算法优化锦标赛。 - 页 106

新评论
 
Реter Konow:

当然，交易缩小了这种算法的应用范围。

我想...

你能不能不要胡说八道，举一个清晰易懂的例子--"优化算法 "在交易中的应用？

如果你不知道这样的例子 - 就说 - "我不知道什么样的交易任务需要快速优化算法"。

 
Andrey F. Zelinsky:

你能举一个清晰易懂的例子，不要胡说八道，"优化算法 "在交易中的应用？

如果你不知道这样的例子，就说 "我不知道什么样的交易任务需要快速优化算法"。

你能仔细阅读吗？它明确指出--拟合策略参数，以获得测试仪的最高利润率。
 
Реter Konow:

很好。

事实证明，为了找到与参赛者之间的妥协，并适当地组织比赛--你只需要稍微绞尽脑汁......。

关于你常说的臭名昭著的普遍性--我得出的结论是： ，它 并不总是产生最好的结果。

1.解决方案的普遍性总是相对的，因为解决方案仅限于问题领域的具体情况--因此--解决方案永远不会是绝对普遍的。当扩大问题领域时，"通用 "解决方案总是会失败。它将不得不重做。

2.没有任何普遍性是从无到有的，而是一个长期的发展过程、问题的普遍化和解决方案的调整的结果。因此，非普遍性 解决方案是走向普遍性 解决方案的第一步。

3.解决办法的普遍性 并不意味着解决办法的有效性。我认为这两个概念没有直接联系，也不相互依赖。

追求普遍性使得人们对解决方案进行调整，以适应越来越多的问题，当然，这可能会降低解决方案在每个特定情况下的有效性。

我的文本挖掘算法对文本挖掘来说是足够通用的，在我访问FF的最少次数中，绝对可以精确识别任何字符串。也许它的进一步发展，可能会导致找到未知分析函数的最大值。但在这种情况下，它是否仍然有效？我不确定。

因此，为了了解我们如何能做出一个通用的算法，我们需要将问题的范围概括化，并了解其解决的一般机制。

首先，让我们总结一下这些参数。

该算法工作的主要参数是寻找函数的最大值和文本密钥。

1.传递给FF的参数数量。

2.传递给FF的参数值的范围。

3.步骤（数值之间的最小差异）。

4.从FF收到的价值。

在没有更多基本参数的情况下，即使没有任何额外的努力，解决方案可能会变成相当普遍的...

这两类这些问题中的搜索机制可以被概括，我将尝试这样做。

你顽固地忽视了我的建议。我在优化算法领域有丰富的经验，虽然这听起来很不谦虚，至少要听我的建议，对吗？

有一大类问题是无法用分析法解决的。而且所有问题中只有很小的一部分可以通过分析来解决。但你完全专注于分析，把所有其他任务都放在一边。

我从未声称通用的解决方案总是更好，相反，很明显，高度专业化的解决方案总是会带来更好的结果。但当谈到应用于优化算法的普遍性时，我们指的是这种算法解决任何任务的能力，包括分析性任务，即绝对是任何任务。因此，你的方法涵盖了，比如说，10%的可能任务，而我的方法则涵盖了100%。

我们在这里不仅是理论家，我们首先是实践者。我们在金融市场上进行交易，对我们来说，没有市场的分析公式，所以我们需要使用原本不是为分析方案设计的解决方案。在研究市场模式时，这也是普遍性的意义所在。我已经多次向你展示了面对MT的内部优化器和代码库中的Alglib的例子，这些都是通用的优化算法，不需要FF公式的知识。

任何事情都有它的反面。在通用优化算法的情况下，这是一个必要的妥协，导致解决方案的准确性降低，但它只是不可能以任何其他方式解决交易者的问题。而当我说我已经找到了一个用已知的最大限度为裁判员组成FF的解决方案时，你会问 "这样的解决方案有什么坏处？首先，它不允许FF中的所有参数相互影响，这是一种简化，其次，有一种方法可以在竞争中作弊，但我不认为有人能够利用这样的机会，因为它需要大量的时间，这不会在冠军的步骤之间。而这个 "第一 "是最重要的事情，但为了公平地要求参与者能够将算法与真正的最大值进行比较，我不得不这样做。

 
Реter Konow:
你能仔细阅读吗？它明确地说--调整策略参数，以在测试器中获得最高的利润率。
这与寻找极值 的快速高效算法有什么关系？
 
Andrey F. Zelinsky:
这与识别极值的快速高效算法有什么关系？

速度和效率只是算法的属性。它们不是强制性的。

测试过程中寻求的极值是被测试的交易策略在历史区间内的最大盈利能力。

当发现一个极值时，测试者会存储导致该极值的策略参数值，并将其显示给用户。

这被称为 "拟合"。

 
Andrey Dik:

由于某些原因，你顽固地忽视了我的建议。我在优化算法领域有巨大的经验，虽然这听起来很不谦虚，至少要听我的建议，对吗？

有一大类问题是无法用分析法解决的。而且所有问题中只有很小的一部分可以通过分析来解决。但你完全专注于分析，把所有其他任务都放在一边。

我从未声称通用的解决方案总是更好，相反，很明显，高度专业化的解决方案总是会带来更好的结果。但是，当我们谈到应用于优化算法的普遍性时，我们指的是这种算法解决任何任务的能力，包括分析性的任务，即绝对是任何任务。因此，你的方法涵盖了，比如说，10%的可能问题，而我的方法则涵盖了100%。

我们在这里不仅是理论家，我们首先是实践者。我们在金融市场上进行交易，对我们来说，没有市场的分析公式，所以我们需要使用原本不是为分析方案设计的解决方案。在研究市场模式时，这也是普遍性的意义所在。我已经多次向你展示了面对MT的内部优化器和代码库中的Alglib的例子，这些都是通用的优化算法，不需要FF公式的知识。

任何事情都有它的反面。在通用优化算法的情况下，这是一个必要的妥协，导致解决方案的准确性降低，但它只是不可能以任何其他方式解决交易者的问题。而当我说我已经找到了一个用已知的最大限度为裁判员组成FF的解决方案时，你会问 "这样的解决方案有什么坏处？首先，它不允许FF中的所有参数相互影响，这是一种简化，其次，有一种方法可以在竞争中作弊，但我不认为有人能够利用这个机会，因为它需要大量的时间，这不会在冠军的步骤之间。而这个 "第一 "是最重要的事情，但为了公平地要求参与者能够将算法与真正的最大值进行比较，我不得不这样做。

我接受你的意见，很高兴你妥协了。
 
Реter Konow:

速度和效率只是算法的属性。它们不是强制性的。

测试过程中寻求的极值是被测试的交易策略在历史区间内的最大盈利能力。

当发现这个极值时，测试人员会保存导致该极值的策略参数值，并向用户展示。

这被称为 "拟合"。

我明白了--总的来说，你甚至对交易中 "优化算法 "的必要性都没有一个接近的理解。一切都是在一般的短语和发明的抽象的水平上。
 
Andrey F. Zelinsky:
我明白了 -- 总的来说，你对交易中需要 "优化算法 "的理解还不够深入。一切都是在一般的短语和发明的抽象的水平上。

我认为你在理解基本的东西方面有问题。

再次 在交易中，需要优化算法将交易策略的参数值与过去的某一时期相适应 ，以便在未来使用它们。

 
Реter Konow:

我认为你在理解基本事物方面有问题。

再次 在交易中，需要用优化算法将交易策略的参数值与过去某段时间的参数值相适应 ，以便在未来使用它们 。

让我重新表述一下这个问题。该主题是 "优化算法 "的发展。

你能否通俗地解释一下什么是 "优化算法"，并举出其在交易中的明确例子。

有意思的是，听到的是。

-- 你将根据这个 "锦标赛 "的结果开发一些功能。请举例说明如何在交易中使用这一功能。

 
Andrey F. Zelinsky:

让我重新表述一下这个问题。该主题是 "优化算法 "的发展。

你能否通俗地解释一下什么是 "优化算法"，并举出其在交易中的明确例子。

有意思的是，听到的是。

-- 你将根据这个 "锦标赛 "的结果开发一些功能。请举例说明如何在交易中使用这一功能。

想象一下，MT中没有测试人员。

你自己需要在某个工具的图表历史的选定区间上测试你的策略。

你的策略有5个参数，这些参数的值会影响你的策略的盈利能力，在选定的测试部分。

你需要确定这些参数的哪个值能让你的策略在图表的这个部分获得最高的利润率。

有这么多可能的参数值，如果你手动检查每一个参数，你将需要几年时间才能找到给你的策略带来最高利润的参数。

你开始开发一种优化参数的算法，它将比你更快地计算出测试期的最佳值。

为什么？ 因为你已经决定历史会重演，类似的时期会在未来再次发生.

你相信，然后你将应用你的算法所发现的最佳参数值，并成为富人！"。

算法在交易中的全部实际用途可能不值一文，但如果你相信未来会与过去相似，如果发生了，那么这样的算法将给你带来财富。

锦标赛是一个在实践中检查你的技能并与其他专家顾问比较的机会。在我看来，锦标赛的实际效益要大于将优化算法应用于交易的实际效益，因为我不相信这样精确的重复历史，当一旦调整参数就会带来与测试期间相同的结果。

1...99100101102103104105106107108109110111112113...132
新评论