文章 "使用优化算法即时配置 EA 参数"
太神奇了。告诉我，这样的算法在 Python 中能实现吗？
input string InpKPeriod_P = "18|9|3|24"; //STO K period: it is necessary to optimize
input string InpUpperLevel_P = "96|88|2|98"; //STO upper level: it is necessary to optimize
请注意，参数是用字符串类型声明的，参数是复合型的，包括默认值、 优化 起始值、 优化 步长 和 优化 结束 值。
input string InpKPeriod_P = "18||9||3||24||N"; //STO K 周期：有必要进行优化 input string InpUpperLevel_P = "96||88||2||98||Y"; //STO上层：有必要进行优化
最后，这是应用您的优化文章的一个很好的例子。
谢谢。
这篇文章很有意思，应该会引起人们对您发表的系列文章的兴趣！
当然，建议的实现方法的缺点是缺乏通用性，即必须完全重写现有的智能交易系统，并在其中引入具有多种功能的虚拟测试器。当然，该方法的优势在于虚拟指标带来的可接受的工作速度。
您是否尝试过不使用图表范围进行优化，而是为每个指标/预测器设置一组先前选定的设置？这种方法大大缩小了搜索范围，但我知道并非所有算法都能正常工作，因为参数之间的变化并不平滑，或者说这并不重要？
是否有任何计划中的文章，按照本文概述的思路，介绍算法应用的其他可能性：
- 投资组合管理。 优化算法可以帮助确定投资组合中的最佳资产配置，以实现既定目标。例如，均值-方差优化（均值-方差矩阵）等优化技术可用于在给定预期收益和风险的情况下找到最有效的资产组合。这可能包括确定股票、债券和其他资产的最佳组合，以及优化头寸规模和投资组合的多样化。
- 选择最佳交易工具。 优化算法有助于选择最佳交易工具或交易资产。例如，优化算法可用于根据回报、波动性或流动性等各种标准对资产进行排序。
新文章 使用优化算法即时配置 EA 参数已发布：
文章讨论了使用优化算法即时查找最佳 EA 参数，以及交易操作和 EA 逻辑虚拟化的实际问题。这篇文章可作为在 EA 中实现优化算法的指导。
我经常被问到，如何在使用 EA 和策略时应用优化算法。在本文中，我想谈谈使用优化算法的实际问题。
在当今的金融世界里，每一毫秒都可能产生巨大的变化，因此算法交易变得越来越有必要。而优化算法在创建高效交易策略方面发挥着关键作用。也许有些怀疑者认为，优化算法和交易没有共同点。然而，在本文中，我将展示这两个领域如何相互作用，以及从这种相互作用中可以获得什么好处。
对于交易新手来说，了解优化算法的基本原理是寻找盈利交易和最大限度降低风险的有力工具。对于经验丰富的专业人士来说，这方面的深厚知识可以开拓新的视野，帮助他们制定出超出预期的复杂交易策略。
EA 中的自我优化是指 EA 交易根据历史数据和当前市场条件调整其交易策略参数以获得更好性能的过程。
作者：Andrey Dik