75,000のオプション - 4GBのRAMと4GBのディスクキャッシュでは不十分？ - ページ 7

新しいコメント
 
1970年初頭から2000年初頭までのIBMでテストを行ったところ、履歴は正しく、複数の分割を考慮して正規化されています。HST形式で圧縮されたシンボル履歴ファイルが添付されていますので、履歴センター（F2）->インポートで 端末にインポートすることができます。

以下は初期結果です。
  • 401の最高の結果を取り、同じパラメータでMT4でテストを実行しました





    私が得たもの（添付のStrategyTester_Mak.zipに完全なレポート）:



    取引に重大な違いがあります - これは別のトピックです。しかし、MT4での純利益$1664は、Omegaでの純利益$1884とほぼ同じです。

    。
  • その後、MT4で遺伝子を持つパラメータの列挙を開始したところ、以下のような結果が得られました。







    MT4の再計算は3分34秒で、350億の可能性のうち15616のバリアントを取り出しました。



    15616のバリアントのうち9291の繰り返し（交差すれば繰り返しができる）配列があり、残りの6325のうち1027パスが無駄として捨てられたことを明らかにすべきです。繰り返し配列は、一時キャッシュから取得するため、リソースを消費せず、再計算の必要もない。最終ログエントリ：

    2006.10.16 23:40:12 最適化中に6325パスが行われ、1027結果は重要でないとして破棄されました
    2006.10.16 23:40:12 MACD Sample: 最適化停止、9291キャッシュレコード使用、9291キャッシュレコード破棄
    .


  • なぜmt4は3600の利益を出し、TSGOは1800の半分なのか？

    TSGOでパスを減らすことに重点を置いた、超経済的な最適化手法の直接的な帰結だと思います。非常に単純な話で、TSGOは1000回パスを出したのに対し、MT4は正味6000回（15000回のうち9000回は繰り返しで、ミスしていた）。それに、TSGOのレポート - 最適化されたMATrendPeriodパラメータ、このパラメータが100に固定されている（数回97にスリップしたが、深刻なものではない）ことに非常に興味がある。遺伝的最適化装置が局所的な極限状態に陥り、そこから這い上がれないという些細な失敗をしたことがわかる。これは遺伝子の列挙における通常の状況であり、探索領域のオーバーロードの直接的な結果である。



    MT4は、そのような価値観が存在する地域に入っているのでしょうか？



    数学的な結果やレポートとは別に、最高の結果の分布の絵を自分の目で見たいと思うのが常です。MetaTraderは、軸に沿って最適化する任意のパラメータを選択できる「2次元表面」可視化モードで簡単にそれを表示します。例えば、MATrendPeriodの値が100の領域では、12～14の値よりも明らかに悪いことがわかります。



    。
結論：
  • 局所極限を考え、あまり大雑把な検索をしないことが必要である。特に、プロセスを詳細に理解できず、遺伝子検査装置の結果を額面通りに受け取ってしまう可能性のある未経験のユーザーにツールを提供する場合、

    。
  • 1000回通過で局所的な極限状態に陥るという背景があり、100～200回という評価回数を真に受けてはいけない。

  • 遺伝子に十分なオーバーシュート機構を選択する際に、いろいろと調べて、このシンプルな式に落ち着きました。は常に30回の完全な集団実行を行い、次の10回の完全な集団実行では、ターゲット関数の増分が減衰することが保証されるまで待ちます。つまり、初期母集団が256であれば、最初のステージは256×30＝7680回の実行、その後少なくとも256×10＝2560回の洗練、さらにフェージングまで追加で実行します。この冗長なメカニズムにより、ほとんどの場合、局所極値から抜け出すことができる。

必要以上にやりすぎているのかもしれませんが、通常のユーザーにとっては、多かれ少なかれ保証された働き方です。

Yury (Mak)が話題を提供してくれたことに感謝します - 議論するのはとても興味深いことです + 私たちは誤りを修正しました。
コメントをお願いします。
ファイル:
mibm1440.zip  106 kb
strategytester_mak.zip  9 kb
strategytester_mak.zip  9 kb
 
Renat、あなたの最良の選択肢のパラメータを見つけられませんでした。
そこでどんな結果が得られるのか、オメガでチェックします。
2つのプラットフォームでテストした場合、得られるものに大きな差があるのではないかと思います。
とりあえずオメガで1000回以上のテストをしてみます。
 

すみません、パラメータを指定していませんでした。それがこちらです。

TakeProfit=819、Lots=0.6、TrailingStop=248、MACDOpenLevel=8、MACDCloseLevel=8、MATrendPeriod=12です。

パラメータは、テスター レポートのパス番号の横にあるツールチップで確認することができます。

 
レナート、また結論を急かしている。

TSGOで7000本走った。
下の写真です。

母集団の上位に位置するランの数字に注目してください。
7000回のベストはランナンバー618（つまり700回を過ぎても改善されていない）。




Omegaであなたのベストファウンドパラメータを実行しました。
こんな感じになってしまいました :(



どうやら、システムやテスターの性能、あるいはデータに大きな差があるようだ。
オメガへのシステム移行がうまくいかなかったのかもしれない．
ここでは1対1の転送はできません。オメガは仕組みが違うのです。

しかし、いずれにせよ、あなたの結論は
TSGOが2倍良い解決策を見いだせず、ローカルハイで行き詰まったというのは間違いです。
TSGOは、Omegaでテストしたところ、利益が出なかったので、そのようなシステムを見つけることができませんでした。
 
そうですね、開いてはいけないところにポジションが開いていることに気づきました。最初の5回の取引を手動でチェックしてみてください。すぐに気づくはずです。
IBMはyahooから入手したのですが、自分で4、5回分割して正規化したデータを入手しました。 あなたの話と完全に一致しましたね。

どうやら、もう一度やり直さなければならないようです。
 
Renat:
そうですね、開いてはいけないところにポジションが開いていることに気づきました。最初の5回の取引を手動でチェックしてみてください。すぐに気づくはずです。
IBMはyahooから入手したのですが、自分で4、5回分割して正規化したデータを入手しました。 あなたの話と完全に一致しましたね。

どうやら、もう一度やり直さなければならないようです。
結果のミスマッチが根本的な原因ではないような気がします。
テスターが違えば、一般的にシステムも違う・・・。

どんな遺伝的アルゴリズムも、ランダムな探索である。
遺伝学が単なるランダム検索と異なるのは
単純なランダム探索ではパラメータ分布関数が一様であること
は一様ではなく、検索によって変化します。

これにより、単純なランダム検索に比べ、遺伝子の検索速度が大幅に向上する。
この意味では、すべての遺伝的最適化装置は同じである。
 
親愛なる友人たちよ、こんにちは

話がそれて申し訳ないのですが、理解しがたい用語はひどいあくびや頭痛を引き起こします。レナート さん、球形真空の馬とは 何か、何のためにそこに置かれているのか、端的に説明してください。

私自身、最近、自分のExpert Advisorを最適化するためにGOを使い始め、GOアプリケーションの限界を理解したいので、このテーマは私にとって非常に興味深いものです。ただ、私は正確にMACDを持っていませんが、ゼロ遅延MAに基づく2つのミューイングと2つのヒステリシス（記事「MetaTrader 4の遺伝的アルゴリズム」によると「バックラッシュ」）を持っています。ポジションのエントリー時とエグジット時のオプティマイザーのダイレクトオーバーシュート')との比較。今のところあまり満足はしていませんが、少し期待しています。近いうちにExpert Advisorに新しいフィルターを追加しようと思っています。まあ、今のところオプティマイザーは気に入っています。
 
Mathemat:

...球状真空の中の馬は 何なのか、なぜそこに置かれたのか？

まあ、実際、レナートはここでちょっと大げさに言ったんですけどね。もちろん、馬や馬はそんなに基本的なものではありません。球体真空については、十分に大きな直径（と十分な強度）の球体を用意し、そこに馬を置き、空気を送り出すという、すべてが単純なものである。球体内の真空は球状になるため、球体真空と呼ばれています。もちろん、真空が本当に絶対的なものになるわけではなく、球体も完全な球面平滑ではないので、測定誤差を考慮する必要があるが、原理的には測定結果に大きな影響を与えることはない。
そう、実験の結果、馬・ウマが自然に死んでしまうことを忘れてはならないのだ。しかし、この世に完璧なものはない。:)

P.S. さて、この馬は実験のために当然仕込まれています。実験の目的は明かされない、いわばノウハウのようなものです。:)
 
不思議なことに、私は真空中の球状の馬のように思っていたのです。つまり、すでに丸いのですが、真空中ではどこにあるのか現実的ではないのです :)
 

「真空中の球形馬」とは、1990年代にFIDOネットワークで生まれた慣用句です。実験や操作のつかみどころのない理想的な状態を表します。

昔、ある物理学者が競馬のモデルを作って、この馬が勝つと予想するようにと依頼された、という逸話がある。

知ってましたか？

  • 球形の馬は、体が真っ黒です。
  • 球体の馬は完全な気体を呼吸している。
  • 球形の馬の鳴き声は単一高調波であり、散逸することなく伝播する。
  • 球形の馬が均質なフィールドをかすめる。
  • 球体の馬が疾走するとき、その軌跡はサイクロイドで記述される。
  • 球体の馬の蹄は、水平な平面に絶対的な弾力性をもって衝突する。
  • 確率1の球形の馬は有限の時間で潜在的な穴から脱出する。
  • 馬上で球形の馬に乗るには、鞍のポイントを探さなければならない。この場合、馬の抵抗は無視できるほど小さい。
  • 無限に遠い演壇から見ると、球体の馬は物質的な点として見える。
  • 球形の馬の毛を梳くという問題は解決不可能である。
  • 球形の馬は、真空中で一様に 直線的に動きます。
  • 球形の馬は、投機的な空間に無限に存在するので、球形の馬は必要ないのです。
  • 単位球面馬のn次元空間への投影は、r2＝1という式で記述される。
  • 馬力 - 直径1m、質量1kgの球形の馬が発揮する力。
    • 12345678
    新しいコメント