优化：目标函数和选择函数

En un sistema de trading automatizado, la optimización es el proceso de búsqueda de la mejor solución para una determinada función objetivo, en este caso los beneficios de la operación son limitados, esta es nuestra regla y conjunto de parámetros.

¿Qué es la función objetivo?
Vamos a optimizar los criterios de un sistema automatizado, es decir, obtendremos un conjunto de parámetros SET para maximizar la función con o sin restricciones. MT4 nos proporciona las siguientes funciones objetivas: Beneficio neto (Balance), Factor de beneficio, MDD (DD máximo).

Al optimizar el sistema de negociación, podemos utilizar limitadores o restricciones:
El número mínimo de transacciones.
El factor de beneficio más bajo.
La reducción máxima permitida, como el 22,5% del valor absoluto del capital inicial (saldo inicial).
Encuentre algunos óptimos: función multiobjetivo
La optimización de una única función objetivo es diferente a la optimización de múltiples funciones objetivo. Incluso puede optimizar FO-IS en una ventana y otra ventana OSS, e incluso puede tener una tercera ventana de verificación, TEST Sample, porque funciona en inteligencia artificial.

¿Qué es una función de selección?
La función de selección es algoritmo, búsqueda y selección manual o automática de SETS (mejor conjunto de parámetros). Cuando el algoritmo afecta la búsqueda durante el proceso de optimización, es parte de la función objetivo, pero cuando el algoritmo de optimización es diferente y se aplica a la nube SETS obtenida, lo denominamos función de selección.

En MT4, podemos usar el beneficio neto como función objetivo, pero en lugar de elegir el conjunto para la persona que más gana, elegimos el conjunto con el mejor NP y el mejor FP y una curva ligeramente irregular. Esta será una función de selección diferente de la función objetivo.

La situación ideal es elegir dentro de la función objetivo y optimizar de esta forma. Pero a veces esto no es posible, por lo que debemos tener una función de selección externa, como K-MEAN.
K-Mean: para optimizar y obtener los mejores resultados, se puede aplicar una técnica de minería de datos llamada agrupación de K-mean. Por lo tanto, utilizaremos el algoritmo de minería de datos de agrupación en clústeres de K-mean para seleccionar el conjunto de parámetros óptimo para el sistema.

关注关注