Свойства простых чисел впервые начали изучать математики Древней Греции. Математики пифагорейской школы (500 — 300 до н.э.) в первую очередь интересовались мистическими и нумерологическими свойствами простых чисел. Они первыми пришли к идеям о совершенных и дружественных числах. У совершенного числа сумма его собственных делителей равна ему...
今でも履歴を見ると、ここで買って、ここで売れば、間違いなく500%儲かると思います)。
またある時は、TCの負けトレードを見て分析します。ここでは買ったが、絶対的に正しいが、トレードは戦略に対応しており、マーケットが間違った方向に行ったのはTSのせいではない。つまり、トレードは正しいのです。
負けトレードの分析もしています。
一般に、こうした歴史に基づく演習は、戦略形成に非常に有効である。そのような仮説の中には、その後確認され、非常にうまく機能するものもあります。
私見では、ストラテジー構築の最大の問題は、著者の負けトレードに対する姿勢にあると思います。経費なくして収入はない、というシンプルな姿勢です。
マニュアル分析では見つかりません。
マニュアル分析では、100%の確率で利益を出すものしか見つけられませんし、そんなものはありません。
55%の正解率でトレードしていると、プロノシスが半分しか機能していないと思うようになります。
その結果、例えば7年ぐらい市場にいると、自分のニーズに合った情報が少なくなってくる。つまり、ある段階で情報の真空地帯に出現して、純粋にクリエイティブな仕事を始める可能性がある。時には、同じ山頂を征服した、登頂のための酸素が尽きた命知らずの死体に出会うこともある)この段階になると、トレーダーはアイデアや新しい情報の欠如を背景に、身体的に大きな過負荷を経験し、行き過ぎたために誰も助けてくれず、一人になってしまうのです。そして、誰かが第二の風を起こし、目標に到達するかもしれない。後戻りできない、あまりにも大きな危機だからだ。そして、それができない人が出てきて、ものすごく悔しい思いをして、もしかしたらビジネスから引退するかもしれない......でも、彼は決してマーケットを忘れない。
市場分析という 幼稚な方法について、あなたは答えを知っている;)
トレーダーになるまでのおおよその流れ。
1. 古典的分析、ファンダメンタル分析
2. インジケータ
3.マーチンゲール
4.巻号分析、各種公報
5.相関分析、ペアトレード
6.アービトラージ
7. xft、マーケットデプスアナリシス
8.広義のマシンレバレッジ(今までのものを一通り見て今に至る)
9....n...ひらけるかもしれない
マーチンゲール計算をしました。
FXの出来高はティックです。
テクニカル指標が機能しないことはもう知っている。
すでにアービトラージに投資しているので、これからアービトラージに取り組みたいとは思わない。
ブローカーがアービトラージと戦い始めたので、アービトラージには手を出したくない。
FXブローカーはFXと戦い始めた。私はまだ市場の深さを分析する方法を学ばなければならない。
ブラックボックスは好きではありません。
結論:相関関係で儲ける方法を考える。株式市場でペアを試す。hftを学ぶ。ニュースで取引してみる。先物から出来高を分析しようとする。
55%の正答率を誇るストラテジーが非常に優れていることもある。
手動で分析しても見つかりません。マニュアル分析では、100%儲かるものしか見つからないし、そんなものはない。
のトレードをすると、55%の正解率で、プロノシスが半分しか機能しないと思うようになります。
機械学習 - ブラックボックスは嫌いだ。 どうやって、なぜ開くのかを知らなければならない。
そうでもないですよ、あれは下品な例です。実は、このプロセス全体を非常にうまくコントロールすることができるのです。アセンブラとscalaのような高水準言語を比べるようなものですね。アセンブラでは、従来のTSをある戦略に基づいて開発するのと同じように、あらゆるニュアンスを考慮し、多くのルーチンワークをこなさなければならず、その結果、ソリューションは面倒で柔軟性に欠け、同時に原始的なものになってしまいます。機械学習では、ある原始的な論理の私的な実装を隠して、全体のアイデアに集中できるような高水準のモデルを作ることに従事しています。
機械学習モデルを使って何ヶ月もかけて開発し、テストしてきたほとんどのTCが、数日でテストできるようになると自信を持って言えます...」。別の次元の話だから、どうすればいいかを理解すればいいんです。例えば、普通のPCで原始的なTCプログラミングを使って数百万のバリアントを計算することはあり得ません。MOならビデオカードで1日でできます。MOのパワーと、従来のTCのアプローチのプリミティブさを感じますか? 繰り返しになりますが、一度体験していただければ、もうお話になりません :)
ボットの最後のバリエーションでは、テスターとオプティマイザーの統計だけで、まったくどこも見ていません :) たとえば、そこで何を見たことがないのか...。つまり...このようなシステムを作ることは本当にクールで、一般的にTS開発の別のアプローチであり、だからこそ私はLerning Machinesを最高レベルのアルゴトレーディングとしてマークしているのです。
そうですね、DMを使った最初の成果は本当に感動的です。しかし、しばらくすると、このやり方に失望することになると思います。もちろんイミフですが、横顔だけは同じ卵の フィット感です)。
DMは戦略を補うものであって、それに取って代わるものではない、と私は考えています。これは主に、戦略を完全に説明することが非現実的であること、つまり要素が多すぎることに起因します。これらの要素をDMに委ねるのは良いことだと思います。また、戦略の基本そのものは、通常、問題ない。
そうですね、DMを使った最初の成果は本当に感動的です。しかし、しばらくすると、このやり方に失望することになると思います。もちろんイミフですが、横顔だけは同じ卵の フィット感です)。
DMは戦略を補うものであって、それに取って代わるものではない、と私は考えています。これは主に、戦略を完全に説明することが非現実的であること、つまり要素が多すぎることに起因します。これらの要素をDMに委ねるのは良いことだと思います。そして、その戦略の基本は、通常、難しいものではない。
確かに、誰も結果を保証してくれませんが、システム開発を容易にする(スピードアップする)ことは、私にとっては紛れもない事実です
まあ、いずれにせよ結果を保証してくれる人はいませんが、システム開発を容易にする(スピードアップする)ことは、私にとっては紛れもない事実です。
TAを知っているかどうかは、これだけでいいのです。
まだニューロンが1つ増えているのか、それとももっと進んでいるのか?