+
당신은 요청한 페이지에 액세스 할 수 없습니다에 무슨 일 것입니다. support. sucuri을 : 당신이 사이트 소유자 인 경우 당신이 오류에 의해 발생 된 생각한다면, 우리의 지원 페이지에서 티켓을여십시오. 당신이 웹 사이트의 소유자가 아닌 경우에, 당신은 cloudproxy sucuri로 문의 할 수 있습니다. 또한 블록 정보 (아래 표시)를 포함해야합니다, 그래서 우리는 더 나은 오류를 해결할 수 있습니다. 로드 : 블록 당신의 IP에 대해 자세히 설명합니다. URL :로드. 귀하의 브라우저 :로드. 블록 ID : GEO02 차단 이유 : 당신의 나라에서 액세스는 사이트 관리자에 의해 비활성화되었습니다. 시간 :로드. 서버 ID : cp15009 Sucuri CloudProxy CloudProxy이 Sucuri의 홈페이지 방화벽입니다. 그것은 당신의 사이트와 세계의 나머지 부분 사이에 서 공격, 악성 코드 감염, DDOS, 무력 시도하고 손상을 줄 수 있습니다 대부분 것도 방지합니다.,하지만 사이트가 꽤 그것을 속도, 캐시받을뿐만 아니라. 관심 방문 sucuri / 웹 사이트 - 방화벽 저작권 2016, Sucuri LLC. 판권 소유. 서비스 개인 정보 보호 정책 질문 약관 sucuri OpenQuant 소개 OpenQuant는 자동 거래 시스템 (ATS) 개발 플랫폼은 잘 알려진 SmartQuant 금융 데이터 분석 및 무역 프레임 워크를 중심으로 설계이다 cloudproxy. 이 프레임 워크는 1997 년부터 개발되어 왔으며 이는 현재 모든 전 세계 금융 기관을 선도하는 데 사용됩니다. C와 비주얼 베이직 - 아니 스크립트 : OpenQuant 특징 - 실시간 전략 개발 언어 - OpenQuant는 선도적 인 기관 거래 프레임 워크의 상단에 개발되고있다. 포트폴리오 수준의 시스템 백 테스팅 및 무역 - - 여러 자산 군 (주식, 선물, 옵션, ETF, FOREX) - 다중 통화 회계 및 시뮬레이션 - 진정으로 이벤트 기반 아키텍처 OpenQuant는 항상 최고의 성능을 제공하고, 컴파일 된 코드를 실행합니다. 백 테스팅 루프에 대한 인공이 없습니다. 여러 거래 시스템 - - 하루 동안 백 테스팅 및 틱 데이터와 자동 거래 - 시장 스캐너 - 시장의 깊이와 수주 지원 - 시간, 틱, 볼륨 및 범위 바 시뮬레이션 모드가 라이브 거래 모드에서 실행과 동일하게 실행 전략 - 여러 시간 프레임 지원 - 사용자 정의 지표 - - 금융 수학 및 정량 분석 라이브러리 (파생 상품 가격, 내재 변동성 등) - 선형 대수 라이브러리 (벡터 및 행렬 연산) - 100 개 이상의 지표와 기술적 분석 라이브러리 전략 최적화, QuantServer 내장 데이터 엔진에 의해 초 당 1.000.000 진드기에 더 전원, 고성능의 백 테스팅 및 시뮬레이션 - - 확률 적 최적화를 포함하여 시장, 정지, 제한, 제한 명령을 중지합니다. OCA 그룹 (하나는 모두 취소합니다). OCA 그룹이 브로커는 기본적으로 OCA를 지원하지 않는 내부적으로 시뮬레이션 - 직접 주문 관리 : 보내기 취소, 주문 바꾸기 - autoexecution, 주문 라우팅을 지원 FIX, QuickFIX 내장 된 엔진. 시뮬레이션에서 한 번의 클릭 스위치는 거래 모드는 데이터 피드와 브로커 IB, PATS, TAL, ESignal, 광자 상인, MB 무역, TAQ, 야후, 구글, CSI, 오픈 틱, IQ 피드, QuoteTracker, 창세기 증권, 북유럽 증권 거래소를 지원 살고 열기 E 외침, AlfaDirect, ItInvest을 지원하는 새로운 에지, 모건 스탠리, TT X 상인 TT의 FIX 어댑터 및 XTAPI, CQG의 FIX, 광속, 핫스팟 FIX, Currenex의 FIX, 적분 FIX, DB (도이치 뱅크) FIX, 일반 FIX 제공을 통해, QUIK, OSL의 FIX, QUIK의 FIX, Finam TRANSAQ, 플라자 II 오픈 인터페이스는 사용자 정의 데이터를 개발 및 실행 제공 플러그인 OpenQuant 데모 OpenQuant 다운로드 30 일 평가 버전을 다운로드합니다. OpenQuant 커뮤니티 및 지원 당신은 SmartQuant 공공 포럼 연락처 OpenQuant 플래시 비디오 자습서 비디오 1 OpenQuant 논의에 오신 것을 환영합니다 - 이 동영상은 시뮬레이션 모드와 방법을보고 startegy 출력을 분석하는 방법의 데모 전략을 실행하는 방법을 보여줍니다. 비디오 2 - 이 동영상은 가져온 데이터를보고 분석하는 가져 오기 Vizard의 방법을 사용하여 텍스트 파일에서이 악기, 수입 기록 데이터를 악기를 만드는 방법을 보여줍니다. 비디오 3 - 이 동영상은 요청에 속성을 악기 (주식과 선물)을 설정하고 인터랙티브 브로커에서 실시간 데이터 피드를 모니터링하는 방법을 보여줍니다. 비디오 4 - 이 동영상은 모니터링과 실시간으로 대화 형 브로커에서 무역과 바 데이터를 출력하는 간단한 전략 코드를 개발하는 방법을 보여줍니다. 비디오 5 - 이 동영상은, 악기 정의를 다운로드 실시간 데이터를 모니터링하고 열기 E 외침으로 주문을 실행하는 방법을 보여줍니다. 비디오 6 - 이 동영상은 OpenTick와 악기 정의, 역사적인 시장 데이터를 다운로드하는 방법을 보여줍니다. 비디오 7 - 이 동영상은 TT XTrader의 API / TTSIM (시장 데이터 및 주문 실행)에 연결하는 방법을 보여줍니다. 비디오 8 - 이 동영상은 TT의 FIX 어댑터 / TTSIM (시장 데이터 및 주문 실행)에 연결하는 방법을 보여줍니다. 비디오 9 - 이 동영상은 실시간 데이터를 모니터링하고 MB 무역으로 주문을 실행하는 방법을 보여줍니다. 비디오 10 - 이 동영상은 역사적인 시장 데이터베이스를 OpenQuant하는 IB에서 실시간으로 틱과 바 데이터를 캡처하는 방법을 보여줍니다. 비디오 11 - 이 동영상은 OpenQuant의 시장 스캐너 기능을 사용하는 방법을 보여줍니다. 비디오 12 - 이 동영상은 마이크로 소프트 비주얼 스튜디오와 OpenQuant 전략을 디버깅하는 방법을 보여줍니다. OpenQuant 스크린 샷 OpenQuant 문서 OpenQuant 거래 시스템의 주를 최적화하는 방법 가이드 OpenQuant 전략 풀을 시작하기 : 이것은 상당히 고급 주제입니다. 처음 이전 AFL 자습서를 읽어 보시기 바랍니다. 최적화 뒤에 아이디어는 간단하다. 먼저 거래 시스템을 가지고 있고, 이것은 예를 들어 단순 이동 평균 교차 할 수있다. 거의 모든 시스템에서 주어진 시스템의 작동 방법을 결정 (평균 기간 등) 몇 가지 매개 변수 (즉, 휘발성이 높은 주식에 반응한다 않는 방법, 장기 또는 단기에 적합하다 등이다)이있다. 최적화는 소정의 심볼 (또는 심볼들의 포트폴리오)에 대한 이들 파라미터 (이 시스템에서 가장 높은 이익을주는)의 최적 값을 찾는 방법이다. AmiBroker는 한 번에 여러 문자에 시스템을 최적화 할 수 있도록 몇 안되는 프로그램 중 하나입니다. 시스템을 최적화하려면 최적화 할 1 ~ 10 개까지 매개 변수에서 정의해야합니다. 당신은 매개 변수의 최소 및 최대 허용 값이며, 이 값이 업데이트되어야 하는지를 증가에 무엇을 결정합니다. AmiBroker은 다시 여러 수행 파라미터 값의 모든 가능한 조합을 사용하여 시스템을 테스트한다. 이 과정이 완료 AmiBroker 순이익으로 분류 결과의 목록을 표시합니다. 사용자는 최상의 결과를 제공 최적화 변수의 값을 참조 할 수있다. 다시 테스터에 작성 AFL 식의 최적화는 새로운 기능이라고 최적화를 통해 지원됩니다. 다음과 같이이 함수의 구문은 다음과 같습니다. 변수 최적화 (변수 - 일반 백 테스팅, 검사, 탐사 및 comentary 모드 최적화 함수가 반환 디폴트 값 때문에 위의 함수 호출로 최적화 함수에 의해 반환 된 값이 할당되는 일반 AFL 변수는 하는 것과 같습니다. 최적화 모드 최적화 기능에서 변수 기본 단계 단계별로 최대 (포괄적)에 분에서 연속적인 값을 반환은 최적화 변수를 식별하는 데 사용되는 및 최적화 결과 목록에서 열 이름으로 표시되는 문자열입니다 기본. 공정 최적화되는 변수의 최대 값이, 탐색, 표시기 해설 함수 리턴 최적화 기본값 스캔 정상 다시 테스트 모드 분 최대 최적화되는 변수의 최소값 인 값을 증가시키기 위해 사용되는 간격 임 최대 AmiBroker는 (따라서 64 최적화 변수 개까지) 함수를 최적화하는 64 호출 개까지 지원에 분에서, 당신은 철저한 최적화를 사용하는 경우 다음 최적화 변수 단지 몇 가지에의 수를 제한하는 것이 좋습니다 정말 있습니다. 필요한 실행의 수를 곱 최적화 / 공정 최적화 루프와 다중 호출 - 호출 할 때마다 (MIN MAX)를 생성 최적화 할 수 있습니다. 예를 들어 10 10 100 최적화 루프를 필요로 10 단계를 사용하여 두 개의 매개 변수를 최적화. sigavg의 최적화 : 호출 할 때마다 새로운 최적화 다중 심볼 최적화가 완전히 AmiBroker 최대 검색 공간에서 지원하는 루프 발생으로 2 64 (10 19 10,000,000,000,000,000,000) 조합 1. 단일 변수 최적화는 수식의 시작 부분에 한 번만 변수에 따라 최적화 함수를 호출 (신호의 평균. 9. 2. (20) 1) 판매 크로스 (MACD (12. 26), 신호 (12 26 sigavg)) 교차 판매 (MACD를 신호 ((12) (26) sigavg를) (12. 26)) 최적화 당 (3D 차트에 적합) 2. 두 변수 최적화 (당. 2. 5. (50) 1) 레벨 최적화 (레벨. 2. (150) 4) (CCI () 당, - Level) 구입 교차 판매 크로스 (레벨, CCI () 당) 3. 다중 (3) 변수 최적화 (. 느린 MACD (26) (17) (30) 1) mfast 최적화 (. MACD 빠른 12. 8. 16. 1) mslow 최적화 sigavg 최적화 (신호 평균. 9. 2. 20. 1) 판매 크로스 (MACD (mfast, mslow). 신호 (mfast, mslow, sigavg가)) 크로스 (신호 (mfast, mslow, sigavg), MACD (mfast, mslow가))를 입력셨습니까 후 공식은 창에 최적화 버튼을 클릭합니다. AmiBroker 최적화 변수의 가능한 모든 조합을 테스트 시작리스트의 결과를보고 할 것이다. 최적화 결과의 목록을 완료 한 후 순이익으로 분류되어 제공됩니다. 당신이 결과 목록의 열을 기준으로 결과를 정렬 할 수 있습니다로 가장 낮은 삭감, 거래의 낮은 번호, 가장 큰 이익 계수, 낮은 시장 노출 및 연간 수익 조정 높은 위험에 대한 매개 변수의 최적 값을 얻을 수 쉽습니다. 결과리스트의 마지막 컬럼은 주어진 시험에 최적화 변수의 값을 제시한다. 당신이 당신의 요구에 맞는 매개 변수의 어떤 조합을 결정하면 당신이해야 할 모든 최적화 기능의 기본 값을 대체하는 가장 좋은 최적의 값으로 호출합니다. 현재 단계에서 당신은 수식 편집 창 (최적화 함수 호출의 두 번째 매개 변수)에 손으로 직접 입력 할 필요가있다. 3D 애니메이션 최적화 차트를 표시하는 3D 최적화 차트를 표시하려면 먼저 두 변수 최적화를 실행해야합니다. 두 변수 최적화이 최적화 () 함수 호출을 갖는 식을 필요로한다. 예를 들어 두 개의 변수 최적화 공식은 다음과 같습니다 최적화 당 (당 2. 5. 50 일.) 레벨 최적화 (CCI () 당, - Level) 구매 교차 판매 크로스 (레벨 2 (2) (150) 4.) (레벨, CCI ()는 당) 수식을 입력 한 후 버튼을 클릭해야합니다. 최적화가 완료되면 당신은 최적화 버튼의 드롭 다운 화살표를 클릭하고보기 3D 최적화 그래프를 선택해야합니다. 몇 초에서 화려한 3 차원 표면 플롯은 3D 차트 뷰어 창에 나타납니다. 식 이상 사용하여 생성 예를 들어 3D 차트는 다음과 같습니다. 기본 최적화 변수에 대한 당기 순이익의 3D 차트 표시 값을함으로써. 당신은 그러나 최적화 결과 테이블의 모든 컬럼에 대한 3 차원 표면 형 차트를 그릴 수 있습니다. 그냥 (파란색 화살표가 최적화 결과를 나타내는 표시됩니다 선택 항목으로 분류되어 있습니다)를 정렬하려면 열 머리글을 클릭 한 다음 다시보기 3D 최적화 그래프를 선택합니다. 시스템의 매개 변수는 거래 실적에 미치는 영향을 시각화함으로써, 당신은 더 쉽게 값은 시스템 성능을 생산하는 매개 변수를 결정할 수 있습니다. 강력한 설정은 표면 플롯에서 점진적보다는 급격한 변화를 보여주는 3D 그래프의 영역이다. 3D 최적화 차트 곡선 피팅 방지하기위한 훌륭한 도구입니다. 시스템이 있어야보다 더 복잡하고 모든 복잡성이 다시는 일어나지 않을 수 있습니다 시장 상황에 초점을 맞춘 때 커브 피팅 (또는 이상 최적화)가 발생합니다. 3 차원 최적화 차트에서 급진적 인 변화 (또는 스파이크는) 분명히을 통해 최적화 영역을 보여줍니다. 당신은 당신의 실제 거래에 대한 3D 차트에서 광범위하고 폭 넓은 고원을 생산 매개 변수 영역을 선택해야합니다. 이익 스파이크를 생산하는 매개 변수 세트는 실제 거래에서 안정적으로 작동하지 않습니다. 3D 차트 뷰어 AmiBroker의 3D 차트 뷰어는 전체 그래프 회전 및 애니메이션 전체보기 기능을 제공합니다 제어합니다. 지금 당신은 생각할 수있는 모든 관점에서 시스템의 결과를 볼 수 있습니다. 당신은 위치 당신은 당신을 위해 쉽게 찾을 어떤 마우스, 도구 모음 및 키보드 단축키를 사용하여 차트의 다른 매개 변수를 제어 할 수 있습니다. 아래는 목록을 찾을 수 있습니다. - 회전 - 왼쪽 마우스 버튼을 누른 상태에서 X / Y 방향으로 이동 - 확대 된 데, 줌 아웃 - 오른쪽 마우스 버튼을 누른 상태에서 X / Y 방향으로 이동 - 이동하는 (번역) - 왼쪽 마우스 버튼을 누른 상태에서 및 Ctrl 키와 X 이동 / Y 방향 - 애니메이션 - 왼쪽 마우스 버튼을 누른 상태에서 빨리 끌어 공간을 드래그 버튼을 놓습니다 - 애니메이션 (자동 회전) 왼쪽 화살표 키 - VERT을 돌립니다. 왼쪽 오른쪽 화살표 키 - VERT을 돌립니다. 오른쪽 위쪽 화살표 키 - 수평 위를 회전합니다. 최대 DOWN 화살표 키를 - 수평 위를 회전합니다. 근처 (확대) NUMPAD - - (마이너스) - NUMPAD (PLUS) 아래 DOWN 수위까지 PAGE - 이동 왼쪽 NUMPAD - 6 - 오른쪽 NUMPAD 8 이동 - NUMPAD 2 위로 이동 - PAGE의 UP을 아래로 이동 멀리 NUMPAD 4 (축소) - 수위 아래로 스마트 (비 소모적) 최적화 AmiBroker 이제 일반, 전체 검색뿐만 아니라 스마트 (비 철저한) 최적화를 제공합니다. 주어진 거래 시스템의 모든 매개 변수 조합의 수는 철저한 검색을위한 실현 가능한 단순히 너무 큰 경우 비 철저한 검색에 유용합니다. 철저한 검색 한 그것을 사용하는 것이 합리적으로 완벽하게 괜찮습니다. 의 당신이이 매개 변수를 1 ~ 100 (1 단계)에 이르기까지 각 있다고 가정 해 봅시다. 철저한 검색을위한 완벽한 OK - 즉, 10000 조합이야. 여전히 철저한 검색 OK입니다 (하지만 lenghty 될 수 있습니다) - 이제 3 개의 매개 변수로는 100 만 조합을 얻었다. 4 매개 변수를 사용하면 1 억 조합이 5 매개 변수 (1..100) 당신은 100 억 조합이있다. 이 경우는 이들 모두를 확인하기 위해 걸리는 시간도있을 것이며, 이는 비 소모적 스마트 검색 방법은 철저한 검색을 통해 적당한 시간에서 풀 수없는 문제를 해결할 수있는 영역이다. 여기에 절대적으로 (이 경우 CMA-ES의) 새로운 비 철저한 최적화를 사용하는 방법을 간단한 명령어입니다. 1. 2. 수식의 상단이 한 줄을 추가 수식 편집기에서 수식을 엽니 다 OptimizerSetEngine (여기 3. (선택 사항) 자동 분석, 설정, 탭, 최적화 대상 필드에 최적화 대상을 선택하면 이동하는 경우이. 이 자동차에 대한 최적화 단계 / MDD (최대 삭감으로 나눈 연평균 수익률).이 공식을 사용하여 최적화를 실행하면 지금, 그것은 새로운 진화 (비 철저한) CMA-ES 최적화를 사용합니다. 어떻게 최적화가 있습니다 작동합니까 주어진 함수의 최소 (또는 최대)을 찾는 과정. 모든 거래 시스템이 인수의 특정 수의 함수로 간주 될 수 있습니다. 입력은 매개 변수 및 인용 데이터이다가. 출력이 최적화의 대상 (CAR / MDD 말한다). 그리고 주어진 함수의 최대 찾고있는 스마트 최적화 알고리즘의 일부는 자연 (동물의 행동)을 기반으로 -. PSO 알고리즘, 또는 생물학적 과정 - 유전자 알고리즘, 일부는 인간에 의해 유도 된 수학적 개념을 기반으로 - CMA-ES. 이 알고리즘은 금융 등 다양한 분야에 사용된다. 구글에 입력하고이 정보를 많이 찾을 수 있습니다. 비 철저한 (또는) 방법은 글로벌 또는 로컬 최적를 찾을 수 있습니다. 목표는 지구를 찾을 물론이지만 엄청나게 파라미터의 조합 중 하나의 날카로운 피크가 존재하는 경우, 비 - 소모적 인 방법이 단일 피크를 찾는 데 실패하지만 상인들 perspecive 찾는 하나의 날카로운 피크가 쓸모 형성 가지고있다 그 결과가 불안정 할 것이기 때문에 거래 (너무 깨지기 쉬운)와 실제 거래에서 복제하지 않는. 최적화 과정에서 우리는 오히려 안정 매개 변수 고원 지역을 찾고있다 그리고 이것은 지능적인 방법이 빛나는 영역입니다. 비 철저한 검색에 의해 사용되는 알고리즘으로 다음과 같이 보입니다 :가) 최적화 매개 변수의 일부 (보통 랜덤) 시작 인구 b)는 backtest가 backtests의 결과가) 인구 C에서 설정 한 각 매개 변수에 대한 AmiBroker에 의해 수행되는 설정 생성 알고리즘과 새로운 인구의 논리에 따라 평가가 가장 잘 발견되는 새로운 경우 결과의 진화, D)에 기초하여 생성된다 - 저장 및 정지 기준이 예는 포함 할 수있다 기준을 중지 충족 될 때까지) B 단계로 이동한다 : a) 지정된 도달하는 마지막 X 세대보다도 목표 값의 범위가 제로 C 인 경우, 최대 반복은 b)의 비 (임의의 주축 방향으로 0.1 표준 편차 벡터를 가산하여 목표 값 (D)의 값을 변경하지 않는 경우, 임의의 스마트를 사용) 등을 정지) 정지 AmiBroker에 철저한) 최적화 당신은 당신이 OptimizerSetEngine 기능을 사용하여 AFL 식에 사용할 최적화 엔진을 지정해야합니다. 이 함수는 이름으로 정의 된 외부 최적화 엔진을 선택합니다. AmiBroker는 현재 3 엔진과 함께 제공 : 표준 입자 떼 최적화 () - 이름 중괄호는 OptimizerSetEngine 호출에 사용됩니다. 최적화 엔진을 선택하는 것 또한 당신은 내부 일부 매개 변수를 설정할 수 있습니다. 그래서 OptimizerSetOption 기능을 사용하려면. OptimizerSetOption은 (값) 함수는 외부 최적화 엔진에 대한 추가 매개 변수를 설정하는 기능을한다. 매개 변수는 엔진 따라 달라집니다. (단일 실행 당 최대 평가 (시험)) : AmiBroker (SPSO, Trib, CMAE)와 함께 제공되는 세 가지 최적화는 두 개의 매개 변수를 지원합니다. 각 매개 변수의 동작은 엔진에 의존하는, 그래서 같은 값은 일반적으로 사용되는 다른 엔진과 다른 결과를 얻을 것입니다 수 있습니다. 다음과 같이 실행 MaxEval의 차이입니다. 평가 (또는 테스트) 싱글 backtest (또는 목적 함수 값의 평가)이다. 일반적으로 많은 테스트 (평가)를 포함하는 - RUN 알고리즘 (최적 값을 찾는)의 하나의 전체 실행됩니다. 각각의 실행은 단순히 새로운 시작에서 전체 최적화 과정 (새 초기 랜덤 인구를) 다시 시작합니다. 따라서 각 실행은 (는 글로벌 하나를 찾을 수없는 경우) 다른 지역의 최대 / 최소를 찾는 발생할 수 있습니다. 그래서 매개 변수는 다음 알고리즘 실행의 수를 정의 실행합니다. MaxEval는 단일 실행의 평가 (bactests)의 최대 수입니다. 이 문제는 상대적으로 간단하고 1000 시험 글로벌 최대 찾을 충분한 경우 5x1000 이후의 실행은 다른 초기 랜덤 인구 선택 파라미터 값에서 시작되는 바와 같이, 로컬 최대에 붙어 적은 가능성이 있기 때문에 글로벌 최대 값을 찾을 가능성이 있습니다 까다로울 수. 그것이 완전한보다 작은 경우 테스트의 수에 관계없이, 글로벌 최대 / 최소 찾는 보장주지 않는 등, 등 상관 확률 비전 수있어서 시험의 복잡성에 따라 문제에 의존한다. 가장 쉬운 대답은이다. 그것을 완료하는 데 필요한 시간의 관점에서 당신을 위해 합리적으로 테스트의 큰 수를 지정합니다. 또 단순한 통보는 새로운 차원을 추가로 (10)에 의해 테스트의 수를 곱한다. 즉, 필요한 시험 횟수를 과대로 이어질 수 있지만, 매우 안전하다. 배송 엔진이 때문에, 사용하기 간단 기본값으로 설계 최적화는 일반적으로 아무것도 (접수 기본값)를 지정하지 않고 실행할 수 있도록 / 자동 값이 사용됩니다. 모든 스마트 최적화 방법은 연속 변수 공간과 상대적으로 부드러운 목적 함수에 가장 잘 작동하는지 이해하는 것이 중요합니다. 매개 변수 공간이 분리 된 경우 진화 알고리즘은 문제 최적 값을 찾는을 가질 수있다. 이 매개 변수 (온 / 오프) 이진 특히 사실이다 - 그들은 (대부분의 스마트 방법처럼) 목적 함수 변화의 기울기를 사용하는 검색 방법에 적합하지 않습니다. 거래 시스템은 많은 이진 매개 변수를 포함하는 경우, 직접 그들에 스마트 옵티 마이저를 사용하면 안됩니다. 대신에 스마트 옵티 마이저를 사용하는 경우에만 연속 매개 변수를 최적화하기 위해 노력하고, 수동으로 또는 외부 스크립트를 통해 이진 매개 변수를 전환합니다. SPSO - 표준 입자 떼 최적화 표준 입자 떼 최적화는 올바른 매개 변수 (즉, MaxEval를 실행) 특정 문제에 대해 제공되는 제공되는 좋은 결과를하도록되어 SPSO2007 코드를 기반으로합니다. PSO 최적화에 대한 올바른 옵션을 따기 때문에 결과는 상당히 경우와 경우에 따라 다를 수 있습니다 까다로울 수있다. SPSO. dll는 하위 폴더 내부의 전체 소스 코드와 함께 제공됩니다. 표준 입자 떼 최적화에 대한 예제 코드 : OptimizerSetEngine (SL의 최적화 (판매 크로스 (MACD (FA, SL), 0) 교차 판매 (0, MACD (FA, SL) (검색 만 조합의 공간 내에서 1000 테스트에서 최적 값을 찾아) .) 지파 - 적응 매개 변수가없는 입자 떼 최적화 부족을 적응, PSO (입자 떼 최적화)이 아닌 철저한 최적화 과학적 배경 용의 매개 변수가없는 버전은 다음을 참조하십시오 particleswarm. info/Tribes 이론에서 2006 Cooren. pdf 더 나은 수행해야 자동으로 해결되는 문제에 떼 크기 및 알고리즘 전략을 조정할 수 있기 때문에 정기적 인 PSO보다. 연습은 성능이 PSO와 매우 유사하다는 것을 보여줍니다. Tribes. DLL 플러그인 구현 (즉, 차원) 변형. clerc. maurice 기준으로합니다. . 모리스 클레르으로 free. fr/pso/Tribes/TRIBES-D. zip 저자 Tribes. DLL의 허가와 함께 사용 원본 소스 코드는 전체 소스 코드 (내 폴더) 지원되는 매개 변수와 함께 제공 : - 당 평가 (backtests)의 최대 수를 실행 (기본 1000). 당신은 치수의 증가 (최적화 PARAMS의 수)와 평가의 수를 늘려야합니다. 기본 (1000)는 2 또는 최대 3 차원 좋습니다. - 실행 (다시 시작)의 수. (기본값 5) 당신은 실행 (또는 다시 시작)의 기본 번호 (5)의 기본 값으로 실행의 수를 둘 수는 부족 최적화를 사용하려면 5로 설정되어, 당신은 단지 코드 한 줄을 추가해야합니다 OptimizerSetOption을 (/ . / 5000 평가 최대 CMA-ES - 공분산 행렬 적응 진화 전략 최적화 CMA-ES (공분산 행렬 적응 진화 전략) 고급 비 철저한 최적화 과학적 배경은 다음을 참조하십시오 bionik. tu-berlin. de/user/niko/cmaesintro에 따르면 과학 벤치 마크 (PSO, 유전 및 차등 진화와 같은) 다른 9, 가장 인기있는 진화 전략을 능가하는 성능. bionik. tu-berlin. de/user/niko/cec2005 CMAE. DLL 플러그인 실행의 기본 번호로 폴더)를 구현 (또는 다시 시작 ) 다시 시작의 기본 수를두고하는 것이 좋습니다 5에 설정되어 있습니다. 당신은 N 범위 1..10에 있어야 OptimizerSetOption (N) 호출을 사용하여 다를 수 있습니다. 10 개 이상의 실행을 지정하는 것은 가능하지만, 권장되지 않습니다. 이 기하 급수적으로 증가하므로 각 실행 두 번 이전 실행의 인구의 크기를 사용합니다. 따라서 10 실행하면 인구 2 (10)와 함께 첫 번째 실행 이상 (1024 회) 끝. 다른 매개 변수가있다. 디폴트 값은 플러그가 자동 MaxEval 필요 계산할 즉 제로이다. 기본이 잘 작동으로 직접 MaxEval을 정의 할 NOT 것이 좋습니다. 알고리즘은 요구되는 평가의 수를 최소화하기에 충분히 스마트이며 용액 포인트에 매우 빠르게 수렴 자주 더 빨리 다른 전략보다 솔루션을 발견한다. 해결책이 발견 된 것을 감지하면 플러그인 따라서는 최적화 진행 표시 줄이 몇 가지 점에서 매우 빠르게 이동할 수 놀라지 않을해야, 일부 평가 단계를 건너 뛸 것 정상입니다. 플러그인은 또한 상기 해결책을 찾기 위해 필요한 경우 초기 추정값 위에 단계 수를 증가시키는 능력이있다. 그것의 적응 특성으로하고 최적화 과정에서 달라질 수 있습니다. CMA-ES 최적화를 사용하려면, 당신은 단지 코드 한 줄을 추가해야합니다 이것은 대부분의 경우에 괜찮 기본 설정 최적화를 실행합니다. 그것이 많은 continouos 공간 검색 알고리즘의 경우와 감소의 치수 즉, 그대로는 주목해야한다. 실제로는 훨씬 빨리 수렴한다. 예를 들어, 3 (3 N) 차원의 파라미터 공간에서 액 적은 500-900로서 CMA-ES 단계에서 찾을 수있다 (100 100 100 100 만 남김 단계를 말한다). 여러 심볼 멀티 스레딩에 추가 AmiBroker 5.70에서 시작 각각의 최적화를 멀티 스레드. 당신은 멀티 스레드 단일 심볼 최적화를 수행 할 수 있습니다. 이 기능에 액세스하려면, 아래 옆에있는 화살표 드롭을 클릭합니다. 일반 최적화보다 훨씬 신속하게 하나의 심벌 최적화를 수행하기 위해 사용 가능한 모든 프로세서 코어를 사용한다. 모드에서는, 즉 최초의 완전한 첫 번째 심볼에 대한 최적화, 두 번째 심볼에 다음 최적화 등의 제한, 순차적으로 모든 기호를 처리합니다 : 1. 사용자 정의 backtester는 (아직) 지원되지 않습니다 2. 스마트 최적화 엔진이 지원되지 않습니다 - 단지 철저한 최적화 작업을 . AmiBroker이 변경 될 때 그래서 사용자 정의 backtester 더 이상 OLE를 사용하지 않는 - 결국 우리는 (1) 제한을 제거 할 수 있습니다. 그러나 (2) 오래 머물 아마 여기에있다.
No comments:
Post a Comment