75,000个选项 - 4GB内存和4GB磁盘缓存还不够吗？ - 页 7

新评论
 
我在一台IBM上进行了从1970年初到2000年初的测试，历史记录是正确的，并且考虑到了多次拆分后的正常化。附上HST格式的压缩符号历史文件，你可以通过历史中心（F2）->导入 将其导入到终端。

以下是初步结果：
  • 我取了401的最佳结果，并在MT4中用相同的参数进行了测试





    我得到的结果（完整的报告在附件StrategyTester_Mak. zip中）：



    交易中存在严重的差异 - 这是一个单独的话题。但MT4的净利润1664美元与Omega的净利润1884美元多少有些相似。

  • 然后我在MT4中启动了带基因的参数列举，得到了以下结果。



    以下是结果列表（存档报告在OptimizationReport.zip中）：



    MT4在3分钟34秒内重新计算，在350亿个可能的变体中检索出15616个变体：



    我应该澄清，在15616个变体中，有9291个重复的（通过交叉可以得到重复的）序列，在剩下的6325个中，有1027个通过被丢弃为无用。重复的序列不占用资源，也不需要重新计算，因为它们是从临时缓存中提取的。最后的日志条目:

    2006.10.16 23:40:12 在优化过程中共进行了6325次传递，有1027个结果因不重要而被丢弃
    2006.10.16 23:40:12 MACD样本：优化停止，使用了9291条缓存记录，9291条缓存记录被拒绝


  • 为什么MT4的利润是3600，而TSGO是1800的一半？

    我想这是TSGO中超级经济的优化方法的直接后果，它的重点是减少通行证。这很简单--TSGO做了1000次传球，而MT4净做了6000次（15000次中有9000次是重复的，被错过了）。此外，我对TSGO的报告非常感兴趣--优化的MATrendPeriod参数，这个参数被固定在100（有几次滑落到97，但并不严重）。我们可以看到，遗传优化器遇到了一个局部极值，并且微不足道地未能爬出它。这是遗传枚举中的一种常见情况，也是搜索区域超载的直接后果。



    MT4是否已经在那些有这种价值观的地区？是的，我去过很多次，但没有发现那里有什么特别的东西:



    除了数学结果和报告之外，你总是想亲眼看到最佳结果的分布图。MetaTrader在 "二维表面 "可视化模式下很容易显示出来，你可以选择任何参数，沿着轴线进行优化。例如，我们在这里可以看到，MATrendPeriod值在100的区域明显比12-14的值差。



    。
结论：
  • 有必要考虑到局部极值，不要做太粗略的搜索。特别是当你为没有经验的用户提供工具时，他们无法了解详细的过程，可能会把基因检测仪的结果当作表面现象。

  • 在所显示的在1000次时分解为局部极值的背景下，100-200次评估运行的想法绝不可能被认真对待。

  • 当我们为我们的遗传学选择一个足够的过冲机制时，我们做了一些研究，并确定了这个简单的公式。总是做30次完整的种群运行，然后在接下来的10次完整的种群运行中，我们一直等到目标函数的增量被保证为衰减。也就是说，如果初始种群是256个，那么第一阶段是256*30=7680次运行，然后至少再进行256*10=2560次细化，然后在消退之前再进行补充。这种冗余机制使我们在大多数情况下能够摆脱局部极值。

也许我们有点矫枉过正，但对于普通用户来说，这或多或少是一种有保障的工作方式。

感谢Yury（Mak）提出这个话题--讨论这个问题非常有趣+我们修正了我们的错误。
请评论一下吧。
附加的文件：
mibm1440.zip  106 kb
strategytester_mak.zip  9 kb
strategytester_mak.zip  9 kb
 
雷纳特，我还没有找到你的最佳选择的参数。
把它们提出来，我会在欧米茄检查一下，在那里获得什么结果。
我怀疑在两个平台上测试时得到的结果有很大差别。
同时，我将在欧米茄中运行一个超过1000次的测试。
 

对不起，我没有说明参数。他们在这里。

TakeProfit=819; Lots=0.6; TrailingStop=248; MACDOpenLevel=8; MACDCloseLevel=8; MATrendPeriod=12;

参数可以在测试员报告 中通过号旁边的工具提示中看到。

 
雷纳特，你又在妄下结论了。

在TSGO中运行了7000次。
下面的图片。

注意处于人口顶端的运行数字。
7000次运行的最好成绩是第618次（即在700次运行后没有任何改进）。




我在欧米茄中运行了你的最佳发现参数。
结果是这样的:()



显然，在系统或测试器的运行或数据方面存在着明显的差异。
也许我没有正确地将系统转移到欧米茄 ...
你不能在这里转一转，欧米茄的工作方式不同。

但无论如何，你的结论是
TSGO没有找到一个更好的解决方案，而被困在当地的高位是错误的。
TSGO，无法找到这样的系统，因为在我用欧米茄的测试中，它是无利可图的。
 
是的，我注意到你在不该开的地方开了头。手动查看前五笔交易--你马上就会发现。
我从雅虎得到了IBM，我不得不自己将股票拆分4或5次，以获得正常化的数据。 它与你的故事完全吻合。

显然，你必须重新开始。
 
Renat:
是的，我注意到你在不该开的地方开了头。手动查看前五笔交易--你马上就会发现。
我从雅虎得到了IBM，我不得不自己将股票拆分4或5次，以获得正常化的数据。 它与你的故事完全吻合。

显然，你必须重新开始。
在我看来，结果的不匹配并不是根本的。
不同的测试人员和一般不同的系统...

任何遗传算法 都是一种随机搜索。
遗传学有别于单纯的随机搜索，因为
在一个简单的随机搜索中，参数分布函数是均匀的
遗传学中的数据是不均匀的，随着你的搜索而变化。

与简单的随机搜索相比，这大大提高了遗传学的搜索速度。
在这个意义上，所有的遗传优化器都是一样的。
 
亲爱的朋友们，你们好!

请原谅我的离题，但这些难以理解的术语让我感到严重的呵欠和头痛。雷纳特，你能简明扼要地解释一下球形真空中的马 是什么，它被放在那里是为了什么？

这个话题对我来说非常有趣，因为我自己最近也开始使用GO来优化我自己的专家顾问，我想了解GO应用的局限性。只是我没有确切的MACD，但有两个基于零滞后MA的MUWING，并有两个滞后（根据"MetaTrader 4中的遗传算法"一文，"反冲"）。与优化器 在进入和退出一个位置时的直接超调'）进行比较。到目前为止，我对结果不是很满意，但我有一些希望。我想我很快就会在我的专家顾问中添加新的过滤器。嗯，到目前为止我喜欢这个优化器。
 
Mathemat:

...球形真空中的马 是什么，为什么会被放在那里？

好吧，实际上，雷纳特在这里有点夸张了。当然，一匹马或一匹马并不那么基本。至于球形真空，一切都很简单--一个直径足够大的球体（和足够的强度），一匹马放在那里，空气被抽出。球体内部的真空呈现球状--因此称为球状真空。当然，有必要考虑到测量误差，因为真空并没有真正变成绝对的，球体也不是完美的球形光滑，但原则上，误差不会对测量结果产生很大影响。
是的，我们不应该忘记，马/马自然会因为实验而死亡。唉，在这个世界上没有什么是完美的。:)

P.S. 好吧，为了实验，马自然是栽了。实验的目的没有披露，可以说是诀窍。:)
 
很奇怪，我以为它是真空中的球形马。我的意思是，它是圆的，因为它是圆的，但在真空中，要看到它的位置是完全不现实的 :)
 

"真空中的球形马 "是1990年代起源于FIDO网络的一个成语。它指的是实验或操作中难以捉摸的理想条件。

有一个古老的轶事，说的是一个物理学家被委托开发一个赛马模型，以便他能预测这匹或那匹马的获胜情况。

你是否知道...

  • 一个球形的马有一个绝对黑色的身体。
  • 一个球形的马呼吸着完美的气体。
  • 球形马的隆隆声是一个单一的谐波，传播时没有耗散。
  • 一匹球形的马在均匀的场地上吃草。
  • 当一匹球形马奔跑时，它的运动轨迹由摆线描述。
  • 球形马的蹄子以绝对弹性的方式与平坦的水平表面碰撞。
  • 概率为1的球形马将在有限的时间内从势坑中逃脱。
  • 要想在马背上骑上一匹球形的马，就必须找到马鞍点。在这种情况下，马的阻力是可以忽略不计的。
  • 当从一个无限遥远的讲台上看时，球形的马就像一个物质的点。
  • 梳理球状马的毛发的问题是无法解决的。
  • 一个球形的马在真空中均匀地、直线地运动。
  • 球形马不需要球形马，因为它无限期地存在于推测的空间中。
  • 单位球马对n维空间的投影由方程r2=1描述。
  • 马力 - 一个直径为1米、质量为1公斤的球形马所施加的力。
    • 12345678
    新评论