記事"アルゴリズムトレードにおける Kohonen ニューラルネットワークの活用 パート II. 最適化と予測"についてのディスカッション
確かに作品の質は高い。分析およびトレーディングにおけるニューラルネットワークの使用に関する良いチュートリアルである。
考察として、以下のことを付け加えたい（「最適化」の項）：
著者は「実験は最適な設定を明らかにしなかった」と主張している。私見では、その理由は以下の通りである：
1. 伝統的な指標（RSI、MA、パラボリック）のパラメータが（最適化の際に）研究対象として使用さ れた 。一般的に、これらは非常に大雑把な分析ツールであるため、経験豊富なトレーダーは原則として実際の取引に使用しない。これらの 指標の 代わりに、ローソク足分析では あるが非古典的なモデルを使用すれば、結果は改善されるはずである（「古典」をテストした経験から、その非効率性は明らかである）。つまり、ローソク足のパラメータ（振幅、ローソク足のボディの大きさ、影の大きさ）を最適化されたパラメータとして使用することができます。これらのパラメーターの時間的変化は、従来のインジケーターのシグナルよりもはるかに正確な分析ツールです。
2. マルチスケールが ない （ 1つのスケールしか使用されない）ため、分析の精度が著しく低下する。したがって、3-4タイムフレーム（もちろん、同じ金融商品の）のローソク足の同時分析を使用する方がよい。
3. 著者は 分析対象金融商品として金と銀を選んでいる（著者の考えでは、ファンダメンタル要因にあまり依存しない保護資産）。私は、本格的な分析のためには、逆に、最も取引されている金融商品を使用することが必要であり、まず、最も特徴的な（動学的な）金融商品としてEURUSD 。また、（分析においては）市場のボラティリティやいわゆる「ノイズ」（小さなタイムフレームでの動き）を恐れるべきではない。
コメントに同意する。記事中のいくつかの点については説明があった（遺伝的最適化の結果の使用、他のスケール／指標を追加する必要性など）。目標の1つは、戦闘ロボットの研究のためのツールや一般的なアプローチを提供することだった。発見を共有してください。
この記事は素晴らしいので、これらはコメントではなく、単なる提案です。
非常に大きな次元のパラメータ空間の探索は遺伝的アルゴリズムによって 実行され、有益な領域に "崩壊 "しないようにするために、このような合成最適化パラメータを使用することができます：
TesterStatistics(STAT_PROFIT_TRADES)/TesterStatistics(STAT_LOSS_TRADES).あるいは TesterStatistics(STAT_MAX_CONPROFIT_TRADES)/TesterStatistics(STAT_MAX_CONLOSS_TRADES).実際には、もっと多くのパラメータをリンクする必要があります。
最適化結果の プラトー選択に関する部分に興味がありました。もしマップがランダムなCSVから作成されたものであれば、どのような分析ができるのか理解できません。この記事には、単純なGAが行われ、その後にゴミが捨てられたと明確に書かれています。
どうすれば実践に近づけるのでしょうか？ここにEAがあり、プラトーを見つける必要がある。
そしてもう一つ。マップを作るときのセル選択の原則は？おそらく説明の中で何か見落としているのだろうが、非常に理解しにくい。
記事の中では、ツールそのものや、分析のためのデータがどのように得られるかについての詳細が述べられていますが、研究は行われていません。特に、従来の最適化と遺伝的最適化の解空間の比較。完全なオーバーシュートはバイアスを与えない。しかし、"ランダムCSV "という用語はほとんど適切ではありませんし、不適切に選択されています。そうでなければ、MTの最適化結果はすべてランダムであると言えるかもしれない。
マップを作成する際のセルの選択について - 質問の意味がわからない。
この記事は、ツールそのものと、分析のためのデータがどのように得られるかについて、言及はされているが、研究はされていない。特に、従来の最適化と遺伝的最適化の解空間の比較である。完全なオーバーシュートはバイアスを与えない。しかし、"ランダムCSV "という用語はほとんど適切ではありませんし、不適切に選択されています。そうでなければ、MTの最適化結果はすべてランダムだと言うことができる。明らかな異常値を除外するのは、普通のやり方だ。
GAのランダム性とは、局所的な極値へのスライディングであり、これは毎回異なる形で発生する可能性がある。つまり、GAと全探索の結果は（両者でゴミを取り除いた後では）大きく異なる可能性がある。
私はGAでこのようなナンセンスに遭遇した
MetaTrader 5ビルド1930の新バージョン：MQL5のフローティング・チャート・ウィンドウと.Netライブラリ
fxsaber, 2019.02.02 09:54 AM
遺伝的最適化ログPH 0 11:40:35.073 Tester genetic optimization finished on pass 9216 (of 30240000) FI 0 11:40:35.563 Statistics optimization done in 1 minutes 51 seconds JP 0 11:40:35.563 Statistics shortest pass 0:00:00.014, longest pass 0:00:01.329, average pass 0:00:00.177 II 0 11:40:35.563 Statistics local 3891 tasks (100%), remote 0 tasks (0%), cloud 0 tasks (0%)
3,000万回のバリアントのうち、4K回未満しか行われず、その時間は2分未満でした。GAの精度を上げるには？カウントに2時間かかっても、より客観的な結果を出す方が良いのではないか。
同じことがMT4では起こらない。
マップを作成する際のセルの選択について - 質問の意味がわかりません。
この記事では、異なるマップを分析する際に、2つのマップにおいて、座標(X; Y)が一致するセルは同じTC入力パラメータのセットに対応するという特性が使用されています。このルールはどのように作られるのでしょうか？
記事やブログ記事という形でご尽力いただき、本当にありがとうございます！この資料は平均的なものとは大きく異なっています。
あなたのMHRの実装に 基づき、私は標準的なGAに代わるものを作り、比較分析をしたいと思います。標準的なGAは、走ごとに非常に大きなばらつきがある。また、10Kパスの制限はMT4のGAと一致しません。私はテスターの GUIを使用し、同様のアプローチを使用したいと考えています。
GAが全体最適に収束することは決してない。収束する必要は全くないのだ。
- 無料取引アプリ
- 8千を超えるシグナルをコピー
- 金融ニュースで金融マーケットを探索
新しい記事 アルゴリズムトレードにおける Kohonen ニューラルネットワークの活用 パート II. 最適化と予測 はパブリッシュされました:
Kohonen ネットワークを扱うために設計されたユニバーサルツールに基づいて、最適なEAパラメータを分析して選択するシステムを構築し、時系列の予測を検討します。 第 I 部では、必要なアルゴリズムを追加して、一般に公開されているニューラルネットワーククラスを修正し、改善しました。 今回はこれを実践に応用しましょう。
これはテストが7月1日、2018から12月1日、2018の期間にどのように表示されるかを表したものです。
Unity-Forecast:予測: MetaTrader5 テスターにおける外国為替および金クラスタにおける銀の動きの予測
時には、精度は 60% に達します。 基本的には、予測オブジェクトを基本的に選択し、インプットを準備し、長時間、細心の注意をもって設定する必要がある場合には、この方法が有効であると結論づけることができます。
作者: Stanislav Korotky