数启动EA...这个过程可以自动化... 我们谈论的是优化，而不是交易--对吗？......，在交易中，每个人都有自己的规则，自动优化在这里没有什么帮助......，请劝阻我--我将非常感激) Alexei Kharchenko 2009.03.04 08:33 #50 rider писал(а)>> 我们谈论的是优化，而不是交易--对吗？......，在交易中我们有自己的规则，每个人都有自己的规则，自动优化在这里没有什么帮助......，请劝阻我--我只会感激) 获利、止损或追踪臂--几乎每个交易员都在交易中使用这些方法。为什么不对TS参数做同样的处理？.... 当然，你可以坐下来，等待缩减，然后展示你的GRAILS......希望天气... 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
至于优化的标准？
我刚刚为自己算出了一个估算系数......它可能会派上用场...
优化之后，我们得到了一个变体的样本...所有的变体都彼此不同，例如，在优化时期的交易数量。
我们的想法是，根据中子的 标准，使所有运行的交易总数达到最佳交易数，例如...
N(i) / N(op)
让我们把得到的值乘以第i次运行的相应预期报酬......。
N(i) / N(op) * 预期报酬(i)
因此，我们将在每次运行中获得利润。这个值已经可以和其他采样变体进行比较...
这个公式中是否缺少什么？你又是如何计算风险的？非常简单...
确定可能的最大缩减值，并将其除以运行中的最大缩减值...
这就是恒定地段的增加系数...
DropDown(max) / DropDown(i)
系数的最终公式
K(op) = N(i) / N(op) * 预期报酬(i) * DropDown(max) / DropDown(i)
如果N(op)=1，那么N(i)*预期报酬(i)是 第i次运行的利润....。我认为N(op) 应该等于优化后运行样本中交易数量的最大值......。
你认为有一些最佳的交易数量，这取决于拟合参数的数量...
让我们简化一下问题....让我们留下一个恒定的时间间隔...
结论：提出的优化方法是乌托邦。
kharko ，你得到的东西与上述答案的表述中的问题不相关。
中心点是关于在测试器中提前给出的拟合参数数量的交易数量上存在一个空心最优的声明。事实表明，在这样长度的运行中（最后一笔交易与当前时间对接）进行精确优化，在统计学上会得到最佳的优化效果。当然，这并不意味着进入市场后，你会变得富有--也许会出现一系列的损失，你会失去一切！但这并不意味着你会变得富有。但这意味着每次在进入市场之前都这样做，很多时候你会获得最大的可能的利润。
该策略如下：策略测试者应该有一个与创建TS的基础相同的虚拟交易模拟器。这个模拟器在其内存中保留了相当于最佳的交易历史，在每次真实交易后，它都会优化其参数，以使虚拟资产最大化。然后，找到的参数被发送到真正的MTS，它就进入了市场。带有虚拟优化的操作被重复。循环。
关于交易数量还有一句话：我的专家顾问有这样一个参数，即最大订单数，如果参数选择正确，专家顾问同时进行的交易数量的增加会增加所获利润，但另一方面，相对于EA的输入参数数量，我们有一个非最佳的交易数量，该如何处理？
ITeXPert， 所获得的结果只对在单一仪器上工作是真实的，而且在任何时候只能打开一个位置。如何归纳为一般情况，我们需要思考。
我们的想法是将所有运行的交易数量泛化，例如，根据纽特朗的 标准来确定最佳交易数量
N(i) / N(op)
让我们把得到的值乘以第i次运行的相应预期报酬......。
N(i) / N(op) * 预期报酬(i)
聪明!
kharko， 我担心这样的军事技巧可能不会奏效......原因就在这里。问题是，测试者的概括性错误不是基于预期报酬， 也就是说，它不把收益作为估计值产生的最大参数。它是基于贝叶斯 分类器，收益的正常化并不是任务的一部分。阅读上述文章中的一段（第56页）。
kharko ，你得到的东西与上面给出答案的表述中的问题没有关系。
中心点是关于在测试器中提前给出的拟合参数数量的交易数量上存在一个空心最优的声明。事实表明，在该长度的运行中（最后一笔交易与当前时间对接）进行精确优化，将在统计上获得最佳优化效果。当然，这并不意味着进入市场就能发财，有可能出现一连串的亏损，让你倾家荡产!但这意味着，每次在进入市场前这样做，你将获得最大的利润。
该策略如下：策略测试者应该有一个与创建TS的基础相同的虚拟交易模拟器。这个模拟器在其内存中保留了长等于最佳的交易历史，在每次真实交易后，它都会优化其参数，使虚拟资产最大化。然后，找到的参数被发送到真正的MTS，它就进入了市场。带有虚拟优化的操作被重复。循环。
kharko， 我担心这样的军事技巧可能不会奏效。而这就是原因。问题是，测试者的概括性错误不是基于预期报酬， 也就是说，它不考虑收益作为一个参数，在最小化的时候获得估计。它是基于贝叶斯 分类器，收益的正常化并不是任务的一部分。请阅读我上面发布的文章中的一段（第56页）。
解释一下什么是优化的最佳统计效果？ 你如何理解它？
我在上面给出了我对最佳优化变体的理解。在你比较某样东西并说这个更好，这个更差之前，你必须把比较的价值减少到一个共同的分母......在这种情况下，共同的分母是一般化的交易数量...该标准是在脱离你的情况下提出的......只是顺便想想...)))
让我们举个例子，以回收系数作为最佳优化方案的标准......如果回收系数大致相等，但交易数量相差一个数量级，哪种方案更可取。
我将选择数字较高的那一个。为什么？因为这种变体在优化期间显示出更好的稳定性...交易数量较少的变体更容易出现随机性...换句话说，交易数量较多的变体比交易数量较少的变体需要更长的失败系列，才能在未来显著降低恢复系数标准的值......。
还没有读过这篇文章...
我需要给Mathemat 打电话寻求帮助。
没有人能够比他更好、更有能力地解释 "统计学上的最佳效果 "是什么意思。但根据定义，我是这样理解的：在足够大的系列（n>100）上，对于某些过程，不同的结果是可能的，在我们的案例中，我们考虑的是优化后的下一笔交易的结果。因此，即使结果不同，我们也可以找到最可能的一个（搜索程序在数学统计学 的教科书中有所描述），并估计出其他变体的特征散点。根据这种参数优化的方法，这个最可能的，将是测试器中最大的可能。
至于优化的标准？
我刚刚为自己算出了一个估算系数......它可能会派上用场...
优化之后，我们得到了一个变体的样本...所有的变体都彼此不同，例如，在优化时期的交易数量。
我们的想法是，根据中子的标准，使所有运行的交易总数达到最佳交易数，例如...
N(i) / N(op)
让我们把得到的值乘以第i次运行的相应预期报酬......。
N(i) / N(op) * 预期报酬(i)
因此，我们将在每次运行中获得利润。这个值已经可以和其他采样变体进行比较...
这个公式中是否缺少什么？你又是如何计算风险的？非常简单...
确定可能的最大缩减值，并将其除以运行中的最大缩减值...
这就是恒定地段的增加系数...
DropDown(max) / DropDown(i)
系数的最终公式
K(op) = N(i) / N(op) * 预期报酬(i) * DropDown(max) / DropDown(i)
如果N(op)=1，那么N(i)*预期报酬(i)是第i次运行的利润....。我认为N(op)应该等于优化后运行样本中交易数量的最大值......。
有一个稍微不同的选择......，让我们从基线开始--平衡曲线应该是不断向上的（先验的）....，它越平越好....。所以（这不是新闻--在这里的某个地方的许多帖子中已经说过）。
- 在一年或两年或三年的时间内做一次装修优化.....。
- 例如，在每半年的2-3-4个月内使用这些参数。
- 负面的，我们抛弃
- 其他的--就像对待敌人一样：它们不符合算法（交易数量、利润、缩减等不成正比）--我们把它们扔掉。
- 还有1-2-3版本的参数--我们优化它们，我们把它们拧到最大)))).....。
- 选择最好的一个（最好的1-2个）--设置为演示--一个月或两个（这是我的变体--当没有点球时，你很难得到一个合理的结果，可以估计，在较短的时间内）......，只有在这之后的交易
......
有一个关于过度优化的问题.......
如果你说这是例行公事 - 我同意，自动化只是部分服从...或者我没有足够的 "牵引力"))))....，这就是我一开始说的--写一个专家顾问很容易，用任何算法处理交易，但你需要的不仅仅是机器资源，还需要愿意用你的双手和大脑工作（这更重要） ))
如果你否定了所有的选择，你会怎么做？中大到地狱...但是，TS在某些参数下的时间间隔上工作，而在其他参数下的时间间隔上工作......。
中子的 变体，即 在每次交易后替换最理想的参数，是理想的，但很难实现。
一个更简单、更容易实现的方法--例如，当达到某个标准时（例如，缩减量大于临界值），我们停止交易（新的头寸不开，旧的头寸由专家顾问持有，直到关闭），进行新的优化，然后，用新的参数启动EA...这个过程可以自动化...
这里有一篇关于自动优化的文章--'文章《真实交易中的交易机器人自动优化》。
如果你否定了所有的选择，你会怎么做？中大到地狱...但是，TS在某些参数下的时间间隔上工作，而在其他参数下的时间间隔上工作......。
中子的 变体，即 在每次交易后替换最理想的参数，是理想的，但很难实现。
一个更简单、更容易实现的方法--例如，当达到某个标准时（例如，缩减量大于临界值），我们停止交易（新的头寸不开，旧的头寸由专家顾问持有，直到关闭），进行新的优化，然后，用新的参数启动EA...这个过程可以自动化...
去他妈的 :))))....... 你应该考虑到的一件事是，TS在每个（当然是他可以接受的）时间间隔和仪器上都进行了优化。此外，同意 "专家-TF-仪器 "的组合是一个完全不同的专家...... 变化 - "拥抱浩瀚 "将变成........
一个更简单、更容易实现的方法--例如，当达到某个标准时（例如，缩减量大于临界值），我们停止交易（新的头寸不开，旧的头寸由EA持有，直到关闭），进行新的优化，然后用新的参数启动EA...这个过程可以自动化...
我们谈论的是优化，而不是交易--对吗？......，在交易中，每个人都有自己的规则，自动优化在这里没有什么帮助......，请劝阻我--我将非常感激)
我们谈论的是优化，而不是交易--对吗？......，在交易中我们有自己的规则，每个人都有自己的规则，自动优化在这里没有什么帮助......，请劝阻我--我只会感激)
获利、止损或追踪臂--几乎每个交易员都在交易中使用这些方法。为什么不对TS参数做同样的处理？....
当然，你可以坐下来，等待缩减，然后展示你的GRAILS......希望天气...