최적화 대 히스토리 피팅
이러한 개념의 근본적인 차이점은 무엇입니까?
전달의 사용에 관계없이 패스 세트에 매개변수 열거가 있는 경우 이는 조정입니다.
이러한 개념의 근본적인 차이점은 무엇입니까?
네, 동료들이 맞습니다! 모든 최적화 - 이야기에 적합합니다!
그리고 여기서 또 다른 문제가 발생합니다. 최적화 중에 얻은 매개변수의 품질을 결정하는 방법은 무엇입니까?
내 의견: 전방 테스트로는 최적화 품질을 결정하기에 충분하지 않습니다...
네, 동료들이 맞습니다! 모든 최적화 - 이야기에 적합합니다!
그리고 여기서 또 다른 문제가 발생합니다. 최적화 중에 얻은 매개변수의 품질을 결정하는 방법은 무엇입니까?
내 의견: 전방 테스트로는 최적화 품질을 결정하기에 충분하지 않습니다...
나는 지금 1 년 동안이 문제를 다루고 있습니다.
제 생각에는 바로 이 특성이 '품질'이 아니라 '지속가능성'이라고 부르는 것이 더 정확합니다.
즉, 산출물의 '아름다움'도 아니고 '양'이 아니라 시장의 작은 변화에도 변하지 않는 능력이다.
사실, 나는 개인적으로 포워드 테스트의 결과를 기반으로이 매개 변수를 측정하려고합니다. 결과는 슬프게도 매우 미미합니다.
최적화는 최적의 탐색이며 일반적으로 전역입니다. 즉, 시스템의 안정적인 매개 변수를 검색합니다. 지역 최적이 발견되거나 최적화할 매개변수의 차원이 너무 큰 경우 적합으로 바뀔 수 있습니다.
좋은 최적화, 과소 최적화 및 과최적화가 있습니다. 재최적화는 히스토리 피팅과 동일시될 수 있습니다.
최적화는 한 번의 패스로 이루어져야 하며, 거래 전 처음 시작할 때 EA 자체의 본문에서 이루어져야 하며, 그런 다음 거래 과정 에서 최적화된 매개변수 만 조정해야 합니다. 최적화는 열거가 아닌 매개변수 계산과 함께 Expert Advisor의 특별한 내부 별도 블록에 의해 수행됩니다. 이 경우 매개변수를 공개할 수도 없고 비공개로 설정하고 전문가 자신만 볼 수 있습니다. 자체 조정(자체 최적화)됩니다.
전달의 사용에 관계없이 패스 세트에 매개변수 열거가 있는 경우 이는 조정입니다.
그 대초원에는 전혀 없습니다.
좋은 최적화, 과소 최적화 및 과최적화가 있습니다.
간단히 말해 Good Fit 기준을 상기시켜 볼까요?
2 단어로 된 가장 적은 수의 매개변수로 허용되는 가장 큰 akurai
이것은 포워드 및 기타 사항과 관계가 없습니다. 왜냐하면 문제는 두 개념의 차이점이 무엇인지였습니다.
포워드가 있는 경우 오류의 균형 등입니다. 포워드는 자동으로 첫 번째 섹션의 재최적화를 제거합니다. 거의 확실합니다.
그런 다음 최적화 프로세스와 관련이 없는 통계가 있습니다. 일반 모집단, 대표 샘플 등.2 단어로 된 가장 적은 수의 매개변수로 허용되는 가장 큰 akurai
이것은 포워드 및 기타 사항과 관계가 없습니다. 왜냐하면 문제는 두 개념의 차이점이 무엇인지였습니다.
포워드가 있는 경우 오류의 균형 등입니다. 포워드는 자동으로 첫 번째 섹션의 재최적화를 제거합니다. 거의 확실합니다.
