Представление графика в виде ломанной линии и распознавание образа ( формы ) ломанной в целом и отдельных ее фрагментов. Является ли такой подход к автоматическому трейдингу перспективным и реализуемым ?
Представление графика в виде ломанной линии и распознавание образа ( формы ) ломанной в целом и отдельных ее фрагментов. Является ли такой подход к автоматическому трейдингу перспективным и реализуемым ?
Это совершенно другой подход к торговле, который не может быть описан в рамках математической статистики.
この自動売買のやり方は有望で実現可能なのでしょうか？
数学的な統計学では説明できない、まったく別のアプローチでの取引です。エリオット波動理論に近いものがあります。定性的な評価（歴史にカウントされた波動の例の写真）はかなり説得力があり、精巧にできているが、実際の取引における意思決定の定量的な評価となると、行き詰まるところがある。実は、ウラジスラフが一番最初にすでにそのことに触れていたのです。おそらく、パターン認識は数字だけが必要な自動機よりも、ハンドゲームに適しているのでしょう。しかし、このスレッドには、全く逆の意見を持ち、エリオット・トレーディングのための指標を開発 したT1000 さんのメッセージもあるのです。それを使ってうまくトレードしているという。また、このスレッドに2年前のMT3用Elliott Expert Advisorの最初のバージョンを掲載し、OpenSourceプロジェクト内で改良することを提案しました。しかし、今のところ、これをやってくれる人は見つかっていない。もしかして、やってみる？さらに、波動計算の根拠となるメイン指標「StdDevChan」については、このスレッドですでに紹介されている。気に入ったので、EAに搭載してみたりもしました。
Является ли такой подход к автоматическому трейдингу перспективным и реализуемым ?
数学的な統計学では説明できない、まったく別のアプローチでの取引です。エリオット波動理論に近いものがあります。定性的な試算はかなり納得のいく精緻なものだが、定量的な試算となると行き詰まる。原則的には、ウラジスラフが冒頭ですでに述べていることです。パターン認識は、数字だけが必要なオートマトンよりも、携帯ゲーム機に向いているかもしれません。しかし、このスレッドには、全く逆の意見を持ち、エリオット・トレーディングのための指標を開発したT1000 さんのメッセージもあるのです。これでかなりうまく取引しているそうです。
なぜ表現できないのか？この図に対する説明で、すべてが納得できる。
青いジグザグは、ネイティブタイムフレーム（H4）で構築されたジグザグ、赤いジグザグは、D1で構築されたジグザグです。ルール1：H4の新高値が前回の高値より高い限り、上昇トレンドは継続する。
ルール2-H4の新高値が前回よりも高くない場合、上昇トレンドの修正局面が始まっている可能性がある。
ルール3：H4で安値を更新した場合、D1での整理局面である可能性がある。
ルール4 - D1安値を突破したら、上昇トレンドの反転が始まった（強い反転）
ルール5-D1の新高値がD1の前回高値より低い場合-D1での反転（深いプルバック）は既成事実化されたものです。
あまり厳密に記述していないような気もしますが、言いたかったことが直感的にわかるかと思います。
皆さん、"Knowledge bases of intellectual systems" / T.A. Gavrilova, V.F. Khoroshevsky, "Peter", 2000 をご覧になってみてください。 384 с.
この本は、「パターン認識 ダウンロード」で検索すれば必ず出てきます。
ロッシュ、もし秘密でなければ、あなたはどのような原則に基づいて「アドバイザー・仲裁人」の仕事をするつもりですか？
もちろん、すべてが明確に説明されており、特に良いトレンドの時には、多くのトレーダーがおおよそこの方法で取引しています。しかし、市場への参入を 具体的に判断する根拠は何でしょうか。記載されているルールだけでですか？その背景にある数学とは？チャートの最後の1/3を手で閉じると、ほとんどのトレーダーは「今回は下げに転じるはずだ」「引き戻すはずだ」と言うでしょう。しかし、見ての通り、下がることなく上昇に転じています。そして、チャートの最初の2/3のデータセットでは、赤い線の高値が左側になり、価格の反転・逆転の近さについてトレーダーの思い込みを確認するだけかもしれないと思います。この場合、トレーダーが反転／リバーサルをイメージしているかどうかですべてが決まります。一般的に、これはオートトレードでの適用性の研究のためのノンストップフィールドです;o))マニュアル取引では、このメソッドは、トレーダーに広く使用されている他の方法よりも悪いではありません。
当時、彼のアカウントから統計を取っていた -http://forum.alpari-idc.ru/post292222-2020.html
メーエー
利益で決済された各取引のドローダウンを反映します。
例えば、210pipsの利益でクローズする前のチケット674604の注文は、最大102pipsのドローダウンがありました。利益が出ている注文は、ドローダウンが少ないことがわかります。
http://forum.alpari-idc.ru/attachment.php?attachmentid=14491&d=1132511997
MFEはその逆です。
これは、最終的に損失で決済された注文が決済できる最大の利益を示しています。注文972916は最大12pipsの浮動利益があり、251pipsの損失で終了しました。
http://forum.alpari-idc.ru/attachment.php?attachmentid=14492&d=1132512227
主に動きに対してポジションが開かれ、オーバーベットが許されていることがわかる。
その時に注意したのですが、彼は気にしていませんでした。4月の動向は、当時、出場者の預金を大きく揺さぶった。
Является ли такой подход к автоматическому трейдингу перспективным и реализуемым ?
数学的な統計学では説明できない、まったく別のアプローチでの取引です。
私はそうは思いません。市場を推定するためには、それぞれの画像について、その画像が歴史に登場したときの市場 行動を統計的に分析し、分布を構築し、そのパラメータを決定する必要がある。そして、画像の最適なパラメータを統計的に決定することができます。これらのデータを画像データベース化することで、意思決定の誤りや成功の確率を一定の精度で判断することができます。
得られた結果から判断すると、次のような結論が導き出される。
1. 現在利用可能な専門家は「ノイズ依存」である。すなわち、専門家は、異なるソースから得られたコトライゼーションについて、最終利益と取引自体の両方の結果に大きな違いを示す。
2.システムのパラメータだけでなく、おそらくこのEAにも存在しうる取引アルゴリズムも調整（履歴に合わせる）することができます。唯一の確認用オシレーターのパラメータは、3ヶ月前の最初の段階で、視覚的なイメージと日中取引の開始のロジックに基づいて選択され、それ以来変更されていません。いずれも、取引アルゴリズムの変更のみで達成したものです。
私のチャートでは，大きなドローダウンのない安定した成長が2004年1月末から始まり，Alpariのデータでは，ほぼ均質な成長が2004年半ばから始まっています。 あなたのチャートでは，私の知る限り，最大のドローダウンが2004年11月に相当します。 つまり，最も大きな引用元の切り替えの一致は，もしそうであっても非常に慎重に議論することができるのです。だから、「好況期」という言葉を使ったのです。終了する気配はありませんが、いつまで続くのでしょうか？もちろん、この質問は修辞的なものです。
Является ли такой подход к автоматическому трейдингу перспективным и реализуемым ?
Это совершенно другой подход к торговле, который не может быть описан в рамках математической статистики.
私はそうは思いません。市場を推定するためには、それぞれの画像について、その画像が歴史に登場したときの市場行動を統計的に分析し、分布を構築し、そのパラメータを決定する必要がある。そして、画像の最適なパラメータを統計的に決定することができます。これらのデータを画像データベース化することで、意思決定の誤りや成功の確率を一定の精度で判断することができます。
パターンの統計的特性を推定することは、インターネット上で試行錯誤の情報が絶えませんが、実用面ではかなり疑問があると思います。例えば、最新版はこちら：「MQL4: The Self-Engineering Expert Advisor」 この方法は、ニューロネットを参照しています。しかし、なぜかそのようなシステムの定量的な特徴を見出したことがないのです。私の見方が悪いだけかも？
そして、ここで問題になるのは、かなり厳密なパラメータに基づいて推定するパターンを選択した場合、個々のパターンのパラメータを推定するのに十分な履歴がない可能性があることだと思うのです。あるいは、パターンという概念に条件付きで帰属させることができるバーのALLコンビネーションを統計的に推定しようとすると、すべての可能なパターンの修正が、統計的に有意ではない非常に小さな値で互いに異なる膨大な量になるか、パターンの統計的推定値が非常に不鮮明になる（推定値の分散が大きくなる）かのいずれかだと思うのですが、いかがでしょうか。そして将来、実際の取引でオートマトンが、最新のバーに現れたベースの既存のパターン修正のどれに今属するかを理解することは非常に難しくなるだろう。統計的に有意なパターンであるためには、私たちが持っていない作業通貨ペアの履歴が必要だと思います。そして、これらすべては、トレーニングを受けていないサンプルでも（将来的に）市場が同じルールでプレーするという保証があることです。この点では、単純な線形回帰チャネルが統計的にはるかに優れていることが保証されています。より信頼性の高いものを見てください。あるいは、最近取得したこれらのバーが、過去5年間の歴史に存在する100例のヘッドアンドショルダーパターンの平均値と類似している（よく相関している）という情報でしょうか。私の考えでは、回帰は、他の様々な要因に依存しすぎるパターン認識と比較して、よく研究され鍛え上げられた数学的手法であるため、より信頼性が高いと思います。
しかし、パターン認識のタスクは、より単純なトレンドラインのタスク（極値に沿って描かれた傾斜抵抗線/支持線）に還元できると思います。つまり、多くの古典的なパターンは、パターンから抜け出すことを意味する突破するトレンドラインのセットで置き換えることができます。しかし、こちらもそう簡単にはいきません。例えば、このファイルでは収束した三角形のダイナミクスを見ることができます。https://c.mql5.com/mql4/forum/200 6/08/triangle.zip。
8月8日に収束した三角形の出口を見ることができます。しかし、この三角形の古典的な説明によれば、ブレイクアウトは上向きだけであるべきだったのだ。しかし、実際には価格は上がったり下がったり、つまり、強気と弱気の両方がお金を手にした。この例は、「Converging Triangle」というパターンが持つ意味を即座に否定するものである。
グラフのトレンドラインは、最後の2本のバーを考慮せずに描かれています。そのため、トレンドラインが破られたとき、どのトレンドラインが破られたのかが明確にわかるようになっています。
先月分のトレンドラインダイナミクスの完全版は、こちら「MQL4: A picture for metaquotes forum」 solandr 2006.08.31 08:02 （複数ボリュームのRARアーカイブです。 全部で16部構成です。全てのパーツをダウンロードした後、zipの拡張子をrarに変更し、WinRAR3.50で解凍してください。このアニメをACDSeeなどで見ることは、トレード初心者が時間の経過と共に相場の流れがどのように変化し、リスクを最小限にするために何ができるかを理解するためにとても有効です。
私見ですが、トレンドラインを使った作業は、過去のデータを取り込んで統計を取る必要のあるマルチパラメーターパターンを扱うよりもずっと簡単だと思います。トレンドラインはもっと簡単!EAで実験したこともあります。コンファメーションオシレーターやハーストのインジケーターまで交換するために使用しました そして、総じて、得られた結果は、完全にランダムなものとは明らかに異なる、非常に有意義なものでした。私の観察によると、ハースト指標の計算はトレンドラインとほぼ同じ情報を提供しますが、より形式化された計算アルゴリズムを使用しており、MTSの作成と実用化の面でより効率的なので、当分の間、エキスパートアドバイザーでトレンドラインを使用するのを延期することにしました。
ニューラルネットワークは、将来起こりうるすべての組み合わせをあらかじめ計算しておき、ノイズの中からその組み合わせに基づいて、あるバリエーションか別のバリエーションかの確証を見出すだけのような領域で、最も有用と思われます。例えば、ある物体が別の物体に接近する際の信号のバリエーションを事前に知っていれば（テストエリアでの予備的な記録、または状況に応じた数学的モデルに基づいて可能な限りの信号のバリエーションを計算）、将来（この方法で訓練した物体の実際の使用時）、利用できる信号のバリエーションから最も近いものを見つけ出し、ニューロンネットで訓練したシステムを構築した物体に対してさらなる行動に関する対応を判断することが可能である。しかし、これはすべて、データベースで利用可能な状況が起こるという制限の中で動作し、一度記録されたアルゴリズムに従って進化していくのです。この点では、FXの方がバリエーションが豊富ですね :o(