결과의 최적화, 효과적인 매개변수의 선택이 결정적입니다. 언제, 어느 순간에 중간 미니 최적화가 수행되는지, 일부 표시기 또는 여러 표시기의 매개변수를 로컬로 선택합니다. 모든 블록.
거래 시스템의 요소가 변경되었습니다. 예를 들어 검색 후 어떤 매개변수를 남겨야 하는지, 누가 결정할 것입니까? 많은 시스템이 하나의 기계를 기반으로 합니다. 코스와 교차로에서. MA(SMA,9.0), MA(SMA,104.37), MA(SMA,28.35), MA(SMA,14.0). MA(SMA)와 코스의 교차점에서 거래 전략과 거래 시스템과 그들의 미니 이데올로기가 약간 다릅니다. 우리는 기계에서 주기와 교대조를 변경했고 변덕스럽게 이 매개변수를 결정했습니다. 물론 위에 나열된 기계 매개변수가 정확히 일치해야 한다는 점에서 실수할 수 있습니다.
또한 통화 쌍의 필기체는 상품마다 다릅니다. 어딘가에 28.35가 적합하지만 다른 악기에서는 더 이상 적합하지 않습니다. 하나의 통화 쌍에 대한 기간을 변경하면 다른 매개변수가 필요합니다. 28.35도 104.37도 좋지 않습니다. 세션이 변경되고 변동성이 증가했으며 더 많은 매개변수를 선택해야 합니다.
이제 또 다른 변동성이 변경됩니다. 최소 손절매 는 자동으로 변경됩니다. 이것은 다른 블록입니다. 거래. 선택한 위험에서 가능한 최대 안전 로트가 변경됩니다. 그것에 대한 웹사이트가 있습니다. 작업 로트, 최대 미만, 언제, 어떤 기준으로 작업 로트가 선택되는지. 누가 또는 무엇. 최적의 생산적인 매개변수는 끊임없이 변화하고 있습니다.
M1과 D1의 동일한 상품에 대한 Stochastic 5,3,3의 거래 시스템은 다른 거래 시스템입니다. 사는 것이 더 싸고 파는 것이 더 비싸다는 것은 분명합니다. 그러나 실제 효과적인 거래에 대한 접근 방식은 다릅니다. 이론에 따르면 파도가 있고 파도가 있습니다. 상관하지 마십시오. 스토캐스틱을 사용할 수 있습니다. 그리고 연습하세요. 실제로 어떻게 거래를 시작합니까? 동일한 확률 5,3,3에서 모든 것이 다릅니다. 그리고 거기에서 긍정적 인 결과를 볼 수는 없지만 완전히 다른 이유로 볼 수 있습니다. 이론과 역사에서 모든 것이 아름답습니다.
아마도 최적화 최적화되고 선택된 지역 유효 매개변수를 기반으로 거래 전략의 구성에 공통적인 선택 선택된 유효 매개변수와 같이 나타날 것입니다. 픽업하는 동안 매개변수가 떠올랐습니다. 뉴스와 그 의미. D1의 강한 추세가 평평한 거래로 변경되었습니다. 판돈이 변경되었습니다. 외환 개입이 시작되었습니다. 아니면 그냥 떠내려갔습니다. 긍정적으로 효과적인 매개변수를 선택하지 않는 전략은 아무 소용이 없습니다. 나는 전략의 블록을 눈멀게 했습니다. 적어도 실제로 또는 역사적으로 그 효과에 대한 평가가 있어야 합니다.
아파트에서 돈을 버는 것은 하나의 이데올로기입니다. 트렌드에 따라 돈을 버는 것은 완전히 다릅니다.
이것은 세 번째 또는 무엇입니까. 먼저 전략, 그리드 및 그 종류, 마틴 및 그 종류에 대한 데이터베이스를 컴파일하면 됩니다. 등. 등. 데이터베이스는 어떤 지표가 동일한 지표를 사용하고 어떤 필요와 위치에 있는지 보여줍니다. 이제 블록이 표시됩니다.
요컨대, 전략 데이터베이스를 사용된 요소와 자금 분석 및 경계 사용 기준으로 분류하여 컴파일하는 사람은 천재입니다. 협탁에서 얻을 수 있습니다. :)
왜. 이것은 이미 이루어지고 있습니다. 스토캐스틱이 여기 저기에 있으면 부울 변수 = true입니다. 동시에 SAR 표시기가 이와 같은 조건에서 이와 같은 경우 - 다른 부울 = true입니다. Masha... 등 5-6-8 이러한 변수. 결국 고문은 묵묵부답이었다. 거래를 하지 않습니다. 또는 주당 10핍의 거래를 합니다. 이러한 논리적 변수의 수렴은 발생하지 않거나 매우 드물게 발생합니다. 그리고 트렌드와 아파트는 지나간다. Martingale은 이미 약간의 돈을 썼습니다. 그러나 우리는 그것을 사용하는 것을 두려워합니다. 실제로는 그렇습니다. 이것은 이미 이루어지고 있습니다.
최적화 정보. 모든 최적화는 유전자 알고리즘을 사용하여 보다 편리하게 수행됩니다. 유전자 알고리즘 자체가 무언가를 찾고 있는 것은 아닙니다. 최적화는 유전자 알고리즘을 사용하여 수행됩니다. 최적화 시간에 이득을 주는 것.
그것은 유전자 최적화 알고리즘 입니다. 일반적으로 매개 변수가 속한 블록을 구문 분석하지 않습니다.
추신: 생각할 수 있는 모든 것은 오랫동안 발명되었습니다.
ps2: 원심분리기는 코어와 엔진 옆에 있는 적절한 위치를 차지합니다.
결과의 최적화, 효과적인 매개변수의 선택이 결정적입니다. 언제, 어느 순간에 중간 미니 최적화가 수행되는지, 일부 표시기 또는 여러 표시기의 매개변수를 로컬로 선택합니다. 모든 블록.
거래 시스템의 요소가 변경되었습니다. 예를 들어 검색 후 어떤 매개변수를 남겨야 하는지, 누가 결정할 것입니까? 많은 시스템이 하나의 기계를 기반으로 합니다. 코스와 교차로에서. MA(SMA,9.0), MA(SMA,104.37), MA(SMA,28.35), MA(SMA,14.0). MA(SMA)와 코스의 교차점에서 거래 전략과 거래 시스템과 그들의 미니 이데올로기가 약간 다릅니다. 우리는 기계에서 주기와 교대조를 변경했고 변덕스럽게 이 매개변수를 결정했습니다. 물론 위에 나열된 기계 매개변수가 정확히 일치해야 한다는 점에서 실수할 수 있습니다.
또한 통화 쌍의 필기체는 상품마다 다릅니다. 어딘가에 28.35가 적합하지만 다른 악기에서는 더 이상 적합하지 않습니다. 하나의 통화 쌍에 대한 기간을 변경하면 다른 매개변수가 필요합니다. 28.35도 104.37도 좋지 않습니다. 세션이 변경되고 변동성이 증가했으며 더 많은 매개변수를 선택해야 합니다.
이제 또 다른 변동성이 변경됩니다. 최소 손절매 는 자동으로 변경됩니다. 이것은 다른 블록입니다. 거래. 선택한 위험에서 가능한 최대 안전 로트가 변경됩니다. 그것에 대한 웹사이트가 있습니다. 작업 로트, 최대 미만, 언제, 어떤 기준으로 작업 로트가 선택되는지. 누가 또는 무엇. 최적의 생산적인 매개변수는 끊임없이 변화하고 있습니다.
M1과 D1의 동일한 상품에 대한 Stochastic 5,3,3의 거래 시스템은 다른 거래 시스템입니다. 사는 것이 더 싸고 파는 것이 더 비싸다는 것은 분명합니다. 그러나 실제 효과적인 거래에 대한 접근 방식은 다릅니다. 이론에 따르면 파도가 있고 파도가 있습니다. 상관하지 마십시오. 스토캐스틱을 사용할 수 있습니다. 그리고 연습하세요. 실제로 어떻게 거래를 시작합니까? 동일한 확률 5,3,3에서 모든 것이 다릅니다. 그리고 거기에서 긍정적 인 결과를 볼 수는 없지만 완전히 다른 이유로 볼 수 있습니다. 이론과 역사에서 모든 것이 아름답습니다.
아마도 최적화 최적화되고 선택된 지역 유효 매개변수를 기반으로 거래 전략의 구성에 공통적인 선택 선택된 유효 매개변수와 같이 나타날 것입니다. 픽업하는 동안 매개변수가 떠올랐습니다. 뉴스와 그 의미. D1의 강한 추세가 평평한 거래로 변경되었습니다. 판돈이 변경되었습니다. 외환 개입이 시작되었습니다. 아니면 그냥 떠내려갔습니다. 긍정적으로 효과적인 매개변수를 선택하지 않는 전략은 아무 소용이 없습니다. 나는 전략의 블록을 눈멀게 했습니다. 적어도 실제로 또는 역사적으로 그 효과에 대한 평가가 있어야 합니다.
아파트에서 돈을 버는 것은 하나의 이데올로기입니다. 트렌드에 따라 돈을 버는 것은 완전히 다릅니다.
이것은 세 번째 또는 무엇입니까. 먼저 전략, 그리드 및 그 종류, 마틴 및 그 종류에 대한 데이터베이스를 컴파일하면 됩니다. 등. 등. 데이터베이스는 어떤 지표가 동일한 지표를 사용하고 어떤 필요와 위치에 있는지 보여줍니다. 이제 블록이 표시됩니다.
요컨대, 전략 데이터베이스를 사용된 요소와 자금 분석 및 경계 사용 기준으로 분류하여 컴파일하는 사람은 천재입니다. 협탁에서 얻을 수 있습니다. :)
나는 그것이 환상적인 아이디어라고 생각하지 않습니다. 모든 사람이 여기에서 좋아하는 최적화로 귀결됩니다. 단지 더 복잡할 뿐입니다.
시스템 매개변수의 값뿐만 아니라 시스템 매개변수 자체도 선택해야 합니다. 지표는 시스템 매개변수의 샘플로 사용됩니다. 나머지는 모두 동일합니다.
1. 먼저 시스템 매개변수(표시기 조립)를 선택합니다.
2. 진입점에 대한 값을 선택합니다(선택한 표시기 어셈블리의 경우).
3. 우리는 주문 매개변수의 값을 선택합니다 - 정류장 및 로트.
출구에서 거래 전략을 얻습니다.
당신은 할 수 있고 더 쉽게 - MathRandom 을 위해 SEED를 반복합니다 :-)
지표 팩에서 임의의 지표를 가져와 매개변수와 관계를 최적화하는 것과 거의 같습니다.
Peter - 내년 - 최소한 센트와 최소 랏으로 어떤 실을 거래하십시오. 솔직히 나쁜 생각은 없을거야
---
또 다른 조리법이 있습니다. 3개의 다른 시간대에 다른 기간 동안의 추세, 변동성이 큰 칠면조 및 1개의 지그재그를 독립적으로 사용합니다. 이것은 아마도 시스템
컴퓨터가 작동하고 프로세스를 볼 수 있도록 조심스럽게 최적화하십시오. 그리고 가장 중요한 것은 - 나중에 마팅게일(드럼에서 올바른 방향으로 열립니다) :-)
당신은 할 수 있고 더 쉽게 - MathRandom을 위해 SEED를 반복합니다 :-)
지표 팩에서 임의의 지표를 가져와 매개변수와 관계를 최적화하는 것과 거의 같습니다.
Peter - 내년 - 최소한 센트와 최소 랏으로 어떤 실을 거래하십시오. 솔직히 나쁜 생각은 없을거야
---
또 다른 조리법이 있습니다. 3개의 다른 시간대에 다른 기간 동안의 추세, 변동성이 큰 칠면조 및 1개의 지그재그를 독립적으로 사용합니다. 이것은 아마도 시스템
컴퓨터가 작동하고 프로세스를 볼 수 있도록 조심스럽게 최적화하십시오. 그리고 가장 중요한 것은 - 나중에 마팅게일(드럼에서 올바른 방향으로 열립니다) :-)
유전 알고리즘 은 이와 같이 시작한 다음 매개변수 그룹의 조합을 반복합니다.
...
개념은 EACH 표시기가 ONE PARAMETER라는 것입니다.
모든 지표는 거래 시스템 매개변수의 일반 선택입니다.
모든 표시기 계산은 전체 진입/퇴장 신호의 일부로 사용되는 하나의 매개변수로 축소됩니다.
여러 표시기가 하나의 신호를 구성합니다.
Signal 에서 선택된 지시자 값의 구성은 유전적 알고리즘으로 검색됩니다 .
또한 주문 매개변수 값의 구성도 최적화 방법으로 검색됩니다.
매개변수는 무엇을 알고 있습니까?)
무슨 뜻이야?
시스템이란 무엇입니까?
최적화란 무엇입니까?
아세요?))
이제 지표를 거래 신호의 일부인 하나의 매개변수를 계산하기 위한 공식으로 상상해 보십시오.
여러 표시기 - 여러 매개변수 - 하나의 신호.
전체 거래 시스템은 매개변수 세트입니다: 진입 신호 매개변수, 출구, 주문 매개변수 및 중지.
최적화 과정에서 시스템의 매개변수와 해당 값을 통해 전략을 얻습니다.
개념은 EACH 표시기가 ONE PARAMETER라는 것입니다.
모든 지표는 거래 시스템 매개변수의 일반 선택입니다.
모든 표시기 계산은 전체 진입/퇴장 신호의 일부로 사용되는 하나의 매개변수로 축소됩니다.
여러 표시기가 하나의 신호를 구성합니다.
Signal 에서 선택된 지시자 값의 구성은 유전적 알고리즘에 의해 검색된다.
또한 주문 매개변수 값의 구성도 최적화 방법으로 검색됩니다.
왜. 이것은 이미 이루어지고 있습니다. 스토캐스틱이 여기 저기에 있으면 부울 변수 = true입니다. 동시에 SAR 표시기가 이와 같은 조건에서 이와 같은 경우 - 다른 부울 = true입니다. Masha... 등 5-6-8 이러한 변수. 결국 고문은 묵묵부답이었다. 거래를 하지 않습니다. 또는 주당 10핍의 거래를 합니다. 이러한 논리적 변수의 수렴은 발생하지 않거나 매우 드물게 발생합니다. 그리고 트렌드와 아파트는 지나간다. Martingale은 이미 약간의 돈을 썼습니다. 그러나 우리는 그것을 사용하는 것을 두려워합니다. 실제로는 그렇습니다. 이것은 이미 이루어지고 있습니다.
최적화 정보. 모든 최적화는 유전자 알고리즘을 사용하여 보다 편리하게 수행됩니다. 유전자 알고리즘 자체가 무언가를 찾고 있는 것은 아닙니다. 최적화는 유전자 알고리즘을 사용하여 수행됩니다. 최적화 시간에 이득을 주는 것.
...
최적화 정보. 모든 최적화는 유전자 알고리즘을 사용하여 보다 편리하게 수행됩니다. 유전자 알고리즘 자체가 무언가를 찾고 있는 것은 아닙니다. 최적화는 유전자 알고리즘을 사용하여 수행됩니다. 최적화 시간에 이득을 주는 것.
GA를 올바르게 이해하면 최적화 프로세스 중에 값 검색 범위가 좁아집니다.
예를 들어:
매개변수 A, B, C가 있습니다. 가능한 가치의 면적은 45억입니다.
매개 변수 A, B, C의 값과 다른 매개 변수 X가 있습니다. 그러나 변화의 규칙성은 밝혀지지 않았다.
작업: A, B, C 값을 열거하여 매개변수 X를 값 Y로 가져옵니다.
두 가지 옵션: (1) 무차별 대입 검색 및 (2) 유전 알고리즘 .
두 번째 옵션은 원하는 값에 대한 검색 범위를 효과적으로 좁힙니다.