b) 私が理解する限り、急激な動きの方向よりも、スプレッドの小さいバーの方向がよく予測される。それ故に、正のMOを持つ方向予測であっても、小さなバーの方向予測に成功しやすく、大きなバーの方向予測に失敗すると、ポイントでは負の結果を与えることがある。つまり、流出量の予測を誤ると、フラットで優れた成果を文字通り食いつぶしてしまうのです。どうやら、ストップと「スマート」ストップの明確な作業が必要なようで、バカみたいに1段にストップをかけても、おそらく、うまくはいかないでしょう...。
3. b) 私の理解する限り、急激な動きの方向よりも、小さなスプレッドのバーの方向の方が、よりよく予測される。それゆえ、正のMOを持つ方向予測であっても、小さなバーの方向予測に成功しやすく、大きなバーの方向予測に失敗すると、ポイントでは負の結果をもたらすことがあるのです。つまり、流出量の予測を誤ると、フラットで優れた成果を文字通り食いつぶしてしまうのです。どうやら、ストップを使った明確な作業が必要なようで、ここでは「スマート」なストップが求められているようです。 一段上のストップは、おそらくうまくいかないでしょう...。
そして、私は将来の見積もりを持っていませんし、あなたも持っていないと思います。
でも、グリッドが知らない過去の名言をテストとして提供することはできます。日付を見てください。
サンプル 2011.10.01-2012.03.01 8890例、Forward 2012.03.01-2012.05.25 4828例。
が、市場はもっと悪くなる可能性がある。
a) 広がり、それについてはすでに舌がムズムズしている）しかし、そうでない場合でも
b) 私が理解する限り、急激な動きの方向よりも、スプレッドの小さいバーの方向がよく予測される。それ故に、正のMOを持つ方向予測であっても、小さなバーの方向予測に成功しやすく、大きなバーの方向予測に失敗すると、ポイントでは負の結果を与えることがある。つまり、流出量の予測を誤ると、フラットで優れた成果を文字通り食いつぶしてしまうのです。どうやら、ストップと「スマート」ストップの明確な作業が必要なようで、バカみたいに1段にストップをかけても、おそらく、うまくはいかないでしょう...。
alsu:
1.ストレート 18...
が、市場ではもっと悪くなる可能性があります。
1. a) 広がり、それについてはすでに舌がムズムズする）しかし、それが存在しないとしても、次に
3. b) 私の理解する限り、急激な動きの方向よりも、小さなスプレッドのバーの方向の方が、よりよく予測される。それゆえ、正のMOを持つ方向予測であっても、小さなバーの方向予測に成功しやすく、大きなバーの方向予測に失敗すると、ポイントでは負の結果をもたらすことがあるのです。つまり、流出量の予測を誤ると、フラットで優れた成果を文字通り食いつぶしてしまうのです。どうやら、ストップを使った明確な作業が必要なようで、ここでは「スマート」なストップが求められているようです。 一段上のストップは、おそらくうまくいかないでしょう...。
1.まあ、確かに聖杯という わけではなく、市場は常に変化しています（数日前にうまくいったパターンが今日はうまくいかない）。1日1回以上のトレーニングが必要。
2.スプレッドが考慮されている。グリッドは、機器の最大スプレッド2以下の動きには反応しないように訓練されています。
3.文字がある。急激な動きの方向よりも、広がりの小さいバーの方向がよく予測され（サンプルの数が多いこともあり、プロセスに関する主な情報が含まれているため、イミフ）、結果として一度に複数のバーの方向がよりよく予測されるのである。特定のバーの色の予測は非常に悪い。
一般的には、予測された領域の移動可能な大きさの3scoにSLを置くといいと思います。SLやTPを使わないでトレーニングを行い、SLは使うがTPは使わないでトレードすることで、ファットテイルによる主な損失は小さくなります（異常に大きな動きの色を正しく認識しなければ、いずれそうなります）。こうすることで、グリッドが与えることのできるMOをさらに増やすことができるのです。
一般に、純粋に仮説として、すでにいくつかの開発が行われていますが、予測プロセスシステムは「知っている」と「知らない」の2つの状態を持つはずです。知っている」状態では、システムは予測を行う。わからない」状態では予測を控えるが、これはシステムが現在のプロセスの状態を知らないか、あるいはこの場合は予測を控えた方が良いと判断しているためである。時間の経過とともに、プロセスの特性や内部関係が変化すると、システムは「わからない」状態になることが多くなり、ついには「わからない」状態が安定的に続いていることを予測することをやめてしまうのです。このようなシステムは、どんな場合でも価値があります。一度チューニングし、学習すれば、その存在を「忘れる」ことができますし、最悪の場合、システムが「わからない」状態になることもありますから。
順調なのはいいのですが、BUTがあります。金融市場では、ある商品の現在の状態が1つの同じパターンで、以前は買わなければならなかったが、今は売らなければならないといった逆転現象が起こることがある。したがって、このような最近の因果関係の逆転現象に関する知識を得るために、継続的にシステムを訓練する必要がある。
私の知る限り、現代の予測システムはすべて、常に「知っている」という状態に焦点を当てているため、プロセスの特性や内部のつながりが少しでも変化すると、誤った予測につながるのです。これは、サンプルエリア外のシステムの収益性低下に表れています。
同僚の皆さん、ご意見をお聞かせください。
純粋に理論的に2*sqrt(2) RMS ))があります。
この比率は、ラプラス分布とガウス分布の尤度比が臨界点を通過し、ラプラス分布の方に鋭い外れ値、つまり、ちょうど太い尾を作るときに得られます。問題はRMS予測値の計算ですが、ここでもグリッドが使え、日周の季節性を除去するだけでよいのです。
一般に、純粋に仮説として、すでにいくつかの開発が行われていますが、プロセスを予測するシステムは、「知っている」と「知らない」の2つの状態を持つはずです。知っている」状態では、システムは予測を行う。わからない」状態では予測を控えるが、これはシステムが現在のプロセスの状態を知らないか、あるいはこの場合は予測を控えた方が良いと判断しているためである。時間の経過とともに、プロセスの特性や内部関係が変化すると、システムは「わからない」状態になることが多くなり、ついには「わからない」状態が安定的に続いていることを予測することをやめてしまうのです。このようなシステムは、どんな場合でも価値があります。一度チューニングし、学習すれば、その存在を「忘れる」ことができますし、最悪の場合、システムが「わからない」状態になることもありますから。
順調なのはいいのですが、BUTがあります。金融市場では、ある商品の現在の状態が1つの同じパターンで、以前は買わなければならなかったが、今は売らなければならないといった逆転現象が起こることがある。したがって、このような最近の因果関係の逆転現象に関する知識を得るために、継続的にシステムを訓練する必要がある。
私の知る限り、現代の予測システムはすべて、常に「知っている」という状態に焦点を当てているため、プロセスの特性や内部のつながりが少しでも変化すると、誤った予測につながるのです。これは、サンプルエリア外のシステムの収益性低下に表れています。
同僚の皆さん、ご意見をお聞かせください。
同じパターンでも、今は逆の信号が出ているから、システムを再教育する必要がある、というのは、自己欺瞞ではないか？もしかしたら、このパターンと信号を結びつけるパターンがなかったのでは？例えば、コインをはじくと、3回裏が出た後、ほとんどの場合、表が出ることに気がつく。規則性があるのか、それとも（統計をより正確に評価できる）実験数が少ないために、間違った結論を出してしまったのか？私はずっとパターンで自分を苦しめていて、いつもこの問いを考えているんです。
ところで、市況を推定できる価格履歴の深さとは、どの程度のものなのでしょうか？