따라서 테스터를 사용하면 극한값을 기준으로 매개변수를 이동할 수 있다고 이미 말했습니다. 이것은 무엇을 의미 하는가? 동일한 테스터를 사용하여 고문의 이익이 테스트 된 기록 간격에서 최대가되는 일부 매개 변수의 값을 결정했다고 가정합니다. 이 기간의 시장은 완전히 알려져 있으며 측정 가능한 자산은 그 상태를 정확하고 정확하게 결정할 것입니다. 테스터의 도움으로 이익 극값을 제공하는 최적의 매개 변수를 찾은 후 이 극한값을 기준으로 이동하고 결과의 변화를 확인합니다. 미래에는 반대 그림이 나타날 것입니다. 시장은 우리의 극단에서 일정량만큼 움직일 것이고, 수익성의 범위가 이 극단의 범위가 얼마나 넓느냐에 따라 전체 시스템의 안정성이 결정됩니다.
이제 특정 그래프를 살펴보겠습니다.
정말 흥미로운 것은 완전히 다른 위치에 있고 극한값보다 적은 수익을 창출하는 가치 그룹입니다! 테스터는 이것에 대해 아무것도 알지 못하며, 검색으로 테스터에게 최대 수익성을 찾는 작업이 주어지면 의미없는 통계 급증이 발견됩니다. 미래에는 시장의 매개변수가 약간만 변경되어도 우리가 이 정점의 기슭에 서게 될 것입니다! 이를 방지하려면 개별 조합의 특정 값이 아니라 안정적인 범위에 집중해야 합니다. 안정적인 범위를 찾는 단 하나의 방법은 고정된 시장 인상을 기준으로 매개변수를 정렬하여 2D 또는 3D 안정성 맵을 형성하는 것입니다.
간접적으로, 주식 추세의 부드러움으로 인해 안정성 영역이 아니라 통계적 급증의 극단에 있을 수 있음을 결정할 수 있습니다. 우리는 직관적으로 안정적인 성장을 생성하는 매개변수보다 최종 균형이 훨씬 더 높은 비정형 곡선보다 안정적이고 긍정적인 결과(추세)에 더 끌립니다. 이것은 연구 중인 프로세스의 프랙탈 특성으로 설명됩니다. 전체 프로세스가 불안정하거나 무작위인 경우 해당 세그먼트 중 하나에서, 즉 규모에서 우리는 동일한 불안정한 특성을 관찰할 것입니다. 급격한 하락 후 예상치 못한 상승이 뒤따릅니다.
다음은 이 아이디어에 대한 충분한 설명입니다. 나는 특별히 테스터가 의도적으로 무의미한(거의 무작위적인) Expert Advisor에서 가장 수익성 있는 매개변수 조합을 찾도록 강요했습니다. 결과: 세련된 최종 균형, 그리고 위로 향하는 움직임과 유사한 것. 최적화되지 않은 샘플(그래프의 왼쪽 절반)에서 동일한 매개변수 테스트도 성공적으로 통과했습니다. 시간의 변화 자체가 지속 가능성을 보장하지 않기 때문입니다. 통계 스파이크는 검색 창보다 훨씬 오래 지속될 수 있으며 이 경우 OOS는 이에 대해 이야기하고 있습니다. 그러나 결과를 올바르게 분석할 수 있는 다른 테스터 교대 방법이 있지만 자세한 내용은 나중에 설명합니다.
통계의 언어로 번역하면 분산의 안정성을 의미하며 그 값은 드로다운(drawdown)입니다. 이 분산의 변동성은 TS의 안정성입니다.
우리가 만든 이념과 발전을 사용하지 않고 등반 용어로 우리의 생각을 표현하는 것이 어떻습니까?
그건 그렇고, 3D는 내가 이해하는 것처럼 차량의 세 가지 매개 변수이며 4라면 무엇을 볼 수 있습니까?
3D는 하나의 메트릭에 대한 두 개의 매개변수입니다. 수익성, 이익 계수, 수학적 기대치 등과 같은 모든 매개변수를 메트릭으로 사용할 수 있습니다.
테스터의 2D 차트도 3D 공간인데, 메트릭에 자체 눈금이 없고 메트릭의 값이 높을수록 채도가 높은 색상으로 표시됩니다.
4D - 여기에 지각의 어려움이 있습니다. 다중 매개변수 Expert Advisors는 다차원 공간을 형성합니다. 그리고 시각적으로 분석하기가 쉽지 않습니다. 분할 방법을 사용해야 한다고 생각합니다. 매개변수가 4개인 경우 실제 2D 플롯 4개를 작성합니다. Y축은 수익성과 같은 메트릭의 값이고, X 값은 매개변수의 최적화입니다. 위에서 제시한 그래프는 본질적으로 2차원이며, 3차원(최적화 매개변수 2)이 2D 도면과 같이 원근감에서 보이지 않는 방식으로 표면을 펼쳤습니다. 4개의 그래프를 분석하여 안정적인 값 그룹을 찾은 다음 모두 모아 결과를 살펴봅니다. 특히 매개변수가 서로 영향을 미치고 극값을 별도로 검색하는 것이 모든 매개변수에 대한 안정적인 값 그룹을 동시에 검색하는 것과 같지 않기 때문에 이 방법은 완벽하지 않습니다. 그러나 열거형의 기하급수적 인 증가는 없으며 매우 간단한 테스터라면 이 작업에 대처할 수 있습니다. 이 어려움을 우아하게 해결하는 방법에 대한 제안이 있으면 스튜디오에 오신 것을 환영합니다.
저는 이 분야에 대한 전문 교육을 받지 않았기 때문에 제 수공예품을 사용합니다. 나는 수학 박사 학위가 없기 때문에 새 언어로 된 책을 읽을 줄 모릅니다.
따라서 테스터를 사용하면 극한값을 기준으로 매개변수를 이동할 수 있다고 이미 말했습니다. 이것은 무엇을 의미 하는가? 동일한 테스터를 사용하여 고문의 이익이 테스트 된 기록 간격에서 최대가되는 일부 매개 변수의 값을 결정했다고 가정합니다. 이 기간의 시장은 완전히 알려져 있으며 측정 가능한 자산은 그 상태를 정확하고 정확하게 결정할 것입니다. 테스터의 도움으로 이익 극값을 제공하는 최적의 매개 변수를 찾은 후 이 극한값을 기준으로 이동하고 결과의 변화를 확인합니다. 미래에는 반대 그림이 나타날 것입니다. 시장은 우리의 극단에서 일정량만큼 움직일 것이고, 수익성의 범위가 이 극단의 범위가 얼마나 넓느냐에 따라 전체 시스템의 안정성이 결정됩니다.
이제 특정 그래프를 살펴보겠습니다.
정말 흥미로운 것은 완전히 다른 위치에 있고 극한값보다 적은 수익을 창출하는 가치 그룹입니다! 테스터는 이것에 대해 아무것도 알지 못하며, 검색으로 테스터에게 최대 수익성을 찾는 작업이 주어지면 의미없는 통계 급증이 발견됩니다. 미래에는 시장의 매개변수가 약간만 변경되어도 우리가 이 정점의 기슭에 서게 될 것입니다! 이를 방지하려면 개별 조합의 특정 값이 아니라 안정적인 범위에 집중해야 합니다. 안정적인 범위를 찾는 단 하나의 방법은 고정된 시장 인상을 기준으로 매개변수를 정렬하여 2D 또는 3D 안정성 맵을 형성하는 것입니다.
간접적으로, 주식 추세의 부드러움으로 인해 안정성 영역이 아니라 통계적 급증의 극단에 있을 수 있음을 결정할 수 있습니다. 우리는 직관적으로 안정적인 성장을 생성하는 매개변수보다 최종 균형이 훨씬 더 높은 비정형 곡선보다 안정적이고 긍정적인 결과(추세)에 더 끌립니다. 이것은 연구 중인 프로세스의 프랙탈 특성으로 설명됩니다. 전체 프로세스가 불안정하거나 무작위인 경우 해당 세그먼트 중 하나에서, 즉 규모에서 우리는 동일한 불안정한 특성을 관찰할 것입니다. 급격한 하락 후 예상치 못한 상승이 뒤따릅니다.
다음은 이 아이디어에 대한 충분한 설명입니다. 나는 특별히 테스터가 의도적으로 무의미한(거의 무작위적인) Expert Advisor에서 가장 수익성 있는 매개변수 조합을 찾도록 강요했습니다. 결과: 세련된 최종 균형, 그리고 위로 향하는 움직임과 유사한 것. 최적화되지 않은 샘플(그래프의 왼쪽 절반)에서 동일한 매개변수 테스트도 성공적으로 통과했습니다. 시간의 변화 자체가 지속 가능성을 보장하지 않기 때문입니다. 통계 스파이크는 검색 창보다 훨씬 오래 지속될 수 있으며 이 경우 OOS는 이에 대해 이야기하고 있습니다. 그러나 결과를 올바르게 분석할 수 있는 다른 테스터 교대 방법이 있지만 자세한 내용은 나중에 설명합니다.
... 테스터의 도움으로 극한 이익을 주는 최적의 매개변수를 찾은 후 이 극한값을 기준으로 이동하여 결과의 변화를 살펴봅니다. ...2D 또는 3D 지속 가능성 지도 작성.
안정적인 매개변수 값을 상기시키는 산과 고원:
Prog: 3D1V8 - 설명 및 올빼미 최적화 보고서의 구체적인 예 포함. 올빼미에 포함된 평지 외부 변수 세트의 선택을 시각화하려면 - 탁월한 옵션인 IMHO. 나는 그것을 사용한다.
Prog: 3D1V8 - 설명 및 올빼미 최적화 보고서의 구체적인 예 포함.
그건 그렇고, MT5 테스터에는 3D 및 2D에서도 최적화 결과의 내장 디스플레이가 있습니다. 바위와 고원을 보기 위해 외부 프로그램도 필요하지 않습니다.
미래에는 반대 그림이 나타날 것입니다. 시장은 우리의 극단에서 일정량만큼 움직일 것이고, 수익성의 범위가 이 극단의 범위가 얼마나 넓느냐에 따라 전체 시스템의 안정성이 결정됩니다.
통계의 언어로 번역하면 분산의 안정성을 의미하며 그 값은 드로다운(drawdown)입니다. 이 분산의 변동성은 TS의 안정성입니다.
우리가 만든 이념과 발전을 사용하지 않고 등반 용어로 우리의 생각을 표현하는 것은 어떻습니까?
그건 그렇고, 3D는 내가 이해하는 것처럼 차량의 세 가지 매개 변수이며 4라면 무엇을 볼 수 있습니까?
통계의 언어로 번역하면 분산의 안정성을 의미하며 그 값은 드로다운(drawdown)입니다. 이 분산의 변동성은 TS의 안정성입니다.
우리가 만든 이념과 발전을 사용하지 않고 등반 용어로 우리의 생각을 표현하는 것이 어떻습니까?
그건 그렇고, 3D는 내가 이해하는 것처럼 차량의 세 가지 매개 변수이며 4라면 무엇을 볼 수 있습니까?
3D는 하나의 메트릭에 대한 두 개의 매개변수입니다. 수익성, 이익 계수, 수학적 기대치 등과 같은 모든 매개변수를 메트릭으로 사용할 수 있습니다.
테스터의 2D 차트도 3D 공간인데, 메트릭에 자체 눈금이 없고 메트릭의 값이 높을수록 채도가 높은 색상으로 표시됩니다.
4D - 여기에 지각의 어려움이 있습니다. 다중 매개변수 Expert Advisors는 다차원 공간을 형성합니다. 그리고 시각적으로 분석하기가 쉽지 않습니다. 분할 방법을 사용해야 한다고 생각합니다. 매개변수가 4개인 경우 실제 2D 플롯 4개를 작성합니다. Y축은 수익성과 같은 메트릭의 값이고, X 값은 매개변수의 최적화입니다. 위에서 제시한 그래프는 본질적으로 2차원이며, 3차원(최적화 매개변수 2)이 2D 도면과 같이 원근감에서 보이지 않는 방식으로 표면을 펼쳤습니다. 4개의 그래프를 분석하여 안정적인 값 그룹을 찾은 다음 모두 모아 결과를 살펴봅니다. 특히 매개변수가 서로 영향을 미치고 극값을 별도로 검색하는 것이 모든 매개변수에 대한 안정적인 값 그룹을 동시에 검색하는 것과 같지 않기 때문에 이 방법은 완벽하지 않습니다. 그러나 열거형의 기하급수적 인 증가는 없으며 매우 간단한 테스터라면 이 작업에 대처할 수 있습니다. 이 어려움을 우아하게 해결하는 방법에 대한 제안이 있으면 스튜디오에 오신 것을 환영합니다.
저는 이 분야에 대한 전문 교육을 받지 않았기 때문에 제 수공예품을 사용합니다. 나는 수학 박사 학위가 없기 때문에 새 언어로 된 책을 읽을 줄 모릅니다.
안정적인 매개변수 값을 상기시키는 산과 고원:
Prog: 3D1V8 - 설명 및 올빼미 최적화 보고서의 구체적인 예 포함. 올빼미에 포함된 평지 외부 변수 세트의 선택을 시각화하려면 - 탁월한 옵션인 IMHO. 나는 그것을 사용한다.
프로그램에 감사드립니다. 나는 나 자신과 비슷한 것을 찾고 있었다. 내 WealthLab은 버그가 너무 많고 매번 그래프를 작성합니다.
통계의 언어로 번역하면 분산의 안정성을 의미하며 그 값은 드로다운(drawdown)입니다. 이 분산의 변동성은 TS의 안정성입니다.
이러한 안정적인 고원을 분석적으로 검색하는 통계적 방법이 있습니까?
그러나 여전히 이러한 분석 방법을 사용하더라도 이러한 방법이 추가로 작동할 결과의 공간을 적어도 형성하려면 테스터가 여전히 필요하다는 데 동의할 것입니다.
이러한 안정적인 고원을 분석적으로 검색하는 통계적 방법이 있습니까?
그러나 여전히 이러한 분석 방법을 사용하더라도 이러한 방법이 추가로 작동할 결과의 공간을 적어도 형성하려면 테스터가 여전히 필요하다는 데 동의할 것입니다.
테스터 없이, 아무데도, 분석해야 할 통계를 제공하므로
과거에는 질문이 없었습니다. 분산이 안정적이어야 합니다. mo 분산의 편차 - 분산의 분산은 안정성 척도를 제공합니다.