文章 "模式搜索的暴力方法（第六部分）：循环优化" - 页 3

新评论
 
fxsaber #:

但在这篇文章中，专门用夏普、R^2 或标准来寻找美感似乎值得商榷。也许我错了。

非常正确
 
mytarmailS #:
非常正确

非常正确，有些东西似乎值得商榷))))，但这一切都是拨浪鼓，而有人非常正确或错误，我已经把这一切变成了产品。这是什么术语，非常错误.....。这些曲线只是把标准偏差推近数学期望值的一种方法，拜托，人们.....。使用有限的样本会迫使你这样做，因为只有这样才能增加对样本的信心。

 
Evgeniy Ilin #:

非常正确，有些东西被认为是可疑的 ))) 即使如此，但这都是废话，虽然有人非常正确或错误，但我已经把这一切都变成了产品。

把东西变成产品的事实并不意味着它做了有用的事情。

其他问题我稍后再回答。

 
mytarmailS #:

其他问题我稍后再回答。

为了拟合一条漂亮的利润曲线而修补 TC 是过度训练，即使您有 OOS 也是如此。

您熟悉多重测试 误差吗？


请参考以下资料


P-黑客和重新训练回溯测试 " 数学投资者 (mathinvestor.org)

在金融领域过度训练历史如何导致错误发现 " 数学投资者 (mathinvestor.org)

回测历史过度训练和事后概率错误 " 数学投资者 (mathinvestor.org)

backtest-prob.pdf (davidhbailey.com)

金融领域的人工智能：如何最终开始相信您的回溯测试 [3/3] | 作者：Alex Honchar | 走向数据科学

揭开回测过拟合概率的神秘面纱：附带 Python 代码和可视化辅助工具的分步指南 | 作者：Francesco Landolfi | Python in Plain English


然后你就会意识到，无论使用什么标准，你都只是在过度训练：

将标准差推近数学期望值 或回归线斜率或利润最大化或夏普或.....。


怎么办？

多重测试的误差表明，即使是随意建立一个 TS，也能在测试和回归线上都显示出漂亮的曲线。


这就需要

1) 建立一个模拟、置信区间和曲线的系统，而不是像您一样只计算一次交易 TS，而是例如在不同环境中模拟 50 次 TS，将这 50 次模拟的平均值作为应最大化/最小化的适配函数的结果。


2) 在优化算法寻找最佳曲线（从第 1 点开始 ）的过程中，每次迭代都应进行相关的多重测试。

实践中的多重测试问题 / Habr (habr.com)


就是这样...

 
mytarmailS #:

仅仅调整 TC 以适应漂亮的利润曲线是过度训练，即使您有 OOS 也是如此

您熟悉多重测试 误差吗？


请阅读以下资料


P-黑客和再培训回溯测试 " Mathinvestor (mathinvestor.org)

在金融领域过度训练历史如何导致错误的发现 " 数学投资者 (mathinvestor.org)

历史测试过度训练和事后概率错误 " 数学投资者 (mathinvestor.org)

backtest-prob.pdf (davidhbailey.com)

金融领域的人工智能：如何最终开始相信你的回溯测试 [3/3] | 作者：Alex Honchar | 走向数据科学

揭开回溯测试过拟合概率的神秘面纱：附带 Python 代码和可视化辅助工具的分步指南 | 作者：Francesco Landolfi | Python in Plain English


然后你就会意识到，无论使用什么标准，你都只是在过度训练：

一种使标准差更接近数学期望值 或回归线斜率或利润最大化或夏普（Sharpe）或.... 的方法 。


怎么办？

您现在只是通过多次迭代拟合出一条漂亮的曲线，多重测试的误差表明，即使是随机测试，也有可能建立一个 TS，在测试和跟踪时都能显示出漂亮的曲线。


而且有必要

1) 建立一个模拟、置信区间系统，并将曲率作为计算交易 TS 的结果，而不是像您所做的那样只计算一次，例如在不同环境中模拟 50 次 TS，将这 50 次模拟的平均值作为应最大化/最小化的适配函数的结果。


2) 在优化算法寻找最佳曲线（从第 1 点开始 ）的过程中，每次迭代都应进行相关的多次测试。

实践中的多重测试问题 / Habr (habr.com)


就是这样...

我以前听过这样的话。是的，当然，这是个拟合函数 我们找错东西了我没有神经网络 如果有的话问题是可以理解的这只是取样有限的问题，我告诉你，你只是没注意听我说话。你向我抛出了一百五十篇文章，好像我们有时间坐下来阅读就能向你证明什么似的。你提供的东西是可以理解的，但是把这些东西都放在一个产品里，给人你会一直算到退休，而不是你会得到你梦寐以求的圣杯....资源是有限的，时间也是有限的，就我个人而言，如果看在上帝的份上，你有更多的时间，那就深入下去吧。我听说过很多事情，我没有读过文章，但这些问题是显而易见的，没有文章，一个人谁认为。

 
Evgeniy Ilin #:

我以前听说过所有美好的东西都是重新训练出来的。 是的，当然，健身功能，我们找错了东西，搜索标准也错了。 健身功能.....我没有神经网络，如果有的话。问题是可以理解的。这只是取样有限的问题，我简单告诉你吧，你就是没注意听我说话。你向我抛出了一百五十篇文章，好像我们有时间坐下来阅读就能向你证明什么似的。你提供的东西是可以理解的，但是把这些东西都放在一个产品里，给人你会一直算到退休，而不是你会得到你梦寐以求的圣杯....资源是有限的，时间也是有限的，就我个人而言，如果看在上帝的份上，你有更多的时间，那就深入下去吧。我听说过很多事情，我没有读过文章，但这些问题是显而易见的，没有文章，一个人谁认为。

从你的回答来看，你什么都不懂...
我浪费了时间。我不会再浪费时间了。
 
mytarmailS #:
从你的回答来看，你根本不明白....。
我浪费了时间。我不会再这样做了

好吧，我看得出你什么都不懂，那么谁是对的呢？你的判断只是你的判断，仅此而已。例如，我看到你读了一些聪明的文章，还在这里灌输链接，假装自己是个大交易员，但实际上没人会看。我见过你这种人，你知道很多花言巧语，但没有用。你需要理解和推导公式，需要研究，需要有自己的经验和立场。我一直从事加密货币和体育博彩，什么都知道，我没事干就看你的文章。我需要的一切我都自己推导，拿个笔记本写公式。

 
mytarmailS #:

你必须

1) 建立一个模拟系统、置信区间和曲线，这不是您计算一次交易 TS 的结果，而是在不同环境中模拟 50 次 TS 的结果，将这 50 次模拟的平均值作为拟合函数的结果，而拟合函数应最大化/最小化。


2) 在优化算法寻找最佳曲线（从第 1 点开始 ）的过程中，每次迭代都应进行相关的多次测试。

有没有人使用过这种方法并取得实际效果的例子？没有嘲笑的问题，真的很有趣。

 
Kristian Kafarov #:

有没有人使用过这种方法并取得实际效果的例子？这个问题没有嘲弄的意思，真的很有意思。

我有，也确实有。
不仅是我，所有这些方法都广为人知，并广泛应用于科学、医学等领域（这是世界通行的做法）。

如果您想得到有关市场的数据，那么我们可以说，文章作者所建议的是一种常见的原始历史拟合（再训练），几乎从未在新数据上起过作用......
在普通语言中，这一切只需要 15 行代码，但作者却花了几个月的时间，因为他说 "时间对他来说很宝贵"，并自豪地将这些无用的废话称为 "产品"。

而我试图涵盖的内容至少比原始拟合效果好十倍。
 
mytarmailS #:
我已经并正在应用它。

如果能看到具体的例子，那将会很有意思。很明显，很多人只是应用（尽管很成功）并保持沉默。但应该有人详细描述他们做了什么，得到了什么，以及如何进一步交易。

1234
新评论