Закон Средних Чисел - страница 4

Вы используете машки, т.е. учите свою обучаемую программу паттернам из машек. Но машки - это гладкие, дифференцируемы кривые. Никаких признаков нестационарности.

Не могу реализовать следующую идею. Вместо машек берем ZZ в виде последовательномти -1 0000 +1 0000 и т.д. где 1 указывают реальные развороты котира. В этом случае мы учим сеть разворотам, причем в ZZ содержатся сведения о нестационарности величины цены и нестационарность времени между разворотами. На исторических данных можно строить ТС на основе ZZ просто граали.

Просто мысли вслух... (Ногами не пинать)

А всё таки на удивительном ресурсе мы с вами общаемся друзья...
................
Топикстартер высказывает, сразу скажу, неоднозначную, но весьма интересную гипотезу, подкрепляет её советником для проверки и ....
... и первой подоспела поддержка от "друзей".
Итог: за неделю откат ветки на четвертую страницу, вытесненный заезженными до дыр темами.
..............
А всё таки на удивительном ресурсе мы с вами общаемся...
Сижу и думаю: А что нам вообще нужно, Господа?

Топикастер высказал не гипотезу. Топикастер озвучил старую и нерешенную проблему - каково оптимальное количество статистических наблюдений для нахождения закономерности.

Вся теорвер построена на "Законе больших чисел". Но для нестационарных процесов надо находить еще и верхнюю границу числа наблюдений.

Причем универсальных алгоритмов, по моему, нет - методом научного тыка.

Так оно и есть. Провел кучу экспериментов и получил тому подтверждение. Если скорострельность ТС превышена, то только в ущерб кучности и начинается попадание в "молоко".

Значит закон средних чисел - никакой не закон, а всего лишь частный случай вышесказанного.

Ну и фиг с ним, т.к. та же самая проблема теперь легко решается, хотя и иным методом.

А вот теперь можно и за дело поговорить :)

Дело оказалось более банальным, а именно, у каждого советника есть некий оптимальный предел показателей который наиболее вероятен в успешных форвардных тестах. Если попытаться из него выжать больше или меньше этих самых показателей, то вероятность успеха на форвардах умаляется. Проще говоря, все что выдает оптимизатор по максимуму, тоже самое получить на форвардах - все равно, что попытаться выиграть в лотерею самый крупный приз.

Вполне естественно, что если в оптимизационной выборке разное количество сделок, то при малом их количестве, показатели в подгонке высоки, а при большом низки. Поэтому теоретически можно ориентироваться и на количество сделок в выборке.

Короче говоря, нужно взять советника, оптимизировать и прогнать форвардные тесты. Смотрим показатели на успешных форвардах, вычисляем среднестатистические - это и есть наиболее вероятная планка. В следующий раз, после оптимизации, смотрим среди результатов выданных тестером только те, которые наиболее соответствуют этой самой планке.