ivandurak писал(а)>> А как же распределение результатов сделок . Львиная доля прибыли может быть и в начале исследуемого периода . Имхо для начала необходимо договорится о критерии по которому будем отбирать варианты оптимизации, а иначе флуд и опять плевки на спину .Лично мне импонирует - близость результатов торговли к прямой линии на постоянном лоте, но не настаиваю .
joo>>: Можно критерий оптимизации получить методами генетического программирования, но боюсь, пока вычислительных ресурсов писишек не хватет, хотя разрабы обещают облачные вычисления...
ivandurak писал(а) >>
А как же распределение результатов сделок . Львиная доля прибыли может быть и в начале исследуемого периода . Имхо для начала необходимо договорится о критерии по которому будем отбирать варианты оптимизации, а иначе флуд и опять плевки на спину .Лично мне импонирует - близость результатов торговли к прямой линии на постоянном лоте, но не настаиваю .
我同意突出蓝色的说法。
用红色强调，没有。笔直的平衡线并不代表稳定的结果，尤其是在用固定手数进行交易的情况下。直线平衡线也可以通过可变手数依赖的SL获得，表示为商定的初始资本额的百分比（不是当前余额的百分比）
我将尝试在稍后的时间里对该支部的主题提出一些想法。
我不认为有一个 "标准 "就足够了，需要有一个平衡的标准。
也许是这样。可能一套标准要比一套好。但从实用的角度来看，最好能有一个尽可能有容量的标准。把它与其他东西结合起来分析是没有障碍的，不是吗？
这里是最简单的变体，在我的优化器中运行良好（在速度和结果方面，比标准变体好得多）。
首先，按交易数量进行过滤，然后简单地将最大GP* P*PD/(GL+MD)；//它是凭空得出的，只是凭直觉，之后我开始思考一个分支
-利润=P。
-GrossProfit =GP 。
-GrossLoss =GL,
-MaxDrawdown (Drawdown) =MD 。
-盈利的交易数量=PD，亏损的交易=LD，总的交易数量=AD。
-测试的条数（ticks）=时间。
最大利润交易=MPD， 最大损失交易=MLD
-盈利交易系列=SPD（单位），=SPD$（存款货币），亏损交易系列=SLD，=SLD$
利润、MO、利润系数。相对缩减--这些特征在优化结束时计算，即强行平仓。
最大跌幅--我们可以将其作为风险极值的一个特征。当平衡线处于由最大利润（不幸的是，报告中缺少这一特征）和最大利润减去最大缩减形成的水平通道中时，优化可以结束。我有上述专家顾问的适应机制。
优化的目的是为了计算风险。对可能的风险的了解使我们能够应用MM。
1.样本 外-- 即TS未见过的数据（报价）和对该数据的工作结果。
2.预期 - 交易的平均利润，以点或选定货币为单位。
3.时间序列（阅读--引言）。
科蒂尔可以被分解成具有不同频率和振幅的组成波（我这样说是为了清楚，而不是暗示使用傅里叶变换等进行实际分解）。这可以用肉眼看到（波，艾略特与此无关）。每一个TS，不管是由谁写的或将要写的，都是试图描述一个特定的个体波的行为。而由于波浪的频率不同，不同的TS的交易数量也会不同，可能很多，也可能很少。
在我看来，一个 "标准 "是不够的，我们需要某种标准的平衡。
而且在我看来，不仅有一个 "标准"，而且还有一些假设的标准平衡。
我将与动物世界进行类比（原谅我，但我的大脑更容易操作 "生物 "图像） :)
每个组成的Kotir波都是某个物种的自然栖息地。有些人生活在平坦且植被稀少的沙漠中，有些人生活在茂密的丛林中。这些物种有完全不同的谋生方式和合理利用它们所提取的能量。
让我们再次回到TC。我们如何确定哪些人值得用我们的血来工作，哪些人不值得？基于一个，尽管是普遍的标准？
我越来越倾向于使用多标准优化的想法，每个标准都是对某一群体的描述，以GA为例。因此，不同物种的几个不同种群的个体将完全存在，给了与不同种群的个体杂交的机会，有可能通过GA的手段加强不同物种代表的最佳品质。
PS 我们还需要用FigarO 建议的术语来描述各个TC物种。对我来说最困难的是，我对数学不熟悉。我曾向论坛的一位成员提出过类似的要求，但要么我无法引起他的兴趣，要么我在错误的时间提出。
PPS 适配函数的制定几乎比为NS找到一个输入数据集更重要，这也适用于任何TS。
我将补充我对这个问题的看法。
1）没有一组参数是没有办法做到的，这些参数是从测试员那里拿过来的，你可以增加一些，但不必要的也需要消除，就像神经网络 中不必要的输入一样（类比）。
2）通过乘法的方式输出一般系数，很可能会出现新的局部最小值集，或者这些标准基本上会把GA推向错误的（对我们来说没有必要）最小/最大值（没有区别）。所以我建议忘掉作者在上面几个帖子中所作的乘法。我用它们做了实验，效果并不理想。
3）从本质上讲，该任务是 "多标准优化 "或同时根据许多标准进行优化。我在这个问题上读到的所有内容：一切都归结为给每个标准一些权重[0;1]，使用一个简单的线性方程，我可以推导出这个一般标准（Y=a1*x1+a2*x2+...an*xn）--这在我们的案例中也会导致错误的最小值，或者我们将不得不先对表面进行单独调查（对每个策略），看看权重如何影响最小值/最大值，GA是否进入了错误的极值（从我们的角度来看是错误的）--一般来说，这也不是办法。
这就是为什么你们（我呼吁那些对该分支感兴趣的人）将不得不发明一种书本上没有的新方法。
问题：你需要的第一件事是摆脱维度，例如在[0;100]范围内盈利交易的百分比，而你的利润理论上是无限的，等等。让我马上告诉你，缩放是行不通的（这和给指标分配权重是一样的），会有很多离群值，将GA甩到一个错误的最小值。
Можно критерий оптимизации получить методами генетического программирования, но боюсь, пока вычислительных ресурсов писишек не хватет, хотя разрабы обещают облачные вычисления...
一切辉煌都是简单的...所以我认为没有必要设置超纲的...
一切辉煌都是简单的...所以我不认为有必要设置超纲的...
我同意。将事情复杂化并不能保证有更好的结果。