Algoritmo de otimização genética

Prezado Mark.

 

Quando escolho o método de otimização na guia Parameters (Parâmetros) da otimização, posso definir Brute Force (Força bruta) e Genetic Optimization (Otimização genética).

Primeiro, notei que há algum tempo, talvez um mês ou mais, a Otimização Genética estava funcionando de forma diferente, não tão bem quanto agora.

Antes, o número de simulações era ligeiramente decrescente; agora, geralmente é definido em 15.000 testes (a menos que haja muito poucos testes).

 

Posso pensar em algumas maneiras de fazer isso no local. A primeira é simplesmente escolher uma combinação aleatória de parâmetros, uma espécie de amostragem de Monte Carlo.

A segunda é fazer uma otimização um pouco inteligente - otimizar de 1 a 3 parâmetros, depois os próximos, e assim por diante. E faça isso algumas vezes em um ciclo,

para que o ponto convergisse para o ideal.

 

Você poderia nos dar uma ideia geral do tipo de método que está usando para a otimização genética? Talvez algo semelhante ao que descrevi, ou algo diferente?

 

Mais uma pergunta. Qual é a diferença entre o tipo Walk-Forward Exato e Simulado?

Ah, certo, é o mesmo que Força Bruta vs. Otimização Genética. A mesma pergunta sobre o algoritmo para esse também.

A otimização genética é feita por meio de algoritmos genéticos. 

 

Eles funcionam de forma a criar uma população aleatória de diferentes combinações de parâmetros e, em seguida, evoluí-la em gerações subsequentes para encontrar o "melhor" conjunto de parâmetros.

A otimização genética deve ser usada quando há muitas combinações e quando o método de força bruta não pode ser usado.

 

Mas é algo diferente de Exato e Simulado. O WF simulado é um modo mais rápido que não executa a análise completa do walk forward para cada combinação de WF, mas executa a otimização genética apenas uma vez e, em seguida, "simula" os resultados para diferentes combinações de WF.

 

Ele é muito mais rápido, mas preciso o suficiente para ser usado normalmente em vez do método exato.