그래서 변동성을 조정하고 있습니다. 더 높은 변동성 - 우리는 평균보다 더 많은 것을 기대합니다. 그 반대.
그러나 패턴 자체는 극단 의 특정시퀀스입니다 (내가 인식하는 대로). 한마디로 이런 경우입니다.
한 번에 나는 그러한 시퀀스로 많은 실험을 했고 가장 단순한 패턴만 작동한다는 결론에 도달했습니다. 그러나 레벨과 레벨의 존재 기간과 변동성 및 상관 관계를 동시에 고려해야 할 필요가 있다는 결론에 도달했습니다. 그런 다음 무언가가 일어나기 시작합니다.
귀하의 예에서 이러한 패턴을 식별하는 방법을 확실하게 배운 경우에도 패턴이 너무 복잡하기 때문에 가격이 반드시 점선으로 향하는 것은 아닙니다(잡기가 매우 쉽긴 하지만)!
(마지막 두 개는 단순히 2로 나뉘며 극값이 아니라 일종의 계수를 취할 수 있습니다 -))
나는 당신을 이해합니다 ....하지만 당신의 전체 모델은 예를 들어 웨이브 1 ... 5 중 임의의 임의의 지그재그 웨이브에 의해 쉽게 깨집니다. 인간의 눈도 그것을 무시하고 이미지를 저장하지만 귀하의 알고리즘은 "머리와 어깨"에서 바로 거기에 있으며 다른 작업을 수행합니다...
또 무슨 말을 할 수 있겠습니까? 결과가 기대되시나요?
내가 무엇을 말할 수 있습니까? 내가 컨볼루션 네트워크로 작업한 적이 없다면. 나는 당신에게 Sanych가 아닙니다 ....
내가 말할 수 있는 모든 것은 흥미롭다...
====================
귀하의 게시물은 어디로 갔습니까 ?
왜 그런 필요가 있습니까? 패턴이 역사적으로 유추를 가지고 있다면 지속 시간도 일치해야 합니다. 적어도 나는 패턴 검색을 할 때 그에 상응하는 영역을 찾고 있었습니다.
나는 그러한 개념에 대해 현명합니다. 역사상 현재의 패턴 "B"에서 "A"와 유사한 패턴을 찾고 있습니다. dtw 알고리즘을 사용하여 유사성을 살펴봅니다...
안타까운 점은 검색 결과가 'B'와 'A'가 모두 어느 정도일 수 있는지 알 수 없고, 이 때문에 골치 아픈 부분이 많다는 점이다.
검색 자체 외에도 이러한 패턴을 지속적으로 동적으로 확산/축소해야 합니다...
가능한 한 효율적으로 그러한 검색을 수행하는 방법에 대한 아이디어가 있는 사람이 있으면 관심을 가지고 듣겠습니다...
안타까운 점은 검색 결과가 'B'와 'A'가 모두 어느 정도일 수 있는지 알 수 없고, 이 때문에 골치 아픈 부분이 많다는 점이다.
가능한 한 효율적으로 그러한 검색을 수행하는 방법에 대한 아이디어가 있는 사람이 있으면 관심을 가지고 듣겠습니다...
따라서 여기에는 크기가 없으며 패턴이 있으며 패턴을 찾아야 합니다.
개인적으로 나는 이 비율과 극한값의 수열을 사용합니다.
이벤트 기간도 사용하지만 독특한 의미가 아니라 오히려 평균적으로 사용합니다. 저것들. 기간이 평균 이상인 경우 진입 기회를 높이고 그 반대의 경우도 마찬가지입니다.
그러나 이것은 말하자면 가장 가까운 패턴에서 배우는 것이지 역사에서 찾는 것이 아닙니다.
따라서 여기에는 크기가 없으며 패턴이 있으며 패턴을 찾아야 합니다.
어때? 당신의 요점을 이해하지 못했습니다 ...
크기가 있지만 패턴 "A"와 "B"를 찾을 때만 인식하고 위의 그림을 예로 들면 "B"가 13개의 양초와 53의 "A"
어때? 당신의 요점을 이해하지 못했습니다 ...
크기가 있지만 패턴 "A"와 "B"를 찾을 때만 인식하고 위의 그림을 예로 들면 "B"가 예를 들어 13개의 양초와 53의 "A"
그래서 변동성을 조정하고 있습니다. 더 높은 변동성 - 우리는 평균보다 더 많은 것을 기대합니다. 그 반대.
그러나 패턴 자체는 극단 의 특정 시퀀스입니다 (내가 인식하는 대로). 한마디로 이런 경우입니다.
한 번에 나는 그러한 시퀀스로 많은 실험을 했고 가장 단순한 패턴만 작동한다는 결론에 도달했습니다. 그러나 레벨과 레벨의 존재 기간과 변동성 및 상관 관계를 동시에 고려해야 할 필요가 있다는 결론에 도달했습니다. 그런 다음 무언가가 일어나기 시작합니다.
귀하의 예에서 이러한 패턴을 식별하는 방법을 확실하게 배운 경우에도 패턴이 너무 복잡하기 때문에 가격이 반드시 점선으로 향하는 것은 아닙니다(잡기가 매우 쉽긴 하지만)!
(마지막 두 개는 단순히 2로 나뉘며 극값이 아니라 일종의 계수를 취할 수 있습니다 -))
그리고 당신의 말의 의미는 무엇입니까, 승객? 당신은 시도하고 싶지 않거나 당신의 방식대로. 나는 나 자신의 일을 하고 있고 관심이 있다.
누가 시도 했습니까? 제 동료와 저는 합성곱 신경망을 훈련시키고 싶습니다. 기능 매핑이 진행됩니다. 우리는 희망한다.
이러한 목적에는 LSTM이 더 적합합니다.
그래서 변동성을 조정하고 있습니다. 더 높은 변동성 - 우리는 평균보다 더 많은 것을 기대합니다. 그 반대.
그러나 패턴 자체는 극단 의 특정 시퀀스입니다 (내가 인식하는 대로). 한마디로 이런 경우입니다.
한 번에 나는 그러한 시퀀스로 많은 실험을 했고 가장 단순한 패턴만 작동한다는 결론에 도달했습니다. 그러나 레벨과 레벨의 존재 기간과 변동성 및 상관 관계를 동시에 고려해야 할 필요가 있다는 결론에 도달했습니다. 그런 다음 무언가가 일어나기 시작합니다.
귀하의 예에서 이러한 패턴을 식별하는 방법을 확실하게 배운 경우에도 패턴이 너무 복잡하기 때문에 가격이 반드시 점선으로 향하는 것은 아닙니다(잡기가 매우 쉽긴 하지만)!
(마지막 두 개는 단순히 2로 나뉘며 극값이 아니라 일종의 계수를 취할 수 있습니다 -))
나는 당신을 이해합니다 ....하지만 당신의 전체 모델은 예를 들어 웨이브 1 ... 5 중 임의의 임의의 지그재그 웨이브에 의해 쉽게 깨집니다. 인간의 눈도 그것을 무시하고 이미지를 저장하지만 귀하의 알고리즘은 "머리와 어깨"에서 바로 거기에 있으며 다른 작업을 수행합니다...
ps 기대에 미치지 못하기 때문에 dtw를 이미 천천히 포기하고 있습니다.
그러나 알고리즘은 즉시 "머리와 어깨"에서 다른 작업을 수행합니다.
이것이 내 게시물의 "파토스"였습니다. -) 우리, 사람들은 몇 가지 상징과 표시를 봅니다. 그러나 우리가 그것들을 간단한 규칙으로 공식화하면,
1. 인식 가능한 패턴으로 우리의 인식에서 대부분 사라집니다.
2. 복잡한 패턴은 사람들이 기대하는 방식으로 작동하지 않기 때문에 다소 정확하게 감지할 수 있다 하더라도 이것은 전혀 작동하지 않을 것입니다. 패턴에 대한 믿음은 인간 심리학의 현상입니다. 시장의 신화 중 하나.
그건 그렇고, 이것은 특정 영역에서 특정 차트 속성 을 찾는 문제를 전혀 제거하지 않습니다. 예를 들어 이것은 점프 포워드 최적화에 유용할 수 있습니다.
패턴에 대한 믿음은 인간 심리학의 현상입니다. 시장의 신화 중 하나.
MT의 표준 표시기 "Bill Williams Fractals"도 dtw 없이 단순히 막대로 특정 패턴을 검색하는 것입니다. 인기로 인해 병합될 때까지 꽤 잘 작동했습니다(수익은 최소이지만 D1의 일부 기호에는 여전히 사용할 수 있음).
그러나 이 지표를 사용한 거래 전략은 "1 bar로 매수/매도"보다 더 복잡합니다. 그들은 지연, tp 및 sl을 사용하므로 패턴 검색 외에도 적용 가능한 거래 전략도 찾아야 합니다.