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 - ページ 2

新しいコメント
 
Maxim Dmitrievsky:

GAが全体最適に収束することは決してない。収束する必要はまったくない。

https://www.monographies.ru/en/book/view?id=707

収束の仕方が違うのではない。10K回の実行に制限されているのだ。最適化には2分もかからない。なぜこのような最適化を100回自動で行い、その合計結果を表示できないのかは謎だ。

 
fxsaber:

収束の仕方が違うのではない。10Kパスが限界なんだ。最適化には2分もかからない。なぜこのような最適化を100回自動で行い、その合計結果を表示できないのかは謎だ。

このような場合、botにブルートフォース（bruteforce）を入れて、パラメータをランダムに検索し、テーブルに保存することができます。

 
Maxim Dmitrievsky:

であれば、botの中にbruteforceを入れ、パラメータをランダムに検索し、それをテーブルに保存することができる。

ランダム化と最適化は別のものだ。

 
fxsaber:

無作為化と最適化は違うものだ。

当然ながら）どんな選択基準も追加され、それだけで、分布は徐々に狭められていく。

 
Maxim Dmitrievsky:

当然ながら）任意の選択基準が追加され、それだけで、分布は徐々に絞られていく。

どんな最適化アルゴリズムでも、自分で実装してみましょう。

 
fxsaber:

どんな最適化アルゴリズムも自分で実装する、という当たり前のことに矮小化するのはやめよう。

問題はそこではなく、裸の遺伝学が必要かどうかだ。しかし、あなたが何か面白いことを思いついたのなら、それは良いことだ。

 
Maxim Dmitrievsky:

問題はそこではなく、裸の遺伝学が必要かどうかだ。でも、何か面白いことを思いついたら、いいね。

でも、3000万パスなんて、力技でやっても無理だよ。70秒でいい結果が出るのはいいことでしょう。しかし、手動でスタートする以外に改善方法はない。


最適化のトピックに関する変種（ たとえばこれ）を見ているうちに、実際のティックで自動最適化を作るのはおそらく難しくないだろうという結論に達した。TCの結果が改善されるかどうか、興味深くなってきた。

 
fxsaber:

実際の刻みで自動最適化を行うのは難しいことではありません。

再現性の問題に直面しました。同じ自動最適化パスを得るにはどのような方法がありますか？

 
fxsaber:

再現性の問題に直面：それはパスごとに存在しない。同じ自動最適化パスを得るには、どのような方法があるでしょうか？

HSCがあればMathSrand()。

 
Maxim Dmitrievsky:

DSTがあればMathSrand()。

ありがとう。

1234
新しいコメント