量化交易魔鬼训练营:策略优化的方法及陷阱3

那我们说的递归分析法呢?怎么样呢?就是前面这这么大一段男性的历史数据呢?我不是把它整块拿来一一口气使用,而是呢?我是当中取一小部分啊,作为一样本类的数据啊来做优化,然后呢?得出一场30,然后用最好相信呢对。样本外的一小块数据呢?做回测再说规则的结果,然后呢,我再重复同样的过程,但是呢,这个时间段呢?我又往前推一小部分啊,你这张图我具体的来解释一下是怎么样呢?就是说比如说在这个时候我们以四个星期作为蓝色的样本,没出去啊,你四个星期作为蓝色类的。而作为样本类的啊,历史数据啊,那么我们在这个时间节点呢对策四个星期的历史数据呢?所以我回去做一个优化,优化完。

  完了以后呢,我把经常参数呢用于下一个星期的下下一个星期的歌词啊,得出一个回事,结果就是氯元素这部分的灰色,结果把他上面。对对对,这就是我们第一次灰色的一个结果啊,然后把这个历史数据呢往前推了一个星期,就这一部分作为我这样的人。啊,这一部分作为的样子的一些优化,优化完了,结果等下一个星期的数据做回测好得出回去,结果。然后呢,再往前推一个信息,做优化得出优化的结果啊,这就是得出优化的结果,得出回事的结果好得出回收的结果,那这样就是我。一次两次三次四次五次六次七次八次重复了八次,这个过程啊,我把这一段蓝色的历史数据全部做进行的优化单,然后得出了八个字为这结果。

  我把这八个人维持,更多结果添加VX:duozhi2018,结果把它加起来啊,这就是我一个作文的规则的结果,对不对?所以我们可以这里看到,在这个过程当中,实际上。我不是用一套参数来坐回车,而是用来12345做了一个八套餐起来坐回车,是不是相较于我们传统的铅?面前的回应,那个实际上就是在这个红箭头这个时间点用的一套参数对不对?从不优化,得到了一套餐具,然后这一套参数去做教育。反正在下面这个方法当中,我是用了八次的优化,得到了八套不同的城市来做回去,然后呢,如果说这个活。这次的结果是令人满意的话呢,我就在石盘教育当中,我也这么持续下去,对吧?就在这个时间点,我就玩这个人一个星期,然后呢,就四个星期的历史兴趣,然后。

  对食糖的做一个星期的食堂交易,然后呢?再一个星期再对优化以后呢,再对食堂做一个进行交易面积这个秩序就这个过程就一直延续下去啊,这个就是我们。的递归优化规制法啊,如果使用这个方法的话,我们得出的一致结果是一个令人满意的会在结果的话。我们把它使用到师范交易当中,就是边回撤边交易,边回测边角以,或者说边优化,边优化,边优化,边优化,边角化边啊,这种方法的可靠程度。要比前面使用整块类似数据作为一样本累得出的结果呢,对吧?得出的参数,有的话,结果呢?要更可靠啊,也更有弹性,因为他是谁?你这个这个行情改变这个参数也在不断的改变,对不对?他不是用钱的人物名字一下子呗,55年的数据,得出的一套不变的参数来使用啊,也许对后面一年两年的。

  这个这个实盘数据,实盘交易来石油,他不是这,但是没几个信息,优化一次得说的参数来使用一阵子,然后呢,再得出以上参数,然后呢,再使用一下医生对不对?对不对不对不对不对,不对一行。进行变化等等,他的强势也是一个不断的变化啊,用这种方法,他的弹性更好,是一些对象,那么参数的优化的协议也会越少啊,过度有个参数。过度优化的效率也会更好,所以呢,我们讲这五点基本上是就是我们怎么样来避免过度有关啊?但是呢,是没有一个办法可以完全避免参数参数。过度优化啊,我们只能说最大乘数程度的避免参数的分析,最后就要讲一点的是说模型,或者说我们策略啊,就是策略策略。这个稳定区域参与模型的参数稳定区会随着时间的变化而迁移,对吧?也就是说,那些回执优秀的一个参数。

  稳定区域呢,他会跟随着市场节奏啊,或者说市场参与主体的变化而变化,那些在过往设置中稳定的去表现稳定的区域呢未来。也非常有可能变得不稳定是吧?什么意思呢?就我们直观的来看,就是说这几张图看地上这张图是一个啊策略啊,参数不同参数下下啊。策略效益的一个三维的分析图,这张是三维这边上来这张这张这种从上面看下去,把它变成了变成了一个二维的一个城市啊,那么就是我们坐标和纵坐标。表示的是两个不同的参数,那么这两个不同的参数的组合就是在这里对应的相应的一个点啊,就是说这是两个参数组合而产生的一个灰色的一个效应。啊,我们把简单把它看成利润了那就是他的利润了,大学这个利润越高几率越越高,这个颜色越深,却却却却却成了这个利润率,利润率最高了啊,那么就是这个参数对应和组合。

  呵Xh,这个参数的组合,这两个参数的组合会得到最高的效益最大的利润啊,那么颜色稍稍淡一点的呢,是这会这会去呵。在YY曾是我们看起来就是这个范围和大致参数支付范围的组合起来的,大概是得到这个效应啊,另外,这个一件事就越来越少,越来越少,随着这个颜色越来越来越。一起所以你看到需要一个人一个差,这个就是我们历史回撤得出的一个参数的一个啊,我们叫这个热力图对不对?颜色有点深,需要有好那么随着。时间的推移,它这个热点,这个颜色最深的区域,或者是沿着自身的规规定,还在这儿会变,可能会遇到这儿可能会遇到这或者不能移到这儿,所以我知道,但是他一定会。我们不固定的这个啊,所以这世界的迁移和这个文理参数的文件区域也会变化啊,那既然我们也不知道他到底会变到哪里去,我一知道是她跪。

  确实不知道他变到哪里去,那我们怎么办呢?就是我刚才说的同一个策略,用不同的参数做组合啊,这个参数。同一参数不同参数的组合使用啊本来我总共要交易助手的,比如我总归教育我的常委啊,允许我教育设置,那我就把它分解开。就一个参数,而一个策略啊,配置一个参数教一首令另外一个,另外一个参数,再交易一手,另外一个参数,再叫艺术,那么在这里就看起来就像是。我这里有参数,我在用这里的参数,我也在用这块的参数也在用这块参数也在用,对不对?我有十个参数,14,参数设定,那么如果说未来的行情,无论他。往这边变化,有往这边便一款,无论她这个文件的,或者说表现优异的区域变到哪里都逃不出我的车子?对不对?我的车在那个城市方位我都有。

  特别在跑是吧,这种方法呢?可以说有效的平滑,我们的收益曲线可以有效的平方59型,这也是我在使用的非常。平时有效的方法经营啊,OK,那产品优化过度优化的这个课程今天就讲到这里哈,谢谢大家。

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 202,723评论 5 476
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,080评论 2 379
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 149,604评论 0 335
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,440评论 1 273
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,431评论 5 364
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,499评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,893评论 3 395
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,541评论 0 256
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,751评论 1 296
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,547评论 2 319
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,619评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,320评论 4 318
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,890评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,896评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,137评论 1 259
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 42,796评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,335评论 2 342

推荐阅读更多精彩内容

  • 那么在这张图上我们可以非常明显看到红箭头之前与之后它的走势似乎是非常的不一样啊,前面有一个40度往上的一个。啊,那...
    十七岁的青春阅读 301评论 0 0
  • 迎泽桥旁的小公园有几棵玉兰树,大约每年四月前后开放,玉兰花儿就像一位老朋友,每年的这个时候,我都会专程去与美丽的玉...
    雪晶莹1209阅读 275评论 1 1
  • 当我安息时, 我愿你活着,我等着你。 愿你的耳朵继续将风儿倾听, 闻着我们共同爱过的大海的芬芳, 继续踏在我们一起...
    等风来的野丫头阅读 111评论 0 0