EA交易的优化II（第2部分）：了解遗传算法的真实操作

Teoría matemática

Hay una teoría matemática desarrollada por una universidad rusa, el teorema es de 3 páginas. En este algoritmo que no es un algoritmo genético, encontramos el valor óptimo de otra manera. Sin embargo, esto no está programado en Metatrader. El caso es que tengo muchas formas de intentar encontrar el monte Everest. O puedo estar satisfecho con Annapurna, el total es 8000.

El punto aquí no es ser mejor que un sistema inteligente, que depende de si hay más pendientes y comienza a arrojar más generaciones para subdividir y crear árboles computacionales cuando se encuentra una llanura o montaña. Y para reducir la generación cuando la brecha es demasiado grande. De hecho, si lo miramos objetivamente, los algoritmos genéticos son muy inteligentes.

El punto de partida es la clave

La clave es tu punto de partida. Si comienza desde el sur y busca el Monte Everest en el norte, la posibilidad de encontrarlo en la optimización es X. Esto es relativamente bajo. Suponga que tiene una cadena montañosa de 5000 pies, los Montes Urales y partes de Madrid, porque el uso de este sistema de búsqueda puede quedarse en los Montes Urales. Si continúa buscando, eventualmente entrará en el Lago Siberiano. agua. Por lo tanto, nunca llegarás al Tíbet. Pero ... ¿y si eres parte de la India? Desde allí, la probabilidad de llegar a las laderas y lagunas más altas para llegar al Everest es mucho mayor que salir de Madrid, evitando así los Alpes y los Urales.

Entonces, si tomo otros ejemplos. P.ej. Solo hice la primera optimización para los datos de 2010, pero al mismo tiempo, hice otra optimización para los datos de 2009 YYYYYYYYY 2010. Comencé desde otro sitio. De estos dos, elegiré la montaña más alta. Así es como debes utilizar los algoritmos genéticos. Por supuesto, hay más trabajo por hacer. La pregunta es si desea escalar 8000 o establecer un montículo de 3000 ms. :)

El punto de partida tiene que ver con los algoritmos genéticos. Y cabe destacar que una muestra mayor atreverse a obtener datos de 12 años no significa el mejor valor. Evidentemente, la muestra de un año es un punto de partida y también es muy escasa.

Resumen

El algoritmo genético tiene un gran valor, pero debes usarlo con cuidado y al menos desde dos o tres puntos de partida diferentes para encontrar el mejor algoritmo. Es decir, muestras estadísticas de diferentes volúmenes de datos. Preferiblemente, conjuntos y subconjuntos de los mismos datos.

Por otro lado, si desea hacer ajustes, no solo necesita optimizar la ganancia neta, sino que también debe optimizar en un rango de parámetros muy corto (una vez dentro de la cordillera), la reducción máxima y el factor de beneficio deben usarlo. Si sabe cómo utilizar estos tres métodos de manera ingeniosa, puede lograr resultados sorprendentes. Estos resultados le permitirán utilizar estos parámetros en su trabajo futuro y trabajar duro para usted en horas, con más Pago en dólares estadounidenses o euros, mientras que la tasa de uso de DD es menor y las transacciones de cuenta son más frecuentes.