استراتيجيات التداول البرمجة الوراثية

استراتيجيات التداول البرمجة الوراثية

تداول الخيار الربح مربى ساتو
كبار صناع سوق الفوركس
جعلت التجارة نظام بسيط


خيارات فهرس التداول تداول الفوركس الفوركس ماذا يحدث لخيارات الأسهم الموظف عند شراء الشركة المعاملة الضريبية على خيارات الأسهم الحافزة بسيطة يوم التداول استراتيجية قوات الدفاع الشعبي نظام التجارة العالمية والصين

استراتيجيات التداول المتطورة مع البرمجة الوراثية - وظائف اللياقة البدنية. في صميم كل استراتيجية البرمجة الجينية (غب) هي وظيفة اللياقة البدنية. وتحدد وظيفة اللياقة البدنية ما تبحث عنه العملية التطورية برمتها. يتم تعيين كل فرد قيمة اللياقة البدنية، والتي يتم احتسابها من قبل وظيفة اللياقة البدنية. الأفراد الذين لديهم قيمة عالية للياقة البدنية فرصة أكبر للاختيار من أجل التكاثر وبالتالي لخلق النسل. العثور على & كوت؛ جيد & كوت؛ وظيفة اللياقة البدنية هي واحدة من جوانب التصميم الأكثر أهمية من عملية التنمية. ونادرا ما تكون الفكرة الأولى لوظيفة اللياقة البدنية تنتج بالفعل نتائج عظيمة، ويتطلب تعريف واحد تماما فهم عميق لنطاق المشكلة. تحتوي القائمة التالية على عدد قليل من القرارات التصميمية الضرورية: التقليل مقابل تعظيم قيم اللياقة البدنية هدف واحد مقابل متعددة موضوعية تطبيع القيم اللياقة البدنية تعيين الأوزان لمكونات فردية من وظيفة اللياقة البدنية. دعونا نلقي نظرة فاحصة على كل قرار ضروري. التعظيم مقابل التقليل. وظائف اللياقة البدنية يمكن بالطبع تعظيم بعض التدابير المستهدفة أو أنها يمكن أن تقلل منها. ويمكن أن تكون التدابير النموذجية المستهدفة لتحقيق أقصى قدر من العائد الكلي، والقيمة المتوقعة، ومتوسط ​​حجم الصفقات الفائزة أو معدل الضربات. ويمكن أن تكون المقاييس النموذجية المستهدفة للتقليل إلى أدنى حد ممكن هي السحب الأقصى، أو الحد الأقصى لعدد الصفقات المتتالية الخاسرة، أو تقلب منحنى الأسهم. الوضع المشترك هو تعظيم بعض وتقليل القيم اللياقة البدنية الأخرى في نفس الوقت. هدف واحد مقابل متعددة الهدف. وظيفة اللياقة البدنية مع هدف واحد يحاول تعظيم (أو تقليل) قيمة لياقة بدنية واحدة. يمكن أن تكون قيمة اللياقة البدنية هذه نتيجة لصيغة رياضية تجمع بين مكونات فردية متعددة، على سبيل المثال. في نموذج وظيفة اللياقة البدنية أعلاه، على الرغم من أنه من الممكن أن يكون فكرة سيئة لاستخدام القيم السلبية لأقصى قدر من السحب التدريجي (معتبرا أن السحب يمكن أن تفسر على أنها عائد سلبي) وهذا من شأنه أن يكون مربكا للغاية. في هذه المقالة سوف تستمر في الإشارة إلى هذه & كوت؛ وظائف اللياقة البدنية مجتمعة & كوت؛ كهدف واحد، لأن قيمة اللياقة البدنية النهائية هي قيمة واحدة. في المقابل، وظائف اللياقة البدنية متعددة الموضوعية لا تحاول تجميع التدابير المستهدفة متعددة في قيمة اللياقة البدنية واحدة، ولكن العمل مباشرة على مساحة البحث متعددة الأبعاد دون الحد من عدد من الأبعاد. وظائف اللياقة البدنية متعددة الأغراض لل غب يمكن أن تكون معقدة جدا لتنفيذ، ولكن من تجربتي أنها يمكن أن تؤدي في الواقع إلى نتائج متفوقة مقارنة مع تلك واحدة الهدف. لقد سبق أن ذكرت اثنين من هذه الوظائف اللياقة البدنية في مقال سابق: الخوارزمية الجينية الفرز غير المهيمن (نسغا) وخوارزمية قوة باريتو التطورية (سبي) وكلاهما أعتبر أن تكون قوية جدا. تعمل هذه الخوارزميات في الواقع مباشرة في صورة & كوت؛ مشهد اللياقة البدنية & كوت؛ دون تقليل المشهد إلى واحد-- الأبعاد & كوت؛ راي اللياقة البدنية & كوت؛ كما الجمع بين وظيفة اللياقة البدنية الهدف الواحد القيام به. يجب أن يكون القارئ أيضا على علم بأن كل من الخوارزميات من قبل تصميمها سلفا اختيار غب ومشغلات الطفرة. في الواقع، يمكن العثور على تطبيقات العمل لكل من الخوارزميات في مكتبة محكمة العدل الأوروبية. تطبيع القيم اللياقة البدنية. في بعض الأحيان من الضروري لتطبيع قيم اللياقة البدنية إلى نطاق محدد سلفا. قد يكون هذا على سبيل المثال إذا كان هناك عدد قليل من أووليرس التي هي بعيدة جدا عن القيم اللياقة البدنية الأخرى. إذا تم تطبيق مشغل اختيار نسبي للياقة البدنية، فإن هذه القيم المتطرفة يمكن أن تهيمن بسهولة على جميع الآخرين، ونادرا ما يكون مرغوبا. والبديل هو استخدام قيم اللياقة البدنية على أساس رتبة لأنها لا تعاني من مثل هذه المشكلة. مشكلة أخرى هي الفرق النسبي في أحجام مكونات قيمة اللياقة البدنية المعنية. النظر في وظيفة اللياقة البدنية التالية: لهذه الأسباب (وخصوصا عند استخدام وظيفة اللياقة البدنية واحدة الهدف مجتمعة) تطبيع المكونات الفردية وعادة ما يكون ضروريا. هناك ثلاثة بدائل مختلفة: إذا كان من المتوقع أن تكون جميع المكونات في وظيفة اللياقة البدنية لها توزيعات مماثلة (أي متوسط ​​مماثل وانحراف معياري)، فإن التطبيع قد لا يكون ضروريا. ونادرا ما يحدث ذلك. والقيم المتطرفة هي في الواقع ظاهرة شائعة. 2. تطبيع مكونات قيمة اللياقة البدنية مع مسافات متناسبة. يتلقى أفضل عنصر قيمة اللياقة البدنية قيمة محددة مسبقا من 1.0، أسوأ واحد 0.0. جميع مكونات قيمة اللياقة البدنية الأخرى هي في مسافة متناسبة بين الاثنين. (كوزا فضل ترتيب عكس مع أفضل عنصر قيمة اللياقة البدنية تلقي قيمة 0.0 والأسوأ 1.0.المهمة المقابلة ثم لتقليل هذا المكون بدلا من تعظيم ذلك.) لا يزال هذا الإجراء إشكالية إذا كانت القيم المتطرفة موجودة، ولكن في بعض الأحيان - اعتمادا على اختيار واحد من مشغلي التحديد - قد يكون من المرغوب فيه الحفاظ على المسافات النسبية بين القيم. 3. تطبيع مكونات قيمة اللياقة البدنية من خلال ترتيب جميع المكونات أولا وفقا لرتبها. كما هو الحال في الإجراء بريفيوس أفضل عنصر قيمة اللياقة البدنية يتلقى قيمة 1.0 وأسوأ 0.0 (أو العكس بالعكس). جميع الآخرين على قدم المساواة مع بعضها البعض وفقا لرتبتها. على عكس الإجراء الأخير هذا واحد أيضا يحل مشكلة القيم المتطرفة. ومع ذلك، فقدت المعلومات ذات الصلة المتعلقة بالمسافات النسبية بين مكونات قيمة اللياقة البدنية بشكل لا رجعة فيه. المخاطر المشتركة. من تجربتي هناك عدد قليل من المزالق المشتركة للمبتدئين فيما يتعلق بتصميم وظائف اللياقة البدنية. ومن المرجح أن يحاول تطبيق وظيفة اللياقة البدنية واحد الهدف ومبدع نموذجي ومحاولة لتحقيق أقصى قدر من العائد الإجمالي. وهذا أمر يسهل فهمه. بعد كل شيء، في نهاية المطاف هو مبلغ النقدية استراتيجية التداول الخاصة بك ولدت، أليس كذلك؟ كما اتضح أن هذا النهج نادرا ما يؤدي إلى نتائج جيدة. على الرغم من أن المنطق المطبق هو صالح، وهناك كل أنواع المشاكل التي لم تحل مع تعظيم العائد الإجمالي. في ما يلي بعض النقاط التي يجب أخذها في الاعتبار: استراتيجية تعتمد على عدد قليل جدا من الصفقات. في السوق من ارتفاع الأسعار غالبا ما يكون من الصعب التغلب على السوق وتوليد ألفا الحقيقي. وتتميز استراتيجية الشراء والاحتفاظ بميزة وجود تكاليف تداول منخفضة جدا. ولذلك، في هذه الحالة ليس من غير المألوف لأفضل استراتيجية التداول أداء لشراء ببساطة في بداية وعقد حتى النهاية. أفضل استراتيجيات التداول تطورت في المقابل ربما يكون لا شيء إلى عدد قليل جدا من الصفقات - وهو مجرد يترتب على ذلك، ولكن لا يزال غير مرغوب فيه جدا. هذه الاستراتيجيات التجارية لا تمثل وسيلة للتكرار للنجاح. أنها أساسا فقط أداء عن طريق تجنب تكاليف التداول. كن على علم بأن مثل هذه & كوت؛ استراتيجيات التداول كسول & كوت؛ كما يمكن أن يعني تقلب أعلى مما كنت على استعداد لقبول. وذلك لأنهم ببساطة يكررون تطورات أسعار السوق بسبب تكتيكات الشراء والاحتفاظ بها. لهذا السبب، قد يكون من المثير للاهتمام محاولة نسخة محسنة من وظيفة اللياقة البدنية الذي يصحح لعدد من الصفقات، على سبيل المثال مجموع أو ناتج من إجمالي العائدات العادية وتطبيع إجمالي عدد الصفقات. قد تكون إضافة الأوزان لكل مكون من عناصر اللياقة البدنية محل اهتمام أيضا. استراتيجية تعتمد على عدد قليل من الصفقات الفوز. وهناك مشكلة ذات صلة هي تطوير الاستراتيجيات التي تعتمد بشكل كبير على عدد قليل من الصفقات الفوز مختارة جدا بالمقارنة مع العديد من الصفقات الخاسرة. نظريا، هذه هي استراتيجية سليمة، طالما أن القيمة الإجمالية المتوقعة لا تزال إيجابية (انظر أدناه). ومع ذلك، يحتاج المرء أن يكون حذرا جدا. إذا كانت الصفقات الفائزة قليلة جدا، فإن الاستراتيجية قد لا تمثل مرة أخرى طريقة للتكرار. وبعبارة أخرى، فإن توزيع الفوز مقابل الصفقات الخاسرة مهم جدا. إذا ذهبت إلى المدى القصير داو جونز الصناعي (دجيا) قبل يوم الاثنين الأسود من 19 أكتوبر 1987 هل يمكن أن تكون قد حققت ثروة. (انخفض مؤشر داو جونز الصناعي بنسبة 22.61٪ في ذلك اليوم وحده). إذا كان لديك تجارة واحدة فقط من هذا القبيل في إستراتيجية باكتستد الخاصة بك فإنه قد لا يزال يعوض سنوات من الخسائر الصغيرة. ولكن منذ حركة من هذا الحجم تحدث إحصائيا فقط فقط، ونادرا جدا لا يمكنك الاعتماد عليها استراتيجيا. (ومع ذلك يجب أن تكون على استعداد لذلك أن يحدث على الجانب السلبي، وإلا فإن مثل هذه الخسارة يمكن أن يمسح بك على نحو فعال.) كن على علم أنه مع تواتر متزايد في وقوع حوادث فلاش هذه المشكلة قد زادت بدلا من الانخفاض. وتهيمن القيم المتطرفة في اختيار اللياقة البدنية النسبي. وهناك مشكلة أخرى هي وجود القيم المتطرفة. يحدث في كثير من الأحيان نسبيا أن عدد قليل من الأفراد متفوقة كثيرا على جميع الأفراد الآخرين في الجيل أنها تميل إلى السيطرة على جميع الآخرين على الرغم من أنها لا تمثل الأمثل العالمي ولكن فقط المحلية. وفي حالة استخدام مشغلي الانتقاء النسبي لللياقة بدلا من مشغلي الانتقاء المرتكز على الرتب، فإن القيم المتطرفة لها فرص أكبر بكثير لاختيارها لأغراض الاستنساخ. إعادة تشغيل العملية التطورية مع نفس البذور العشوائية (على افتراض تطبيق ترابط واحد دون ظروف وقت التشغيل) وبطبيعة الحال مجرد تكرار النتيجة، وبالتالي إعادة تشغيل مع بذور عشوائية متنوعة ويوصى. ويمكن أن يحدث هذا مع وظائف اللياقة البدنية أحادية ومتعددة الأهداف. في بعض الأحيان، في وظائف اللياقة البدنية متعددة الأهداف يمكن أن تكون اللياقة البدنية الفردية موجودة في حد & كوت؛ حد & كوت؛ من المشهد اللياقة البدنية، مع على سبيل المثال واحد مكون اللياقة البدنية كونها أقصى من جميع القيم والآخر هو صفر. غالبا ما يكون من المفيد لرسم التوزيع النسبي للقيم اللياقة البدنية للحصول على انطباع. تدابير اللياقة البدنية المقترحة. هذه قائمة من تدابير اللياقة البدنية أنا شخصيا النظر يستحق المحاولة في تركيبة. ربما أبدأ مع وظيفة اللياقة البدنية ذات الهدف الواحد فقط تعظيم القيمة المتوقعة. في وقت لاحق، مرة واحدة متعددة موضوعية وظيفة اللياقة البدنية في مكان، وأنا إضافة عناصر اللياقة البدنية الأخرى أيضا. تعظيم القيمة المتوقعة (إيف): الصيغة إيف = متوسط ​​الربح * p الربح - متوسط ​​الخسارة * p الخسارة، مع متوسط ​​الربح (الخسارة) هو متوسط ​​العائد من الفوز (الخسارة) التجارة، و فوز (خسارة P) احتمال حدوث خسارة (خسارة) التجارة. بالطبع العلاقة p = = 1.0 - p الخسارة يجب أن تعقد. يجب أن تكون القيمة المتوقعة رقم إيجابي - إذا لم يكن كذلك، فإن النظام سوف تفقد بالتأكيد المال على المدى الطويل! وأرى أن هذا هو الأكثر مباشرة إلى الأمام وبديهية قياس لتعظيم لكل نظام التداول. (بالنسبة إلى الصفقات الصفرية، أي الصفقات التي لا تولد ولا تخسر المال، فإنني أعتبرها خاسرين مع ذلك، حيث أن هناك دائما تقريبا & كوت؛ فائدة خالية من المخاطر & كوت؛ بديل يمكن أن يكون قد تم تخصيص المال له .) تقليل الحد الأقصى للسحب: لا أحد يحب فقدان المال في الأسواق. أحد المشاكل الشائعة هو معرفة متى تغلق استراتيجية التداول لأنه يفترض أنها لم تعد تعمل. التداول هو دائما دائما لعبة نفسية، هل حقا الثقة الاستراتيجية الخاصة بك؟ قد تؤدي عمليات السحب الكبيرة إلى انفصال حسابك وتؤدي إلى مكالمات الهامش في أسوأ وقت ممكن. تعظيم عدد من الصفقات: هذا هو واحد صعبة التي مبتدئين قد لا تأتي بسهولة. كل التجارة لديها رسومها. في بعض الأحيان غب قد تعيين وظائف اللياقة البدنية عالية جدا لاستراتيجيات التداول مع عدد قليل جدا (ولكن كل الفوز) الصفقات. هذه الاستراتيجيات هي التحف على أساس السلوك العشوائي لأنها لا تمثل نجاحا تجاريا هادفا، قابلة للتكرار. تعظيم عدد الصفقات جنبا إلى جنب مع القيمة المتوقعة ربما هو إجراء مضاد ضد هذه المشكلة. ومع ذلك قد يكون هذا الإجراء إشكالية، لأنه يعطي الأفضلية للعديد من الصفقات قصيرة الأجل. عند استخدام هذا التدبير اللياقة البدنية ولذلك فمن الضروري حساب رسوم التداول وربما الانزلاق. تعظيم العائد الكلي: على الرغم من أن بسيطة جدا وبديهية، وتعظيم العائد الإجمالي هو في كثير من الأحيان سوى فكرة جيدة في تركيبة مع تدابير اللياقة البدنية الأخرى. استراتيجيات التداول المتطورة مع البرمجة الوراثية - معلمات غب والمشغلين. البرمجة الجينية في جوهرها يستخدم مجموعة من مشغلي (اختيار، طفرة، كروس، النخبة الخ) والمعلمات (عدد الأجيال، وحجم السكان الخ). كما أن هناك أدبيات واسعة حول هذا الموضوع، وسوف تخطي أساسيات وتفترض أن القارئ هو بالفعل على دراية بالموضوع. أول شيء لفهم حول المعلمات غب والمشغلين هو أنها تشكل أساسا نظام معقد. قد تؤثر التغييرات في معلمة واحدة أو قد لا تؤثر على الطريقة التي تتصرف بها المعلمات الأخرى. التغييرات الصغيرة في معلمة واحدة قد تؤدي إلى تغييرات غير خطية في كامل النتيجة التطورية. وفي وقت آخر، قد لا يؤدي تغيير كبير في الباراميترز إلى تغيير النتيجة الإجمالية على الإطلاق. ومن الأمثلة الجيدة على ذلك تحديد حجم السكان. المبتدئين يتعرضون حديثا ل غب غالبا ما يعتقدون أن أكبر حجم السكان كلما كان ذلك أفضل. بعد كل شيء، والمزيد من الأفراد في عدد السكان، وكلما زادت فرصة عامة سيتم العثور على نتيجة بحث جيدة، أليس كذلك؟ خاطئة تماما. في كثير من الأحيان، صغيرة (ولكن ليس سو صغير!) حجم السكان هو في الواقع بريفيريبل إلى أكبر. هناك مفاضلة بين وجود المزيد من الأفراد في عدد السكان وزيادة المستوى العام للضوضاء. إن وجود عدد أكبر من الأفراد لكل فرد يقلل من فرصة أن يكون الفرد المنفرد نسبيا قادرا على خلق ذرية. وبالتالي، يتم زيادة مستوى الضوضاء. يتم الإعلان عن بعض أنظمة البرمجيات غب المتاحة تجاريا لتكون قادرة على معالجة ثوسندس من الأفراد في وقت قصير جدا. من تجربتي، إذا كنت بحاجة أكثر من ذلك، دعونا نقول، 500 فرد لكل السكان، وربما كنت تفعل شيئا خاطئا. لذلك، دعونا نلقي نظرة فاحصة على بعض المعلمات والمشغلين. حجم السكان. لقد سبق أن ذكرت حجم السكان. حاول أن تبدأ مع عدد قليل من السكان ربما 100 شخص. وهذا أيضا يقلل من الوقت الحوسبة. وكما ذكر أعلاه، فإن زيادة حجم السكان لن تؤدي بالضرورة إلى نتائج أفضل بسبب زيادة مستوى الضوضاء. عدد الأجيال. إذا عملت خوارزمية الممارس العام الخاص بك، سوف نلاحظ أنه في المراحل المبكرة من عملية التطور الأفراد المجرب يمكن العثور بسهولة نسبيا، على الرغم من أن في بعض الأحيان قد تمر بضعة أجيال دون أي تحسن قبل حدوث تحسن كبير آخر. بعد عدد من الأجيال، تحدث تحسينات أقل تواترا. حاول البدء مع ربما 10 إلى 15 أجيال فقط. إذا كان هناك سوى تحسن هامشي من الأول إلى الجيل الأخير، ثم ربما كنت تفعل شيئا خاطئا. ومن المفيد أيضا إدخال عداد الأجيال المماطلة ووقف العملية التطورية إذا لوحظ بعد عدد معين من الأجيال أي تحسينات أخرى. عدد أشجار القرار وحجم الشجرة. لقد كتبت بالفعل على كيفية ترميز أشجار القرار. مرة أخرى هناك مقايضة. وكلما زادت تعقيد قواعد القرار العامة الخاصة بك سواء فيما يتعلق بعمق الأشجار / حجم وعدد من المقاييس الفرعية المستخدمة، وارتفاع فرصة الإفراط في الحياكة. قواعد القرار أقل تعقيدا هي دائما الأفضل تقريبا، ومع ذلك فإنه من المرجح ربما لا يزال من المنطقي استخدام أشجار القرار مخصصة لقواعد طويلة وقصيرة. وسأركز على موضوع معاقبة التعقيد عن طريق الضغط على العبارة في مادة لاحقة. خوارزمية البرمجة الوراثية. على الرغم من أن خوارزمية غب الأساسية بسيطة نسبيا، وهناك بدائل مختلفة لذلك، على سبيل المثال البرمجة الجينية الخطي، البرمجة الجينية الديكارتية، الخوارزمية الجينية غير المهيمنة (نسغا)، خوارزمية القوة باريتو التطورية (سبيا) وغيرها الكثير. اختيار بديل معين غالبا ما يكون له انعكاسات على كيفية ترميز الأفراد، على وظيفة اللياقة البدنية، وأيضا على تنفيذ اختيار، طفرة وعبر المشغلين. تقليديا، يتم استخدام الطفرة، كروس و النخبة مشغل بشكل متبادل حصرا وليس في تركيبة. وهذا هو، يتم اختيار واحد من هذه المشغلين من قبل استراتيجية اختيار المشغل، ويتم تطبيق هذا المشغل فقط. فعلى سبيل المثال، لا يخضع طفلان نسلان أيضا للطفرة، على الرغم من أن ذلك سيكون بطبيعة الحال ممكنا. مشغل اختيار هو استراتيجية كيفية اختيار واحد أو عدة أفراد من تجمع لغرض معين مثل طفرة أو كروس. هناك العديد من استراتيجيات الاختيار ويعتمد حقا على السياق الذي واحد لاستخدام يفضل. تعتمد كل استراتيجية اختيار على معيار معين لمقارنة الأفراد. في معظم الحالات أفضل (من حيث اللياقة البدنية) فرد مطلوب، ولكن في بعض الأحيان يمكن أن يكون أيضا أسوأ فرد. في حالة وظائف اللياقة البدنية متعددة الأهداف، قد تصبح عملية الاختيار معقدة للغاية. في كثير من الأحيان، يجب اختيار مشغل اختيار اثنين من الأفراد وحتى الآن ضمان عدم اختيار نفس الشخص مرتين. اختيار فقط أفضل الأفراد للاستنساخ ليست حكيمة، لأن هذا يمكن أن يؤدي إلى تقارب سابق لأوانه المحلية بدلا من العالمية الأمثل في الفضاء البحث. ومن الضروري اتباع نهج متوازن يعطي األفراد األفضل فرصة أكبر لالختيار من أجل التكاثر مع استمرارهم في اختيار األفراد األضعف. هذا سوف تبقي مزيج بين الضغط على قيد الحياة وترك مجالا للحلول الجديدة لتظهر ويتم استكشافها. هناك طرق اختيار مختلفة، ولكن ربما استراتيجية الاختيار الأكثر شعبية هو اختيار البطولة. اختيار البطولة هو عملية من خطوتين. أولا، يتم اختيار عدد قليل (على سبيل المثال 7) أفراد بشكل عشوائي - & كوت؛ البطولة & كوت ؛. ثانيا، يتم اختيار شخص أو شخصين من البطولة وفقا لياقتهم البدنية. حجم البطولة الأكبر يعطي الأفراد الأضعف فرصة أقل عموما ليتم اختيارها. في بعض الأحيان، قد تكون فكرة جيدة السماح ببساطة أفضل واحد أو اثنين من الأفراد في السكان ليتم نسخها إلى الجيل القادم، لأنه بخلاف ذلك قد تضيع. والمشكلة مع النخبوية هي عموما أنه من دون اتخاذ مزيد من التدابير قد يتم ملء الأجيال اللاحقة مع العديد من نسخ من الأفراد متطابقة. غير أن مقارنة الأفراد من أجل المساواة قد تكون عملية مكلفة حسابيا. أنا شخصيا أفضل عدم استخدام النخبوية لهذا السبب. يجب أن يحدث الطفرة فقط مع احتمال ضعيف، على سبيل المثال. في 0٪ - 2٪ من الحالات. بعض تطبيقات غب تختلف احتمال الطفرات خلال عملية التطور. بالنسبة لإصدارات مختلفة من الطفرة (على سبيل المثال طفرة نقطة أو طفرة الشجرة الفرعية)، استشارة واحدة من العديد من مصادر الأدب حول هذا الموضوع. كن على علم بأن الطفرة يجب أن تتوافق مع كتابة العقد في شجرة القرارات. كروسوفر هو المشغل غب مع أعلى احتمال (على سبيل المثال 80٪ - 100٪) لكونها اختيار لإنتاج ذرية. باستخدام العقد المكتوبة يضمن أن يتم إنشاء ذرية صالحة وذات مغزى فقط من قبل المشغل كروس. وتتمثل إحدى المشاكل في أنه خلال العملية التطورية، يميل هذا المشغل إلى زيادة متوسط ​​حجم أشجار القرار، وبالتالي يؤدي إلى سخام الشفرات. في كثير من الأحيان، والأصلح الأفراد هم في الواقع الإفراط في سلسلة زمنية التاريخية. هم أيضا هم الذين لديهم أكبر قواعد القرار. يختارها مشغل الاختيار بأعلى احتمال، وبالتالي ينتج المشغل كروس في وقت لاحق ذرية زيادة حجم شجرة القرار. إن المقياس المضاد المناسب هو الضغط على العبارة، الذي سأكتب عنه في وظيفة لاحقة. مشكلة تطور الأفراد المتشابهين هيكليا. والمشكلة الشائعة هي أن العملية التطورية غالبا ما يكون لديها ميل إلى تطوير العديد من استراتيجيات التداول متطابقة تقريبا على مر الزمن. يتم ملء السكان مع عدد قليل & كوت؛ الأنواع الأساسية & كوت؛ من الأفراد التي هي مشابهة جدا هيكليا لبعضها البعض، وبالتالي لها قيم اللياقة البدنية مماثلة جدا. للحصول على الصورة، تخيل استراتيجية التداول نفسها لأفراد متعددة ولكن كل واحد له تغيير طفيف جدا في معلمة واحدة فقط. وهناك أسباب مختلفة وراء حدوث هذه الظاهرة. واحد هو أن تطور اللياقة البدنية للسكان أفضل فرد هو متقطع. إذا كان هناك & كوت؛ قفزة & كوت؛ في أفضل لياقة بدنية من جيل إلى آخر، وهناك احتمالات عالية أن أفضل فرد سيبقى للأصلح للأجيال القليلة القادمة - حتى يحدث مثل هذه القفزة. وهذا صحيح أيضا بالنسبة للثاني والثالث أفضل الأفراد في السكان. لذلك، لعدة أجيال على التوالي فإن الأصلح قليل من الأفراد لديهم أعلى فرص لخلق ذرية، وبطبيعة الحال فإن ذرية ستكون مشابهة هيكليا لأولياء أمورها. ونتيجة لذلك، فإن المزيد والمزيد من الأفراد المتشابهين هيكليا سوف تملأ المواقف الأولى في السكان وبالتالي الحد بشكل فعال من التنوع الجيني في جميع السكان. وغالبا ما يكون من الصعب جدا إيجاد حل مرض لهذه المشكلة. أحد الاحتمالات هو الحفاظ على المعلمة طفرة على مستوى عال. وثمة حل آخر هو إدخال معلمات غب التكيفية، على سبيل المثال تختلف الطفرة و / أو احتمالات كروس خلال عملية التطور. أو إجراء تغييرات ديناميكية على مشغلي التحديد. لسوء الحظ، هذه البدائل غالبا ما تكون غير فعالة جدا ويمكن أن تكون صعبة جدا لتنفيذ أو معايرة بشكل صحيح. الحل المكلف حسابيا جدا هو مقارنة استراتيجيات التداول لكل جيل وعدم السماح للسكان لاحتواء الأفراد متساوية هيكليا. وهذا يتطلب مقارنة كل فرد مع بعضهم البعض عند بناء سكان الجيل القادم، مما سيؤدي إلى إبطاء عملية التطور إلى حد كبير. ومن المثير للاهتمام، من تجربتي هذه المشكلة هو انخفاض كبير عند التحول من هدف واحد إلى قوية متعددة الوظائف وظيفة اللياقة البدنية / عملية تطورية مثل خوارزمية الفرز غير المهيمنة الفرز (نسغا) وخوارزميات قوة باريتو التطورية (سبيا) . هذه الخوارزميات على حد سواء تعريف بطبيعتها نهجا مختلفا في اختيار الأفراد من أجل التكاثر، مما يقلل من التنوع المطلوب في بول الجينات أقل بكثير من وظائف اللياقة البدنية موضوع واحد. سوف أكتب أكثر على هذين الخوارزميات في مقال لاحق. إنشاء استراتيجيات التداول القائمة على التغيير على أساس البرمجة الجينية. جيريمي جيبتيو فرناندو E. B. أوتيرو مايكل كامبوريديس المؤلف. وتستخدم غالبية أدوات التنبؤ مقياسا زمنيا بدراسة دراسة تقلبات األسعار في األسواق المالية، مما يجعل تدفق الوقت الفعلي غير متقطع. ولذلك، فإن استخدام مقياس زمني فعلي قد يعرض الشركات للمخاطر، بسبب جهل بعض الأنشطة الهامة. في هذه الورقة، يتم استكشاف نهج بديل ورواية لالتقاط الأنشطة الهامة في السوق. والفكرة الرئيسية هي استخدام مقياس زمني جوهري يستند إلى التغييرات الاتجاهية. جنبا إلى جنب مع البرمجة الوراثية، ويهدف النهج المقترح لإيجاد استراتيجية التداول الأمثل للتنبؤ بتحركات الأسعار في السوق المالية في المستقبل. من أجل تقييم كفاءتها ومتانة كأداة التنبؤ، تم إجراء سلسلة من التجارب، حيث كنا قادرين على الحصول على معلومات قيمة عن أداء التنبؤ. وتشير نتائج التجارب إلى أن هذا الإطار الجديد قادر على توليد استراتيجيات تجارية جديدة ومربحة. المراجع. معلومات حقوق التأليف والنشر. المؤلفين والانتماءات. جيريمي جيبتيو 1 فرناندو E. B. أوتيرو 1 مايكل كامبوريديس 1 كاتب 1. مدرسة الحاسبات جامعة كينت كانتيربوري المملكة المتحدة. حول هذه الورقة. توصيات شخصية. استشهد ورقة. المراجع المرجعية ريس ريفوركس زوتيرو. .BIB بيبتكس جابريف منديلي. مشاركة الورقة. تحميل فوري للقراءة على جميع الأجهزة التي تملكها إلى الأبد ضريبة المبيعات المحلية وشملت إذا كان ذلك ساريا. استشهد ورقة. المراجع المرجعية ريس ريفوركس زوتيرو. .BIB بيبتكس جابريف منديلي. مشاركة الورقة. أكثر من 10 مليون وثيقة علمية في متناول يدك. تبديل الطبعة. &نسخ؛ 2017 سبرينجر الدولية للنشر أغ. جزء من الطبيعة سبرينجر.

استراتيجيات التداول البرمجة الوراثية اختبار فعالية البرمجة الوراثية. مايكل R. براينت. واحدة من الأسئلة التي تنشأ عند استخدام البرمجة الجينية (غب) لتطوير استراتيجيات التداول هو ما إذا كانت أو لا عملية غب هي بطبيعتها قادرة على بناء الاستراتيجيات التي ليست أكثر ملاءمة للسوق. عندما يتم بناء الآلاف من استراتيجيات التداول واختبارها من قبل خوارزمية غب، فإنه من المعقول أن نتساءل عما إذا كانت النتائج خارج العينة ذات مغزى أو مجرد نتيجة للفرصة العشوائية. انها & كوت؛ نظرية القرد لانهائية & كوت ؛: إذا تركت قرد ضرب عشوائيا مفاتيح على آلة كاتبة، ونظرا لفترة طويلة بما فيه الكفاية، وقال انه سوف يؤلف أعمال شكسبير. فكيف نعرف أن نتائج التداول من غب ليست علف القرد؟ ولحسن الحظ، توفر الإحصاءات إجابة؛ ولا سيما الاختبارات الخالية الإحصائية. في سياق غب، هذه كانت تسمى بريتستس. 1 في الأساس، ونحن نريد لمقارنة نتائج عملية غب إلى مجموعة معادلة من استراتيجيات التداول بشكل عشوائي. إذا كانت الاستراتيجيات التي تم إنشاؤها بواسطة غب أفضل بكثير من الاستراتيجيات التي تم إنشاؤها عشوائيا، فإنه يشير إلى أن عملية غب قد يكون لها الجدارة. طرح الأسئلة الصحيحة. عند بناء إستراتيجية التداول لسوق معين، هناك دائما احتمال أن البيانات التي بنيت الاستراتيجيات، والمعروفة في عينة أو تدريب البيانات، قد لا تحتوي على معلومات ذات صلة البيانات غير المرئية، والمعروفة باسم خارج العينة أو اختبار البيانات. وبعبارة أخرى، قد لا يكون هناك نمط قابل للاستغلال أو معلومات أخرى في فترة العينة التي تجعل من الممكن تعميم النتائج على فترة خارج العينة. على سبيل المثال، قد تكون السوق فعالة جدا للاستغلال، أو قد تكون فترات العينة وخارج العينة مميزة بشكل أساسي بسبب خيار مؤسف في تقسيم البيانات. إذا كان هذا هو الحال، فإن أي اختبار ناجح خارج العينة سيكون مجرد نتيجة للفرصة العشوائية. حتى إذا كان هناك احتمال في سوق معينة، ونحن بحاجة إلى معرفة ما إذا كان عملية غب يمكن استغلالها على نحو فعال. قد تكون المدخلات المختارة لعملية الممارس العام غير فعالة أو أن المؤشرات الضرورية أو العناصر الأخرى المطلوبة لاستغلال بيانات السوق غير متوفرة. مع أخذ ذلك في الاعتبار، فإن الهدف من الاختبار المسبق هو الإجابة على هذين السؤالين الرئيسيين فيما يتعلق باستخدام غب في تطوير استراتيجيات التداول: (1) هل تحتوي شريحة البيانات داخل العينة على معلومات تسمح باستراتيجيات التداول لتعميم (2) هل يمكن لطبيب الجراحة العامة أن يستفيد من تلك المعلومات بفعالية؟ يجب الإجابة على كل من هذه الأسئلة في الإيجاب من أجل عملية غب أن تكون مفيدة كنهج تطوير استراتيجية التداول. فعالة بريتست. والاختبار المسبق الذي سنستخدمه للإجابة على السؤالين المطروحين أعلاه هو إلى الأمام إلى حد ما. ويستفيد من حقيقة أن عملية غب يبدأ مع عدد من استراتيجيات التداول ولدت بشكل عشوائي. يتم إنشاء هذا السكان الأولي دون أي اعتبار لكيفية أداء الاستراتيجيات التي تم إنشاؤها على إما في العينة أو خارج العينة البيانات، مما يجعل من غير المرجح أن الاستراتيجيات ستكون أكثر ملاءمة لبيانات السوق. القيود الوحيدة على وضع الاستراتيجيات هي أن (1) يجب أن تتبع القواعد الدلالية للبناء الاستراتيجية، و (2) أنها تستخدم الإعدادات (المؤشرات وأنواع النظام، الخ) التي اختارها المستخدم. القواعد الدلالية لبناء استراتيجية ضمان أن الاستراتيجيات تجعل الحس الأساسي. على سبيل المثال، فإنها تمنع الوقت من اليوم مقارنة بمتوسط ​​متحرك لأسعار الإغلاق والتأكد من أن مؤشرات التذبذب العشوائية تتم مقارنتها بالقيم في النطاق من 0 إلى 100 أو إلى مؤشرات تذبذب أخرى في نفس النطاق. ومع ذلك، فإنها لا تحاول وضع استراتيجيات تجعل من المنطق التجاري بديهية، مثل شراء الاختراقات بعد اتجاه قصير الأمد في اتجاه صاعد على المدى الطويل. من شأن ذلك أن یھزم الغرض من عملیة الممارس العام، والتي تم تصمیمھا لاکتشاف قواعد من ھذا النوع إذا کانت توفر أي فائدة للأداء داخل العینة. وبالنظر إلى أن السكان الأولي يتم إنشاؤه بشكل عشوائي، فإن أدائه على شرائح العينة و خارج العينة سيكون عشوائيا بالمثل. على وجه الخصوص، يمكننا أن نتوقع بعض الاستراتيجيات لتكون مربحة وبعض مربحة. في معظم الحالات، سيكون متوسط ​​أداء السكان الأولي غير مربح. بعد تطور السكان الأولي على مدى عدة أجيال من عملية غب، فإننا نتوقع أن النتائج خارج العينة لتحسين إذا كانت عملية غب تعمل بشكل فعال. وفي حين أن بعض أعضاء السكان (أي الاستراتيجيات) قد يكونون مربحين وبعضهم غير مربح عموما، فإنه ينبغي تحسين متوسط ​​الأداء خارج العينة. ومن ثم، سيكون اختبارنا القبلي هو مقارنة متوسط ​​أداء عينة السكان المتطورين بمتوسط ​​أداء العينة خارج العينة. وسیتم فحص مقیاسین: متوسط ​​صافي الربح من خارج العینة وصافي الربح من الاستراتیجیة من خارج العینة في المرتبة الأعلی وفقا للملاءمة. يتم احتساب اللياقة البدنية على أساس الأداء في العينة، وهو المحرك الرئيسي للعملية التطورية. لا يتم استخدام البيانات خارج العينة في حساب اللياقة البدنية أو في أي جانب آخر من عملية البناء، باستثناء خيار إعادة تعيين السكان استنادا إلى أداء خارج العينة، والتي لن يتم استخدامها في هذه الدراسة. ولحساب متوسط ​​الأداء خارج العينة للسكان المتطورين، لن يتم حساب سوى الاستراتيجيات الفريدة. بعض الاستراتيجيات المكررة أمر لا مفر منه خلال عملية البناء، وكلما تم توظيف الأجيال، فإن المزيد من التكرارات تميل إلى الظهور. لتجنب الازدواجية في حساب النتائج الإيجابية أو السلبية وبالتالي تحيز النتائج، سيتم الكشف عن النسخ المكررة استنادا إلى الأداء. إذا كانت جميع مقاييس الأداء (بخلاف عدد المدخلات المدرجة ك & كوت؛ التعقيد & كوت؛) هي نفسها (ضمن الدقة العددية لبعضها البعض) لاستراتيجيتين، ستعتبر الإستراتيجيتين متطابقتين. وتعرف هذه الطريقة التكرارات دالة، بدلا من التركيبية (استنادا إلى رمز الاستراتيجية). على سبيل المثال، ستعتبر إستراتيجيتين لهما اختلافات في الشفرة لا تؤثر على النتائج مكررات. تم تعيين حجم السكان الأولي، ولدت عشوائيا لتتناسب مع عدد من الاستراتيجيات الفريدة في السكان المتطورة. أجريت المقارنات بين السكان المتطورين وتلك التي تم إنشاؤها عشوائيا باستخدام اختبار تي تي الطالب، وأجريت جميع الاختبارات باستخدام برنامج أدابتريد بيلدر. حالات الاختبار والنتائج. تم تشغيل أربع حالات اختبار، كما هو مبين في الجدول أدناه. 2 أنواع الطلبات مقيدة للحد من الإدخالات والمخارج (مملوءة فقط عند تجاوز السعر) وتوقف إدارة الأموال الثابتة الحجم بين 12.50 دولار و 175 دولارا في الحجم؛ دخول فقط بين 8:30 حتي 10:00 (وقت الصرف). خروج بعد 3:00 مساء؛ وتعظيم صافي الربح، وعدد من الصفقات والأهمية (الوزن على قدم المساواة)، مع ترجيح صغير للتعقيد. ومتوسط ​​متحرك بسيط فقط، وأعلى، وأدنى، وأنماط الأسعار، والصلبان أعلاه / أدناه، والقيمة المطلقة في مجموعة بناء مؤشر. في كل حالة، كان عدد السكان 100، وتم تشغيل خمسة أجيال. تم تقسيم البيانات 75/25 بين العينة وخارج العينة. وتكرر البناء 25 مرة لكل سوق، مع متوسط ​​صافي الربح خارج العينة على السكان النهائيين وصافي الربح خارج العينة لأصلح عضو السكان سجلت بعد كل محاكمة. ثم تم تسجيل النتائج نفسها ل 25 تجمعا أوليا (عشوائيا) حيث تم تعيين حجم السكان لتتناسب مع عدد من الاستراتيجيات الفريدة في السكان المتطورة، كما هو موضح أعلاه. ولتحديد ما إذا كان صافي الربح من السكان المتطورين أكبر من صافي الربح من السكان الأولي، تمت مقارنة المتوسطات باستخدام اختبار ذيل واحد غير ذيل الطالب، كما تم حسابه في إكسيل. وظل حجم السكان صغيرا لتسريع عملية البناء. واستخدم عدد صغير من الأجيال لضمان الاختلاف الكافي في السكان النهائيين. وقد اختيرت األسواق واإلعدادات لتوضيح الفكرة القائلة بأن مدى نجاح عملية الممارس العام يعتمد على هذه العوامل. على سبيل المثال، تم اختيار الحانات اليومية ل E-ميني S & أمب؛ P لأن التجربة أظهرت أنه من السهل إلى حد ما العثور على استراتيجيات جيدة لهذا السوق. استراتيجيات على 1 دقيقة القضبان من E-ميني S & أمب؛ P هي أكثر صعوبة بكثير لتوليد. تم تصميم الاختبار الثاني مع 1 دقيقة القضبان من E-ميني لإيجاد استراتيجيات مع أكثر، الصفقات أقصر - أكثر من & كوت؛ سلخ فروة الرأس & كوت؛ استراتيجية - مع مجموعة محدودة من المؤشرات في مجموعة البناء. تم تضمين سوق الفوركس للتنوع. وفيما يلي بيان بالنتائج بالنسبة لمتوسط ​​صافي ربح السكان. وفي جميع الحالات، كان متوسط ​​صافي الدخل خارج العينة (أوس) عبر السكان المتطورين أعلى بكثير من متوسط ​​صافي ربح أوس للسكان المتولدين عشوائيا، مما يشير إلى أن عملية الممارس العام كانت فعالة في تطوير الاستراتيجيات التي تحسنت على النتائج العشوائية . وقد نوقش في القسم التالي أن متوسط ​​صافي ربح السكان لم يكن إيجابيا في ثلاث من الحالات الأربع. 3 متوسط ​​القيمة زائد / ناقص انحراف معياري واحد؛ ن = 25 في جميع الحالات. وفيما يلي نتائج لأصلح أفراد السكان. وفي الحالتين الأوليين، يكون صافي ربح أوس للأصلح أكبر من متوسط ​​صافي الربح، كما يتضح من مقارنة النتائج في الجدولين. وهذا يتفق مع النتائج السابقة في أنه يشير إلى وجود علاقة إيجابية بين اللياقة البدنية، والتي يتم حسابها على البيانات في العينة، وصافي ربح أوس. وفي جميع الحالات باستثناء الثالثة، يكون صافي ربح أوس للأصلح أكبر في السكان المتطورين منه في السكان العشوائيين، وهو ما يتسق أيضا مع النتائج السابقة، على الرغم من أنه نتيجة للانحراف المعياري العالي، فإن النتائج هي غير ذات دلالة إحصائية. ويبين الجدول أيضا النسبة المئوية للأجسام التي كان للأصلح فيها صافي ربح إيجابي خارج العينة. في ثلاث من الحالات الأربع، كان هناك المزيد من أشواط حيث حدث ذلك للسكان المتطورة مما كان عليه بالنسبة للسكان العشوائية. على سبيل المثال، بالنسبة لحالة الاختبار الثانية، في 44٪ من السكان المتطورين، والأصلح الأعضاء كان أوس مربحة، في حين أن الأعضاء الأكثر حجية كان أوس مربحة في 28٪ فقط من السكان التي تم إنشاؤها عشوائيا. يتم عرض النتائج التي تشير إلى وجود مشكلة محتملة مع عملية غب أدناه باللون الأحمر. حالة الاختبار الثالثة لديها معظم المشاكل. وهنا، كان متوسط ​​صافي ربح أوس لأصلح الأعضاء في السكان المتطورين أقل من متوسط ​​صافي ربح أوس للسكان المتطورين. وهذا يشير إلى أن اللياقة البدنية لم تكن مؤشرا جيدا للأداء المستقبلي، الأمر الذي يتناقض مع حقيقة أن صافي ربح أوس تحسن بشكل ملحوظ خلال عملية البناء. وعلاوة على ذلك، كان متوسط ​​صافي ربح أوس للأصلح في حالة الاختبار الثلاثة أقل بكثير من متوسط ​​صافي ربح أوس للأصلح بين السكان العشوائيين. وأخيرا، كان هناك عدد أقل من المباني حيث كان صافي ربح أوس للأصلح العضو مربحا للسكان المتطورة مما كان عليه في المجموعات العشوائية. وتشير جميع هذه النتائج إلى أنه على الرغم من تحسن عملية البناء على السكان الأولي، سيكون من الصعب استخدام النتائج لاختيار استراتيجية جيدة للمضي قدما. 4 متوسط ​​القيمة زائد / ناقص واحد الانحراف المعياري؛ ن = 25 في جميع الحالات. ما كل الوسائل. وقد تم تصميم الاختبار القبلي لتحديد ما إذا كانت عملية الممارس العام قادرة على إيجاد واستغلال المعلومات في فترة العينة التي يمكن تعميمها على فترة خارج العينة (أوس). والخبر السار هو أنه في جميع حالات الاختبار الأربعة، تشير النتائج الأولية إلى أن هذا هو الحال في الواقع. وكان متوسط ​​صافي ربح أوس للسكان المتطورين أعلى بكثير من متوسط ​​صافي ربح أوس للسكان المتولدين عشوائيا في كل حالة. والأخبار السيئة هي أنه لمجرد أن عملية غب تتحسن على السكان الأولي، كما يقاس الربح الصافي للخدمة، لا يعني أن الاستراتيجيات الناتجة قابلة للتداول أو حتى مربحة. من الصعب جدا العثور على استراتيجيات جيدة لبعض الأسواق، كما يتضح من متوسط ​​النتائج لمدة 1 دقيقة من القضبان E-ميني S & أمب؛ P و 30 دقيقة من اليورو مقابل الدولار الأميركي. في هذه الحالات، لم يكن فقط متوسط ​​صافي الربح السلبي، ولكن ذلك كان صافي الربح للأصلح الأعضاء. بيد أنه على الأقل بالنسبة لحالتي الاختبار الأولين، كانت الاتجاهات في الاتجاه الصحيح. إن حقيقة أن متوسط ​​الربح الصافي للأصلح أكبر من متوسط ​​صافي الربح يوحي بوجود علاقة إيجابية بين النتائج داخل العينة و أوس، وهذا بدوره يشير إلى أنه من المنطقي اختيار الاستراتيجية بناء على مدى نجاحها تاريخيا . على الرغم من أن الحالة الثانية لم تنتج نتائج أوس مربحة على أساس الأعضاء الأكثر ثقلا، بالنظر إلى أن الاتجاهات جيدة، قد يكون من الممكن استخدام عدد أكبر من السكان مع أجيال أخرى لتحقيق نتائج أفضل. حالة الاختبار الثالثة، كما نوقش في القسم السابق، تقدم مثالا مضادا. في هذه الحالة، على الرغم من أن عملية الممارس العام تحسنت بشكل ملحوظ متوسط ​​صافي ربح أوس، فإن عدم وجود ارتباط بين اللياقة البدنية وصافي الربحية أوس تشير إلى أن النتائج التاريخية لن تكون دليلا جيدا في اختيار عضو من السكان تطورت للتداول إلى الأمام. ومع ذلك، فإن حقيقة أن عملية غب ناجحة في تحسين نتائج أوس يطرح عموما السؤال: لماذا اللياقة البدنية ليست مؤشرا جيدا من أداء أوس إذا كانت عملية البناء، التي تقوم على اللياقة البدنية، كانت ناجحة عموما؟ الجواب قد يكون أن أصلح من السكان قد يكون مناسبا جدا. وبعبارة أخرى، في حين أن السكان تحسنت بشكل عام خلال أجيال غب، والأصلح الأعضاء قد يكون أكثر ملاءمة لبيانات العينة. وبكونه أكثر ملاءمة، لم يعد معمما جيدا للبيانات غير المرئية (أوس). ويدعم ذلك حقيقة أنه في مجموعات عشوائية، والأصلح استراتيجية كان دائما أفضل من أوس من الاستراتيجية المتوسطة، مما يشير إلى وجود علاقة إيجابية بين اللياقة البدنية وأداء أوس بين الاستراتيجيات التي تم إنشاؤها عشوائيا. وعلى افتراض أن البيانات الواردة في العينة تحتوي على معلومات يمكن استغلالها وتعميمها على فترة الخدمة التشغيلية الشاملة، التي سبق أن أثبتت، فإن هذا ما يمكن توقعه عندما لا تكون الاستراتيجيات مفرطة في التالؤم، وهي الحالة الأكثر احتمالا بالنسبة للإنتاج العشوائي السكان. أذكر أن حالة الاختبار الثالثة تختلف عن الحالة الثانية، والتي لم تكن مفرطة، فقط من حيث الإعدادات، وليس في بيانات السوق. هذا يشير إلى أنه إذا كانت الاستراتيجيات هي أكثر ملاءمة، قد يكون من الضروري فقط لتغيير الإعدادات وحاول مرة أخرى. جودة النتائج في حالة الاختبار الرابع (يوروس) تقع في مكان ما بين حالات الاختبار الأول والثالث. ولأن متوسط ​​صافي ربح أوس للأصلح لم يكن أفضل من متوسط ​​صافي ربح أوس، فمن المحتمل أن يكون أصلح الأعضاء أكثر ملاءمة. إن قيمة إجراء اختبار مسبق قبل أداء طبيب عام كامل هي أنه يوفر بعض المؤشرات حول مدى احتمال عدم إهدار الجهد المقصود. في حين يمكنك دائما المضي قدما والتحقق من كل شيء مع تتبع في الوقت الحقيقي أو مجموعة منفصلة من البيانات خارج العينة، من دون معرفة ما إذا كانت عملية غب بطبيعتها مناسبة تماما للسوق والإعدادات، قد يستغرق وقتا أطول بكثير ل استنتاج أن العملية لا تعمل بشكل صحيح. تشن، شو هنغ ونافيت، نيكولا، فشل استراتيجيات البرمجة الوراثية المستحثة: التمييز بين الأسواق الفعالة والخوارزميات غير الفعالة، سبرينغر فيرلاغ، نيويورك، 2007. * ظهرت هذه المقالة في عدد نيسان / أبريل 2012 من النشرة الإخبارية أدابتريد سوفتوار. نتائج الأداء البدني أو المحاكاة لها بعض القيود المتراكمة. لا سجل الأداء الفعلي، النتائج المحاكاة لا تمثل التداول الفعلي. أيضا، وبما أن التجارة لم تكن قد تم تنفيذها بشكل فعلي، فقد تكون النتائج قد تم تعويضها أو تعويضها بشكل أكبر عن التأثيرات، إن وجدت، لبعض عوامل السوق، مثل عدم وجود السيولة. برامج التداول المحاكاة بشكل عام هي أيضا تخضع لحقيقة أنها تم تصميمها مع الاستفادة من الأذهان. لا يتم تمثيل أي حساب أو سيكون من المرجح تحقيق الأرباح أو الخسائر مماثلة لتلك التي تظهر. إذا كنت ترغب في أن تكون على علم بالتطورات الجديدة، والأخبار، والعروض الخاصة من أدابتريد البرمجيات، يرجى الانضمام إلى قائمتنا. شكرا لكم. حقوق الطبع والنشر © 2004-2015 أدابتريد البرمجيات. كل الحقوق محفوظة.
الخيارات، فراشة
استراتيجية لتنفيذ التنوع والشمولية