Otimização seqüencial

A otimização seqüencial é um novo método de otimização disponível como novo tipo de otimização e um novo crosscheck em StrategyQuant X 132.

Como funciona

Digamos que temos uma estratégia com 5 parâmetros: Param1, Param2, Param3, Param4, Param5.

A otimização padrão utilizará força bruta ou abordagem de otimização genética para percorrer todas as combinações possíveis de valores para estes cinco parâmetros e utiliza a variante com a melhor adequação.

Problemas de otimização padrão

1. Leva facilmente a um ajuste excessivo
   A melhor variante é escolhida por aptidão, mas este poderia ser apenas um valor outlier que se encaixa nos dados fornecidos, não uma região estável. Também é impossível definir o que é uma região estável se você otimizar por mais de 2 parâmetros ao mesmo tempo.
2. Pode ser lento ou não cobre todo o espaço de parâmetros se muitos parâmetros forem otimizados
   Se cada um de seus cinco parâmetros tem 100 valores possíveis, então há 100 x 100 x 100 x 100 x 100 x 100 combinações possíveis.

Como funciona a otimização seqüencial

Seqüencialmente. Ele otimiza estes cinco parâmetros em cinco etapas, uma a uma.

Portanto, o processo de otimização seqüencial funciona da seguinte forma:

Passo 1 - o primeiro parâmetro, Param1, é otimizado.
O resto dos parâmetros são deixados em seus valores originais.
O resultado é o valor ótimo (mais estável) do parâmetro 1

Etapa 2 - o segundo parâmetro, Param2, é otimizado.
Ele usa o valor ideal para o parâmetro 1 (calculado na etapa anterior, o resto dos parâmetros são deixados em seus valores originais.
O resultado é o valor ótimo (mais estável) do Param2.

Etapa 3 …
Etapa 4 …

Passo5 - o quinto parâmetro, Param5, é otimizado.
Ele usa o valor ótimo para Param1, Param2, Param3, Param4 computado nas etapas anteriores.
O resultado é o valor ótimo (mais estável) do Param5, completando a otimização de todos os cinco parâmetros.

Como o valor estável de um parâmetro é escolhido

Outra grande diferença em relação à otimização padrão é como o processo de otimização escolhe o valor ótimo do parâmetro em cada etapa.

Em vez de escolher a variante com a melhor adequação, ele escolhe a variante que está no meio da melhor área estável, conforme definido na configuração.

Área estável é a área onde o número definido de resultados não é pior do que cerca de % da melhor condição física daquela região.

Desta forma, ele escolhe o valor estável, não o melhor.

E se a área estável não for encontrada?

Pode acontecer que nenhuma área estável seja encontrada para o parâmetro específico. Nesse caso, é utilizado o valor original.

Isto também é algo que é usado na nova verificação cruzada - se não for encontrada uma área estável para uma determinada porcentagem dos parâmetros, então a estratégia é recusada.

Nota - Dependência dos parâmetros originais

Observe que o processo de otimização otimiza apenas um parâmetro de cada vez - por exemplo, no Passo 1 apenas o parâmetro 1 é otimizado e o restante dos parâmetros utiliza valores originais.

Isto significa que o resultado deste tipo de otimizações depende também dos valores originais.

É possível que o resultado da otimização em cada etapa (e a área estável resultante e o valor escolhido) seja diferente se diferentes valores originais forem usados no início.