Разные результаты при оптимизации на генетическом алгоритме. МТ5.
Коллеги, всем привет. Давно заметил, что при оптимизации генетическим
алгоритмом на одних и тех же датах, результаты могут быть сегодня одни, завтра другие. Ясно, что какой-то фактор (кэш,
переменная, случайное число) влияют на это. Хотя, по логике, алгоритм (код программы) один и результат , при одних и тех же входных
параметрах, должен быть один.
Ну, собственно, вопрос не в этом. Заметил одну интересную
закономерность, которую можно использовать для увеличения прибыльности, но не могу точно определить в какой момент может
поменяться результат на одних и тех же датах.
Обычно, к этому ведет ряд тестов на других датах и возврат к искомой. Есть у кого-нибудь
представление сколько тестов надо прогнать, чтобы что-то очистилось, изменилось, чтобы появился новый результат? Иногда помогает
просто перезагрузка терминала, иногда перезагрузка компьютера.
Если прогнать несколько раз одно и то же на одних датах, результат,
чаще всего один и тот же. Но, иногда и меняется.....
В общем, вопрос сложный, есть ли у кого идеи?
1. Вы закономерность не изложили
2. подозреваю что идея основная будет дать вам ссылку почитать наконец таки матчасть про ГА чтобы глупости в голову не лезли)
1. Вы закономерность не изложили
2. подозреваю что идея основная будет дать вам ссылку почитать наконец таки матчасть про ГА чтобы глупости в голову не лезли)
Спасибо. У вас есть такая ссылка? Закономерность излагаю. Если на одной дате при первом прогоне у вас минус, то при прогоне на той же дате, но, с измененным результатом может несколько раз получиться плюс. Пока изучаю явление, но это занимает много времени, поскольку приходится прогонять раз 10 на других датах, чтобы получить другой результат на нужной дате.
Спасибо. У вас есть такая ссылка? Закономерность излагаю. Если на одной дате при первом прогоне у вас минус, то при прогоне на той же дате, но, с измененным результатом может несколько раз получиться плюс. Пока изучаю явление, но это занимает много времени, поскольку приходится прогонять раз 10 на других датах, чтобы получить другой результат на нужной дате.
про какой прогон вы говорите? ГА это множество прогонов.
Ссылку мне подходящую искать для вас лень, раз уж вы поискать не удосужились.
Просто скажу - ГА берет первоначальные параметры случайным образом, поэтому получается немного разный рез-тат. Если у вас рез-тат СИЛЬНО разнится, значит вы скорее всего используете ГА неправильно, а именно - параметров множество, а выборка обучения мала и статистически незначима.
про какой прогон вы говорите? ГА это множество прогонов.
Ссылку мне подходящую искать для вас лень, раз уж вы поискать не удосужились.
Просто скажу - ГА берет первоначальные параметры случайным образом, поэтому получается немного разный рез-тат. Если у вас рез-тат СИЛЬНО разнится, значит вы скорее всего используете ГА неправильно, а именно - параметров множество, а выборка обучения мала и статистически незначима.
Под прогоном я имею ввиду оптимизацию на генетическом алгоритме. Параметра в роботе я задаю всего два. Из ваших слов я понял, что выборка параметров из всех возможных происходит случайным образом. Теперь легче :) Я думал,что генерация случайных чисел всегда имеет одну последовательность для полностью совпадающих входных данных в роботе. Ну ладно. Буду иметь ввиду.
Под прогоном я имею ввиду оптимизацию на генетическом алгоритме. Параметра в роботе я задаю всего два. Из ваших слов я понял, что выборка параметров из всех возможных происходит случайным образом. Теперь легче :) Я думал,что генерация случайных чисел всегда имеет одну последовательность для полностью совпадающих входных данных в роботе. Ну ладно. Буду иметь ввиду.
Нее , в этом и смысл, входные данные же разные у разных роботов, ГА случайно отбирает первое поколение (т.е. сочетания параметров), из него лучших выживших скрещивает меж собой во второе поколение, и так далее до того, пока результат не перестанет улучшаться.
А вот на стат.достовреность интервала тестирования я бы на вашем месте обратил особое внимание. чтоб не ломать вам мозг просто скажу - интрадей - надо минимум 200 сделок, среднесрок - 100, в крайнем от 50.
если сделок мало - то оптимизация не имеет смысла. совсем.Нее , в этом и смысл, входные данные же разные у разных роботов, ГА случайно отбирает первое поколение (т.е. сочетания параметров), из него лучших выживших скрещивает меж собой во второе поколение, и так далее до того, пока результат не перестанет улучшаться.
А вот на стат.достовреность интервала тестирования я бы на вашем месте обратил особое внимание. чтоб не ломать вам мозг просто скажу - интрадей - надо минимум 200 сделок, среднесрок - 100, в крайнем от 50.
если сделок мало - то оптимизация не имеет смысла. совсем.Спасибо.
- Бесплатные приложения для трейдинга
- 8 000+ сигналов для копирования
- Экономические новости для анализа финансовых рынков
Вы принимаете политику сайта и условия использования
Коллеги, всем привет. Давно заметил, что при оптимизации генетическим алгоритмом на одних и тех же датах, результаты могут быть сегодня одни, завтра другие. Ясно, что какой-то фактор (кэш, переменная, случайное число) влияют на это. Хотя, по логике, алгоритм (код программы) один и результат , при одних и тех же входных параметрах, должен быть один.
Ну, собственно, вопрос не в этом. Заметил одну интересную закономерность, которую можно использовать для увеличения прибыльности, но не могу точно определить в какой момент может поменяться результат на одних и тех же датах.
Обычно, к этому ведет ряд тестов на других датах и возврат к искомой. Есть у кого-нибудь представление сколько тестов надо прогнать, чтобы что-то очистилось, изменилось, чтобы появился новый результат? Иногда помогает просто перезагрузка терминала, иногда перезагрузка компьютера.
Если прогнать несколько раз одно и то же на одних датах, результат, чаще всего один и тот же. Но, иногда и меняется.....
В общем, вопрос сложный, есть ли у кого идеи?