Wiem, że MT ma wbudowaną funkcję optymalizacji opartą na GA, chciałem tylko pokazać jak działa GA, co ma być wstępem do GP. Chciałem podkreślić, że GP (genetyczne programowanie) wykorzystuje GA ale to nie to samo!Tig3r pisze:Panowie, to co opisujecie MT4 ma już wbudowane przy optymalizacji.
Wszystko sie zgadza i mówimy o tym samym. W podanym przykładzie x,y czy z przyjmują wartości 0 lub 1 a zatem można je nazwać bitami. To ilu bitów potrzebujemy zależy tylko od tego jaką informajcę potrzebujemy zakodować.Zastanawiam się również, czy wersja greena z kodem typu "xxxxyyyyzzzzvvvvv" jest poprawna ale używa innych pojęć niż przedstawionych przeze mnie czy mówimy w ogóle o czymś innym.
Jeżeli chodzi o tę kwestię to ja nie widzę żadnego problemu. Mając danego osobnika, dekodujemy informację zawartą w jego chromosomie a uzyskane wartości parametrów wstawiamy do systemu. Następnie system zapuszczamy na danych i uzyskujemy wszyskie niezbędne informacje do funkcji celu np. zysk, max dd, %zyskownych transakcji, SharpeRatio i cokolwiek sobie chcemy wyliczyć.StudenTM84 pisze:No i pozostaje problem z funkcją przystosowania/celu w postaci zysku... - jak ją stworzyć posiadając jedynie informacje o cenie HOCL... no chyba, że zostaniemy przy standardowej funkcji (y-d)^2
Każdy osobnik uzyska inny wynik i na tej podstawie dokonujemy selekcji.
Chciałem jeszcze raz podkreślić, że GA to nie jest to samo co GP. GA jest wbudowane do MT i nie wydaje mi się, żeby warto było się nim zajmować, to jest po prostu algorytm do optymalizacji.
Wydaje mi się, że to na co warto zwrócić uwagę to właśnie GP. Chodzi o to, że dzięki temu ewoluuje cały system, jego struktura, nie optymalizujemy tylko wartości parametrów. Napisać coś takiego to już nie jest prosta sprawa, aczkolwiek nie jest to niemożliwe.

Zapuszczamy algorytm i całe systemy ewoluują, Może nam np, wyjść system
if open[0]>high[1] then buy else do nothing a może wyjść i
if (open[0]<low[1] and (if low[1]<low[2])) then ... itd
Chodzi o to, że nie musimy od razu znać struktury systemu w którym optymalizujemy parametry, ewoluuje cały system