Какое максимальное количество входных параметров допустимо в стратегии для оптимизатора? - страница 3
Вы упускаете торговые возможности:
- Бесплатные приложения для трейдинга
- 8 000+ сигналов для копирования
- Экономические новости для анализа финансовых рынков
Регистрация
Вход
Вы принимаете политику сайта и условия использования
Если у вас нет учетной записи, зарегистрируйтесь
Взялся за портирование стратегии на язык MQL4 основанной на нейронке и столкнулся с проблемой ограничения количества параметров для оптимизации.
В ней 4 слоя и получается достаточно много весов для оптимизации 58 параметров весов. Может быть кто то подскажет как это обойти?
Есть сторонний оптимизатор и он без проблем соптимизировал все эти веса а в MT4 ввели почему то такие ограничения. Хотябы уж 100 параметров бы позволили - если долго оптимизировать будет ну это проблемы пользователя
можно линк где его скачать если он подходит по выше заданным вопросам?
Самодельный, но делался не мной. Оптимизатор там мощный. Входов неограниченно. Расспаралеливание задач генетического оптимизатора. Задействуются все ядра процессора или сколько укажешь, значения индикаторов расчитываются на первом прогоне а не на каждом как в MT4. Вообще то в MT5 тоже обещают сделать таким же оптимизатор - посмотрим. Но вот ограничение на количество входных параметров меня огорчило. Надеюсь в MT4 или MT5 этого не будет.
Боюсь до того как сделают МТ5 я дедушкой стану :) и депо солью напрочь...
Всё-таки несясно как так через глобальные переменные устроено всё. У моего нейрона всего один перцептрон и тес на М15 при всех тиках = 168 часов. Он еле тестируется, приходится шаг увеличитвать чтобы тестер заработал.
Можете показать как обойти запрет на количество вариантов тестируемых параметров в тестере МТ4 с помошью глобальных переменных?
У меня четыре весовых коэффицтентов и каждый от 0 до 200 с шагом 1(вариантов куча) и уже с шагом 1 нельзя протестить ТП, СЛ и ТР.
Ещё я думаю мож DLL задействовать чтобы массивы индикаторов сохранять и подставлять стратегии на каждом новом прогоне при оптимизации а не вызывать каждый раз типа iMA, iBands... Но это надо ещё проверить ускорит ли процесс.
Пусть не спешат, а сделают толком с минимумом глюков. А потом мы ещё будем тестировать, указывая на глюки.
Ну станешь богатым когда будешь дедушкой. Тоже не плохо :)
Fedor_a, не вышлешь ли мне книжечку на почту в моем профайле - или линк сюда? Спасибо.
Сделал на работе. Как пример работы с глобальными переменными. На самом деле не лучший вариант. Оптимизировать перебором, без генетической оптимизации.
Спасибо за пример интересный, но всё же для нейронки с большим количеством перцептронов это не решение.
Всё-таки несясно как так через глобальные переменные устроено всё. У моего нейрона всего один перцептрон и тес на М15 при всех тиках = 168 часов. Он еле тестируется, приходится шаг увеличитвать чтобы тестер заработал.
Можете показать как обойти запрет на количество вариантов тестируемых параметров в тестере МТ4 с помошью глобальных переменных?
У меня четыре весовых коэффицтентов и каждый от 0 до 200 с шагом 1(вариантов куча) и уже с шагом 1 нельзя протестить ТП, СЛ и ТР.
Кстати этот внешний оптимизатор, который я использую не использует шаг для генетического оптимизатора - не нужен вообще. Ты кстати выбрал галочку генетический алгоритм оптимизации? И так же немного ускоряет процесс оптимизации если тестирование проводить по ценам открытия.
Ещё я думаю мож DLL задействовать чтобы массивы индикаторов сохранять и подставлять стратегии на каждом новом прогоне при оптимизации а не вызывать каждый раз типа iMA, iBands... Но это надо ещё проверить ускорит ли процесс.
Подстановка массивов индикаторов не намного ускорит процесс. Больше всего требует ресурсов моделирование потока котировок.
А как он тогда оптимизирует?
Допустим у одном случае нужно прооптимизировать параметр от 1 до 10 с шагом 0,01, а в другом с 5 до 50 с шагом 5.
Он что с шагом 0,000...01 все параметры проверит??
Допустим у одном случае нужно прооптимизировать параметр от 1 до 10 с шагом 0,01, а в другом с 5 до 50 с шагом 5.
Первый вариант неразумен, второй разумен. В первом варианте, если уж такая точность нужна, оптимизируй вначале с шагом 1, ищи область устойчивости, и уже внутри нее (скажем, между 5 и 7) переходи, скажем, к шагу 0.3, а потом, сделав и это, уменьшай шаг еще. Число перебираемых вариантов уменьшится в несколько десятков раз.
А вообще такая точность при таком большом начальном интервале настораживает. Какой в ней смысл, если в конечном счете надо найти диапазон параметра с пологим экстремумом критерия оптимизации?
Сделал на работе. Как пример работы с глобальными переменными. На самом деле не лучший вариант. Оптимизировать перебором, без генетической оптимизации.
Спасибо за пример интересный, но всё же для нейронки с большим количеством перцептронов это не решение.
Данное решение я делал под себя, Я оставил напоследок одну проблемку.
История откуда все взялось 'init() при оптимизации' и ответ 'Как реализовать свой критерий оптимизации'