Retreinamento - página 3
Você está perdendo oportunidades de negociação:
- Aplicativos de negociação gratuitos
- 8 000+ sinais para cópia
- Notícias econômicas para análise dos mercados financeiros
Registro
Login
Você concorda com a política do site e com os termos de uso
Se você não tem uma conta, por favor registre-se
Não esqueça, é que a memória do local onde ocorreu o treinamento se transforma em memória dos resultados do treinamento daquele local.
E se este método de poke for automatizado?! Pensamentos interessantes nesta direção. Os indicadores estão mudando, assim como suas interações, as interações são representadas como funções separadas, acontece que o número de parâmetros pode mudar, apenas a otimização mais simples de acordo com eles ocorre. É por isso que estou interessado na pergunta feita neste tópico, uma abordagem mais universal, que não dependeria de parâmetros estratégicos. O ramo que você está propondo tem objetivos completamente diferentes. Mas se você mostrar a aplicabilidade desses métodos à tarefa em questão, por favor, faça.
O testador tem duas funções inter-relacionadas, mas fundamentalmente qualitativas:
1. Verificação (depuração) da própria idéia TC. Vemos se as entradas-saídas coincidem com nossas idéias a esse respeito.
2. Seleção de parâmetros do TS, nos quais nossas idéias do TS são fixas.
Depois disso, nada pode mudar, pois no caso de sucesso dessas etapas, colocamos o TS no real e começamos a negociar.
E aqui a questão principal é: o desempenho do comércio real será o mesmo que no treinamento?
Aqui e no fio paralelo esta mesma pergunta é feita.
Se obtivermos resultados diferentes no comércio real, então isto se chama reciclagem, ou seja, durante a criação da TS, apanhamos algumas especificidades no cotier de treinamento, que não vemos no comércio real. Na linha paralela argumento que o problema da reciclagem é resolvido apenas pela seleção correta de uma lista de dados de entrada, em AT é um conjunto de indicadores. Também argumento que podemos determinar antes da criação do próprio TS se o conjunto selecionado de indicadores será útil para este TS. E quando resolvermos este problema, então pp. 1 и 2.
Se, idealmente, os indicadores forem equilibrados e controlarem uns aos outros e diferentes aspectos do mercado em diferentes horizontes históricos, então eles não correm o risco de sobre-aprendizagem.
Se obtivermos resultados diferentes em negociações reais, isto é o que se chama sobretreinamento, ou seja, ao criar o TS ele pegou algumas especificidades sobre o quociente de treinamento que não são encontradas em negociações reais.
Isto é mais como um sub-treinamento. -)
Na minha opinião, deve-se distinguir entre a própria capacidade do sistema de pegar um padrão e as armadilhas de OPTIMIZAÇÃO nas quais esta capacidade pode cair. As armadilhas de otimização são uma noção mais ampla que inclui tanto a otimização excessiva quanto a sub-optimização, e a inércia do próprio processo de escrita do código, o fator humano e muitas outras coisas. Mas o autor se referia ao simples fato de que os EAs estão perdendo, nada mais...
Em outras palavras, sua pergunta deveria ser "Como evitar armadilhas de otimização".
Aqui duas pessoas estão lhe aconselhando - verifique em uma área não otimizada, ou seja, em uma área não otimizada, e a vida vai melhorar.
E se você pode decidir ANTES de escrever o código se o indicador será útil ou não, isso é ótimo! Neste caso, você não tem necessidade de testes. -)
Isto é uma ilusão.
Pois bem, todos os organismos vivos são uma ilusão. É exatamente assim que eles são construídos. Eles têm memória genética, a longo prazo e operativa e aprendem o tempo todo. Mas não dizemos - pobre humanidade - que se aprendeu demais até o Forex).
Pois bem, todos os organismos vivos são uma ilusão. É exatamente assim que eles são construídos. Eles têm memória genética, a longo prazo e operativa e aprendem o tempo todo. Mas nós não dizemos - pobre humanidade - que se aprendeu demais até o Forex.-)
O próprio termo "requalificação" é bobo, projetado para justificar a inoperabilidade da própria EA e é completamente desprovido de sentido com um volkking forward. Se uma variável é sobretreinada ou subtreinada não é de fato óbvio a partir da degradação. Ele só pode ser visto quando se comparam os resultados futuros sob diferentes condições de otimização e teste. Tanto a profundidade da história quanto o passo em frente são selecionados em cada caso pessoalmente e já podemos ver o que é profundo demais e o que não é.
O próprio termo "requalificação" é bobo, projetado para justificar a inoperabilidade da própria EA e perde completamente seu significado quando se volta para a frente. Se uma variável é super-aprendida ou sub-aprendida, de fato, não é óbvio pela degradação. Ele só pode ser visto quando se comparam os resultados futuros sob diferentes condições de otimização e teste. Tanto a profundidade da história como o passo em frente são selecionados em cada caso pessoalmente e então já é visível o que está acima e o que está abaixo do treinamento.
Sim. Quando se começa a entender todo o caso, se pergunta sobre a adequação do termo "requalificação" e se compreende sua inadequação. Houve uma discussão sobre este assunto no 4º fórum, e havia outra pessoa com quem discutir o assunto. Chegaram à conclusão de que o termo "aprendizagem de ova" ou "memorização de ova" é mais apropriado. O Expert Advisor é como um estudante diligente que tem a lição, mas não entende nada e não pode aplicar seus conhecimentos em outras condições.
Aqui, até mesmo o termo é mal entendido por algumas pessoas. Acontece que alguém o entende como "reaprendizagem" - engraçado.
E o fato de o termo ser estabelecido em algum mundo científico não significa nada, há muitos termos barrentos, mas estabelecidos, a ciência é inteiramente composta de termos que não refletem a realidade, cujo verdadeiro significado é entendido apenas por um círculo estreito de "dedicados".
Na linha paralela, defendo que o problema da reciclagem é resolvido apenas pela seleção correta da lista de dados de entrada, em TA - um conjunto de indicadores. Também argumento que podemos determinar antes de criar o próprio TS se o conjunto selecionado de indicadores será útil para este TS. E quando resolvermos este problema, então pp. 1 и 2.
Você deve ter perdido o significado do problema. É uma estratégia de busca automática. A estratégia final pode utilizar apenas alguns indicadores selecionados a partir de um determinado conjunto. Podem não ser todas as características disponíveis. Eventualmente, obtemos uma estrutura representada pelo gráfico orientado onde são calculadas as condições de entrada ou saída do mercado, Take e Stop. Os elementos gráficos são funções, indicadores e constantes (parâmetros). Cada elemento que pode formar um gráfico tem vários grupos de regras de interação com outros elementos gráficos, necessárias para controlar alguma "significância" dos cálculos no gráfico.
Alguma idéia sobre como encontrar estratégias?
Este termo não é bobo, mas bem estabelecido e "aprovado pelos melhores criadores de cães" de todo o mundo científico, incluindo os algoritmos de mercado. Suas idéias sobre a seleção de profundidade, inclinação e outros parâmetros "laterais" nos remetem ao problema anterior da qualidade de sua seleção (e provável reciclagem). Portanto, em qualquer caso, não podemos prescindir da análise dos avanços. E o fato de que é necessário analisar para diferentes seções é claro desde o início.
Então, diga-me, como você decide se um atacante está sobretreinado ou subtreinado. O sobretreinamento se degrada de alguma forma diferente do subtreinamento?
A única maneira de determinar a qualidade das condições de treinamento é ver a qualidade correspondente do teste fora da amostra. E somente comparando os resultados você pode dizer se a otimização está super ou sub otimizada. Mas não vejo nenhum tópico tratando de sub-optimização em nenhum lugar. Todos, por alguma razão ou outra, vêem a raiz do problema na mítica super-otimização em vez da qualidade do código.