Тестер стратегий позволяет тестировать и оптимизировать торговые стратегии (советники) перед началом использования их в реальной торговле. При тестировании советника происходит его однократная прогонка с начальными параметрами на исторических данных. При оптимизации торговая стратегия прогоняется несколько раз с различным набором параметров...
1時間ごとの統計はないのか？
すなわち、最初の仮説：ある時間帯では、平均して増分が大きくなる。最適化によって利益の時間ごとの統計が得られれば、（TSに新しいパラメーターを追加することなく）仮説を確認／反証することができます。
また、オプティマイザーが他の時間帯を見つけた場合、それはフィッティングになる。これは、TCのパラメーターの数が増えると非常に起こりやすい。つまり、遺伝学は間違った場所で取引することになり、仮説から何も見つけられなくなる（オプションとして）。
ほぼ通常の最適化/取引メカニズムが実行されていたが、時間ごとの統計の収集はこのWFOには組み込まれていない。これはまた別の作業だが、それほど難しくはなさそうだ-空き時間を最初に見つけた人が一番になるだろう;-)。今のところ、WFO（最後の列）で見つかったパラメータinStartHour; inCountHoursに注目することができます。しかし、良い意味で、EAはinStartHour + inCountHoursを介して強制終了で構築されるべきです。
1.最初の仮定（統計的調査）がなければ、最適化もできないし、最適化するものもない。 妄想を最適化することはできるが、その結果、ピンクのポニーという形になってしまう。
2.一般的な統計調査と最適化で得られた統計を混同してはならない。そうしないと、尻尾が犬を振り始める。
引用文献へのリンクを与えるのは悪い考えではない。
1.最適化はシステムに適用される。システムの存在は、リサーチや統計とは何の関係もない。戦略とは、市場パラメータと相互作用するシステムである。その最適化は、選択された時間枠における最良の値の探索である。最適化の結果は、最大限の預金増加をもたらすパラメータ（おそらく）の値である。
2.GA自体がすでに統計的研究を含んでいる。しかし、それは私たちから隠されており、アルゴリズム自体に自動化されている。戦略統計は違う。それは最適化の結果 であり、そのメカニズムの一部ではない。
最適化の 本質は、ターゲットパラメーターの最良値を与えるパラメーター値の探索である。
GAの本質は、目標パラメータの最良値を与える値の探索領域を圧縮する方法である。
統計研究のエッセンス- データの蓄積、値、イベント、プロセスの関係の識別、およびそれらの繰り返しの分析。
規則性の本質は、統計的に識別され、確認されたオブジェクトの接続です。
統計的研究は、パラメータ値の探索、すなわち最適化に用いられる。この研究は遺伝的アルゴリズムに組み込まれている。テスターではこのプロセスは自動化され、我々は結果だけを見ることができる。
統計的研究は、パラメータ値の探索、すなわち最適化に使用される。この研究は遺伝的アルゴリズムに組み込まれている。テスターではこのプロセスは自動化されており、我々は結果のみを見ることができる。
統計的研究は、特定のパラメータの特定の値の探索には使用されません。パラメータそのものとその分布を見つけるために使用されます。
最適化は目標関数を最大化するために行われる。統計的研究が常に最適化につながるわけではなく、その研究に基づいて何らかのプロセスを最適化する必要がある場合に限られる。
もう一度言うが、最後にこの質問を締めくくるために、ここに 行くことをお勧めする。
読みやすくて良い記事だ。
しかし、マクロ解析の後、すでに「魚のいる池」が見えるようになれば、オプティマイザで特定のパラメータを見つけ、フォワードで確認する方が早くて簡単だろう。
紛争における中央位置 "セイバー-ドミトリエフスキー" ;)
そして、なぜ戦いをあおってきた - それは明らかではない。
読みやすく、楽しい良い記事だ。
このようなパターンを真正面から最適化で見つけるには長い時間がかかるだろう（ただし、GAを試してみることはできる）。
。しかし、マクロ分析の後、「魚のいる池」がすでに見えている場合、オプティマイザで特定のパラメータを見つけ、フォワードで確認する方が早くて簡単だろう。
紛争における中央位置 "セイバー-ドミトリエフスキー" ;)
そして、なぜ戦いをあおってきた - それは明らかではない。
私も同じ立場だ。
GAがすべて、さらには統計を行うことができ、どこを見る必要はありませんかのように、脳を詰まらせる偽の概念のためにスカッフル。
そして、材料には、すでにパック内のボットをスタンプし、喜びのために自分自身をoptiteすることができます。
感謝
脳を詰まらせる間違った概念で争っているが、GAなら何でもできるし、統計学だってできるはずだ。
それよりも誤解の方が大きいと思う。
むしろ誤解だと思う。
TSに自由項（パラメータ）を追加すると、GAは最適なものを選択する際に激しく混乱し始める。パラメーターを追加するごとに、ヒルベルト空間の次元が増える。そして、それを解釈することは不可能である（そして、OOSで機能させるためには何を全く変更しなければならないか）。そうすれば、どこを探せばいいかがわかるだろう。
しかし、この記事のような単純な例は、もちろん完璧に機能する。
TSに自由メンバー（パラメータ）を追加すると、GAは最適なものを選択する際に激しく混乱し始める。パラメーターを追加するごとに、ヒルベルト空間の次元が増える。そして、それを解釈することは不可能である（OOSで機能させるためには、何を変更すべきなのか）。そうなると、どこを探せばいいのかを理解しなければならない。
しかし、この記事のような単純な例は、もちろん完璧に機能する。
まあ、別の方法で最適化することもできる。
小さなステップで全範囲を検索するような愚かなことをすれば、もちろん失敗する。
しかし、分析的に最適化することもできる。すべてのパラメーターを直感的に正しい位置にクランプし、大まかに1つの論理ブロックを検索し、その値の範囲を 選択する。このブロックを最適値の真ん中にクランプし、次のブロックを最適化する。最後の1つに到達したら、それらすべてについてすでに強く絞られた範囲を固定し、小刻みにサンプリングする。
あるいは、時間別のパターンを見て、それらを別々にチェックし（そして、それぞれ異なるMAパラメータを見て）、有望な時間帯（1-4）だけを残し、残りをその時間帯で詳細にオプションします。
、セイバーが言いたかったのはそのようなことであって、何もかもブルートフォースするような愚かなことではないと思う。
同じ分析だが、横顔。
そう、紙と鉛筆での掛け算は静的な分析だと主張する人もいれば、電卓のボタンをいくつか押せば結果は同じだと主張する人もいる。
そして列を使った掛け算を知っている人は、電卓で掛け算をした人は本質を理解していないと考える。
まあ、そして、いつものように、より大きな声で叫ぶ人の前にひざまずく普遍的なアピールと大規模なホリバー、そうでなければ、電卓ですべてを計算し続けるでしょう、そして、 "フィールド上の積分 "のトピックはまだ解決されておらず、あなたの電卓は、そこに無力であろう。
まあ、やり返す方法はいろいろある。
単純に小手先で全範囲のサーチのスイッチを入れてしまうと、当然、バツが悪くなる。
しかし、分析的に最適化することもできる。すべてのパラメーターを直感的に正しい位置にクランプし、大まかに1つの論理ブロックを検索し、その値の範囲を 選択する。このブロックを最適値の真ん中にクランプし、次のブロックを最適化する。最後の1つに到達したら、すでに強く絞られた範囲をすべてクランプし、より小さな刻みで最適化する。
あるいは、時間帯別にパターンを見て、それらを別々にチェックし（そして、それぞれの時間帯で異なるMAパラメータを見て）、有望な時間帯（1-4）だけを残し、残りをその時間帯で詳細に選択する。
、セイバーが言いたかったのはそのようなことであって、すべてをブルートフォースするような愚かなことではないと思う。
彼が何を言いたかったのか知る方法はない。
通常、彼の "研究 "は「何かを見つけた。結論はない」。
機械学習には明確な区分がある：探索的 分析とモデル（アルゴリズム）作成だ。遺伝学を通して探索的に行うことは、このフォーラムでしか発明されなかったことだ。
例えば、OOSを見て、opt.サブサンプルに対するデータセットのシフト（共変量のシフトなど）を見ることができる。セイバーは、そのプロットで何が変わったのかを理解することなく、両方のサブサンプルでうまく機能するセットを見つけるために、青くなるまでoptすることを提案している。これは猿芝居以外の何物でもない。