Parameter plateau, parameter pulau dan parameter optimisasi


A. Parametric plateau dan parametric Island
Prinsip penting dalam optimisasi parameter adalah untuk berusaha untuk parameter plateau daripada parameter pulau.Plato parametrik yang disebut merujuk pada keberadaan jangkauan luas dari parameter di mana model dapat mencapai hasil yang baik, dan umumnya membentuk distribusi normal sekitar di tengah plato.Pulau yang disebut parameter berarti bahwa hanya ketika nilai parameter berada dalam jangkauan kecil dapat model memiliki prestasi yang baik, dan ketika parameter deviasi dari nilai, prestasi model akan jauh lebih buruk.
Anggap ada dua parameter dalam model perdagangan, yaitu parameter 1 dan parameter 2. Setelah melewati dua parameter, sebuah grafik prestasi tiga dimensi diperoleh.Distribusi parameter yang baik seharusnya adalah diagram parameter plateau. Bahkan jika setting parameter diabaikan, prestasi keuntungan model masih dapat dijamin.Karena stabilitas yang kuat dari parameter, model akan memiliki kemampuan yang kuat untuk mengatasi semua jenis situasi pasar di masa depan.Namun, jika hasil prestasi setelah melalui parameter, seperti diagram skematik parameter Pulau, ketika parameter memiliki deviasi kecil, prestasi keuntungan model akan berubah besar, maka parameter tersebut sering sulit untuk mengatasi lingkungan pasar yang dapat berubah dalam transaksi yang sebenarnya karena adaptabilitas buruk.
Secara umum, jika prestasi dari sistem parameter terdekat jauh lebih buruk dari yang dari parameter optimal, maka parameter optimal mungkin adalah hasil dari over fitting, yang dapat dianggap sebagai solusi titik tunggal daripada solusi maksimum yang harus dicari.Dari sudut pandang matematika, singularitas tidak stabil di pasar yang tidak pasti di masa depan, setelah karakteristik pasar berubah, parameter optimal mungkin menjadi parameter terburuk.
Lebih dari pemasangan berhubungan dengan sampel yang dipilih. Jika sampel yang dipilih tidak dapat mewakili karakteristik keseluruhan pasar, dan hanya menyesuaikan parameter untuk membuat hasil tes mencapai nilai harapan positif, praktek ini jelas penipuan diri, dan nilai parameter yang diperoleh adalah nilai parameter tidak valid dari melebihi pemasangan.Contohnya, melalui analisis parameter melebihi pemasangan, model transaksi muncul fenomena ketidaktiba-tiba meningkat sebagai imbalan pada nilai 35 dan 63 respectively. Jika indikator yang cocok dalam model memilih 35 dan 63 sebagai parameter, kembali model terlihat sempurna, tetapi sebenarnya itu adalah efek pulau parameter tipis.
Kontrdiksi utama antara pemasangan over dan optimisasi parameter adalah bahwa parameter optimal yang diperoleh oleh optimisasi parameter model hanya berdasarkan sampel data sejarah yang telah terjadi, sementara pasar masa depan adalah dinamik, yang memiliki kesamaan dan variabilitas dibandingkan dengan pasar sejarah.Designer model dapat menemukan parameter prestasi terbaik dalam sejarah model, tetapi parameter ini mungkin tidak melakukan yang terbaik dalam aplikasi praktis model di masa depan. Lagipula, parameter model dengan prestasi terbaik dalam sejarah mungkin adalah parameter dengan prestasi buruk dalam model pertempuran sebenar masa depan, dan bahkan membawa kehilangan besar.Contohnya, parameter yang dapat menangkap gelombang besar pasar dalam sejarah telah dipindahkan keluar. Namun, menetapkan nilai parameter seperti itu tidak berarti bahwa model dapat berjalan begitu baik dalam pertempuran sebenarnya di masa depan. Nilai parameter yang lebih baik dalam sejarah mungkin tidak membantu dalam aplikasi model masa depan.
Selain itu, parameter plateau dan parameter pulau sering berhubungan dengan waktu transaksi.Jika jumlah transaksi dalam model kurang, titik parameter yang sesuai sering dapat ditemukan untuk membuat model menguntungkan dalam transaksi ini. keuntungan model setelah optimisasi parameter merefleksikan kontingensi yang kuat.Jika jumlah transaksi model lebih besar, kemungkinan keuntungan model akan menurun, yang akan merefleksi inevitabilitas dan regularitas pembuat keuntungan, dan akan ada parameter plateau.Model optimisasi parameter ini adalah tujuan optimisasi parameter.
B. Metode optimisasi parameter
Setelah memahami parameter plateau dan parameter Pulau, metode optimisasi parameter sangat penting, terutama ketika ada banyak parameter dalam model (di depan disebut sebagai parameter array), nilai satu parameter akan mempengaruhi distribusi parameter plateau lain.Jadi bagaimana untuk optimisasi parameter array?
Satu metode adalah metode konvergensi secara bertahap.Dengan kata lain, satu parameter ditetapkan dan ditetapkan setelah mendapatkan nilai optimum, dan kemudian parameter lain ditetapkan untuk mendapatkan nilai optimum dan kemudian ditetapkan.Siklus ini diulang sampai hasil optimisasi tidak berubah.Contohnya, dalam model perdagangan salib rata-rata bergerak, dua parameter independen adalah rata-rata bergerak siklus pendek N1 dan siklus panjang N2.Pertama, memperbaiki N2 sebagai 1, tes dan layar N1 dalam jangkauan 1 hingga 100 untuk menemukan nilai terbaik, dan akhirnya mendapatkan parameter terbaik dari 8 dan memperbaiki; kedua, optimisasi N2 antara 1 dan 200 untuk mendapatkan nilai terbaik dari 26 dan memperbaiki; ketiga, melakukan pusingan kedua optimisasi N1 untuk mendapatkan nilai optimal baru dari 10 dan memperbaiki; akhirnya, optimisasi N2 untuk mendapatkan nilai terbaik dari 28 dan memperbaiki.Siklus screening ini, sampai hasil optimisasi tidak lagi berubah.Jika parameter optimal yang diperoleh adalah N1 = 10 dan N2 = 30.Pada titik ini, pekerjaan optimisasi parameter selesai.
Metode lain adalah untuk menghitung distribusi antara fungsi objektif dan array parameter secara langsung dengan menggunakan platform desain perangkat lunak program dengan fungsi kalkulasi yang kuat, dan kemudian menghitung distribusi perbedaan multidimensi, dan mendefinisikan batas perbedaan. Nilai perbedaan dipilih sebagai nilai parameter yang paling stabil jika nilai mutlak perbedaan adalah kurang dari volum multidimensi yang sepadan dalam jangkauan batas dan radius sfera tertulis multidimensi adalah yang tertinggi.
Selain metode optimisasi parameter, seleksi sampel data juga faktor penting.Ketika strategi penjualan muncul, prestasi yang lebih baik adalah trend rendah.Oleh karena itu, dalam optimisasi parameter, perlu untuk menghapuskan pasar konsisten dengan ide perdagangan untuk mempertimbangkan keuntungan, dan meningkatkan data pasar dari ide strategi tidak mencium untuk mempertimbangkan kehilangan.
Ambil masa depan indeks saham sebagai contoh, masa depan indeks saham adalah unilateral pada tahun 2010 pada awal daftar dan dari setengah kedua tahun 2014 ketika pasar lembu ekstrim muncul.Tidak ada keraguan bahwa semua model trend akan bekerja dengan baik.Namun, jika kita menempatkan data pasar ekstrim ke sampel untuk optimisasi parameter, parameter model mungkin tidak optimal.
Contohnya, anggap model memiliki dua parameter, hasil tes parameter a sangat baik dalam periode pasar unilateral, dan umumnya dalam periode lain; hasil tes parameter B lainnya tidak sebaik parameter a dalam periode pasar unilateral, tetapi lebih baik dari parameter a dalam periode lainnya, dan distribusi antara periode yang berbeda lebih seragam dari parameter a.Bahkan jika kembali resiko parameter a lebih tinggi dari parameter B dalam tes data sampel, kita lebih suka parameter B karena parameter B relatif stabil dan tidak bergantung pada sampel spesifik.
Secara singkat, dalam pembangunan model perdagangan yang diprogram, dari satu sisi, kita dapat meningkatkan model melalui optimisasi parameter, sehingga model dapat lebih baik beradaptasi dengan mode fluktuasi harga dan meningkatkan kembalian investasi; dari sisi lain, kita harus mencegah melebihi-melebihi optimisasi parameter, yang akan menyebabkan reduksi signifikan dalam aplikabilitas model untuk perubahan pasar.
Kita tidak hanya harus meningkatkan model melalui optimisasi parameter, tetapi juga mencegah melebihi pemasangan optimisasi parameter!

    Was this article helpful?

    1 out of 1 found this helpful