有谁为自己的机器人做了自动虚拟自我优化？ - 页 3

新评论
 
Andrei Trukhanovich:

在历史上测试一个策略的唯一正常方法，当你把它放在一个EA里面时，突然变得 "本质上是不可行的"？)

好的

在任何机器学习程序中，你可以用它除以100500次犯规，最后得到的仍然是垃圾。

 

如果TS无法调整到持续的负价差，那么自我优化应该有所帮助--TS应该变得有利可图。

如果差价为负数时的自我优化没有帮助，可能是TS出了问题。

 

如何解释呢......在单调变化的模式下，自我优化是可行的。例如，如果一条斜率下的直线增长，对于TS，你只需要更新数据（参数），为新值重新计算，以及所有这些事情

在市场上，任何组合都是一个猜测的游戏，因为模式的变化是跳跃性的，而且是以一种戏剧性的方式。

如果你已经找到了自我优化的时期，这意味着你已经找到了修正参数的周期，你不再需要自我优化器了。

自我优化相当于一个移动平均线

 
Maxim Dmitrievsky:

模式的变化是突飞猛进的，而且是戏剧性的。

跳跃并不像其频率那么糟糕。也就是说，你需要在安静的路段上赚到的钱比你在尖峰上失去的多。而为此，你需要安静的拉伸时间相对较长。从安静部分挤出利润的能力，在很大程度上是自我优化的优点。

安静的片段往往没有。或者他们在不同的时间尺度上很安静。

[删除]  
fxsaber:

如果TS无法调整到持续的负价差，那么自我优化应该有所帮助--TS应该变得有利可图。

如果差价为负数时的自我优化没有帮助，可能是TS出了问题。

你的系统已经对负价差进行了调整
 
Maxim Dmitrievsky:

如何解释是...

首先，了解你想解释的内容。

 
Maxim Dmitrievsky:

自我优化类似于移动平均线

是的，这只是TS的一部分。与EMA的不同之处在于，你根本无法改变TS代码以实现自我优化。也就是说，它是TS的一个独立区块。近似于许多MM-模块。

 
Vladimir Baskakov:
你的系统会对负价差进行调整

我不知道你是什么意思。我试图确保在负价差上优化TS能得到正确的结果。

 
Andrei Trukhanovich:

首先要理解你要解释的内容，这很正常。

我是说，自我优化在交易阶段是没有必要的。在某种程度上，它可能需要进行参数搜索

 
fxsaber:

电涌并不像其频率那么糟糕。也就是说，你需要在平静期赚的钱多于你在激增期的损失。而要做到这一点，你需要安静期相对较长。从安静部分挤出利润的能力，在很大程度上是自我优化的优点。

安静的片段往往没有。或者他们在不同的时间尺度上很安静。

我明白了，这就像期望沙堡是稳定的，而不知道它们是由什么样的沙子做成的，以及它们什么时候会他妈的全部倒塌。 的地狱 :)

1234567891011
新评论