Ottimizzazione sequenziale

L'ottimizzazione sequenziale è un nuovo metodo di ottimizzazione disponibile sia come nuovo tipo di ottimizzazione sia come nuovo controllo incrociato in StrategyQuant X 132.

Come funziona

Supponiamo di avere una strategia con 5 parametri: Param1, Param2, Param3, Param4, Param5.

L'ottimizzazione standard utilizza un approccio di forza bruta o di ottimizzazione genetica per esaminare tutte le possibili combinazioni di valori per questi cinque parametri e utilizza la variante con il fitness migliore.

Problemi di ottimizzazione standard

1. Porta facilmente a un over-fitting
   La variante migliore viene scelta in base al fitness, ma potrebbe essere solo un valore anomalo che si adatta ai dati forniti, non una regione stabile. È inoltre impossibile definire cosa sia una regione stabile se si ottimizzano più di 2 parametri contemporaneamente.
2. Può essere lento o non coprire tutto lo spazio dei parametri. se molti parametri sono ottimizzati
   Se ognuno dei cinque parametri ha 100 valori possibili, ci sono 100 x 100 x 100 x 100 x 100 x 100 combinazioni possibili.

Come funziona l'ottimizzazione sequenziale

In sequenza. Ottimizza questi cinque parametri in cinque fasi, una alla volta.

Il processo di ottimizzazione sequenziale funziona quindi come segue:

Passo 1 - il primo parametro Param1 viene ottimizzato.
Gli altri parametri vengono lasciati ai valori originali.
Il risultato è il valore ottimale (più stabile) di Param1

Passo 2 - il secondo parametro Param2 viene ottimizzato.
Utilizza il valore ottimale per Param1 (calcolato nel passo precedente, mentre gli altri parametri vengono lasciati ai loro valori originali.
Il risultato è il valore ottimale (più stabile) di Param2.

Passo 3 ...
Passo 4 ...

Passo 5 - il quinto parametro Param5 è ottimizzato.
Utilizza il valore ottimale per Param1, Param2, Param3, Param4 calcolato nei passi precedenti.
Il risultato è il valore ottimale (più stabile) di Param5, che completa l'ottimizzazione di tutti e cinque i parametri.

Come viene scelto il valore stabile di un parametro

Un'altra differenza importante rispetto all'ottimizzazione standard è il modo in cui il processo di ottimizzazione sceglie il valore ottimale dei parametri in ogni fase.

Invece di scegliere la variante con il fitness migliore, sceglie la variante che si trova al centro dell'area stabile migliore, definita nella configurazione.

L'area stabile è quella in cui il numero definito di risultati non è peggiore di circa % del miglior fitness di quella regione.

In questo modo sceglie il valore stabile, non quello migliore.

Cosa succede se l'area stabile non viene trovata?

Può accadere che non si trovi un'area stabile per il parametro specifico. In questo caso viene utilizzato il valore originale.

Questo aspetto viene utilizzato anche nel nuovo controllo incrociato: se non viene trovata un'area stabile per una determinata percentuale di parametri, la strategia viene rifiutata.

Nota - Dipendenza dai parametri originali

Si noti che il processo di ottimizzazione ottimizza solo un parametro alla volta: ad esempio, nel passaggio 1 viene ottimizzato solo il parametro 1, mentre gli altri parametri utilizzano i valori originali.

Ciò significa che il risultato di questo tipo di ottimizzazione dipende anche dai valori originali.

È possibile che il risultato dell'ottimizzazione in ogni fase (e l'area stabile risultante e il valore scelto) sia diverso se si utilizzano valori originali diversi all'inizio.