Olá a todos no palco.
Contexto da questão: Eu mesmo queria usar o aprendizado de máquina para otimizar os parâmetros da estratégia, em vez de optar por usar o recurso de ajuste de parâmetros da nossa plataforma, porque o método de ajuste de parâmetros violentos da nossa plataforma é menos eficiente quando o número de parâmetros é maior.

Problemas:

1. Quando o parâmetro de modelagem de retorno, a lógica do meu programa é cada vez que o meu programa para executar a estratégia de auto-treinamento 100 vezes, em seguida, buscar a melhor solução para o parâmetro. Mas na nossa plataforma de retorno, clique no botão de retorno de teste parecia parar automaticamente cada vez que apenas uma vez executado, por favor, como resolver isso? (Sem o uso da plataforma de retorno de função de ajuste, eu especifiquei diretamente o número de execuções dentro do meu próprio programa)
2. Nossa plataforma suporta um conjunto de estratégias para abrir dois threads, então um thread para analisar os parâmetros de otimização de acordo com a situação em tempo real, um thread para negociação em disco, analisar os parâmetros de otimização pode ser transmitido em tempo real para o disco (Se não, então você pode negociar através da testnet da bolsa, para atingir o objetivo de feedback?