fxsaber
fxsaber личный блог
16 апреля 2024, 01:25

Алгоритмическая или реальная Оптимизация?

Для ускорения оптимизации ТС делают следующее

 

  1. Увеличивают количество параллельных вычислительных потоков.
  2. Пробуют разные компиляторы.
  3. Переписывают код под особенности железа (OpenCL, GPU и т.д.).
  4. Пробуют разные алгоритмы оптимизации.
  5. Уменьшают количество входных данных (цены, календарь и т.д.).
  6. Заменяют внутренние алгоритмы на более оптимальные по вычислительным ресурсам.

Последний пункт называют алгоритмической оптимизацией.

 

Реальная оптимизация.

А может ли реальная (вычислительная) оптимизация ускорить оптимизацию? Звучит, как масло масленное.

Ниже приведу пример, который, возможно, кого-то натолкнет на полезные идеи ускорения расчетов в своих ТС.

 

Пример.

Хотелось привести не гипотетический, а реальный пример, но при этом лаконичный. И тут случай подвернулся.

 

Разбирался с особенностями DST/GMT-смещений в разных источниках котировок и календаря. Там многое завязано на первом/втором/последнем воскресенье месяца. Поэтому ядром подобных вычислений является расчет времени начала месяца. Вот эту функцию и попробуем ускорить.

datetime GetMonthTime( const int Year, const int Month )
{
  const MqlDateTime time = {Year, Month, 1};
  
  return(StructToTime(time));
}

 

 

 

Казалось бы, что тут ускорять? А главное — как?!

 

Оптимизация — кто кому служит?

Чем меньше математических действий, тем быстрее работает алгоритм. Поэтому немного включив интуицию, напишем общий вид функции, который хотим получить.

#define DAY (24 * 3600)

datetime GetMonthTime2( const int Year, const int Month )
{
  // Количество дней от начала года до начала месяца: январь - 0, февраль - 31, март - 59, ...
  static const double Months[] = {0, 0, 31, 59, 90, 120, 151, 181, 212 ,243, 273, 304, 334};
  
  return((datetime)(((Year - 1970) * inKoef1 + Months[Month] * inKoef2) * DAY) / DAY * DAY);
}

Код родился из следующих соображений. Раз есть год и месяц на входе, то почему бы не ограничиться по одному коэффициенту на каждый входной.

 

Коэффициенты.

А вот подобрать эти коэффициенты способна стандартная оптимизация. Поэтому пишем ФФ (фитнесс функцию) и натравливаем оптимизатор.

input double inKoef1 = 365;
input double inKoef2 = 1;

sinput int inYearFrom = 1970;
sinput int inYearTo = 2099; 
input int inMonth = 1;

double OnTester()
{
  double Sum = 0;
  
  for (int i = inYearFrom; i <= inYearTo; i++)
    Sum -= (double)MathAbs(GetMonthTime(i, inMonth) - GetMonthTime2(i, inMonth));

  return(Sum);
}

 

Для наглядности, в качестве оптимизатора выступит многоядерный MT5-Тестер в режиме математических вычислений.

Алгоритмическая или реальная Оптимизация?

 

Запускаем и мгновенно получаем результат.

Алгоритмическая или реальная Оптимизация?

Нулевая ошибка (полное совпадение с тем, что надо получить) и комбинации соответствующих коэффициентов.

 

Делаем так для каждого месяца. И в итоге получаем искомую функцию.

// Работает до конца XXI-века.
datetime GetMonthTime3( const int Year, const int Month )
{
  static const double Months[] = {0, 0.45, 31 * 1.01, 59 * 1.01, 90 * 1.007, 120 * 1.005, 151 * 1.004, 181 * 1.004,
                                  212 * 1.003, 243 * 1.003, 273 * 1.002, 304 * 1.002, 334 * 1.002};
  
  return((datetime)(((Year - 1970) * 365.25 + Months[Month]) * DAY) / DAY * DAY);
}

 

Ускорение.

Выглядит некрасиво, но работает в 10-20 раз быстрее исходной!

Наверное, подобная по скорости функция где-то опубликована. Но сгодилась в качестве примера механизма ускорения.

6 Комментариев
  • SergeyJu
    16 апреля 2024, 11:19
    Вот честно не понял, что сделал автор и почему нужна оптимизация для событий детерминированных. Не проще ли создать один раз таблицу на 20 и 21 век? 
    Что касается самой задачи оптимизации для алго, то просто для затравки перечислю последовательность задач и методов. 
    1. Самое неформальное и сложное, это выбор функционала, который нужно оптимизировать. Как-то доходность, Шарп, Сортино, список на самом деле обширный. Некоторые вообще отказываются от сведения задачи к функционалу и воюют с многомерной оптимизацией. 
    2. Собственно алгоритмы оптимизации. Перечислены в любом учебнике. 
    Перебор по сетке. Покоординатный спуск. Сопряженные градиенты. Метод Ньютона и численные его вариации. Метод ветвей и границ. Монте-Карло. Генетика. 
    3. Переподгонка и что с ней делать или можно ли делать то, что нельзя.  А если можно, то как.
    • Replikant_mih
      16 апреля 2024, 21:11

      SergeyJu, В моем текущем подходе нет понятия «оптимизация» и какого-то процесса, похожего, на то, что алго-трейдеры под ней понимают. Но было время, когда что-то похожее у меня было. Но даже если я перемещусь в то время, даже из него всё это для меня выглядит не очень историей. Причем и (1) и (2), ну (3) — классика, тут без вариантов).

       

      При оптимизации, если такой процесс есть, нужно оптимизировать робастность. Ну или робастность и какую-то метрику качества. Даааже если ты выбрал какую-то метрику про робастность, смотреть надо не на метрику прогона, а на метрики прогонов — и не для того чтобы найти у кого больше.

      Алгоритмы оптимизации — ну раз тумбочка из под ног пункта 1 выбита, из под 2 автоматом тоже вылетает. 

      (3) — как сказал, бессмертная классика.

      • SergeyJu
        16 апреля 2024, 21:20
        Replikant_mih, Вы уверены, что у Вас нет оптимизации? 
        Часто оптимизация маскируется под что-то другое. Например, выбор таймфрейма или актива. 
        С робастностью (устойчивостью, грубостью) тоже не все просто. 
        Если в некоторой области значений все получаемые системы вполне себе торгуемы и можно торговать не одну систему, а пучок — наблюдается некая робастность. 
        Но ни откуда не следует, что, в силу нестационарности цен, эта зона в будущем не престанет нести деньги робастно-робастно.
        • Replikant_mih
          16 апреля 2024, 21:52
          SergeyJu, Чет я опять куда-то не туда ответил).
  • Replikant_mih
    16 апреля 2024, 21:51
    уверены, что у Вас нет оптимизации? 


    Не, ну как тип задачи, что-то есть конечно, но оно оочень отличается от вот этой истории с прогонами подобного.

     

    Если в некоторой области значений все получаемые системы вполне себе торгуемы и можно торговать не одну систему, а пучок — наблюдается некая робастность. 

     

    Ну мож я сам тут конечно, слишком сильно деклассировал подход), но вот алгоритмы из (2) — они же, вроде, не особо ищут какие-то плато или точки стабильности — им просто нужен максимум — глобальный или локальный.

    Если анализировать группы результатов не только как способ найти «самого здорового», то конечно в этом будет на порядок больше смысла.

    • SergeyJu
      16 апреля 2024, 22:17
      Replikant_mih, эмпирически все доходят, что пологая зона оптимума намного лучше, чем иголка, и что не важен сам экстремум, важна некая окрестность его. 
      Одно время я баловался с критериями типа хи-квадрат, Акаике и так далее. Но те грубости, в который мы копаемся, весьма далеки от красивостей матстатистики. Что ни говори, высокий уровень шума и нестационарность 
      «с белой ручки не стряхнешь и за пояс не заткнешь». 

Активные форумы
Что сейчас обсуждают

Старый дизайн
Старый
дизайн