글쎄, 유리, 스스로 판단하십시오. 입력 - 가장 순수한 증분에서 가중치 계수는 이러한 증분 의 확률 밀도 함수 값이 됩니다. 우리는 가격을 다루는 것이 아니라 가격의 웨이브 패킷을 다루고 있습니다. 음, 즉 증분의 바로 이 t2 분포를 사용합니다(사실, 지수에 의해 곱해졌지만 적절한 시기에 더 많이). 그리고 아마도. 출구에서 이 웨이브 패킷이 특정 형태(패턴)를 취하자마자 거래를 열거나 닫으라는 신호입니다. 그리고 확률의 진폭을 루트 t의 비율로 고려합니다.
그건 그렇고, Feynman이 한 것처럼 입력에 증분 속도를 적용하는 것이 가능할 것입니다(마음속으로!!!).
일반적으로 모든 것은 가격이 아니라 증분을 기준으로 합니다. 필터, 로그 및 기타 쓰레기가 없습니다.
글쎄, 유리, 스스로 판단하십시오. 입력 - 가장 순수한 증분에서 가중치 계수는 이러한 증분 의 확률 밀도 함수 값이 됩니다. 우리는 가격을 다루는 것이 아니라 가격의 웨이브 패키지를 다루고 있습니다. 음, 즉 증분의 바로 이 t2 분포를 사용합니다(사실, 지수에 의해 곱해졌지만 적절한 시기에 더 많이). 그리고 아마도. 출구에서 이 웨이브 패킷이 특정 형태(패턴)를 취하자마자 거래를 열거나 닫으라는 신호입니다. 그리고 확률의 진폭을 루트 t의 비율로 고려합니다.
그건 그렇고, Feynman이 한 것처럼 입력에 증분 속도를 적용하는 것이 가능할 것입니다(마음속으로!!!).
일반적으로 모든 것은 가격이 아니라 증분을 기준으로 합니다. 필터, 로그 및 기타 쓰레기가 없습니다.
다시 필터링합니다. 필터는 누가 만들까요? 그리고 이러한 특정 단계는 무엇입니까? 그들은 어때? -알고리즘으로 감지? 이것은 왕실 사업이 아닙니다.
나는 그렇게 생각합니다. 그들은 DM에 갔다 - 그가 모든 것을 스스로 공개하게하십시오.
글쎄, 필터는 필터가 아니야.. 뭐라고 불러야할지 모르겠어
간단히 말해서 패턴이 변경되면 이에 대해 어떻게든 적절하게 대응해야 합니다. 그리고 그들이 변화하기 시작했지만 NS가 정상적으로 학습하기에 여전히 충분하지 않다면 그녀는 다른 모든 TS와 마찬가지로 장애를 겪을 것입니다.
이제 옵티마이저에서 훈련된 첫 번째 봇을 사용하면 유사한 패턴으로 멋지게 거래됩니다. 예를 들어 시장이 3개월 동안 특정 속도로 성장했지만 약간의 차이가 있다면 여전히 작동합니다. 근본적인 의존성이 바뀌면 그게 다야, 안녕
이것은 거래가 많은 TS에 모두 해당됩니다. 나는 포지션에 대해 침묵하고 그들은 나에게 흥미롭지 않습니다다시 필터링합니다. 필터는 누가 만들까요? 그리고 이러한 특정 단계는 무엇입니까? 그들은 어때? -알고리즘으로 감지? 이것은 왕실 사업이 아닙니다.
나는 그렇게 생각합니다. 그들은 DM에 갔다 - 그가 모든 것을 스스로 공개하게하십시오.
필터가 필요하지 않습니다! 가장 순수한 가격 증가분을 국회의 입력에 적용하는 것이 필요하며 비결은 가방에 있습니다.
여기요!
자세한 내용은 어떻게, 어디서? 물론 말이다.)
바로 지금, Alexander가 우리 모두에게 설명할 것입니다)
여기요!
자세한 내용은 어떻게, 어디서? 물론 말이다.)
여기요!
글쎄, 유리, 스스로 판단하십시오. 입력 - 가장 순수한 증분에서 가중치 계수는 이러한 증분 의 확률 밀도 함수 값이 됩니다. 우리는 가격을 다루는 것이 아니라 가격의 웨이브 패킷을 다루고 있습니다. 음, 즉 증분의 바로 이 t2 분포를 사용합니다(사실, 지수에 의해 곱해졌지만 적절한 시기에 더 많이). 그리고 아마도. 출구에서 이 웨이브 패킷이 특정 형태(패턴)를 취하자마자 거래를 열거나 닫으라는 신호입니다. 그리고 확률의 진폭을 루트 t의 비율로 고려합니다.
그건 그렇고, Feynman이 한 것처럼 입력에 증분 속도를 적용하는 것이 가능할 것입니다(마음속으로!!!).
일반적으로 모든 것은 가격이 아니라 증분을 기준으로 합니다. 필터, 로그 및 기타 쓰레기가 없습니다.
여기요!
글쎄, 유리, 스스로 판단하십시오. 입력 - 가장 순수한 증분에서 가중치 계수는 이러한 증분 의 확률 밀도 함수 값이 됩니다. 우리는 가격을 다루는 것이 아니라 가격의 웨이브 패키지를 다루고 있습니다. 음, 즉 증분의 바로 이 t2 분포를 사용합니다(사실, 지수에 의해 곱해졌지만 적절한 시기에 더 많이). 그리고 아마도. 출구에서 이 웨이브 패킷이 특정 형태(패턴)를 취하자마자 거래를 열거나 닫으라는 신호입니다. 그리고 확률의 진폭을 루트 t의 비율로 고려합니다.
그건 그렇고, Feynman이 한 것처럼 입력에 증분 속도를 적용하는 것이 가능할 것입니다(마음속으로!!!).
일반적으로 모든 것은 가격이 아니라 증분을 기준으로 합니다. 필터, 로그 및 기타 쓰레기가 없습니다.
그리고 국회는 얼마나 많은 투입을 가질 것인가?
나는 두 가지를 생각한다. 하나는 증분, 두 번째는 속도입니다.
추신: 엄밀히 판단하지 마세요 - 저는 이제 막 국회 공부를 시작했습니다. VisSim용 NeuralNet을 찾고 있습니다. 가지고 계신 분 계시면 링크 부탁드립니다.
나는 두 가지를 생각한다. 하나는 증분, 두 번째는 속도입니다.
추신: 엄밀히 판단하지 마세요 - 저는 이제 막 국회 공부를 시작했습니다. VisSim용 NeuralNet을 찾고 있습니다. 가지고 계신 분 계시면 링크 부탁드립니다.
그러면 분포는 어디에 있습니까? 클래식 MLP에는 메모리가 없습니다.
우선 Khaikin을 읽고 영어를 할 수 있다면 Bishop도 할 수 있습니다.
그러면 분포는 어디에 있습니까? 클래식 MLP에는 메모리가 없습니다.
VisSim용 NeuralNet이 필요합니다. 가능한 것과 불가능한 것을 보겠습니다.
PS 글쎄요, 저는 이론가입니다. - 고주파 모드에서 아이디어를 생성할 수 있지만 실제로는 - 내 계정에는 단 1개의 거래만 있습니다 - 그리고 그 곡선은 ... 비록 오늘 저는 20개 쌍을 런칭했지만 동시에. 우리는 볼 것입니다 :)))
추신 네. 여가 시간에 읽습니다. 고맙습니다.
PS 음, 저는 이론가입니다. 고주파 모드에서 아이디어를 생성할 수 있습니다.