Expert Advisor를 최적화한 후에는 옵티마이저가 제안한 12개 이상의 매개변수 집합이 샘플에서 지루하게 고갈되는 경우가 종종 있습니다.
샘플 외부의 전문가를 최적화하려는 아이디어가 있었습니다. 여러 매개변수로 최적화를 위해 EA를 "청구"했다고 가정합니다. 날짜를 설정합니다. 예를 들어 1월 1일부터 2006년 ~ 2007년 1월 1일
수천 가지 옵션을 받았습니다. 그런 다음 OPTIMIZATION RESULTS 페이지를 별도의 파일로 저장합니다. 다음으로 최적화를 위한 추적을 설정합니다. 역사의 기간, 즉 1, 2개월 또는 필요한 모든 것을 추가하십시오.
저것들. 우리의 경우 예를 들어 1월 1일부터 설정했습니다. 2007년 2007년 6월 1일까지 그리고 최적화를 다시 켭니다. 더 정확하게는 최적화되지 않을 것입니다. 최적화 프로그램은 EXPERT PROPERTIES에 없는 매개변수를 가져와야 하지만 첫 번째 최적화 후에 저장한 파일에서 매개변수 세트를 차례로 반복해야 합니다. 이 두 번째 최적화 후에는 샘플에서 이익을 얻은 옵션만 남게 됩니다!
결과적으로 이상적으로는 온라인에서 추가 작업 및 테스트를 위한 "이상적인 매개변수"를 얻습니다!
이것은 MT4 테스터에 유용한 추가 기능이 될 것이라고 생각합니다. 아마도 누군가가 이미 이것을 구현했을 가능성이 큽니다. 아시는 분 링크 공유 부탁드립니다!
나는 겸손한 지식으로 인해 아이디어의 실제 구현에 접근하는 방법을 아직 파악하지 못했습니다.
이를 Walk forward 최적화(WFO) 또는 Walk forward analysis(WFA)라고 합니다. 테마는 오래되고 서부에서 인기가 있습니다.
Mathemat : 좋습니다. 일반적인 아이디어는 명확합니다. 그럼, 이 프로젝트를 구현한 모든 사람들(즉, Belford , Mak , Integer )에 대한 마지막 질문: 게임이 촛불의 가치가 있습니까? 물론 (Metaquot's와 같이) 곡선 적합성뿐만 아니라 샘플 외 데이터에 대한 전략을 테스트하려고 시도하는 "최적화 프로그램"을 가까이에 두는 것이 좋습니다. 그러나 실제로 MQ보다 더 높은 평가를 받을 자격이 있습니까? 옵티마이저(이것도 좋지만 커브 핏터로만 사용)?
일반적으로 WFO 프로세스 자체를 고려하면 이것이 최적화이며 더 복잡하다는 것을 알 수 있지만 일반적으로 그만한 가치가 있습니다. 첫 번째 시리즈의 최고 중 두 번째 시리즈의 최고를 선택하는 방식으로 진행됩니다. - 이것은 또한 자체 커브 피팅을 통한 최적화입니다.
내 옵티마이저는 그저 동화일 뿐입니다 :)))
첫째, 유전적이며 매우 효과적입니다. 매우 빠르게 검색합니다. 둘째, 최적화 기준 을 사용할 수 있습니다(이것은 매우 큰 힘입니다). 셋째, 새 버전은 한 번에 여러 기준에 따라 최적화를 구현합니다.
Mathemat : leonid553 , out-of-sample 데이터에 대해 테스트하지 않은 기존 "최적화"가 가장 순수한 곡선 적합이기 때문에 올바른 방향으로 가고 있습니다. 그러나 주요 알고리즘은 신경망 프로그램과 같이 더 복잡해야 합니다. 모든 "최적화"는 모든 데이터 세트에서 동시에 진행되어야 합니다(이는 개발자의 바람입니다). 물론 두 개의 데이터 세트로만 작업할 수 있지만 훈련(A), 검증(B), 테스트(C)의 세 가지를 제공하는 것이 좋습니다. 글쎄, 기존 조건에서 당신은 대략 당신이 제안한대로 일해야 할 것입니다.
샘플 외 테스트(훈련, 검증 등)는 A="매개변수 세트는 샘플에서 수익성이 있습니다" 세트를 B="매개변수 세트는 샘플과 샘플 모두에서 수익성이 있습니다. 샘플에서" . 샘플 + 샘플 외의 즉각적인 최적화는 세트 C = "샘플 + 샘플 외에서 유용한 매개변수 세트"를 제공합니다.
집합 B가 집합 C에 포함되어 있습니까? 제 생각에는 분명히 그렇습니다. 왜냐하면. 세트 B는 "샘플 및 샘플 외에서 모두 유익한 매개변수 세트"를 포함하므로 "샘플 + 샘플 외에서 수익성 있는 매개변수 세트"입니다.
B와 비교하여 C에서 추가 항목은 무엇입니까?
세트 C 중에는 샘플에서 수익성이 없지만(샘플에서만) 샘플 외부에서 복수하는 매개변수 세트가 있음이 분명합니다. 저것들. 샘플에서 우리는 돈을 잃지만 샘플 밖에서는 우리가 갚는 것 이상입니다.
또한 세트 C 중에는 샘플(샘플에만 해당)에서 수익성이 있지만 샘플 외부에서는 수익성이 없는 매개변수 세트가 있습니다. 저것들. 표본에서 우리는 돈을 벌지만 표본 밖에서는 잃는다.
따라서 종단 간 실행은 하위 집합 D 를 포함하는 집합 C를 제공합니다. -sample" 및 세트 B에 없습니다. 이것이 우리에게 문제라면 샘플 외 테스트보다 훨씬 쉽게 해결됩니다.
그러나 곡선에 대한 샘플 외 맞춤을 피할 수 있습니까? 아니요. 게다가 가장 가혹한(개별 영역에서 수익성을 지켜봐야 함) 조정이 남아 있고, 하위 집합 D만 버려지고(아마도 원하는 자식?) 조정이라고 하기 힘든 상황이라고 할 수 있다. 테스트 기간을 세그먼트로 분할하여 피하는 것은 세그먼트 중 하나에서 수익성 없는 결과를 제공하는 매개변수를 제외하는 것입니다. 우리가 달성하는 것은 모든 부문에서 수익성입니다. 이 접근 방식의 논리적인 끝은 각 거래의 수익성입니다. 절대 곡선 피팅의 악마가 그런 멋진 매개 변수를 제공하지 않는다고 누가 보장할 수 있습니까?
테스트 기간을 세그먼트로 분할하여 피하는 것은 세그먼트 중 하나에서 수익성 없는 결과를 제공하는 매개변수를 제외하는 것입니다. 우리가 달성하는 것은 모든 부문에서 수익성입니다. 이 접근 방식의 논리적인 끝은 각 거래의 수익성입니다. 절대 곡선 피팅의 악마가 그런 멋진 매개 변수를 제공하지 않는다고 누가 보장할 수 있습니까?
저는 이것을 이렇게 표현합니다. 첫 번째 최적화에서는 일부 극값의 일부 이웃을 지정하고 두 번째(표본 외)에서는 안정성을 확인합니다. 물론, 그들이 미래에 안정적으로 유지될 것이라는 보장은 없으며 아무도 주지 않을 것입니다. 그러나 성능 보장의 부족은 모든 예측의 특징입니다.
물론 전체 샘플에 대한 최적화 결과를 처리하여 동일한 정보를 얻을 수 있습니다. 그러나 이것은 소프트웨어 구현과 계산 시간 모두에서 훨씬 더 많은 시간이 소요되는 프로세스가 될 것 같습니다.
테스트 기간을 세그먼트로 분할하여 피하는 것은 세그먼트 중 하나에서 수익성 없는 결과를 제공하는 매개변수를 제외하는 것입니다. 우리가 달성하는 것은 모든 부문에서 수익성입니다. 이 접근 방식의 논리적인 끝은 각 거래의 수익성입니다. 절대 곡선 피팅의 악마가 그런 멋진 매개 변수를 제공하지 않는다고 누가 보장할 수 있습니까?
저는 이것을 이렇게 표현합니다. 첫 번째 최적화에서는 일부 극값의 일부 이웃을 지정하고 두 번째(표본 외)에서는 안정성을 확인합니다. 물론, 그들이 미래에 안정적으로 유지될 것이라는 보장은 없으며 아무도 주지 않을 것입니다. 그러나 성능 보장의 부족은 모든 예측의 특징입니다.
--> 슬래시 실행도 동일합니다(지정, 확인). 스루 런과 비교하여 분할이 추가로 가져오는 것은 무엇입니까?
물론 전체 샘플에 대한 최적화 결과를 처리하여 동일한 정보를 얻을 수 있습니다. 그러나 이것은 소프트웨어 구현과 계산 시간 모두에서 훨씬 더 많은 시간이 소요되는 프로세스가 될 것 같습니다.
--> "전체 샘플에 대한 최적화 결과를 처리한 것"이 세트 D를 폐기하는 것을 의미하는 경우 동의하지 않습니다. 중간 손실(샘플 또는 샘플 외부)을 제공하는 결과를 버리는 것은 해결되는 기본 작업입니다. 전체 샘플에 대한 최적화 자체 동안, 즉 사후 최적화 처리가 필요하지 않습니다. 결과는 즉시 B 세트가 될 것입니다. 그리고 샘플 외부에서 힘든 추가 검사가 없습니다.
이것은 MT4 테스터에 유용한 추가 기능이 될 것이라고 생각합니다. 아마도 누군가가 이미 이것을 구현했을 가능성이 큽니다.
당신이 옳았습니다. 구현되었습니다. 여기에서 예제를 찾으십시오(MT4NetTester 프로젝트). 그냥 달라고 하지마세요, 주문제작입니다.
얘들 아, 이것은 오랫동안 나를 위해 일해 왔습니다.
TradeStation에서는 사실이며 무료는 아닙니다... :))
나는 MT에서 그것을 하는 데 아무런 의미가 없다고 생각합니다. 우리는 일에 돈을 지불하는 데 익숙하지 않습니다.
나는 또한 거의 준비되어 있습니다))) 그리고 당신은 어드바이저에 아무것도 포함할 필요가 없습니다 - 프로그램은 매개변수 세트가 있는 파일을 제공받습니다
얘들아! 그리고 누가 이 주제에 대한 기사를 작성하고 설명이 포함된 개발을 게시하고 수수료를 받는 것을 막습니까?
저는 공짜를 찾는 것이 아닙니다. 나는 충분히 힘든 일이 있다. 전문 지식이 부족합니다. 누가 당신에게 돈을 주느냐가 무슨 차이가 있습니까?
모두에게 좋은 하루.
Expert Advisor를 최적화한 후에는 옵티마이저가 제안한 12개 이상의 매개변수 집합이 샘플에서 지루하게 고갈되는 경우가 종종 있습니다.
샘플 외부의 전문가를 최적화하려는 아이디어가 있었습니다. 여러 매개변수로 최적화를 위해 EA를 "청구"했다고 가정합니다. 날짜를 설정합니다. 예를 들어 1월 1일부터 2006년 ~ 2007년 1월 1일
수천 가지 옵션을 받았습니다. 그런 다음 OPTIMIZATION RESULTS 페이지를 별도의 파일로 저장합니다. 다음으로 최적화를 위한 추적을 설정합니다. 역사의 기간, 즉 1, 2개월 또는 필요한 모든 것을 추가하십시오.
저것들. 우리의 경우 예를 들어 1월 1일부터 설정했습니다. 2007년 2007년 6월 1일까지 그리고 최적화를 다시 켭니다. 더 정확하게는 최적화되지 않을 것입니다. 최적화 프로그램은 EXPERT PROPERTIES에 없는 매개변수를 가져와야 하지만 첫 번째 최적화 후에 저장한 파일에서 매개변수 세트를 차례로 반복해야 합니다. 이 두 번째 최적화 후에는 샘플에서 이익을 얻은 옵션만 남게 됩니다!
결과적으로 이상적으로는 온라인에서 추가 작업 및 테스트를 위한 "이상적인 매개변수"를 얻습니다!
이것은 MT4 테스터에 유용한 추가 기능이 될 것이라고 생각합니다. 아마도 누군가가 이미 이것을 구현했을 가능성이 큽니다. 아시는 분 링크 공유 부탁드립니다!
나는 겸손한 지식으로 인해 아이디어의 실제 구현에 접근하는 방법을 아직 파악하지 못했습니다.
테마는 오래되고 서부에서 인기가 있습니다.
좋습니다. 일반적인 아이디어는 명확합니다. 그럼, 이 프로젝트를 구현한 모든 사람들(즉, Belford , Mak , Integer )에 대한 마지막 질문: 게임이 촛불의 가치가 있습니까? 물론 (Metaquot's와 같이) 곡선 적합성뿐만 아니라 샘플 외 데이터에 대한 전략을 테스트하려고 시도하는 "최적화 프로그램"을 가까이에 두는 것이 좋습니다. 그러나 실제로 MQ보다 더 높은 평가를 받을 자격이 있습니까? 옵티마이저(이것도 좋지만 커브 핏터로만 사용)?
첫 번째 시리즈의 최고 중 두 번째 시리즈의 최고를 선택하는 방식으로 진행됩니다. - 이것은 또한 자체 커브 피팅을 통한 최적화입니다.
내 옵티마이저는 그저 동화일 뿐입니다 :)))
첫째, 유전적이며 매우 효과적입니다. 매우 빠르게 검색합니다.
둘째, 최적화 기준 을 사용할 수 있습니다(이것은 매우 큰 힘입니다).
셋째, 새 버전은 한 번에 여러 기준에 따라 최적화를 구현합니다.
최적화 기준의 구현 예를 'init() during Optimization' 주제에 게시했습니다. 그리고 그것에 대한 글을 쓰려고 합니다. 적용된 방법을 사용하면 WFO에서 고유한 유전 알고리즘에 이르기까지 많은 작업을 수행할 수 있습니다.
leonid553 , out-of-sample 데이터에 대해 테스트하지 않은 기존 "최적화"가 가장 순수한 곡선 적합이기 때문에 올바른 방향으로 가고 있습니다. 그러나 주요 알고리즘은 신경망 프로그램과 같이 더 복잡해야 합니다. 모든 "최적화"는 모든 데이터 세트에서 동시에 진행되어야 합니다(이는 개발자의 바람입니다). 물론 두 개의 데이터 세트로만 작업할 수 있지만 훈련(A), 검증(B), 테스트(C)의 세 가지를 제공하는 것이 좋습니다. 글쎄, 기존 조건에서 당신은 대략 당신이 제안한대로 일해야 할 것입니다.
샘플 외 테스트(훈련, 검증 등)는 A="매개변수 세트는 샘플에서 수익성이 있습니다 " 세트를 B="매개변수 세트는 샘플과 샘플 모두에서 수익성이 있습니다. 샘플에서" . 샘플 + 샘플 외의 즉각적인 최적화는 세트 C = "샘플 + 샘플 외에서 유용한 매개변수 세트"를 제공합니다.
집합 B가 집합 C에 포함되어 있습니까? 제 생각에는 분명히 그렇습니다. 왜냐하면. 세트 B는 "샘플 및 샘플 외에서 모두 유익한 매개변수 세트"를 포함하므로 "샘플 + 샘플 외에서 수익성 있는 매개변수 세트"입니다.
B와 비교하여 C에서 추가 항목은 무엇입니까?
세트 C 중에는 샘플에서 수익성이 없지만(샘플에서만) 샘플 외부에서 복수하는 매개변수 세트가 있음이 분명합니다. 저것들. 샘플에서 우리는 돈을 잃지만 샘플 밖에서는 우리가 갚는 것 이상입니다.
또한 세트 C 중에는 샘플(샘플에만 해당)에서 수익성이 있지만 샘플 외부에서는 수익성이 없는 매개변수 세트가 있습니다. 저것들. 표본에서 우리는 돈을 벌지만 표본 밖에서는 잃는다.
따라서 종단 간 실행은 하위 집합 D 를 포함하는 집합 C를 제공합니다. -sample" 및 세트 B에 없습니다. 이것이 우리에게 문제라면 샘플 외 테스트보다 훨씬 쉽게 해결됩니다.
그러나 곡선에 대한 샘플 외 맞춤을 피할 수 있습니까? 아니요. 게다가 가장 가혹한(개별 영역에서 수익성을 지켜봐야 함) 조정이 남아 있고, 하위 집합 D만 버려지고(아마도 원하는 자식?) 조정이라고 하기 힘든 상황이라고 할 수 있다. 테스트 기간을 세그먼트로 분할하여 피하는 것은 세그먼트 중 하나에서 수익성 없는 결과를 제공하는 매개변수를 제외하는 것입니다. 우리가 달성하는 것은 모든 부문에서 수익성입니다. 이 접근 방식의 논리적인 끝은 각 거래의 수익성입니다. 절대 곡선 피팅의 악마가 그런 멋진 매개 변수를 제공하지 않는다고 누가 보장할 수 있습니까?
고문 - 고문 투쟁! 고양이 전문가가 있습니다. 내가 설명한 테스트가 가장 최적입니다.
예를 들어 여기서 무엇을 잃게 될까요? 괜찮아요!
저는 이것을 이렇게 표현합니다. 첫 번째 최적화에서는 일부 극값의 일부 이웃을 지정하고 두 번째(표본 외)에서는 안정성을 확인합니다. 물론, 그들이 미래에 안정적으로 유지될 것이라는 보장은 없으며 아무도 주지 않을 것입니다. 그러나 성능 보장의 부족은 모든 예측의 특징입니다.
물론 전체 샘플에 대한 최적화 결과를 처리하여 동일한 정보를 얻을 수 있습니다. 그러나 이것은 소프트웨어 구현과 계산 시간 모두에서 훨씬 더 많은 시간이 소요되는 프로세스가 될 것 같습니다.
저는 이것을 이렇게 표현합니다. 첫 번째 최적화에서는 일부 극값의 일부 이웃을 지정하고 두 번째(표본 외)에서는 안정성을 확인합니다. 물론, 그들이 미래에 안정적으로 유지될 것이라는 보장은 없으며 아무도 주지 않을 것입니다. 그러나 성능 보장의 부족은 모든 예측의 특징입니다.
--> 슬래시 실행도 동일합니다(지정, 확인). 스루 런과 비교하여 분할이 추가로 가져오는 것은 무엇입니까?
물론 전체 샘플에 대한 최적화 결과를 처리하여 동일한 정보를 얻을 수 있습니다. 그러나 이것은 소프트웨어 구현과 계산 시간 모두에서 훨씬 더 많은 시간이 소요되는 프로세스가 될 것 같습니다.
--> "전체 샘플에 대한 최적화 결과를 처리한 것"이 세트 D를 폐기하는 것을 의미하는 경우 동의하지 않습니다. 중간 손실(샘플 또는 샘플 외부)을 제공하는 결과를 버리는 것은 해결되는 기본 작업입니다. 전체 샘플에 대한 최적화 자체 동안, 즉 사후 최적화 처리가 필요하지 않습니다. 결과는 즉시 B 세트가 될 것입니다. 그리고 샘플 외부에서 힘든 추가 검사가 없습니다.