더보기: 현재 막대에서 구매와 같은 구매 신호, 앞으로 가장 적은 수의 막대를 계산합니다.
나는 그것을 부드럽게하는 방법과 비슷한 옵션이 있습니다. 나는 100 페이지 전에 그것을 표명했지만 더 추상적 인 수준으로 가지고 있습니다 ...
타깃을 아예 버리고 평소처럼 거래를 하는 방법도, 들어갈 수 있는 위치도, 나갈 수 있는 위치도, 아무것도 모릅니다.
우리가 생각해낸 모든 목표(트렌드, zz, 캔들 컬러, 바운스)는 시장 움직임, 주관주의를 있는 그대로 설명하려는 시도에서 순수한 개그이기 때문입니다.
모두가 자신의 방향을 선택하고 모두가 그것을 파고 있습니다. 촛불의 색은 누구입니까, 누구는 zz, 저는 개인적으로 리바운드 zz 등을 사용합니다. 이것은 모두 극도로 주관적이며 이것이 우리를 분리시키는 것입니다. 사실 우리는 모든 것을 동일하게 수행하고 결과는 동일합니다.
나는 우리 모두를 단결시키고 주관적이지 않을 것, 즉 형식의 대상을 취할 것을 제안합니다. 당신은 욕망을 말할 수 있습니다
"알고리즘이 주당 최소 5%를 벌고 최대 2%의 손실을 얻길 원합니다."
정상적인 목표? 모두가 좋아하고 잘 어울리죠? 그리고 모든 것이 명확합니다 ...
그것들은 우리가 발명한 타겟 유형 ZZ 등에 따르지 않고 네트워크를 훈련시킵니다. 이것은 주관적이고 이익이나 드로다운 또는 급격한 비율 또는 PV 또는 이러한 지표의 조합에서 특정 최소 또는 최대 검색으로 네트워크를 훈련시킵니다.
그리고 접근 방식은 다음과 같이 들릴 것입니다. 네트워크에서 거래하는 방식에 대해 신경 쓰지 않고 원하는 대로 거래하지만 매주 최대 2%의 감소와 함께 +5%가 필요합니다.... 네트워크 거래를 허용 자체적으로 추세가 무엇인지, 반전이 무엇인지 스스로 결정하게 하십시오. 사실, 우리가 관심을 갖는 것은 이익과 하락뿐입니다. 우리는 그것을 통제합니다. 우리는 거래 방법을 모릅니다. 저기로가 ....
그것들은 우리가 발명한 목표 유형 ZZ 등에 따르지 않는 네트워크를 훈련합니다. 이것은 주관적이고 이익이나 드로다운 또는 급격한 비율 또는 PV 또는 이러한 지표의 조합에서 특정 최소 또는 최대 검색으로 네트워크를 훈련시킵니다.
선택한 목표가 주관적이고 비합리적이라는 데 동의합니다. 나는 역사에 대해 약간의 거래를 배웠지만 여전히 새로운 데이터에 대해 정확하게 예측할 수 없는 rneat 패키지로 거래 모델을 만들려고 했습니다.
한 가지 매우 중요한 차이점이 있습니다. 게임에 대한 이러한 모든 실험에서 모델은 각 게임에서 수만 번 훈련합니다. 그리고 그 결과는 바로 이 게임을 하여 평가하는 것, 말하자면 훈련용 데이터에 대한 평가이다. Forex의 경우 훈련 데이터에 대한 좋은 작업으로는 충분하지 않으며 새로운 데이터에 대한 모델도 필요하며 분명히 이것은 그러한 알고리즘에 대한 큰 문제입니다.
일반적으로 모델을 과적합하면 모델이 훈련 예제를 매우 정확하게 기억하게 됩니다. 훈련은 몇 가지 일반적인 규칙을 유도하는 모델, 예측 변수에 대한 목표 값의 의존성으로 시작하지만 훈련이 진행될수록 모델의 이러한 규칙이 더 엄격해지고 결국 완전히 학습된 예제로 이어지며 모델은 완전히 불가능합니다. 새로운 데이터를 예측합니다. 이것은 교차 검증으로 해결되며 모델이 이미 일부 일반화 규칙을 도출했지만 아직 특정 예를 기억하기 시작하지 않은 단계에서 훈련을 중단하면 새로운 데이터에 대한 더 나은 예측 지표를 제공할 것입니다.
이는 예를 들어 이미지 인식 또는 사운드와 같이 시간이 지남에 따라 종속성이 변경되지 않은 상태로 유지되는 데이터에서 잘 작동합니다. 그러나 forex는 발견된 많은 종속성이 시간이 지남에 따라 지속되지 않는다는 점에서 다릅니다. 문제는 훈련 예를 기억하지 않고 학습을 달성하는 것뿐만 아니라, 발견된 패턴이 미래에 존재할 것이라는 것을 어떻게든 확인하는 것입니다.
당신은 모두 맞습니다. 그림, 소리의 인식은 표본이 대표적이고 대조군 표본에 그림을 그리는 방식이 뇌성마비를 앓고 있는 왼손잡이 환자에게 주어지지 않는 한(대략, 죄송합니다) 의사 고정 과정입니다.
이 작업은 보다 완벽하게 다음과 같이 들립니다. 목표 변수와 관련하여 예측 변수를 평가하는 방법을 개발하여 예측 변수와 목표 변수 간의 관계가 일정하고 새 데이터에도 존재할 것이라고 자신 있게 말할 수 있습니다.
시간 경과에 따른 일관성을 기반으로 예측 변수에 대한 중요도를 기준으로 예측 변수를 선택 하는 것은 더 큰 단일 샘플에서 예측 변수를 찾는 것과 거의 같습니다. 즉, 여러 개의 연속 샘플에서 모든 영역에서 똑같이 잘 작동하는 예측 변수가 선택되면 이것이 이러한 영역에 직접적으로 적합하다고 말하고 싶습니다.
사실, N개의 예측 변수 중에서 n이 선택되어 어디에서나 잘 작동합니다(사용 가능한 모든 샘플에서). 알겠습니다. 다음은 무엇입니까? 그리고 우리가 배수구를 관찰하는 실제 포워드가 있습니다. 이유는 무엇입니까?
그 이유는 사이트 K에서 예측 변수 선택 기술이 사이트 M에서 유사한 품질 결과를 생성하도록 테스트되지 않았기 때문입니다. 다시 말해, 예측 변수의 각 선택된 하위 집합은 K와 M에서 상관된 결과를 생성해야 합니다.
나는 당신을 위해 그러한 예측 변수와 그에 대응하는 모델을 선택할 수 있습니다. 샘플에서 배우지 않고도 이 섹션을 아주 잘 통과합니다. 사실, 이것은 모든 샘플을 함께 붙이면 잘 배울 수 있는 모델입니다. 저는 수동으로 이 접착 작업을 수행합니다.
학습 및 검증 중에 모델이 왼쪽 그림과 같이 동작하도록 예측자를 선택하는 방법을 찾아야 합니다.
그래야만 모델이 샘플 외 테스트를 통과했다고 말할 수 있습니다. 그리고 일부 모델(예측자)이 샘플에서 빠져나가는 것만이 아닙니다.
내 입장이 왜 어려운지 이해가 안 된다. 나는 이미 샘플에 있는 모델과 샘플에 있지 않은 모델의 작업 사이에 상관 관계를 보지 못한다면 강력한 모델을 생성하지 못한다고 말했습니다. 이해하지 못하거나 해본 적이 없습니다.
내가 말하는 것은 모델이 모든 곳에서 잘 작동하도록 예측 변수 또는 모델 매개변수를 맞추면 FIT하기 쉽다는 것입니다. 모델이 과적합으로부터 보호되더라도 과적합됩니다.
나는 이미 논의했지만 죄송합니다. 잊어 버렸습니다.
게다가 악기의 복잡함 때문에 요구사항을 너무 엄격하게 만드시는 것 같고, 복잡한 것보다 항상 단순한 것이 더 좋은 것 같아요.
다음 스키마를 사용하고 있습니다.
1. 목표 변수 공식화
2. 내 목표 변수와 직관적으로 관련된 예측 변수 세트를 생각해 냅니다.
3. 내 알고리즘에 따라 형식적인 이유로 노이즈에 기인하는 예측 변수를 걸러냅니다. 보통 내가 생각해 낸 원래 금액의 15~20%가 남습니다.
4. 최소 10,000바의 큰 파일을 만듭니다.
5. 이 파일을 7000과 3000의 두 부분으로 나눕니다.
6. 7000시 - 모델을 가르치고 테스트하고 검증합니다.
7. 세 개의 숫자가 모두 대략적으로 일치하면 항목 8입니다. 그렇지 않은 경우 1번 항목으로 돌아갑니다.
8. 나는 훈련된 모델을 실제로 사용한다. 그러나 현재 창에서 예측 변수를 알고리즘(저는 rfe 사용) 중 하나로 선택 합니다. 나는 H1을 위해 주말에 이 선택을 합니다. 내가 모델을 가르친 세트의 rfe는 현재 창에 대해 5개 이상의 예측 변수를 선택합니다. 예측변수 목록은 시시각각 바뀌지만 초기 훈련 때 받은 집합에서 선택한다.
이 전체 계획은 작년 가을부터 실생활에서 강력하게 작동했습니다. 그러나 중요한 것이 하나 있습니다. 이것은 고문의 일부일 뿐입니다. 이전에 나의 고문들은 6개월 이상 TA에서 살지 않았습니다. 이제 이 문제가 보이지 않습니다.
나는 그것을 부드럽게하는 방법과 비슷한 옵션이 있습니다. 나는 100 페이지 전에 그것을 표명했지만 더 추상적 인 수준으로 가지고 있습니다 ...
타깃을 아예 버리고 평소처럼 거래를 하는 방법도, 들어갈 수 있는 위치도, 나갈 수 있는 위치도, 아무것도 모릅니다.
우리가 생각해낸 모든 목표(트렌드, zz, 캔들 컬러, 바운스)는 시장 움직임, 주관주의를 있는 그대로 설명하려는 시도에서 순수한 개그이기 때문입니다.
모두가 자신의 방향을 선택하고 모두가 그것을 파고 있습니다. 촛불의 색은 누구입니까, 누구는 zz, 저는 개인적으로 리바운드 zz 등을 사용합니다. 이것은 모두 극도로 주관적이며 이것이 우리를 분리시키는 것입니다. 사실 우리는 모든 것을 동일하게 수행하고 결과는 동일합니다.
나는 우리 모두를 단결시키고 주관적이지 않을 것, 즉 형식의 대상을 취할 것을 제안합니다. 당신은 욕망을 말할 수 있습니다
"알고리즘이 주당 최소 5%를 벌고 최대 2%의 손실을 일으키기를 원합니다."
정상적인 목표? 모두가 좋아하고 잘 어울리죠? 그리고 모든 것이 명확합니다 ...
당신은 나를 이해하지 못하는 것 같다. zz나 다른 표시가 아닌 그리드에 입력할 위치를 알려주지 않습니다. 훈련된 네트워크 자체가 입력할 위치를 선택합니다.
당신은 역사에 대한 전략의 작업을 평가합니까, 아니면 앞으로 나아갈 길이 있습니까? 악마는 역사에 대한 평가에 있을지도 모릅니다.
충동에 따라 입장하고 여러 조건에서 OR 을 통해 종료합니다. 기본적으로 작동합니다. 하지만 고점에 진입하면 적자에서 벗어나려면 1년을 기다려야 합니다.
더보기: 현재 막대에서 구매와 같은 구매 신호, 앞으로 가장 적은 수의 막대를 계산합니다.
나는 그것을 부드럽게하는 방법과 비슷한 옵션이 있습니다. 나는 100 페이지 전에 그것을 표명했지만 더 추상적 인 수준으로 가지고 있습니다 ...
타깃을 아예 버리고 평소처럼 거래를 하는 방법도, 들어갈 수 있는 위치도, 나갈 수 있는 위치도, 아무것도 모릅니다.
우리가 생각해낸 모든 목표(트렌드, zz, 캔들 컬러, 바운스)는 시장 움직임, 주관주의를 있는 그대로 설명하려는 시도에서 순수한 개그이기 때문입니다.
모두가 자신의 방향을 선택하고 모두가 그것을 파고 있습니다. 촛불의 색은 누구입니까, 누구는 zz, 저는 개인적으로 리바운드 zz 등을 사용합니다. 이것은 모두 극도로 주관적이며 이것이 우리를 분리시키는 것입니다. 사실 우리는 모든 것을 동일하게 수행하고 결과는 동일합니다.
나는 우리 모두를 단결시키고 주관적이지 않을 것, 즉 형식의 대상을 취할 것을 제안합니다. 당신은 욕망을 말할 수 있습니다
"알고리즘이 주당 최소 5%를 벌고 최대 2%의 손실을 얻길 원합니다."
정상적인 목표? 모두가 좋아하고 잘 어울리죠? 그리고 모든 것이 명확합니다 ...
그것들은 우리가 발명한 타겟 유형 ZZ 등에 따르지 않고 네트워크를 훈련시킵니다. 이것은 주관적이고 이익이나 드로다운 또는 급격한 비율 또는 PV 또는 이러한 지표의 조합에서 특정 최소 또는 최대 검색으로 네트워크를 훈련시킵니다.
그리고 접근 방식은 다음과 같이 들릴 것입니다. 네트워크에서 거래하는 방식에 대해 신경 쓰지 않고 원하는 대로 거래하지만 매주 최대 2%의 감소와 함께 +5%가 필요합니다.... 네트워크 거래를 허용 자체적으로 추세가 무엇인지, 반전이 무엇인지 스스로 결정하게 하십시오. 사실, 우리가 관심을 갖는 것은 이익과 하락뿐입니다. 우리는 그것을 통제합니다. 우리는 거래 방법을 모릅니다. 저기로가 ....
그것을 구현하는 방법 ...
이미 게임 방법, 특히 슈퍼 마리오를 가르치는 네트워크가 있습니다. http://gekkoquant.com/2016/03/13/evolving-neural-networks-through-augmenting-topologies-part-1-of-4/ , 나는 같은 방식으로 네트워크를 훈련하는 것이 좋습니다. 비유를 그려 봅시다 ..
1) 환경이 있습니다-침을 뱉는 거북이, 파이프 형태의 장애물, 뛰어 넘어야 하는 상자 등.
2) 액션이 있습니다 - 네트워크가 마리오를 제어하기 위해 누르는 조이스틱 버튼
3) 포인트가 있습니다 - 네트워크에 대한 보상
4) 처벌이 있습니다 - 마리오의 죽음
환경(1)에 들어가면 네트워크가 조이스틱 버튼(2)을 누르기 시작하는 등 수천 번을 반복하여 죽지 않고 수용 가능한 포인트 수(3)로 레벨을 완료하는 방법을 배울 때까지(4)
거래 유추
1) 환경 - 네트워크로 들어오는 데이터 - 예측자가 있습니다.
2) 행동이 있습니다 - 매수/매도/아무것도 하지 않음
3) 포인트가 있습니다 - 결과 이익
4) 처벌이 있습니다 - 결과적으로 감소
그것들은 우리가 발명한 목표 유형 ZZ 등에 따르지 않는 네트워크를 훈련합니다. 이것은 주관적이고 이익이나 드로다운 또는 급격한 비율 또는 PV 또는 이러한 지표의 조합에서 특정 최소 또는 최대 검색으로 네트워크를 훈련시킵니다.
선택한 목표가 주관적이고 비합리적이라는 데 동의합니다. 나는 역사에 대해 약간의 거래를 배웠지만 여전히 새로운 데이터에 대해 정확하게 예측할 수 없는 rneat 패키지로 거래 모델을 만들려고 했습니다.
한 가지 매우 중요한 차이점이 있습니다. 게임에 대한 이러한 모든 실험에서 모델은 각 게임에서 수만 번 훈련합니다. 그리고 그 결과는 바로 이 게임을 하여 평가하는 것, 말하자면 훈련용 데이터에 대한 평가이다. Forex의 경우 훈련 데이터에 대한 좋은 작업으로는 충분하지 않으며 새로운 데이터에 대한 모델도 필요하며 분명히 이것은 그러한 알고리즘에 대한 큰 문제입니다.
1) 선택한 목표가 주관적이고 비합리적이라는 데 동의합니다. 나는 역사에 대해 약간의 거래를 배웠지만 여전히 새로운 데이터에 대해 정확하게 예측할 수 없는 rneat 패키지로 거래 모델을 만들려고 했습니다.
2) Forex의 경우 훈련을 위한 데이터에 대한 좋은 작업으로는 충분하지 않으며 모델도 새로운 데이터에 대해 작동해야 하며 이는 분명히 그러한 알고리즘에 대한 큰 문제입니다.
1) 정확히 표현하는 방법은 모르겠으나 실험에서 네트워크가 생각하지 못하게 하고 네트워크가 스스로 거래를 하도록 놔두지 않고 타겟을 대체하여 네트워크를 가장 평범한 것으로 만들었습니다. 모델, 그 본질은 자체 학습이며, 당신이 그것을 위해 한 것입니다. 알겠습니까?
나는 그녀에게 그녀 자신을 거래하게 하고, 그녀가 스스로 거래를 하고 스스로 결론을 내리게 하고, 그녀의 목표 데이터를 마크업하지 말라고 말하고 있습니다.
우리의 통제는 이익과 손실입니다. 그게 전부입니다. 그런 다음 그녀 자신 ...
2) 예, 이것은 모든 알고리즘의 문제이지만 네트워크가 우리의 주관성 없이 목표 없이 자체적으로 잘 거래하는 법을 배운다면 새로운 데이터를 보다 객관적으로 인식할 가능성이 있습니다. 우리가 이미 알고 있는 목표를 가진 알고리즘이 새로운 데이터를 인식하는 방법
나는 앞으로를 확인합니다. 피크에 들어가면 SL이 있습니다.
묵시적이긴 하지만 모든 사람이 이해할 수 있도록 추가하는 것이 좋습니다.
일반적으로 모델을 과적합하면 모델이 훈련 예제를 매우 정확하게 기억하게 됩니다. 훈련은 몇 가지 일반적인 규칙을 유도하는 모델, 예측 변수에 대한 목표 값의 의존성으로 시작하지만 훈련이 진행될수록 모델의 이러한 규칙이 더 엄격해지고 결국 완전히 학습된 예제로 이어지며 모델은 완전히 불가능합니다. 새로운 데이터를 예측합니다. 이것은 교차 검증으로 해결되며 모델이 이미 일부 일반화 규칙을 도출했지만 아직 특정 예를 기억하기 시작하지 않은 단계에서 훈련을 중단하면 새로운 데이터에 대한 더 나은 예측 지표를 제공할 것입니다.
이는 예를 들어 이미지 인식 또는 사운드와 같이 시간이 지남에 따라 종속성이 변경되지 않은 상태로 유지되는 데이터에서 잘 작동합니다. 그러나 forex는 발견된 많은 종속성이 시간이 지남에 따라 지속되지 않는다는 점에서 다릅니다. 문제는 훈련 예를 기억하지 않고 학습을 달성하는 것뿐만 아니라, 발견된 패턴이 미래에 존재할 것이라는 것을 어떻게든 확인하는 것입니다.
당신은 모두 맞습니다. 그림, 소리의 인식은 표본이 대표적이고 대조군 표본에 그림을 그리는 방식이 뇌성마비를 앓고 있는 왼손잡이 환자에게 주어지지 않는 한(대략, 죄송합니다) 의사 고정 과정입니다.
이 작업은 보다 완벽하게 다음과 같이 들립니다. 목표 변수와 관련하여 예측 변수를 평가하는 방법을 개발하여 예측 변수와 목표 변수 간의 관계가 일정하고 새 데이터에도 존재할 것이라고 자신 있게 말할 수 있습니다.
시간 경과에 따른 일관성을 기반으로 예측 변수에 대한 중요도를 기준으로 예측 변수를 선택 하는 것은 더 큰 단일 샘플에서 예측 변수를 찾는 것과 거의 같습니다. 즉, 여러 개의 연속 샘플에서 모든 영역에서 똑같이 잘 작동하는 예측 변수가 선택되면 이것이 이러한 영역에 직접적으로 적합하다고 말하고 싶습니다.
사실, N개의 예측 변수 중에서 n이 선택되어 어디에서나 잘 작동합니다(사용 가능한 모든 샘플에서). 알겠습니다. 다음은 무엇입니까? 그리고 우리가 배수구를 관찰하는 실제 포워드가 있습니다. 이유는 무엇입니까?
그 이유는 사이트 K에서 예측 변수 선택 기술이 사이트 M에서 유사한 품질 결과를 생성하도록 테스트되지 않았기 때문입니다. 다시 말해, 예측 변수의 각 선택된 하위 집합은 K와 M에서 상관된 결과를 생성해야 합니다.
나는 당신을 위해 그러한 예측 변수와 그에 대응하는 모델을 선택할 수 있습니다. 샘플에서 배우지 않고도 이 섹션을 아주 잘 통과합니다. 사실, 이것은 모든 샘플을 함께 붙이면 잘 배울 수 있는 모델입니다. 저는 수동으로 이 접착 작업을 수행합니다.
학습 및 검증 중에 모델이 왼쪽 그림과 같이 동작하도록 예측자를 선택하는 방법을 찾아야 합니다.
그래야만 모델이 샘플 외 테스트를 통과했다고 말할 수 있습니다. 그리고 일부 모델(예측자)이 샘플에서 빠져나가는 것만이 아닙니다.
Alexei의 입장이 나에게 완전히 명확하지 않기 때문에 당신과 내가 함께 있는 것 같습니다.
내 입장이 왜 어려운지 이해가 안 된다. 나는 이미 샘플에 있는 모델과 샘플에 있지 않은 모델의 작업 사이에 상관 관계를 보지 못한다면 강력한 모델을 생성하지 못한다고 말했습니다. 이해하지 못하거나 해본 적이 없습니다.
내가 말하는 것은 모델이 모든 곳에서 잘 작동하도록 예측 변수 또는 모델 매개변수를 맞추면 FIT하기 쉽다는 것입니다. 모델이 과적합으로부터 보호되더라도 과적합됩니다.
그 이유는 사이트 K에서 예측 변수 선택 기술이 사이트 M에서 유사한 품질 결과를 생성하도록 테스트되지 않았기 때문입니다. 다시 말해, 예측 변수의 각 선택된 하위 집합은 K와 M에서 상관 결과를 생성해야 합니다.
무엇과 무엇을 연관시켜야 합니까? 당신은 그것을 어떻게합니까? 나도 이해가 안감..
이해하지 못하거나 해본 적이 없습니다.
당신 외에는 아무도 이것을 하지 않았다고 생각합니다.
내 입장이 왜 어려운지 이해가 안 된다. 나는 이미 샘플에 있는 모델과 샘플에 있지 않은 모델의 작업 사이에 상관 관계를 보지 못한다면 강력한 모델을 생성하지 못한다고 말했습니다. 이해하지 못하거나 해본 적이 없습니다.
내가 말하는 것은 모델이 모든 곳에서 잘 작동하도록 예측 변수 또는 모델 매개변수를 맞추면 FIT하기 쉽다는 것입니다. 모델이 과적합으로부터 보호되더라도 과적합됩니다.
나는 이미 논의했지만 죄송합니다. 잊어 버렸습니다.
게다가 악기의 복잡함 때문에 요구사항을 너무 엄격하게 만드시는 것 같고, 복잡한 것보다 항상 단순한 것이 더 좋은 것 같아요.
다음 스키마를 사용하고 있습니다.
1. 목표 변수 공식화
2. 내 목표 변수와 직관적으로 관련된 예측 변수 세트를 생각해 냅니다.
3. 내 알고리즘에 따라 형식적인 이유로 노이즈에 기인하는 예측 변수를 걸러냅니다. 보통 내가 생각해 낸 원래 금액의 15~20%가 남습니다.
4. 최소 10,000바의 큰 파일을 만듭니다.
5. 이 파일을 7000과 3000의 두 부분으로 나눕니다.
6. 7000시 - 모델을 가르치고 테스트하고 검증합니다.
7. 세 개의 숫자가 모두 대략적으로 일치하면 항목 8입니다. 그렇지 않은 경우 1번 항목으로 돌아갑니다.
8. 나는 훈련된 모델을 실제로 사용한다. 그러나 현재 창에서 예측 변수를 알고리즘(저는 rfe 사용) 중 하나로 선택 합니다. 나는 H1을 위해 주말에 이 선택을 합니다. 내가 모델을 가르친 세트의 rfe는 현재 창에 대해 5개 이상의 예측 변수를 선택합니다. 예측변수 목록은 시시각각 바뀌지만 초기 훈련 때 받은 집합에서 선택한다.
이 전체 계획은 작년 가을부터 실생활에서 강력하게 작동했습니다. 그러나 중요한 것이 하나 있습니다. 이것은 고문의 일부일 뿐입니다. 이전에 나의 고문들은 6개월 이상 TA에서 살지 않았습니다. 이제 이 문제가 보이지 않습니다.
나는 그것을 부드럽게하는 방법과 비슷한 옵션이 있습니다. 나는 100 페이지 전에 그것을 표명했지만 더 추상적 인 수준으로 가지고 있습니다 ...
타깃을 아예 버리고 평소처럼 거래를 하는 방법도, 들어갈 수 있는 위치도, 나갈 수 있는 위치도, 아무것도 모릅니다.
우리가 생각해낸 모든 목표(트렌드, zz, 캔들 컬러, 바운스)는 시장 움직임, 주관주의를 있는 그대로 설명하려는 시도에서 순수한 개그이기 때문입니다.
모두가 자신의 방향을 선택하고 모두가 그것을 파고 있습니다. 촛불의 색은 누구입니까, 누구는 zz, 저는 개인적으로 리바운드 zz 등을 사용합니다. 이것은 모두 극도로 주관적이며 이것이 우리를 분리시키는 것입니다. 사실 우리는 모든 것을 동일하게 수행하고 결과는 동일합니다.
나는 우리 모두를 단결시키고 주관적이지 않을 것, 즉 형식의 대상을 취할 것을 제안합니다. 당신은 욕망을 말할 수 있습니다
"알고리즘이 주당 최소 5%를 벌고 최대 2%의 손실을 일으키기를 원합니다."
정상적인 목표? 모두가 좋아하고 잘 어울리죠? 그리고 모든 것이 명확합니다 ...