Principi di lavoro con un ottimizzatore e modi di base per evitare di inserirsi. - pagina 6

Nuovo commento
 
Avals:

Discutete la stessa cosa in ogni thread: il vostro modello. Credo che tutti abbiano già commentato più di una volta))
Beh, in primo luogo, non il modello, ma il principio. Secondo, purtroppo, non mio e con la barba lunga. In terzo luogo, non sono a conoscenza di alcuna pubblicazione che possa sfatare l'approccio modellistico basato sulla decomposizione del kotir in componenti.
 
In realtà, l'obiettivo è spostare l'aspettativa, non simulare un quoziente. La stazionarietà non è essenzialmente necessaria.
 
TheXpert:
A proposito, si possono fare soldi con uno zigzag :) A proposito di zigzag
Ho anche provato a prevedere gli zigzag. Il risultato è stato sorprendente, ma sono stato ridicolizzato.
 
TheXpert:
In realtà, l'obiettivo è quello di spostare l'aspettativa, non di simulare un quotidiano.
Passato o futuro?
 
faa1947:
Nel passato o nel futuro?
In linea di principio :)
 
TheXpert:
In realtà, l'obiettivo è spostare l'aspettativa, non simulare un quoziente. La stazionarietà non è essenzialmente necessaria.

Questo è davvero il sale della questione. Sono di nuovo d'accordo.
 
ask:

Questo è davvero il sale. Di nuovo, sono d'accordo.
E come si fa a sapere se si è spostato in futuro? La santa fede nei numeri.
 

È come un indovinello. La risposta giusta è 112 e bang :)

"Cosa Dove Quando?

È qui che i veri esperti hanno... come lo chiamate... "senso della risposta giusta". Quando sentono la risposta giusta, sanno nelle loro viscere che è giusta.

Non credo di essere un esperto. Ma penso (spero :) ) che il processo sia simile :)

 
Avals:

Questa è quasi-stazionarietà - un cambiamento di Mo su un certo intervallo. Forse non si tratta solo di mo, ma in questo contesto siamo più interessati al mo

Quindi forse è un metodo super complesso, ma è abbastanza approssimativo per stimare la regolarità). È più una questione di numero di parametri del sistema e della sensibilità del risultato al loro cambiamento. Se un piccolo cambiamento nel parametro causa un cambiamento nel risultato, questo non è buono. Ci sono altri segni. Ne ho scritto di recente qui https://www.mql5.com/ru/forum/137614/page5

Cercate di creare un metodo super complesso con un numero minimo di parametri. Più lunga è la formula, più parametri ha. Ovviamente non è una legge, ma è una buona approssimazione alla realtà. Prendete una funzione elementare (modello) y=ax. Ha un parametro "a" che permette di cambiare l'angolo di inclinazione della linea retta. E questo è tutto. Cercate di adattare questo modello al mercato. Prendiamo un modello più complicato y = ax^2 + bx. È più complesso e ha due parametri. Sarà sicuramente meglio sulla storia. Ora dividiamolo in 2 sottomodelli e testiamoli separatamente: y = ax^2 e y = bx. Ognuno di loro mostra risultati scadenti, quindi la somma di questi risultati è molto più bassa del modello originale? C'è un'alta probabilità che questo sia un adattamento. Non tutti i modelli semplici garantiscono il profitto, ma in ogni caso la semplicità riduce la probabilità di adattamento.

Cercherò di descrivere il metodo di spostamento e come scomporre il modello in prova in altri più piccoli in seguito.

 
faa1947: Ma c'è un'altra cosa: la reversibilità del modello - a sinistra c'è un quoziente, e tutto a destra dovrebbe dare questo quoziente nella somma.

Mi chiedo da quali principi si deduce che dovrebbe essere reversibile (nel tempo, o cosa?)...

I fisici sanno da decenni che non esiste una simmetria perfetta in natura.

1234567891011
Nuovo commento
Motivazione: