Diskussion zum Artikel "Selbstoptimierende Expert Advisors in MQL5 (Teil 16): Überwachte lineare Systemidentifikation"

 

Neuer Artikel Selbstoptimierende Expert Advisors in MQL5 (Teil 16): Überwachte lineare Systemidentifikation :

Die lineare Systemidentifikation kann mit dem Lernen gekoppelt werden, um den Fehler in einem überwachten Lernalgorithmus zu korrigieren. So können wir Anwendungen entwickeln, die von statistischen Modellierungstechniken abhängen, ohne zwangsläufig die Anfälligkeit der restriktiven Annahmen des Modells zu übernehmen. Klassische überwachte Lernalgorithmen haben viele Bedürfnisse, die durch die Kombination dieser Modelle mit einem Feedback-Controller ergänzt werden können, der das Modell korrigieren kann, um mit den aktuellen Marktbedingungen Schritt zu halten.

In unserer vorangegangenen Diskussion über Feedback-Controller haben wir gelernt, dass diese Systeme die Leistung von Handelsstrategien stabilisieren können, indem sie zunächst ihr Verhalten in Aktion beobachten. Wir haben hier einen kurzen Link zu der früheren Diskussion bereitgestellt. Dieses Anwendungsdesign ermöglichte es uns, die vorherrschenden Korrelationsstrukturen zu erfassen, die sowohl bei Gewinn- als auch bei Verlustgeschäften bestehen blieben. Im Wesentlichen halfen Feedback-Controller unserer Handelsanwendung zu lernen, wie man sich unter den aktuellen Marktbedingungen optimal verhält – ähnlich wie menschliche Händler, die sich weniger auf die Vorhersage der Zukunft als vielmehr auf eine intelligente Reaktion auf die Gegenwart konzentrieren.

Der Leser sollte wissen, dass wir uns bisher auf rückgekoppelte Regler konzentriert haben, die einfache, regelbasierte Strategien korrigieren. Dieser einfache Ansatz ermöglichte es dem Leser, die Wirkung des Feedback-Controllers sofort zu erkennen, selbst wenn er zum ersten Mal mit der Materie in Berührung kam. In der folgenden Abbildung 1 haben wir ein schematisches Diagramm der Anwendungskonfiguration erstellt, um dem Leser die Änderungen, die wir heute vornehmen, zu verdeutlichen. 


Autor: Gamuchirai Zororo Ndawana