Discusión sobre el artículo "Usamos algoritmos de optimización para ajustar los parámetros del asesor sobre la marcha" - página 2

Nuevo comentario
 
Aleksey Vyazmikin #:

Interesante artículo, ¡debería suscitar interés en la serie de artículos que publica!

Por supuesto, la desventaja de la aplicación propuesta es la falta de universalidad del enfoque, es decir, es necesario reescribir completamente el Asesor Experto existente e introducir en él un probador virtual con muchas funciones. Por supuesto, la ventaja del enfoque es la velocidad aceptable de trabajo debido a los indicadores virtuales.

Gracias por su comentario.

Hay desventajas de esta aplicación, por supuesto. Pero en este artículo que quería centrarse más en el concepto de uso de algoritmos de optimización adecuada. De hecho, los esquemas de uso de algoritmos pueden ser muy diversos, la arquitectura universal de los algoritmos permite implementar cualquier idea en la que haya que buscar u optimizar algo.

En cuanto a la autooptimización como proceso de ejecución de la estrategia EA sobre el histórico, sería ideal disponer de una función MQL5 estándar como HistoricalSelfRun (startDate, endDate, params), que ejecute el EA sobre el histórico en una versión ligera del comprobador. Ahora puede ejecutar el probador desde la línea de comandos, pero este es un proceso separado y tales soluciones no son adecuadas para el mercado.

¿Ha intentado utilizar no rangos de gráficos para la optimización, sino conjuntos de tales ajustes previamente seleccionados para cada indicador/predictor? Este enfoque reduce significativamente el área de búsqueda, pero entiendo que no todos los algoritmos funcionarán correctamente, ya que no hay un cambio suave de parámetro a parámetro, ¿o no es crucial?

Entiendo lo que dices, creo que te refieres a que el cambio de opt-parámetros en algunos algoritmos debe ser realizado por el propio algoritmo y la interferencia externa no es deseable? A algunos algoritmos realmente no les gusta que interfieras en su trabajo desde fuera dándoles coordenadas, pero la mayoría de los algoritmos son tolerantes a tales interferencias. Estoy preparando un artículo sobre el comportamiento de los algoritmos en este tipo de situaciones. Pero sí, a veces puede ser muy útil iniciar un algoritmo desde una posición determinada en el espacio de búsqueda.

¿Hay algún artículo previsto sobre otras aplicaciones de los algoritmos, en la línea de este artículo?

  • Gestión de carteras. Los algoritmos de optimización pueden ayudar a determinar la asignación óptima de activos en una cartera para alcanzar determinados objetivos. Por ejemplo, las técnicas de optimización como la optimización de la varianza media (matriz de covarianza de varianza media) pueden utilizarse para encontrar el conjunto de activos más eficiente en función de la rentabilidad y el riesgo previstos. Esto puede incluir la determinación de la combinación óptima de acciones, bonos y otros activos, así como la optimización del tamaño de las posiciones y la diversificación de la cartera.

  • Selección de los mejores instrumentos de negociación. Los algoritmos de optimización pueden ayudar a seleccionar los mejores instrumentos o activos de negociación. Por ejemplo, puede utilizar algoritmos de optimización para clasificar los activos en función de diversos criterios, como la rentabilidad, la volatilidad o la liquidez.

El campo está sin arar en materia de optimización y estos temas son muy interesantes. Espero, sí, seguir con estos temas.

 
LUIS ALBERTO BIANUCCI redes neuronales ni autoaprendizaje), con una estrategia lógica, y añadimos esto, y es realmente beneficioso, la autooptimización, esto es lo que nos acercará al modo de inteligencia humana, porque nos permite tomar decisiones a corto plazo, y en base a lo que está ocurriendo en el momento. el momento, teniendo las mejores condiciones, instantáneas. momento teniendo las mejores condiciones, instantáneas.
+++
 
Gracias. Volveré a comprobar todos los algoritmos. ¿Cuál crees que es el mejor?
 
Roman Poshtar #:
Gracias. Volveré a comprobar todos los algoritmos. ¿Cuál crees que es el mejor?

¿Qué quieres comprobar exactamente?

Qué algoritmo es mejor es algo que cada uno debe decidir por sí mismo, todos los algoritmos tienen ventajas e inconvenientes, he intentado mostrar los pros y los contras. Además, hay una tabla de clasificación, que lo dice todo.

 

Una vez preguntaste por las distribuciones, interesante comprobar la estratificación

https://www.mql5.com/ru/forum/86386/page3395#comment_51967665

https://habr.com/ru/articles/496750/

 
Rorschach #:

Usted preguntó una vez sobre las distribuciones, interesante comprobar la estratificación

https://www.mql5.com/ru/forum/86386/page3395#comment_51967665

https://habr.com/ru/articles/496750/


Por favor, explique el contexto.
 
Hubo una pregunta, ¿hay algún interés en probar el efecto de diferentes distribuciones en los algoritmos de optimización, o algo así.
 
Rorschach #:

Usted preguntó una vez sobre las distribuciones, interesante comprobar la estratificación

No entiendo, ¿dónde y cuándo pregunté?

Cualquier algoritmo de optimización se basa en jugar con distribuciones de probabilidad. Por lo tanto, las distribuciones desempeñan un papel clave en el funcionamiento de los algoritmos.

Si estás hablando de la uniformidad de la generación de HF, entonces en relación con la optimización es probablemente más apropiado hablar del efecto de la calidad del HF en las propiedades de búsqueda. Y este tema está en los planes de cobertura.

Las distribuciones se tocaron en este artículo.
Популяционные алгоритмы оптимизации: Изменяем форму и смещаем распределения вероятностей и тестируем на "Умном головастике" (Smart Cephalopod, SC)
Популяционные алгоритмы оптимизации: Изменяем форму и смещаем распределения вероятностей и тестируем на "Умном головастике" (Smart Cephalopod, SC)
  • www.mql5.com
В данной статье исследуется влияние изменения формы распределений вероятностей на производительность алгоритмов оптимизации. Мы проводим эксперименты на тестовом алгоритме 'Умный головастик' (SC), чтобы оценить эффективность различных распределений вероятностей в контексте оптимизационных задач.
 
Andrey Dik #: sobre la influencia de la calidad del DST en las propiedades de búsqueda.

Es una posibilidad.

La pregunta estaba en el carro de Saber, ahora no está allí.

 
Rorschach #:

Podría ser esto.

La pregunta estaba en el carro de Saber, ahora no está.

Bueno, si hay un interés en el tema de la influencia de la calidad de HCS en los algoritmos de optimización de motores de búsqueda, a continuación, un artículo sobre este tema será útil. Yo mismo estoy interesado en esta cuestión, cuya respuesta no es obvia.
123
Nuevo comentario