Diskussion zum Artikel "Verwendung von Optimierungsalgorithmen zur Konfiguration von EA-Parametern im laufenden Betrieb"

Neuer Kommentar
 

Neuer Artikel Verwendung von Optimierungsalgorithmen zur Konfiguration von EA-Parametern im laufenden Betrieb :

Der Artikel behandelt die praktischen Aspekte der Verwendung von Optimierungsalgorithmen, um die besten EA-Parameter im laufenden Betrieb zu finden, sowie die Virtualisierung von Handelsoperationen und EA-Logik. Der Artikel kann als Anleitung für die Implementierung von Optimierungsalgorithmen in einen EA verwendet werden.

Ich werde oft gefragt, wie man Optimierungsalgorithmen bei der Arbeit mit EAs und Strategien im Allgemeinen anwendet. In diesem Artikel möchte ich mich mit den praktischen Aspekten der Verwendung von Optimierungsalgorithmen befassen.

In der heutigen Finanzwelt, in der jede Millisekunde einen großen Unterschied machen kann, wird der algorithmische Handel immer notwendiger. Optimierungsalgorithmen spielen eine Schlüsselrolle bei der Entwicklung effizienter Handelsstrategien. Vielleicht glauben einige Skeptiker, dass Optimierungsalgorithmen und Handel keine Gemeinsamkeiten haben. In diesem Artikel werde ich jedoch aufzeigen, wie diese beiden Bereiche zusammenwirken können und welche Vorteile sich aus diesem Zusammenspiel ergeben.

Für unerfahrene Händler kann das Verständnis der Grundprinzipien von Optimierungsalgorithmen ein mächtiges Werkzeug sein, um profitable Geschäfte zu finden und Risiken zu minimieren. Für erfahrene Fachleute können fundierte Kenntnisse in diesem Bereich neue Horizonte eröffnen und dazu beitragen, ausgefeilte Handelsstrategien zu entwickeln, die die Erwartungen übertreffen.

Bei derSelbstoptimierungin einem EA handelt es sich um einen Prozess, bei dem der EA seine Handelsstrategieparameter anpasst, um auf der Grundlage historischer Daten und aktueller Marktbedingungen eine bessere Leistung zu erzielen. 

Autor: Andrey Dik

 
Das ist erstaunlich. Sagen Sie, ist ein solcher Algorithmus in Python möglich?
 

input string   InpKPeriod_P        = "18|9|3|24";  //STO K period:      it is necessary to optimize
input string   InpUpperLevel_P  = "96|88|2|98"; //STO upper level: it is necessary to optimize

Beachten Sie, dass die Parameter mit dem String-Typ deklariert werden, die Parameter sind zusammengesetzt und umfassenStandardwerte,Startwert der Optimierung ,Schritt und Endwert der Optimierung .

Ich würde empfehlen, das MQ-Format einer solchen Zeichenkette zu verwenden. 
input string   InpKPeriod_P     = "18||9||3||24||N";  //STO K-Periode: es ist notwendig, zu optimieren
input string   InpUpperLevel_P  = "96||88||2||98||Y"; //STO obere Ebene: Es ist notwendig zu optimieren
 
Yevgeniy Koshtenko #:
Das ist erstaunlich. Sagen Sie, ist dieser Algorithmus in Python möglich?
Ja, natürlich.
 
fxsaber #:
Ich würde empfehlen, das MQ-Format für eine solche Zeichenfolge zu verwenden.
Ja, Sie können es so machen, Sie müssen nur eine Prüfung auf Flags in den Parameterstring-Datensatz einfügen, das ist Sache des Besitzers.
 

Es scheint falsch zu sein, zwei verschiedene Implementierungen des Handels zu haben - in der realen und in der virtuellen Umgebung - es ist leicht, eine Nicht-Identität anzunehmen. Idealerweise sollte es dieselbe Methode sein, die von OnTick direkt in der realen Umgebung oder vom Optimierer in der virtuellen Umgebung aufgerufen wird.

Und es fehlt noch die Parallelität der Optimierung. Es ist logisch, jede Gruppe/jeden Roboter/jeden anderen analogen, unabhängigen Agenten in einer separaten Kopie des Expert Advisors auszuführen, d.h. in einem eigenen Thread(zum Beispiel).

 
Stanislav Korotky #:

Es scheint falsch zu sein, zwei verschiedene Implementierungen des Handels zu haben - in realer und virtueller Umgebung - es ist leicht, Nicht-Identität anzunehmen. Idealerweise sollte es dieselbe Methode sein, die von OnTick direkt mit realer Umgebung oder vom Optimierer mit virtueller Umgebung aufgerufen wird.

Und es fehlt noch die Parallelität der Optimierung. Es ist logisch, jede Gruppe/jeden Roboter/jeden anderen analogen, unabhängigen Agenten in einer separaten Kopie des Expert Advisors auszuführen, d.h. in einem eigenen Thread(zum Beispiel).

Ja, natürlich, ich stimme mit allem überein.

Aber die Aufgabe war es, ein wirklich sehr einfaches Beispiel zu zeigen, das für einen breiten Nutzerkreis zugänglich ist, auch für diejenigen, die mit der Programmierung nicht vertraut sind.

Und so braucht man natürlich idealerweise die volle Identität von virtuell und real, und man kann alles leicht parallelisieren, wenn man die ganze Logik in virtuell hat.

 

Endlich ein gutes Beispiel für eine Anwendung Ihrer Artikel zur Optimierung.

Ich danke Ihnen.

 
Aleksandr Slavskii #:

Na endlich, ein gutes Beispiel für die Anwendung Ihrer Optimierungsartikel.

Ich danke Ihnen.

Ich danke Ihnen für Ihre Aufmerksamkeit für meine Artikel.
 
Das richtige Design ist ein großartiger Ausgangspunkt, um zu zeigen, wohin künstliche Intelligenz (die zwar nichts mit EA zu tun hat, weil es sich nicht um neuronale Netze und nicht um selbstlernende Systeme handelt) gehen sollte, mit einer logischen Strategie, und wir fügen dies hinzu, und es ist wirklich vorteilhaft, Selbstoptimierung, das ist es, was uns näher an den Modus der menschlichen Intelligenz bringen wird, weil es uns erlaubt, Entscheidungen kurzfristig zu treffen, und auf der Grundlage dessen, was im Moment passiert. der Moment, mit den besten, momentanen Bedingungen.
 

Interessanter Artikel, er sollte das Interesse an der von Ihnen veröffentlichten Artikelserie wecken!

Der Nachteil der vorgeschlagenen Implementierung ist natürlich die fehlende Universalität des Ansatzes, d.h. es ist notwendig, den bestehenden Expert Advisor komplett umzuschreiben und einen virtuellen Tester mit vielen Funktionen darin einzuführen. Der Vorteil des Ansatzes ist natürlich die akzeptable Arbeitsgeschwindigkeit dank der virtuellen Indikatoren.

Haben Sie schon einmal versucht, nicht Chartbereiche zur Optimierung zu verwenden, sondern Sets von solchen vorher ausgewählten Einstellungen für jeden Indikator/Prädiktor? Dieser Ansatz reduziert den Suchbereich erheblich, aber ich verstehe, dass nicht alle Algorithmen richtig funktionieren werden, da es keinen fließenden Wechsel von Parameter zu Parameter gibt, oder ist das nicht entscheidend?

Sind weitere Artikel über andere Möglichkeiten der Anwendung von Algorithmen geplant, wie sie in diesem Artikel beschrieben werden?

  • Portfolio-Management. Optimierungsalgorithmen können dabei helfen, die optimale Vermögensaufteilung in einem Portfolio zu bestimmen, um bestimmte Ziele zu erreichen. So können beispielsweise Optimierungstechniken wie die Mean-Variance-Optimierung (Mean-Variance-Matrix) verwendet werden, um die effizienteste Gruppe von Vermögenswerten angesichts der erwarteten Erträge und des Risikos zu finden. Dies kann die Bestimmung der optimalen Mischung aus Aktien, Anleihen und anderen Vermögenswerten sowie die Optimierung der Positionsgrößen und der Portfoliodiversifizierung umfassen.
  • Auswahl der besten Handelsinstrumente. Optimierungsalgorithmen können bei der Auswahl der besten Handelsinstrumente oder Vermögenswerte für den Handel helfen. Optimierungsalgorithmen können zum Beispiel dazu verwendet werden, Vermögenswerte nach verschiedenen Kriterien wie Rendite, Volatilität oder Liquidität zu ordnen.
123
Neuer Kommentar