เทรดดิ้ง ระบบ วัตถุประสงค์ ฟังก์ชั่น

วิธีการเพิ่มประสิทธิภาพระบบการซื้อขายหมายเหตุ: หน้านี้ถูกแปลโดยซอฟต์แวร์เครื่องแปลภาษาคลิกที่นี่เพื่อรับภาษาอังกฤษคุณอาจสนใจในบทเรียนก่อนหน้านี้ก่อนเริ่มต้นการใช้งาน AFL ขั้นแรกคุณต้องมีระบบการซื้อขายซึ่งอาจเป็นแบบครอสโอเวอร์เฉลี่ยที่เคลื่อนที่ได้ง่าย เป็นพารามิเตอร์บางอย่างเป็นระยะเวลาเฉลี่ยที่ตัดสินใจว่าระบบที่ได้รับการปฏิบัติเช่นคือเหมาะดีสำหรับระยะยาวหรือระยะสั้นจะทำปฏิกิริยากับหุ้นผันผวนสูง ฯลฯ การเพิ่มประสิทธิภาพเป็นกระบวนการของการหาค่าที่เหมาะสมของพารามิเตอร์เหล่านั้นให้ผลกำไรสูงสุดจาก ระบบสำหรับสัญลักษณ์ที่กำหนดหรือผลงานของสัญลักษณ์ AmiBroker เป็นหนึ่งในไม่กี่โปรแกรมที่ช่วยให้คุณสามารถเพิ่มประสิทธิภาพระบบของคุณในหลาย ๆ สัญลักษณ์ได้ในครั้งเดียวเพื่อเพิ่มประสิทธิภาพระบบของคุณคุณต้องกำหนดจากพารามิเตอร์ไม่เกินสิบตัวที่จะปรับให้เหมาะสมคุณตัดสินใจได้ สิ่งที่เป็นค่าต่ำสุดและสูงสุดที่ยอมรับได้ของพารามิเตอร์และในสิ่งที่เพิ่มขึ้นค่านี้ควรได้รับการปรับปรุง AmiBroker แล้วดำเนินการทดสอบกลับหลายระบบโดยใช้ A LL การรวมค่าพารามิเตอร์ที่เป็นไปได้เมื่อกระบวนการนี้เสร็จสิ้น AmiBroker จะแสดงรายการผลการจัดเรียงตามกำไรสุทธิคุณสามารถเห็นค่าของพารามิเตอร์การเพิ่มประสิทธิภาพที่ให้ผลลัพธ์ที่ดีที่สุดการกำหนดสูตร AFL การปรับแต่งในเครื่องทดสอบหลังได้รับการสนับสนุนผ่านฟังก์ชันใหม่ เรียกว่าเพิ่มประสิทธิภาพไวยากรณ์ของฟังก์ชันนี้เป็นดังนี้. การเพิ่มประสิทธิภาพตัวแปรอธิบาย, ค่าเริ่มต้นขั้นต่ำ min. variable สูงสุด - เป็นตัวแปร AFL ปกติที่ได้รับการกำหนดค่าที่ส่งกลับโดยเพิ่มประสิทธิภาพการทำงานด้วยโหมด backtesting ปกติการสแกนการสำรวจและโหมด combound ฟังก์ชันเพิ่มประสิทธิภาพจะส่งกลับค่าเริ่มต้น ค่าดังนั้นการเรียกใช้ฟังก์ชันข้างต้นจะเทียบเท่ากับค่าเริ่มต้นของตัวแปรในโหมดการเพิ่มประสิทธิภาพสูงสุดเพิ่มประสิทธิภาพการทำงานจะส่งกลับค่าต่อเนื่องตั้งแต่นาทีถึงสูงสุดรวมกับขั้นตอนการก้าวคำอธิบายคือสตริงที่ใช้ในการระบุตัวแปรการเพิ่มประสิทธิภาพและแสดงเป็นชื่อคอลัมน์ใน ผลลัพธ์การเพิ่มประสิทธิภาพ list. default เป็นค่าดีฟอลต์ที่เพิ่มประสิทธิภาพการทำงานของผลตอบแทนในการสำรวจ , ตัวบ่งชี้ความเห็นการสแกนและโหมดการทดสอบกลับตามปกติ min คือค่าต่ำสุดของตัวแปรที่ได้รับการปรับให้เหมาะสม max คือค่าสูงสุดของตัวแปรที่ได้รับการปรับให้เหมาะสมขั้นตอนคือช่วงเวลาที่ใช้ในการเพิ่มค่าจากนาทีเป็น max. AmiBroker สนับสนุน ไม่เกิน 64 สายเพื่อเพิ่มประสิทธิภาพการทำงานจึงไม่เกิน 64 ตัวแปรการเพิ่มประสิทธิภาพโปรดทราบว่าถ้าคุณใช้การเพิ่มประสิทธิภาพหมดจดแล้วเป็นความคิดที่ดีจริงๆเพื่อ จำกัด จำนวนของตัวแปรการเพิ่มประสิทธิภาพเพียงโทร few. Each เพิ่มประสิทธิภาพสร้างสูงสุด - นาทีขั้นตอนการเพิ่มประสิทธิภาพลูปและหลายสาย ตัวอย่างเช่นการเพิ่มประสิทธิภาพสองพารามิเตอร์โดยใช้ 10 ขั้นตอนจะต้องมีการเพิ่มประสิทธิภาพ 10 10 100 loops. Call เพิ่มประสิทธิภาพการทำงานเพียงครั้งเดียวต่อตัวแปรที่จุดเริ่มต้นของสูตรของคุณเป็นแต่ละสายสร้างวงจรการเพิ่มประสิทธิภาพใหม่การเพิ่มประสิทธิภาพหลายสัญลักษณ์ ได้รับการสนับสนุนอย่างเต็มที่โดย AmiBroker พื้นที่การค้นหาที่มากที่สุดคือ 2 64 10 19 10,000,000,000,000,000,000 ชุดค่าผสม 1 การเพิ่มประสิทธิภาพตัวแปรแบบ Single. sigavg Optimize S ignal average 9 2 20 1. ซื้อ Cross MACD 12 26, Signal 12 26 sigarg ขายสัญญาณ Cross 12 26 sigar, MACD 12 26.2 การเพิ่มประสิทธิภาพ 2 ตัวแปรเหมาะสำหรับ 3D charting. per เพิ่มประสิทธิภาพต่อ 2 5 50 1 ระดับระดับการเพิ่มประสิทธิภาพ 2 2 150 4 ซื้อ Cross CCI ต่อระดับการขาย Cross Level, CCI ต่อ 3 การเพิ่มประสิทธิภาพตัวแปร Multiple 3 ตัวแปรเพิ่มประสิทธิภาพ MACD Fast 12 8 16 1 mslow เพิ่มประสิทธิภาพ MACD ช้า 26 17 30 1 sigarg เพิ่มประสิทธิภาพสัญญาณเฉลี่ย 9 2 20 1. ซื้อ Cross MACD mfast , mslow สัญญาณ mfast, mslow, sigarg ขายสัญญาณ cross mfast, mslow, sigarg, mfast MACD, mslow หลังจากป้อนสูตรเพียงคลิกที่ปุ่มเพิ่มประสิทธิภาพในหน้าต่างการวิเคราะห์อัตโนมัติ AmiBroker จะเริ่มทดสอบชุดค่าผสมที่เป็นไปได้ทั้งหมดของตัวแปรการเพิ่มประสิทธิภาพและรายงานผลใน รายการหลังจากการเพิ่มประสิทธิภาพจะทำรายการผลลัพธ์จะแสดงเรียงตามกำไรสุทธิตามที่คุณสามารถเรียงลำดับผลลัพธ์โดยคอลัมน์ในรายการผลลัพธ์ใด ๆ มันเป็นเรื่องง่ายที่จะได้รับค่าที่ดีที่สุดของพารามิเตอร์สำหรับการเบิกต่ำสุดจำนวนต่ำสุดของการค้า, prof ที่ใหญ่ที่สุด ปัจจัยที่ได้รับการยอมรับจากตลาดต่ำที่สุดและผลตอบแทนรายปีที่มีความเสี่ยงสูงสุดที่ปรับเปลี่ยนคอลัมน์สุดท้ายของรายการผลลัพธ์แสดงค่าของตัวแปรการเพิ่มประสิทธิภาพสำหรับการทดสอบเมื่อคุณตัดสินใจว่าชุดพารามิเตอร์ใดเหมาะสมกับความต้องการของคุณมากที่สุดสิ่งที่คุณต้องทำคือแทนที่ค่าเริ่มต้น ค่าในการเพิ่มประสิทธิภาพการเรียกฟังก์ชันที่มีค่าที่ดีที่สุดในขั้นตอนปัจจุบันคุณจะต้องพิมพ์พวกเขาด้วยมือในหน้าต่างการแก้ไขสูตรพารามิเตอร์ที่สองของการเพิ่มประสิทธิภาพการทำงาน call. Displaying แผนภูมิการเพิ่มประสิทธิภาพ 3D เคลื่อนไหวเพื่อแสดงกราฟการเพิ่มประสิทธิภาพ 3D คุณต้องใช้สอง - การเพิ่มประสิทธิภาพตัวแปรสองประการแรกการเพิ่มประสิทธิภาพสองตัวแปรต้องใช้สูตรที่มี 2 การเรียกใช้ฟังก์ชันเพิ่มประสิทธิภาพตัวอย่างสูตรการเพิ่มประสิทธิภาพสองตัวแปรมีลักษณะดังนี้ this. per เพิ่มประสิทธิภาพต่อ 2 5 50 1 ระดับเพิ่มประสิทธิภาพระดับ 2 2 150 4. ซื้อ Cross CCI ต่อ, - Cross Cross Level, CCI ต่อหลังจากป้อนสูตรที่คุณต้องคลิกปุ่มเพิ่มประสิทธิภาพเมื่อการเพิ่มประสิทธิภาพเสร็จสมบูรณ์คุณควรคลิกที่ลูกศรลงบนปุ่มเพิ่มประสิทธิภาพและเลือก ดูกราฟการเพิ่มประสิทธิภาพ 3D ในไม่กี่วินาทีพล็อตพื้นผิวสามมิติที่มีสีสันจะปรากฏในหน้าต่างมุมมองกราฟ 3D ตัวอย่างแผนภูมิ 3D ที่สร้างขึ้นโดยใช้สูตรด้านบนแสดงด้านล่างโดยค่าเริ่มต้นแผนภูมิ 3D จะแสดงค่าของกำไรสุทธิกับตัวแปรการเพิ่มประสิทธิภาพ กราฟของพื้นผิว 3D สำหรับคอลัมน์ใด ๆ ในตารางผลการเพิ่มประสิทธิภาพเพียงคลิกที่ส่วนหัวของคอลัมน์เพื่อจัดเรียงมันลูกศรสีฟ้าจะปรากฏขึ้นแสดงว่าผลการเพิ่มประสิทธิภาพถูกจัดเรียงตามคอลัมน์ที่เลือกแล้วเลือกดูกราฟการเพิ่มประสิทธิภาพ 3D อีกครั้งด้วยการแสดงผลว่าระบบของคุณ พารามิเตอร์ที่มีผลต่อประสิทธิภาพการซื้อขายคุณพร้อมที่จะตัดสินใจว่าค่าพารามิเตอร์ที่ผลิตเปราะบางและสร้างประสิทธิภาพของระบบที่มีประสิทธิภาพการตั้งค่าที่รัดกุมเป็นภูมิภาคในกราฟ 3D ที่แสดงการเปลี่ยนแปลงทีละน้อยกว่าการเปลี่ยนแปลงอย่างฉับพลันในผังพื้นผิวแผนภูมิการเพิ่มประสิทธิภาพ 3D เป็นเครื่องมือที่ยอดเยี่ยมในการป้องกันไม่ให้เกิดเส้นโค้ง - เหมาะสมเหมาะสมหรือมากกว่าการเพิ่มประสิทธิภาพเกิดขึ้นเมื่อระบบมีความซับซ้อนกว่าที่จะต้องมีและ al l ความซับซ้อนนั้นมุ่งเน้นไปที่สภาวะตลาดที่อาจไม่เกิดขึ้นอีกครั้งการเปลี่ยนแปลงที่รุนแรงหรือการเพิ่มประสิทธิภาพในแผนภูมิการเพิ่มประสิทธิภาพ 3D แสดงพื้นที่การเพิ่มประสิทธิภาพที่มากเกินไปคุณควรเลือกพื้นที่พารามิเตอร์ที่สร้างพื้นที่กว้างและกว้างบนแผนภูมิ 3D สำหรับการซื้อขายในชีวิตจริงของคุณ การผลิตกำไร spikes จะไม่ทำงานอย่างน่าเชื่อถือในการซื้อขายจริงตัวควบคุมแผนภูมิ chart. AmiBroker ของมุมมองแผนภูมิ 3D มีความสามารถในการรับชมทั้งหมดที่มีการหมุนภาพและภาพเคลื่อนไหวเต็มตอนนี้คุณสามารถดูผลลัพธ์ของระบบจากมุมมองที่เป็นไปได้ทุกคุณสามารถควบคุมตำแหน่งและพารามิเตอร์อื่น ๆ ของแผนภูมิโดยใช้เมาส์แป้นพิมพ์ลัดและแป้นพิมพ์ลัดสิ่งที่คุณหาได้ง่ายขึ้นสำหรับคุณด้านล่างนี้คุณจะพบรายการ - เพื่อหมุน - กดปุ่มเมาส์ซ้ายและย้ายไปในทิศทาง XY - เพื่อซูมเข้า, ซูมออก - พัก ลงปุ่มเมาส์ขวาและย้ายไปในทิศทาง XY - เพื่อย้ายแปล - กดปุ่มเมาส์ซ้ายและคีย์ CTRL และย้ายไปในทิศทาง XY - เพื่อเคลื่อนไหว - ค้างไว้ ลากเมาส์ปุ่มซ้ายลากอย่างรวดเร็วและปล่อยปุ่มในขณะที่ลาก SPACE - เคลื่อนไหวอัตโนมัติหมุนแป้นลูกศรซ้าย - หมุน Vert ซ้ายคีย์ลูกศรขวา - หมุน Vert ขวาขึ้นแป้นลูกศร - หมุน Horiz ขึ้นลงแป้นลูกศร - หมุน Horiz ลง NUMPAD PLUS - ใกล้ ซูมออก NUMPAD - MINUS - ซูมออก NUMPAD 4 - เลื่อนไปทางซ้าย NUMPAD 6 - เลื่อนไปทางขวา NUMPAD 8 - เลื่อนขึ้น NUMPAD 2 - เลื่อนลง PAGE UP - ระดับน้ำขึ้น PAGE DOWN - ระดับน้ำลดลงการเพิ่มประสิทธิภาพแบบไม่จำกัดความของสมาร์ท AmiBroker now มีการเพิ่มประสิทธิภาพที่ชาญฉลาดไม่ครบถ้วนนอกเหนือจากการค้นหาปกติอย่างละเอียดถี่ถ้วนการค้นหาที่ไม่ครอบคลุมจะเป็นประโยชน์ถ้าจำนวนชุดพารามิเตอร์ทั้งหมดของระบบการซื้อขายที่ระบุมีขนาดใหญ่เกินไปที่จะเป็นไปได้สำหรับการค้นหาที่ละเอียดถี่ถ้วนการค้นหาที่ละเอียดอ่อนสมบูรณ์ดีตราบเท่าที่มี เหมาะสมกับการใช้งาน Let 's บอกว่าคุณมี 2 พารามิเตอร์แต่ละตั้งแต่ 1 ถึง 100 ขั้นตอน 1 ที่ 10000 ชุด - สมบูรณ์ OK สำหรับการค้นหาหมดจดขณะนี้มี 3 พารามิเตอร์ที่คุณได้ 1 ล้านชุด - ยังคงเป็น OK สำหรับ sear หมดแรง ch แต่สามารถ lenghty ด้วย 4 พารามิเตอร์ที่คุณมี 100 ล้านชุดค่าผสมและมี 5 พารามิเตอร์ 1 100 คุณมี 10 พันล้านชุดค่าผสมในกรณีที่มันจะใช้เวลามากเกินไปในการตรวจสอบทั้งหมดของพวกเขาและนี่คือพื้นที่ที่ไม่ครบถ้วน smart - วิธีการค้นหาสามารถแก้ปัญหาที่ไม่สามารถแก้ไขได้ในเวลาที่เหมาะสมโดยใช้การค้นหาที่ละเอียดอ่อนต่อไปนี้เป็นคำแนะนำที่ง่ายที่สุดในการใช้เครื่องมือเพิ่มประสิทธิภาพแบบไม่ถี่ถ้วนในกรณีนี้ CMA-ES.1 เปิดสูตรของคุณในเครื่องมือแก้ไขสูตร 2 เพิ่มข้อมูลนี้ บรรทัดเดียวที่ด้านบนของสูตรของคุณ OptimizerSetEngine cmae คุณสามารถใช้ spso หรือ trib here.3 Optional เลือกเป้าหมายการเพิ่มประสิทธิภาพของคุณใน Automatic Analysis การตั้งค่าแท็บ Walk-Forward การเพิ่มประสิทธิภาพฟิลด์เป้าหมายหากคุณข้ามขั้นตอนนี้จะเพิ่มประสิทธิภาพสำหรับ CAR ผลตอบแทนประจำปี MDD สารประกอบหารด้วย drawdown. Now สูงสุดถ้าคุณใช้การเพิ่มประสิทธิภาพโดยใช้สูตรนี้จะใช้วิวัฒนาการใหม่ไม่ถี่ถ้วน CMA-ES optimizer. How ไม่ทำงานการเพิ่มประสิทธิภาพเป็นกระบวนการของการหานาที imum หรือสูงสุดของฟังก์ชันที่กำหนดระบบการซื้อขายใด ๆ ที่สามารถพิจารณาเป็นฟังก์ชันของจำนวนอาร์กิวเมนต์ปัจจัยการผลิตเป็นพารามิเตอร์และข้อมูลใบเสนอราคาผลลัพธ์เป็นเป้าหมายการเพิ่มประสิทธิภาพของคุณว่า CAR MDD และคุณกำลังมองหาฟังก์ชันที่กำหนดให้สูงสุดบางส่วนของการเพิ่มประสิทธิภาพสมาร์ท อัลกอริธึมทางพันธุกรรมและบางส่วนขึ้นอยู่กับแนวคิดทางคณิตศาสตร์ที่มนุษย์ได้รับมา - CMA-ES อัลกอริธึมเหล่านี้ถูกใช้ในหลาย ๆ ด้านเช่นการเงินป้อน PSO finance หรือ CMA - ES ใน Google และคุณจะได้พบกับข้อมูลจำนวนมากวิธีการที่ไม่สมบูรณ์หรือสมาร์ทจะหาเป้าหมายที่เหมาะสมที่สุดในระดับโลกหรือระดับท้องถิ่นเป้าหมายของหลักสูตรคือการค้นหาหลักสูตรระดับโลกหนึ่ง แต่หากมีการรวมพารามิเตอร์ zillions ที่มีความคมเพียงจุดเดียว, วิธีการที่ละเอียดถี่ถ้วนอาจล้มเหลวในการหาจุดสูงสุดเดี่ยวนี้ แต่ใช้รูปแบบการซื้อขายของผู้ประกอบการค้าขายด้วยการหาจุดสูงสุดคมเดียวจะไม่ได้ผลสำหรับการซื้อขายเพราะผลที่ได้จะไม่เสถียรและเปราะบางเกินไป ot จำลองในการซื้อขายจริงในกระบวนการเพิ่มประสิทธิภาพเราค่อนข้างจะมองหาพื้นที่ที่ราบสูงมีค่าคงที่และนี่คือพื้นที่ที่ฉลาดวิธีการ shine. As กับขั้นตอนวิธีที่ใช้โดยการค้นหาไม่ถี่ถ้วนจะมีลักษณะดังนี้ optimizer สร้างมักจะสุ่มเริ่มต้น จำนวนประชากรของพารามิเตอร์ชุด b backtest จะดำเนินการโดย AmiBroker สำหรับพารามิเตอร์แต่ละชุดจากประชากร c ผลของ backtests ได้รับการประเมินตามลอจิกของอัลกอริทึมและสร้างประชากรใหม่ขึ้นอยู่กับวิวัฒนาการของผลลัพธ์ d ถ้าค้นพบสิ่งใหม่ ๆ ที่ดีที่สุด - ให้ไปที่ขั้นตอน b จนกว่าเกณฑ์การหยุดจะได้รับการตรวจสอบตัวอย่างเช่นเกณฑ์การหยุดสามารถรวมถึงการทำซ้ำสูงสุดถึงที่กำหนดไว้ b stop ถ้าช่วงค่านิยมที่ดีที่สุดของรุ่น X ล่าสุดเป็นศูนย์ c stop ถ้าเพิ่ม 0 1 เวคเตอร์ส่วนเบี่ยงเบนมาตรฐานในแกนหลักใด ๆ ทิศทางไม่เปลี่ยนแปลงค่าของค่านิยมวัตถุประสงค์ d อื่น ๆ เมื่อต้องการใช้โปรแกรมเพิ่มประสิทธิภาพที่ไม่ละเอียดอ่อนอย่างชาญฉลาดใน AmiBroker คุณจำเป็นต้องระบุ engin optimizer e ที่คุณต้องการใช้ในสูตร AFL โดยใช้ฟังก์ชัน OptimizerSetEngine ฟังก์ชันนี้จะเลือกเครื่องมือเพิ่มประสิทธิภาพภายนอกที่กำหนดโดยชื่อ AmiBroker ปัจจุบันมีเครื่องยนต์ 3 เครื่องมาตรฐาน Particle Swarm Optimizer spso, tribes trib และ CMA-ES cmae - ชื่อในเครื่องหมายวงเล็บควรเป็น ใช้ OptimizerSetEngine สายนอกเหนือจากการเลือกเครื่องมือเพิ่มประสิทธิภาพที่คุณอาจต้องการตั้งค่าบางส่วนของพารามิเตอร์ภายในของการทำเช่นใช้ OptimizerSetOption function. OptimizerSetOption ชื่อฟังก์ชั่นค่าตั้งค่าพารามิเตอร์เพิ่มเติมสำหรับการเพิ่มประสิทธิภาพเครื่องยนต์ภายนอกพารามิเตอร์เป็นเครื่องยนต์ขึ้นอยู่ทั้งหมด เครื่องมือเพิ่มประสิทธิภาพสามตัวที่มาพร้อมกับ AmiBroker SPSO, Trib, CMAE สนับสนุนสองพารามิเตอร์เรียกใช้จำนวนการทำงานและการทดสอบการประเมินสูงสุด MaxEval ต่อการทำงานครั้งเดียวพฤติกรรมของแต่ละพารามิเตอร์ขึ้นอยู่กับเครื่องยนต์ดังนั้นค่าเดียวกันจึงอาจและโดยปกติจะให้ผลต่างกับเครื่องยนต์ที่แตกต่างกัน ความแตกต่างระหว่างรันและ MaxEval มีดังต่อไปนี้การประเมินผลหรือการทดสอบคือการทดสอบหลังเดี่ยวหรือการประเมินผล n ของค่าฟังก์ชันวัตถุประสงค์ RUN เป็นแบบเต็มรูปแบบของอัลกอริทึมในการค้นหาค่าที่เหมาะสมที่สุดซึ่งโดยปกติจะเกี่ยวข้องกับการประเมินผลการทดสอบหลาย ๆ ครั้งการดำเนินการเพียงขั้นตอนการเริ่มต้นกระบวนการเพิ่มประสิทธิภาพทั้งหมดตั้งแต่เริ่มต้นใหม่จำนวนประชากรที่สุ่มตัวอย่างเริ่มต้นใหม่ดังนั้นการดำเนินการแต่ละครั้งอาจนำไปสู่ ถ้าไม่พบ Global หนึ่งพารามิเตอร์ So Runs กำหนดจำนวนของอัลกอริธึมที่ตามมาจะทำงาน MaxEval คือจำนวนสูงสุดของการประเมินผลในการดำเนินการครั้งเดียวถ้าปัญหามีความเรียบง่ายและ 1000 การทดสอบเพียงพอที่จะหา Global Max 5x1000 มีแนวโน้มที่จะ หาสูงสุดทั่วโลกเนื่องจากมีโอกาสน้อยที่จะติดอยู่ในท้องถิ่นสูงสุดเป็นวิ่งต่อไปจะเริ่มต้นจากประชากรสุ่มที่แตกต่างกันเริ่มต้นการเลือกค่าพารามิเตอร์อาจเป็นเรื่องยุ่งยากหากขึ้นอยู่กับปัญหาภายใต้การทดสอบความซับซ้อนของมัน ฯลฯ ฯลฯ ใด ๆ สุ่มไม่ครบถ้วน วิธีไม่ให้คุณรับประกันการหา min min max โดยไม่คำนึงถึงจำนวนของการทดสอบถ้ามีขนาดเล็กกว่า exhaustive คำตอบที่ง่ายที่สุดคือ เพื่อระบุเป็นจำนวนมากของการทดสอบตามที่เหมาะสมสำหรับคุณในแง่ของเวลาที่จำเป็นในการดำเนินการอื่น ๆ คำแนะนำง่ายๆคือการคูณด้วย 10 จำนวนของการทดสอบที่มีการเพิ่มมิติใหม่ที่อาจนำไปสู่การประเมินค่าเกินจำนวนของการทดสอบที่จำเป็น แต่มันค่อนข้าง เครื่องยนต์ที่มีการจัดส่งอย่างปลอดภัยได้รับการออกแบบให้ใช้งานง่ายดังนั้นค่าเริ่มต้นโดยอัตโนมัติจึงถูกใช้เพื่อให้การเพิ่มประสิทธิภาพสามารถทำงานได้โดยไม่ต้องระบุอะไรที่ยอมรับค่าดีฟอลต์เป็นสิ่งสำคัญที่ต้องเข้าใจว่าวิธีการเพิ่มประสิทธิภาพแบบสมาร์ททั้งหมดทำงานได้ดีที่สุดในช่องว่างพารามิเตอร์อย่างต่อเนื่อง ถ้าพารามิเตอร์พื้นที่เป็นขั้นตอนวิวัฒนาการแบบไม่ต่อเนื่องอาจมีปัญหาในการหาค่าที่เหมาะสมโดยเฉพาะอย่างยิ่งกับไบนารีในพารามิเตอร์ปิด - พวกเขาไม่เหมาะสำหรับวิธีการค้นหาใด ๆ ที่ใช้การไล่ระดับสีของการเปลี่ยนฟังก์ชันวัตถุประสงค์เป็นวิธีที่สมาร์ทมากที่สุดหากระบบการค้าของคุณมีจำนวนมาก พารามิเตอร์ไบนารีคุณไม่ควรใช้โปรแกรมเพิ่มประสิทธิภาพอัจฉริยะโดยตรงกับพวกเขาแทนที่จะพยายามเพิ่มประสิทธิภาพ เฉพาะพารามิเตอร์อย่างต่อเนื่องโดยใช้โปรแกรมเพิ่มประสิทธิภาพอัจฉริยะและเปลี่ยนค่าไบนารีด้วยตนเองหรือผ่านทางสคริปต์ภายนอก SOPO - Standard Particle Swarm Optimizer. Standard Particle Swarm Optimizer ใช้รหัส SPSO2007 ซึ่งควรจะให้ผลลัพธ์ที่ดีโดยมีพารามิเตอร์ที่ถูกต้อง ได้แก่ Runs, MaxEval สำหรับปัญหาที่เฉพาะเจาะจงการเลือกตัวเลือกที่ถูกต้องสำหรับเครื่องมือเพิ่มประสิทธิภาพ PSO อาจเป็นเรื่องที่ยุ่งยากเพราะฉะนั้นผลลัพธ์อาจแตกต่างกันไปตามแต่ละกรณี มาพร้อมกับรหัสแหล่งที่มาเต็มรูปแบบภายในโฟลเดอร์ย่อย ADK ตัวอย่างรหัสสำหรับเครื่องมือเพิ่มประสิทธิภาพการสุ่มตัวอย่างอนุภาคแบบมาตรฐานค้นหาค่าที่เหมาะสมที่สุดใน 1000 การทดสอบภายในพื้นที่การค้นหาของชุดค่าผสม 10000 ชุดเครื่องมือเพิ่มประสิทธิภาพ SpetSuite spso OptimizerSetOption Runs, 1 OptimizerSetOption MaxEval, 1000.sl เพิ่มประสิทธิภาพ s, 26, 1, 100, 1 fa เพิ่มประสิทธิภาพ f, 12, 1, 100, 1. ซื้อ Cross MACD fa, sl, 0 Sell Cross 0, MACD fa, sl. TRIBES - Adaptive Parameter-less เครื่องมือเพิ่มประสิทธิภาพของ Swarm Particle Swordes คือการปรับรุ่น PSO ที่ไม่มีพารามิเตอร์ การเพิ่มประสิทธิภาพการเพิ่มประสิทธิภาพของตัวจับกลุ่มไม่ได้เป็นอย่างดีสำหรับพื้นหลังทางวิทยาศาสตร์เห็นได้ว่าในทางทฤษฎีควรทำงานได้ดีกว่า PSO ปกติเนื่องจากสามารถปรับขนาดของฝูงและกลยุทธ์อัลกอริทึมไปยังปัญหาที่แก้ไขได้โดยอัตโนมัติแสดงให้เห็นว่าประสิทธิภาพของมันค่อนข้างคล้ายกับ PSO ปลั๊กอินใช้ Tribes-D ซึ่งเป็นแบบไร้มิติตาม Maurice Clerc Original source codes ที่ใช้โดยได้รับอนุญาตจากผู้เขียน มาพร้อมกับซอร์สโค้ดเต็มรูปแบบภายในโฟลเดอร์ ADK พารามิเตอร์ที่สนับสนุน MaxEval - จำนวนสูงสุดของการประเมินผล backtests ต่อการเริ่มต้นใช้งาน 1000 คุณควรเพิ่มจำนวนของการประเมินผลด้วยจำนวนที่เพิ่มขึ้นของพารามิเตอร์ params การเพิ่มประสิทธิภาพค่าเริ่มต้น 1000 ดีสำหรับ 2 หรือ 3 มิติสูงสุด คุณสามารถปล่อยให้จำนวนของการทำงานที่ค่าเริ่มต้นของ 5 จำนวนเริ่มต้นของการทำงานหรือรีสตาร์ทได้รับการตั้งค่าเป็น 5 เมื่อต้องการใช้เครื่องมือเพิ่มประสิทธิภาพเผ่าคุณเพียงแค่ต้องเพิ่มบรรทัดหนึ่งไปยังรหัสของคุณ OptimizerSetOption MaxEval, 5000 5000 การประเมินผล max. CMA-ES - การปรับตัวแบบเมทริกซ์แบบแปรปรวนการเพิ่มประสิทธิภาพยุทธศาสตร์ยุทธวิธีวิวัฒนาการยุทธศาสตร์เพิ่มประสิทธิภาพการแปลงความยาวคลื่นเมตาดาต้า CMA-ES ยุทธศาสตร์วิวัฒนาการเป็นเครื่องมือเพิ่มประสิทธิภาพที่ไม่ถี่ถ้วนขั้นสูงสำหรับพื้นฐานทางวิทยาศาสตร์ดูตามมาตรฐานทางวิทยาศาสตร์ที่มีประสิทธิภาพดีกว่าเก้ากลยุทธ์วิวัฒนาการยอดนิยมอื่น ๆ เช่น PSO, Genetic และ Differential evolution. The ปลั๊กอินใช้การค้นหาทั่วโลกด้วยการเริ่มระบบใหม่ด้วยการเพิ่มป๊อป ขนาดของ ulation มาพร้อมกับรหัสที่มาเต็มภายในโฟลเดอร์ ADK โดยค่าเริ่มต้นของการเรียกใช้หรือรีสตาร์ทถูกกำหนดไว้เป็น 5 ขอแนะนำให้ตั้งค่าเริ่มต้นใหม่ของการรีสตาร์ทคุณอาจเปลี่ยนแปลงโดยใช้การทำงานของ OptimizerSetOption Runs, N call โดยที่ N ควรอยู่ในช่วง ไม่แนะนำให้ระบุมากกว่า 10 วิ่งแม้ว่าจะเป็นไปได้โปรดสังเกตว่าการใช้งานแต่ละครั้งจะใช้ TWICE ขนาดของประชากรที่รันก่อนหน้านี้ดังนั้นจึงมีจำนวนเพิ่มขึ้นเรื่อย ๆ ดังนั้นเมื่อใช้งาน 10 ครั้งคุณจะมีประชากร 2 10 มากกว่า 1024 ครั้งกว่าครั้งแรก เป็นพารามิเตอร์อื่น MaxEval ค่าดีฟอลต์คือ ZERO ซึ่งหมายความว่าปลั๊กอินจะคำนวณ MaxEval โดยอัตโนมัติขอแนะนำอย่ากำหนด MaxEval ด้วยตัวเองเนื่องจากค่าดีฟอลต์ทำงานได้ดีอัลกอริธึมฉลาดพอที่จะลดจำนวนของการประเมินที่จำเป็นและลู่เข้าอย่างรวดเร็ว ไปยังจุดโซลูชันดังนั้นจึงมักจะพบโซลูชันได้เร็วกว่ากลยุทธ์อื่น ๆ เป็นเรื่องปกติที่ปลั๊กอินจะข้ามขั้นตอนการประเมินผลบางส่วนหากตรวจพบว่าโซลูชันพบอยู่แล้ว e คุณไม่ควรแปลกใจที่แถบความคืบหน้าการเพิ่มประสิทธิภาพอาจเคลื่อนที่ได้อย่างรวดเร็วในบางจุดปลั๊กอินยังมีความสามารถในการเพิ่มจำนวนขั้นตอนในการประมาณค่าเบื้องต้นหากจำเป็นต้องหาวิธีแก้ปัญหาเนื่องจากลักษณะการปรับตัวของมันเวลาประมาณที่เหลือและ หรือจำนวนของขั้นตอนที่แสดงโดยกล่องโต้ตอบความคืบหน้าเป็นเพียงการคาดเดาที่ดีที่สุดในเวลาและอาจแตกต่างกันไปในระหว่างหลักสูตรการเพิ่มประสิทธิภาพหากต้องการใช้เครื่องมือเพิ่มประสิทธิภาพ CMA-ES คุณเพียงแค่เพิ่มบรรทัดเดียวลงในโค้ดของคุณซึ่งจะเรียกใช้การเพิ่มประสิทธิภาพด้วยการตั้งค่าเริ่มต้น จะดีสำหรับกรณีส่วนใหญ่ควรสังเกตเนื่องจากเป็นกรณีที่มีหลายขั้นตอนวิธีการค้นหา continouos พื้นที่ที่ลดขั้นตอนพารามิเตอร์ในการเพิ่มประสิทธิภาพ funciton สายไม่สำคัญส่งผลกระทบต่อเวลาการเพิ่มประสิทธิภาพสิ่งเดียวที่สำคัญคือมิติปัญหาคือ หมายเลขของพารามิเตอร์ที่แตกต่างกันจำนวนของการเพิ่มประสิทธิภาพการทำงานของสายจำนวนของขั้นตอนต่อพารามิเตอร์สามารถตั้งค่าโดยไม่มีผลต่อเวลาการเพิ่มประสิทธิภาพเพื่อใช้ความละเอียดที่ดีที่สุดที่คุณต้องการใน theor y อัลกอริทึ่มควรสามารถหาทางแก้ปัญหาได้มากที่สุด 900 N 3 N 3 backtests โดยที่ N คือมิติในทางปฏิบัติมันจะ converges LOT ได้เร็วขึ้นตัวอย่างเช่นการแก้ปัญหาในพื้นที่พารามิเตอร์ 3 N 3 บอกว่า 100 100 100 1000000 ขั้นตอนที่ละเอียดสมบูรณ์สามารถ สามารถพบได้ในไม่กี่ขั้นตอนเพียง 500-900 CMA-ES การเพิ่มประสิทธิภาพส่วนบุคคลแบบมัลติเธรดตั้งแต่เริ่มต้น AmiBroker 5 70 นอกเหนือจาก multithreading แบบหลายสัญลักษณ์คุณสามารถปรับการเพิ่มประสิทธิภาพของสัญลักษณ์แบบมัลติเธรดเพื่อเข้าถึงฟังก์ชันการทำงานนี้ให้คลิกที่วาง ลูกศรชี้ลงที่ด้านข้างปุ่มเพิ่มประสิทธิภาพในหน้าต่างการวิเคราะห์ใหม่และเลือกการเพิ่มประสิทธิภาพส่วนบุคคล Personalizing Optimize จะใช้แกนประมวลผลทั้งหมดที่มีอยู่เพื่อใช้การเพิ่มประสิทธิภาพของสัญลักษณ์แบบเดียวซึ่งทำให้การเพิ่มประสิทธิภาพเป็นไปอย่างรวดเร็วกว่าการเพิ่มประสิทธิภาพปกติในโหมดสัญลักษณ์ปัจจุบันจะเพิ่มประสิทธิภาพในหนึ่งสัญลักษณ์ ในสัญลักษณ์ทั้งหมดและโหมดตัวกรองจะประมวลผลสัญลักษณ์ทั้งหมดตามลำดับเช่นการเพิ่มประสิทธิภาพสมบูรณ์แบบครั้งแรกสำหรับสัญลักษณ์แรกแล้วการเพิ่มประสิทธิภาพของสัญลักษณ์ที่สองเป็นต้นขอบเขต 1 Custo m backtester ไม่ได้รับการสนับสนุน 2 เครื่องมือเพิ่มประสิทธิภาพแบบสมาร์ทจะไม่ได้รับการสนับสนุน - เฉพาะการเพิ่มประสิทธิภาพของ EXHAUSTIVE เท่านั้นเราอาจกำจัดข้อ จำกัด 1 - เมื่อ AmiBroker เปลี่ยนไปดังนั้น backtester แบบกำหนดเองไม่ใช้ OLE อีกต่อไป แต่ 2 อาจอยู่ที่นี่นาน การปรับปรุงระบบการค้าทางเทคนิคโดยใช้ขั้นตอนวิธีทางพันธุกรรมแบบใหม่ของ MATLAB การศึกษาล่าสุดในตลาดการเงินชี้ให้เห็นว่าการวิเคราะห์ทางเทคนิคสามารถเป็นเครื่องมือที่มีประโยชน์มากในการทำนายแนวโน้มระบบการซื้อขายถูกนำมาใช้กันอย่างแพร่หลายสำหรับการประเมินตลาด แต่การเพิ่มประสิทธิภาพพารามิเตอร์ของระบบเหล่านี้มี ดึงดูดความสนใจเล็ก ๆ น้อย ๆ ในกระดาษนี้เพื่อสำรวจศักยภาพของการซื้อขายดิจิทัลเรานำเสนอเครื่องมือ MATLAB ใหม่ที่ใช้อัลกอริทึมทางพันธุกรรมเครื่องมือที่เชี่ยวชาญในการเพิ่มประสิทธิภาพพารามิเตอร์ของกฎทางเทคนิคใช้พลังของอัลกอริทึมทางพันธุกรรมเพื่อสร้างโซลูชันที่รวดเร็วและมีประสิทธิภาพในความเป็นจริง เงื่อนไขการค้าเครื่องมือของเราได้รับการทดสอบอย่างกว้างขวางเกี่ยวกับข้อมูลทางประวัติศาสตร์ของกองทุน UBS ที่ลงทุนในตราสารที่เกิดขึ้นใหม่ k ผ่านทางระบบทางเทคนิคของเราผลลัพธ์แสดงให้เห็นว่า GATradeTool ที่เรานำเสนอมีประสิทธิภาพสูงกว่าเครื่องมือซอฟต์แวร์ที่ไม่สามารถปรับตัวได้โดยทั่วไปซึ่งเกี่ยวกับเสถียรภาพของการคืนและการประหยัดเวลาในช่วงเวลาตัวอย่างทั้งหมดอย่างไรก็ตามเราได้แสดงให้เห็นถึงผลกระทบของขนาดประชากรที่เป็นไปได้ คุณภาพของโซลูชันตลาดการเงินอัจฉริยะเชิงกลยุทธ์กฎทางเทคนิค 1 บทนำผู้ค้าวันนี้และนักวิเคราะห์การลงทุนต้องการเครื่องมือที่รวดเร็วและมีประสิทธิภาพในตลาดการเงินโหดร้ายสงครามในการซื้อขายตอนนี้ส่วนใหญ่ดำเนินการที่ความเร็วของคอมพิวเตอร์การพัฒนาเทคโนโลยีซอฟต์แวร์ใหม่และ การปรากฏตัวของสภาพแวดล้อมซอฟต์แวร์ใหม่ ๆ เช่น MATLAB เป็นพื้นฐานสำหรับการแก้ปัญหาทางการเงินที่ยากลำบากในเวลาจริง MATLAB มีฟังก์ชันทางคณิตศาสตร์และการเงินที่กว้างขวางในตัวความจริงที่ว่าทั้งภาษาการเขียนโปรแกรมและการคอมไพล์แล้วและความเป็นอิสระของแพลตฟอร์มทำให้มันเหมาะสำหรับ การพัฒนาโปรแกรมประยุกต์ทางการเงินความพึงพอใจเกี่ยวกับผลตอบแทนที่ได้รับโดย ru ทางเทคนิค les รวมถึงกลยุทธ์โมเมนตัมเช่น 14 15 16 16 25 20 กฎเฉลี่ยเคลื่อนที่และระบบการค้าอื่น ๆ 6 2 9 24 สามารถสนับสนุนความสำคัญของการวิเคราะห์ทางเทคนิค แต่ส่วนใหญ่ของการศึกษาเหล่านี้ได้ละเลยปัญหาของการเพิ่มประสิทธิภาพพารามิเตอร์ที่ปล่อยให้พวกเขาเปิด การวิพากษ์วิจารณ์การดักฟังข้อมูลและความเป็นไปได้ที่จะมีการเอาชีวิตรอดชีวิต 7 17 8 นักวิจัยใช้ระเบียบข้อบังคับทางการค้าแบบเฉพาะเจาะจงโดยใช้การกำหนดค่านิยมเริ่มต้นหรือสุ่มทดสอบพารามิเตอร์ที่แตกต่างกันเล็กน้อยและเลือกเกณฑ์ที่ดีที่สุดโดยพิจารณาจากเกณฑ์ส่วนใหญ่มาจากปปามาดูและ Stephanides 23 ใช้กล่องเครื่องมือ MATLAB ใหม่สำหรับการซื้อขายทางเทคนิคด้านความช่วยเหลือทางคอมพิวเตอร์ซึ่งได้รวมขั้นตอนสำหรับปัญหาการเพิ่มประสิทธิภาพพารามิเตอร์อย่างไรก็ตามจุดอ่อนของขั้นตอนการเพิ่มประสิทธิภาพคือเวลาที่ฟังก์ชันวัตถุประสงค์เช่นกำไร isn ta simple squared error function แต่ซับซ้อนมาก iteration การเพิ่มประสิทธิภาพผ่านข้อมูลสร้างสัญญาณการซื้อขาย, คำนวณกำไร, etc เมื่อชุดข้อมูลมีขนาดใหญ่และคุณต้องการ reoptimize ระบบของคุณมักจะและคุณต้องการโซลูชันโดยเร็วที่สุดแล้วพยายามแก้ปัญหาที่เป็นไปได้ทั้งหมดเพื่อให้ได้ดีที่สุดจะเป็นงานที่น่าเบื่อมากขั้นตอนวิธี GAs มีความเหมาะสมดีกว่า เนื่องจากพวกเขาดำเนินการค้นหาแบบสุ่มในลักษณะที่มีโครงสร้างและรวมตัวกันอย่างรวดเร็วกับกลุ่มประชากรที่ใช้โซลูชั่นที่เหมาะสมที่สุด GA จะให้กลุ่มผู้ใช้โซลูชันที่ดีนักวิเคราะห์สนใจที่จะได้รับโซลูชันที่ดีเพียงไม่กี่วิธีโดยเร็วที่สุดแทนที่จะเป็นโซลูชันที่ดีที่สุดในโลก แต่ก็ไม่น่าเป็นไปได้สูงที่จะเป็นเป้าหมายที่ดีที่สุดจุดมุ่งหมายของการศึกษานี้คือเพื่อแสดงให้เห็นว่าอัลกอริทึมทางพันธุกรรมสามารถใช้ขั้นตอนวิธีในการคำนวณวิวัฒนาการได้อย่างไรเพื่อปรับปรุงประสิทธิภาพและ ประสิทธิภาพของระบบการซื้อขายแบบไม่ใช้คอมพิวเตอร์นี่ไม่ใช่จุดมุ่งหมายเพื่อให้เหตุผลเชิงทฤษฎีหรือเชิงประจักษ์ในการวิเคราะห์ทางเทคนิคเราแสดงให้เห็นถึงแนวทางของเราในส่วน การคาดการณ์เกี่ยวกับการพยากรณ์ของ icular ตามตลาดหุ้นที่เกิดขึ้นใหม่กระดาษนี้จัดเป็นดังนี้งานก่อนหน้านี้ได้นำเสนอในส่วนที่ 2 ชุดข้อมูลและวิธีการของเราได้อธิบายไว้ในส่วนที่ 3 ผลการทดลองที่ได้กล่าวไว้ในส่วนที่ 4 ข้อสรุปตามหัวข้อ 5.2 งานก่อนหน้านี้ งานวิจัยด้านคอมพิวเตอร์และสาขาวิศวกรรมเป็นจำนวนมาก แต่มีงานเล็ก ๆ น้อย ๆ ที่เกี่ยวกับธุรกิจที่เกี่ยวข้องต่อไปนับ แต่นั้นมีความสนใจในการใช้ GA ในด้านเศรษฐศาสตร์ทางการเงิน แต่จนถึงปัจจุบันมีการวิจัยเพียงเล็กน้อยเกี่ยวกับการซื้อขายอัตโนมัติ ความรู้ของเรากระดาษตีพิมพ์ครั้งแรกที่เชื่อมโยงอัลกอริทึมทางพันธุกรรมกับการลงทุนมาจาก Bauer และ Liepins 4 Bauer 5 ในหนังสือ Algorithms เกี่ยวกับพันธุกรรมและกลยุทธ์การลงทุนของเขาได้เสนอแนวทางปฏิบัติเกี่ยวกับวิธีการใช้ GAs ในการพัฒนากลยุทธ์การซื้อขายที่น่าสนใจบนพื้นฐานของข้อมูลพื้นฐาน ขยายได้ง่ายรวมถึงข้อมูลประเภทอื่น ๆ เช่นเทคนิคและ macroeco nomr ข้อมูลและราคาที่ผ่านมาตามอัลเลนอัลเลนและขั้นตอนวิธีทางพันธุกรรม Karjalainen 1 เป็นวิธีการที่เหมาะสมในการค้นหากฎการซื้อขายทางเทคนิค Fern ndez-Rodr guez et al 11 โดยการใช้การเพิ่มประสิทธิภาพกลไกทางพันธุกรรมในกฎการซื้อขายที่เรียบง่ายเป็นหลักฐานในการใช้ GA ที่ประสบความสำเร็จ จากมาดริดตลาดหลักทรัพย์การศึกษาที่น่าสนใจอื่น ๆ บางส่วนเป็นงานวิจัยของ Mahfoud และ Mani 18 ที่นำเสนอระบบยีนที่ใช้อัลกอริทึมใหม่และนำมาประยุกต์ใช้กับงานในการทำนายการแสดงในอนาคตของแต่ละหุ้นโดย Neely et al 21 และโดย Oussaidene et al 22 ที่ใช้โปรแกรมพันธุกรรมเพื่อพยากรณ์อัตราแลกเปลี่ยนและรายงานความสำเร็จบางส่วนหนึ่งในภาวะแทรกซ้อนในการเพิ่มประสิทธิภาพ GA คือผู้ใช้ต้องกำหนดชุดของพารามิเตอร์เช่นอัตราการครอสโอเวอร์ขนาดของประชากรและอัตราการกลายพันธุ์ตาม De Jong 10 ผู้ศึกษาทางพันธุกรรม อัลกอริธึมในการเพิ่มประสิทธิภาพสมรรถนะ GA ที่ดีต้องมีความสามารถในการครอสโอเวอร์สูงสัดส่วนผกผันกับขนาดของประชากรและโม ลดขนาดของประชากร Goldberg 12 และ Markellos 19 แนะนำว่าชุดของพารามิเตอร์ที่ทำงานได้ดีในหลาย ๆ ปัญหาคือพารามิเตอร์ครอสโอเวอร์ 0 6 ขนาดประชากร 30 และพารามิเตอร์การกลายพันธุ์ 0 0333 Bauer 4 ได้ทำการจำลองข้อมูลเกี่ยวกับปัญหาการเพิ่มประสิทธิภาพทางการเงินและยืนยันความถูกต้อง ข้อเสนอแนะของโกลด์เบิร์กในการศึกษาในครั้งนี้เราจะดำเนินการศึกษาเชิงตัวเลขโดยการทดสอบการกำหนดค่าพารามิเตอร์ต่างๆสำหรับระบบการซื้อขายที่เลือกนอกจากนี้เราจะให้หลักฐานสำหรับ GA ที่นำเสนอโดยการเปรียบเทียบเครื่องมือของเรากับเครื่องมือซอฟต์แวร์อื่น ๆ 7 ประเภทของความแข็งแกร่งในการสร้าง Robots Robots ว่าอากาศทั้งหมด Storms. Building Invincible Robot. So คุณได้ยินเกี่ยวกับวิธีการคอมพิวเตอร์จะครองโลกการค้าว่าหุ่นยนต์อัจฉริยะทำล้านในตลาดและตอนนี้คุณต้องการสร้างหุ่นยนต์ค้า owb ที่มีประสิทธิภาพของคุณที่สามารถพิชิตทั้งหมดดี, บทความนี้จะไม่สัญญาว่าสูตรมหัศจรรย์หรือ grail ศักดิ์สิทธิ์กับหุ่นยนต์ของคุณอยู่ยงคงกระพัน แต่ก็ใกล้เคียงตามที่ได้รับ cepts กล่าวถึงที่นี่ไม่ได้นำมาใช้กับการค้าขายในความถี่สูงในมิลลิวินาทีทำหุ่นยนต์ของคุณฉลาด แต่ไม่ฉลาดมากเกินไปหมายความว่าอย่างไรกับสภาพอากาศ Storms. In ทั้งหมดเพื่อให้ระบบการค้าของเราสามารถเอาชนะพายุทั้งหมดได้ aka ยังคงมีประสิทธิภาพในตลาดที่แตกต่างกัน เงื่อนไขที่พวกเขาจำเป็นต้องปรับตัวเข้ากับตลาดซึ่งจะนำไปสู่ตรรกะการค้าที่มีประสิทธิภาพในช่วงเวลาต่างๆโครงสร้างการทำ backtesting ที่ลดอคติที่มองย้อนกลับและกฎที่ไม่เข้มงวดเกินไปเกณฑ์นี้สามารถสรุปเป็นคำเดียวความทนทานความแข็งแรงคืออะไร ความหมายของความแข็งแกร่งในระบบเศรษฐกิจความแข็งแกร่งคือความสามารถของระบบการค้าทางการเงินที่ยังคงมีประสิทธิภาพภายใต้ตลาดที่แตกต่างกันและสภาวะตลาดที่แตกต่างหรือความสามารถของรูปแบบทางเศรษฐกิจที่ยังคงใช้ได้ภายใต้สมมติฐานที่แตกต่างกันพารามิเตอร์และเงื่อนไขเริ่มต้น คำที่ง่ายกว่าระบบการซื้อขายมีประสิทธิภาพหากยังคงมีประสิทธิภาพในการเปลี่ยนแปลงสภาวะตลาดการเข้ารหัสทดสอบและประเมินผล ating robot ไม่ให้วันนี้เป็นราคาที่ไม่แพง Typing ของ Robustness. Robustness น่าจะเป็นคำ overused หลายคนพูดคุยเกี่ยวกับ robustness ในระบบการค้าโดยไม่มีการอ้างอิงเฉพาะกับชนิดเดียวของ robustness มีหลายประเภทของความแข็งแกร่งบทความนี้จะพูดคุยเกี่ยวกับหลัก ความแข็งแกร่งทนทานความละเอียดอ่อนระบบซื้อขายที่แข็งแกร่งในช่วงเวลาหากยังคงมีประสิทธิภาพในช่วงเวลาที่ต่างกันตลาดสามารถกำหนดลักษณะเป็น 2 ประเภททั่วไปและกลยุทธ์ช่วงเวลาทั่วไปของตลาดรูปที่ 1 ช่วงเวลาตลาดทั่วไป 6 ช่วงรูปที่ 1 แสดงให้เราเห็นช่วงเวลาตลาดหลักหกหลักในกรณีนี้เรากำลังวิเคราะห์ประสิทธิภาพของระบบการซื้อขายของเราในช่วงหกงวดนี้อย่างไรก็ตามโปรดทราบว่า ตารางระยะเวลาการตลาดทั่วไปบางส่วนมีขนาด 5 x 5 หรือใหญ่กว่า 5 ตามแกน Y 5 ความผันผวนต่ำมากความผันผวนต่ำความเป็นกลางความผันผวนสูง V ความผันผวนสูง 5 โดยแกน X 5 แกนกำลังแรง Uptrend, Uptrend, Ranging, Downtrend, Downtrend ที่แข็งแกร่งการจัดหมวดหมู่ 5 ถึง 5 เป็นเพียงรูปแบบเดิมของ 2 by 3 แต่ไม่มีอะไรผิดพลาดกับ 5 by 5 หรือขนาดใหญ่ใด ๆ หากระบบการซื้อขายของเรามีผลบังคับใช้ใน 6 งวดขั้นพื้นฐานซึ่งหมายความว่าเป็นช่วงเวลาที่แข็งแกร่งช่วงเวลาการตลาดเชิงกลยุทธ (Strategic Market Periods. Strategic Market Periods. Strategic Market Periods. Strategic Market Periods) ถูกกำหนดโดยผู้ประกอบธุรกิจค้าปลีกซึ่งขึ้นอยู่กับเงื่อนไขเฉพาะที่มีอิทธิพลต่อสินทรัพย์ที่คุณซื้อขาย เงื่อนไขเฉพาะเหล่านี้แตกต่างกันไปสำหรับสินทรัพย์ที่แตกต่างกันตัวอย่างเช่นหากเราซื้อขาย EURUSD นโยบายเงินเฟ้อของรัฐบาลกลางสหรัฐฯจะมีผลต่อการซื้อขายของเราอย่างมากดังนั้นเราจะวิเคราะห์ช่วงเวลาตลาดเชิงกลยุทธ์ 2 แห่ง 1 เฟดเฟดเฟด 2 เฟดการขันหากคุณกำลังซื้อขายหุ้น ตัวอย่างเช่นจะเป็น 1 ก่อนที่จะปล่อยกำไร 2 หลังจากที่รายได้ release. Application เพื่อ Trading. Does นี้หมายความว่าถ้าระบบการค้าของฉันไม่ได้เป็นระยะเวลาที่แข็งแกร่งก็ไม่ได้ประโยชน์อะไรที่ไม่ถูกต้องมี p ระบบการซื้อขายที่ออกแบบมาเพื่อจับภาพความไม่เพียงพอของตลาดโดยเฉพาะจุดมุ่งหมายของเราคือการทำความเข้าใจเกี่ยวกับลักษณะของระบบการซื้อขายของเราเพื่อให้เราทราบว่าจะใช้งานได้อย่างไรและเมื่อไหร่การใช้ความพยายามเชิงกลเหล่านี้ความสามารถในการสร้างความต่อเนื่องความหมายระบบการซื้อขายเป็นไปตามฤดูกาลหากสามารถทำได้ ยังคงมีประสิทธิภาพแม้จะมีผลกระทบตามฤดูกาลความแข็งแรงเชิงเหตุผลสามารถถือเป็นส่วนย่อยของระยะเวลาความทนทานผลตามฤดูกาลเป็นความผิดปกติของตลาดใด ๆ หรือผลกระทบทางเศรษฐกิจที่ดูเหมือนจะเกี่ยวข้องกับปฏิทินเราบอกว่ามีผลตามฤดูกาลในตลาดหากมีการทำซ้ำ พฤติกรรมในตลาดในช่วงเวลามีผลกระทบตามฤดูกาล 5 ประเภทผลกระทบในวันที่ลักษณะเฉพาะพฤติกรรมของตลาดในบางช่วงเวลาของวันผลกระทบพฤติกรรมเฉพาะของตลาดในบางวันของสัปดาห์ผลกระทบเดือนที่เฉพาะเจาะจงพฤติกรรมของตลาดใน บางเดือนของปี Quarter Effect พฤติกรรมเฉพาะของตลาดเป็นรายไตรมาสผลกระทบต่อเนื่องมาจากปีที่แล้วระยะบางครั้งมีหลายปี ffects เช่นวงจร decadal 10 ปีในกรณีส่วนใหญ่ผลตามฤดูกาลไม่ใช่คำทำนายด้วยตนเองพวกเขาจะถูกสร้างขึ้นโดยปัจจัยพื้นฐานของตลาด 1 ตลาด Forex มีการใช้งานมากขึ้นในบางช่วงเวลาของวันเนื่องจากความเหลื่อมล้ำของตลาดโลก 2 มกราคม ผลกระทบเกิดขึ้นเนื่องจากเหตุผลด้านการลดหย่อนภาษี 3 ตลาดมีแนวโน้มที่จะเงียบกว่าในช่วงครึ่งแรกของวันศุกร์แรกของทุกเดือนเนื่องจาก Non-Farm Payrolls. Figure 2 การตรวจสอบผลกระทบของเดือนมกราคมการประยุกต์ใช้กับการซื้อขายทำไมเราถึงไม่ใช้ประโยชน์จากข้อมูลนี้ ความไม่แน่นอนที่เกิดขึ้นเป็นประจำเป็นไปได้ แต่มีหลายเหตุผลที่อาจเป็นเรื่องยากการวัดผลและขอบเขตของผลกระทบตามฤดูกาลไม่แน่นอนผู้เข้าร่วมการตลาดพยายามอย่างต่อเนื่องในการใช้ประโยชน์จากผลกระทบตามฤดูกาลการกระทำเหล่านี้มีอิทธิพลต่อขอบเขตและลักษณะการทำงานของผลกระทบตามฤดูกาล สถานการณ์แบบไดนามิกที่ผลกระทบตามฤดูกาลมีการเปลี่ยนแปลงตลอดเวลาส่วนใหญ่ของการค้าขายสูงเกินไปผลตามฤดูกาลอาจเกิดขึ้นได้เนื่องจากต้นทุนที่ใช้ประโยชน์จากผลกระทบคือ สูงเกินไปค่าใช้จ่ายสูงทำหน้าที่เป็นอุปสรรคตามธรรมชาติเพื่อปกป้องผลกระทบตามฤดูกาลเรา don t เชื่อว่าตลาดมีประสิทธิภาพอย่างสมบูรณ์ แต่เราเชื่อว่ามีประสิทธิภาพในระดับหนึ่งในหลายกรณีเป็นเรื่องยากที่จะใช้ประโยชน์จากผลตามฤดูกาลเพราะ ประสิทธิภาพเป็นราคาในตัวอย่างเช่นคุณอาจต้องการที่จะซื้อ straddle โครงสร้างตัวเลือกที่ได้รับในมูลค่าเมื่อความผันผวนเพิ่มขึ้นในช่วง Non-Farm Payroll เพราะคุณคาดหวังความผันผวนที่สูงขึ้น แต่ผู้ขายของคร่อมมีปัจจัยในความผันผวนสูงและราคาจึง นี้เป็นตัวเลือกราคา straddle พรีเมี่ยมกรอบความแข็งแรงทนทานคำจำกัดความระบบการซื้อขายเป็นกรอบเวลาที่แข็งแกร่งถ้ามันสามารถที่จะอยู่ที่มีประสิทธิภาพเมื่อการซื้อขายใน timeframes ที่แตกต่างกันระยะเวลาหมายถึงระยะเวลาเทียนของเรา 1min, 5min, 15min, 1hour ฯลฯ ทุกวันระบบการค้าของเรา เป็นกรอบเวลาที่แข็งแกร่งหากกลยุทธ์การซื้อขายพื้นฐานมีผลในระยะเวลาที่แตกต่างกันเราจำเป็นต้องเข้าใจความทนทานของเวลาในสองประเภทของเงื่อนไขทางการตลาด 1 พฤติกรรมของเราดูเหมือนเป็นเศษส่วนในกรอบเวลาไม่มีเราไม่ได้หมายถึงรูปแบบเชิงเทียนเมื่อเราพูดคุยเกี่ยวกับ Fractals ความหมายอย่างเป็นทางการของ Fractals เศษส่วนเป็นปรากฏการณ์ทางธรรมชาติหรือรูปแบบของเศษส่วน ชุดการคำนวณที่แสดงรูปแบบการทำซ้ำที่แสดงในทุกระดับถ้าการจำลองแบบเป็นเหมือนกันในทุกระดับจะเรียกว่ารูปแบบที่เหมือนกันเพื่อให้ง่ายขึ้นเศษส่วนเป็นรูปแบบที่ซ้ำตัวเองในภาพที่แตกต่างกันหรือเครื่องชั่งเวลา รูปที่ 3 Fractals ในกรอบเวลาที่แตกต่างกันขณะที่เราขยายลงในกรอบเวลาที่ต่ำกว่าเราจะเห็นว่ารูปร่างลักษณะของสินทรัพย์ยังคงเหมือนเดิมระบบการซื้อขายของเราจะเป็นกรอบเวลาที่แข็งแกร่งเมื่อมีการซื้อขายสินทรัพย์ที่ทำงานเป็นแบบเศษส่วนข้ามระยะเวลา หากตลาดมีพฤติกรรมในลักษณะเดียวกันในทุกช่วงเวลาพฤติกรรมของระบบการค้าของเราไม่แตกต่างไปจากนี้ภาพที่ 2 ไม่มีพฤติกรรมที่เป็นนามธรรม ระบบการค้าของเราจะเป็นกรอบเวลาที่แข็งแกร่งถ้านี่เป็นเหตุผลที่มีประสิทธิภาพแม้จะมีระดับเสียงที่แตกต่างกันและพฤติกรรมของตลาดในแต่ละช่วงเวลาที่แตกต่างกันการประยุกต์ใช้กับการค้าหากระบบการซื้อขายของเราเป็นไปได้ แต่ก็ไม่ได้หมายความว่าเรายังคงไม่แยแสกับกรอบเวลาที่เราค้าเราควรค้าในระยะเวลาที่ต่ำกว่านี้จะเพิ่มจำนวนโอกาสการซื้อขายต่อครั้งคิดเฉลี่ย 1 การค้าต่อ 5 บาร์ถ้าคุณค้า ในระยะเวลารายวันคุณจะยิง 52 ธุรกิจการค้าปี 260 วันธรรมดา 5 หากคุณซื้อขายใน 1 กรอบเวลารายชั่วโมงคุณสามารถยิง 1248 260 24 5 การค้าปีดังนั้นกำไรของคุณจะสูงกว่า 24 ครั้งโดยไม่คำนึงถึงผลกระทบของการผสมเราควรจะ การค้าในกรอบเวลาที่ต่ำที่สุดเท่าที่เป็นไปได้ดังที่ได้กล่าวมาแล้วข้างต้นหากเราควรซื้อขายใน MTM ระยะเวลาต่ำสุด 1 นาทีสำหรับ MT4 เราควรทำกำไรได้อย่างน่าพอใจ ไม่น่าเป็นไปได้ที่ระบบการซื้อขายจะเป็นช่วงเวลาที่ดีที่สุดไม่น่าเป็นไปได้ที่สินทรัพย์จะทำงานในลักษณะที่สมบูรณ์แบบเศษส่วนขณะที่เราไปลดระยะเวลาการเพิ่มเสียงรบกวนพฤติกรรมของสินทรัพย์จะไม่สามารถคาดการณ์ได้มากขึ้นเนื่องจาก real - เวลาที่มีอิทธิพลจากเหตุการณ์ปัจจุบันจุลภาคตลาดและการเก็งกำไรของผู้เข้าร่วมตลาดดังนั้นเราจึงควรเลือกกรอบเวลาที่สมดุลในการลดเสียงรบกวนและเพิ่มผลกำไรสูงสุดหากระบบการซื้อขายของเราไม่ได้เป็นกรอบเวลาที่ยาวนานเราจำเป็นต้องเข้าใจว่ากรอบระยะเวลาใดเหมาะสมที่สุดสำหรับระบบการซื้อขายของเรา ในสภาพตลาดที่แตกต่างกันความแข็งแกร่งทนทานคำจำกัดความระบบการซื้อขายมีประสิทธิภาพในสินทรัพย์ของเครื่องมือหากสามารถมีประสิทธิภาพในตราสารต่างๆระบบการซื้อขายเป็นตราสารที่มีประสิทธิภาพหากดำเนินการตามที่คาดไว้ในสินทรัพย์ต่างๆซึ่งหมายความว่าระบบการค้าของตรรกะการซื้อขายหลักทรัพย์พื้นฐาน คือการจับความไม่มีประสิทธิภาพที่มีอยู่ในสินทรัพย์หลายแอพพลิเคชันเพื่อการค้า Robu instrument ในความเป็นจริงระบบการค้าส่วนใหญ่ไม่ได้เป็นเครื่องมือที่มีประสิทธิภาพระบบการซื้อขายถูกออกแบบมาเพื่อจับภาพความไม่เพียงพอของตลาดที่เฉพาะเจาะจงและความไร้ประสิทธิผลเหล่านี้มีแนวโน้มที่จะเป็นตราสารเฉพาะดังนั้นจึงไม่แปลกที่ระบบการค้าส่วนใหญ่จะไม่เป็นเช่นนั้น instrument robust. Instead of aiming for instrument robustness, we should understand how our trading systems work in different assets This will allow us to discover common inefficiencies in different assets and deploy our portfolio of trading systems more effectively. Optimisation Robustness. Definition A trading system is robust in optimisation if the trading system objective function is maximised while minimising curve fitting. Before we explain in detail what Optimisation Robustness is, let s briefly understand what optimisation, objective function and curve fitting are. Optimisation The process where we adjust the structure and rules of a trading system to maximise or minimise its objective func tion. Objective Function This is the performance output of a backtest that we are trying to maximise or minimise. An easy and lazy way to choose an objective function is to use Net Profit This is rarely a good idea In trading, this output should consist of 3 things reward, consistency and risk. Curve Fitting The process of catering the trading system so closely to historical data that it becomes ineffective in the future. Why Because the future rarely reflects the past. Because the future rarely reflects the past, we need an optimisation process that minimises curve fitting This will increase the odds of success of our trading system A trading system going through such a process can be said to be optimisation robust. Application to Testing. This brings us to our solution The Walk Forward Optimisation. Definition according to Wikipedia. The trading strategy is optimised with in-sample data for a time window in a data series The remainder of the data are reserved for out-of-sample testing A small portion of the reserved data following the in-sample data is tested with the results recorded The in-sample time window is shifted forward by the period covered by the out-of-sample test, and the process repeated At the end, all of the recorded results are used to assess the trading strategy. To translate into simpler words. We optimise our trading system using one period in-sample , and apply the optimised parameters to the next period out-of-sample Repeat The performance of the trading system is collated using all the out-of-sample periods. Figure 4 In-sample and out-of-sample periods.1 Optimise trading system using In-Sample A.2 Test trading system s performance in Out-Sample A.3 Optimise trading system using In-Sample B.4 Test trading system s performance in Out-Sample B.5 Repeat for Period C to E.6 We will evaluate the trading system s performance in Out-Sample A to E. The aim of this process is to examine how will our trading system perform when executed in unknown territory out-of - sample. Parameter Robustness. Definition A trading system is parameter robust if its performance does not change drastically due to slight change in parameter values. If the underlying trading logic is sound, changing the parameter values slightly should not significantly affect its performance If the performance changes drastically, the trading system exhibits signs of curve fitting. Application to Testing. The results of an optimisation can be viewed in an optimisation surface parameter space if we are only optimising two parameters The x-axis and y-axis represents our two parameters The z-axis represents our objective function. Figure 5 Optimisation Surface with spiky peaks. Figure 6 Optimisation Surface with flat hills. The two figures above represents the optimisation surface of a trading system that uses two parameters, a fast moving average and a slow one When we examine this optimisation surface, we prefer flat hills over spiky peaks Flat hills indicate little change in performance eve n if we shift the parameter values slightly. Portfolio Robustness. Definition Portfolio Robustness occurs when a group of trading systems are able to remain effective in different market conditions. Portfolio Robustness and Period Robustness are different as Portfolio Robustness focuses on the complementary effects of separate trading systems Different trading systems have different strengths and weaknesses They can be combined in a way to maximise our objective function of the portfolio in the long run. Application to Trading. For illustration, assume we have two trading systems which are long term profitable but are negatively correlated to each other. Figure 7 Net equity curve of a portfolio of two robots. By combining these two trading systems, we are able to cancel out the risk in their performance and achieve a net long run positive result with significantly lower risk. By applying this concept to a portfolio of different trading systems, we aim to achieve Portfolio Robustness. This artic le serves to briefly introduce the seven main types of robustness However, in order to truly have a good grasp on building great trading systems, you need these three elements Trading System Design, Coding for Algorithmic Trading and Market Knowledge What s next Go Google these topics and get started. AlgoTrading101 is the first comprehensive online course on algorithmic trading Learn the fundamentals of algo trading and put your ideas into action along with more than 10,000 students Learn more about us at AlgoTrading101.This dude runs an algorithmic trading academy with over 13,000 students Click on the Author link above to learn more about him. Post navigation.