결과적으로, 예를 들어 7년 정도 시장에 나와 있으면 내 필요에 대한 정보가 점점 줄어듭니다. 특정 단계에서 정보 공백 상태에서 자신을 발견하고 이미 순수한 창의성에 참여하기 시작하는 옵션이 있습니다. 때로는 추가 상승을 위해 산소가 부족한 동일한 봉우리의 생명이 없는 정복자의 시체를 만날 수도 있습니다. :) 정보, 그는 일반적으로 혼자 남아 있습니다. 이미 너무 멀리 가서 도움을 기다릴 곳이 없습니다. 그리고 누군가는 두 번째 바람을 켜고 목표에 도달할 것입니다. 왜냐하면 더 이상 돌아갈 수 없고 이미 너무 많은 것이 위태로워졌기 때문입니다. 그리고 누군가는 할 수 없을 것이고 그는 극도로 좌절 할 것입니다. 아마도 그는 은퇴 할 것입니다 .. 그러나 그는 시장에 대해 결코 잊지 않을 것입니다.
당신의 평가에서 8 위가 마지막이 아닐 것이라는 사실에 대해 말씀 드리겠습니다. 그리고 당신이 정말로 지적인 굶주림을 경험할 때 비로소 새로운 성공적인 거래자 가 형성될 것입니다.
글쎄, 나는 즉시 기술적 인 것이 작동하지 않는다는 것을 알았습니다. 및 지표. 저는 마틴게일을 이용하여 계산했습니다. 외환 거래량은 틱입니다. 상관 관계가 있지만 어떻게 돈을 버는가는 문제입니다. 나는 쌍으로 테스트를 했고 핸디캡에서는 작동하지 않는다는 것을 깨달았습니다. 중개인이 중재와 싸우기 시작했기 때문에 중재를 이해하기 시작하고 싶지 않습니다. hft, 시장 깊이 분석 - 더 많이 탐색 기계 학습 - 저는 블랙박스를 좋아하지 않습니다. 어떻게 그리고 왜 열리는지 알아야 합니다. 결론: 상관 관계로 돈을 버는 방법에 대해 생각하십시오. 거래소에서 더블을 시도하십시오. 공부하다 뉴스에서 거래를 시도하십시오. 선물의 거래량을 분석해 보십시오.
기계 학습 - 저는 블랙박스를 좋아하지 않습니다. 어떻게 그리고 왜 열리는지 알아야 합니다.
별로, 나는 무례하게 예를 들었다. 사실, 전체 프로세스는 매우 잘 제어될 수 있습니다. 스칼라와 같은 고급 언어와 어셈블러를 비교하는 것과 같습니다. 어셈블러에서는 일부 전략에 따라 기존의 TS를 개발할 때와 마찬가지로 모든 작업을 수행하고 모든 뉘앙스를 고려하고 많은 일상적인 작업을 수행해야 합니다. 같은 시간 원시. 기계 학습에서는 특정 기본 논리의 특정 구현을 숨기는 상위 수준 모델을 생성하여 일반적인 아이디어에 집중할 수 있습니다.
몇 달 동안 개발되고 테스트된 대부분의 TS는 며칠 만에 머신러닝 모델을 사용하여 검증할 수 있다고 자신 있게 말할 수 있습니다. 이것은 또 다른 수준이므로 작업하는 방법만 이해하면 됩니다. 예를 들어, 일반 PC에서 기본 TS 프로그래밍을 사용하여 수백만 가지 옵션을 계산할 수는 없으며 MO의 도움으로 비디오 카드에서 하루 만에 수행할 수 있습니다. MO의 힘과 차량 제작에 대한 일반적인 접근 방식의 원시성을 느끼십니까? 반복합니다. 한 번만 느끼면 더 이상 대화가 필요하지 않습니다. :)
봇의 최신 변형에서 나는 아무데도 보지 않고 테스터와 옵티마이저의 통계 만 봅니다 :) 왜 우리는 거기에서 보지 못했습니까 .. 또한 National의 일부 유사체에 대한 최신 봇 조립 나는 그들이 어떻게 거래하는지 전혀 이해하지 못합니다. 블랙 박스는 zhezh .. 이것은 정말 멋지고, 주목해야합니다 .. 음, 즉 .. 그러한 시스템을 일반적으로 다른 접근 방식으로 만드는 것은 정말 멋진 것입니다. TS의 개발, 그래서 머신러닝을 알고리즘 트레이딩의 최고 수준으로 표시했습니다.
예, 동의합니다. DM을 사용한 첫 번째 결과는 정말 인상적입니다. 그러나 잠시 후 이 접근 방식에 실망하게 될 것이라고 생각합니다. 물론 IMHO이지만 이들은 동일한 계란 , 동일한 적합성, 프로필 만 있습니다.)
IMHO, DM은 전략을 대체하는 것이 아니라 보완해야 합니다. 이것은 주로 전략에 대한 완전한 설명이 비현실적이라는 사실 때문입니다. 요인이 너무 많습니다. 이러한 요소들은 DM에 맡기는 것이 좋다. 그리고 전략의 바로 그 기초는 일반적으로 어떤 어려움도 제시하지 않습니다.
예, 동의합니다. DM을 사용한 첫 번째 결과는 정말 인상적입니다. 그러나 잠시 후 이 접근 방식에 실망하게 될 것이라고 생각합니다. 물론 IMHO이지만 이들은 동일한 계란 , 동일한 적합성, 프로필 만 있습니다.)
IMHO, DM은 전략을 대체하는 것이 아니라 보완해야 합니다. 이것은 주로 전략에 대한 완전한 설명이 비현실적이라는 사실 때문입니다. 요인이 너무 많습니다. 이러한 요소들은 DM에 맡기는 것이 좋다. 그리고 전략의 바로 그 기초는 일반적으로 어려움을 나타내지 않습니다.
음, 예, 어쨌든 결과를 보장하는 사람은 없지만 시스템 개발을 촉진(속도 향상)시킨다는 사실은 이미 저에게 명백한 사실입니다.
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...
솔직히 말해서 1년 반 전에 NN을 실험하기 시작해서 두 번째로 NN을 알게 된 것이 유치한 일이 아닌 것 같았습니다.) 내 작업에는 아직 복잡한 NS가 필요하지 않고 충분합니다. alglib에서, 그리고 다른 변형의 그 뉴런, 예. 동시에 나는 R과 Python을 선택하지만 게으르다. 여름. 사실 분류라고 하면 NS일 필요는 전혀 없고 클래스만 사용하는데, MO는 일반적으로 더 넓은 개념이다.
나는 여전히 역사를 본다. 여기서 나는 사고, 여기서 나는 팔 것이고, 나는 확실히 500%를 벌 것이다.))
다른 시간에는 TS의 수익성이 없는 거래를 살펴보고 분석합니다. 여기에서 그녀는 샀고 꽤 맞았지만 거래는 전략과 일치하며 시장이 잘못된 방향으로 흘러간 것은 TC의 잘못이 아닙니다. 즉, 거래가 맞습니다.
나는 또한 손실 거래를 분석합니다.
일반적으로 Pts의 역사에 대한 이러한 연습은 전략 형성에 유용합니다. 이러한 가설 중 일부는 이후에 확인되어 잘 작동합니다.
제 생각에는 전략 수립의 주요 문제는 거래를 잃는 저자의 태도입니다. 관계는 간단합니다. 비용 없이는 수입이 없습니다.
수동 분석으로는 찾을 수 없습니다.
수동 분석을 하면 100% 수익이 나는 경우만 찾을 수 있지만 그런 것은 없습니다.
55%의 올바른 거래로 t를 거래하면 이월이 절반의 시간 동안만 작동한다고 생각할 것입니다.
결과적으로, 예를 들어 7년 정도 시장에 나와 있으면 내 필요에 대한 정보가 점점 줄어듭니다. 특정 단계에서 정보 공백 상태에서 자신을 발견하고 이미 순수한 창의성에 참여하기 시작하는 옵션이 있습니다. 때로는 추가 상승을 위해 산소가 부족한 동일한 봉우리의 생명이 없는 정복자의 시체를 만날 수도 있습니다. :) 정보, 그는 일반적으로 혼자 남아 있습니다. 이미 너무 멀리 가서 도움을 기다릴 곳이 없습니다. 그리고 누군가는 두 번째 바람을 켜고 목표에 도달할 것입니다. 왜냐하면 더 이상 돌아갈 수 없고 이미 너무 많은 것이 위태로워졌기 때문입니다. 그리고 누군가는 할 수 없을 것이고 그는 극도로 좌절 할 것입니다. 아마도 그는 은퇴 할 것입니다 .. 그러나 그는 시장에 대해 결코 잊지 않을 것입니다.
글쎄, 당신 은 시장 분석의 유아적 방법에 대한 답을 알고 있습니다 ;)
상인이 되는 대략적인 일련의 사건:
1. 고전적 기술적 분석, 기본적 분석
2. 지표
3. 마틴게일
4. 물량분석, 각종 게시판
5. 상관관계 분석, 페어 트레이딩
6. 중재
7. hft, 시장 깊이 분석
8. 넓은 의미의 머신 러닝
9.... n... 아마도 새로운 미개척 지평이 있을 것입니다
저는 마틴게일을 이용하여 계산했습니다.
외환 거래량은 틱입니다.
상관 관계가 있지만 어떻게 돈을 버는가는 문제입니다.
나는 쌍으로 테스트를 했고 핸디캡에서는 작동하지 않는다는 것을 깨달았습니다.
중개인이 중재와 싸우기 시작했기 때문에 중재를 이해하기 시작하고 싶지 않습니다.
hft, 시장 깊이 분석 - 더 많이 탐색
기계 학습 - 저는 블랙박스를 좋아하지 않습니다. 어떻게 그리고 왜 열리는지 알아야 합니다.
결론: 상관 관계로 돈을 버는 방법에 대해 생각하십시오. 거래소에서 더블을 시도하십시오. 공부하다 뉴스에서 거래를 시도하십시오. 선물의 거래량을 분석해 보십시오.
때로는 55%의 올바른 항목이 있는 전략이 매우 좋습니다.
수동 분석으로는 찾을 수 없습니다.수동 분석을 하면 100% 수익이 나는 경우만 찾을 수 있지만 그런 것은 없습니다.
55%의 올바른 거래로 t를 거래하면 이월이 절반의 시간 동안만 작동한다고 생각할 것입니다.
기계 학습 - 저는 블랙박스를 좋아하지 않습니다. 어떻게 그리고 왜 열리는지 알아야 합니다.
별로, 나는 무례하게 예를 들었다. 사실, 전체 프로세스는 매우 잘 제어될 수 있습니다. 스칼라와 같은 고급 언어와 어셈블러를 비교하는 것과 같습니다. 어셈블러에서는 일부 전략에 따라 기존의 TS를 개발할 때와 마찬가지로 모든 작업을 수행하고 모든 뉘앙스를 고려하고 많은 일상적인 작업을 수행해야 합니다. 같은 시간 원시. 기계 학습에서는 특정 기본 논리의 특정 구현을 숨기는 상위 수준 모델을 생성하여 일반적인 아이디어에 집중할 수 있습니다.
몇 달 동안 개발되고 테스트된 대부분의 TS는 며칠 만에 머신러닝 모델을 사용하여 검증할 수 있다고 자신 있게 말할 수 있습니다. 이것은 또 다른 수준이므로 작업하는 방법만 이해하면 됩니다. 예를 들어, 일반 PC에서 기본 TS 프로그래밍을 사용하여 수백만 가지 옵션을 계산할 수는 없으며 MO의 도움으로 비디오 카드에서 하루 만에 수행할 수 있습니다. MO의 힘과 차량 제작에 대한 일반적인 접근 방식의 원시성을 느끼십니까? 반복합니다. 한 번만 느끼면 더 이상 대화가 필요하지 않습니다. :)
봇의 최신 변형에서 나는 아무데도 보지 않고 테스터와 옵티마이저의 통계 만 봅니다 :) 왜 우리는 거기에서 보지 못했습니까 .. 또한 National의 일부 유사체에 대한 최신 봇 조립 나는 그들이 어떻게 거래하는지 전혀 이해하지 못합니다. 블랙 박스는 zhezh .. 이것은 정말 멋지고, 주목해야합니다 .. 음, 즉 .. 그러한 시스템을 일반적으로 다른 접근 방식으로 만드는 것은 정말 멋진 것입니다. TS의 개발, 그래서 머신러닝을 알고리즘 트레이딩의 최고 수준으로 표시했습니다.
예, 동의합니다. DM을 사용한 첫 번째 결과는 정말 인상적입니다. 그러나 잠시 후 이 접근 방식에 실망하게 될 것이라고 생각합니다. 물론 IMHO이지만 이들은 동일한 계란 , 동일한 적합성, 프로필 만 있습니다.)
IMHO, DM은 전략을 대체하는 것이 아니라 보완해야 합니다. 이것은 주로 전략에 대한 완전한 설명이 비현실적이라는 사실 때문입니다. 요인이 너무 많습니다. 이러한 요소들은 DM에 맡기는 것이 좋다. 그리고 전략의 바로 그 기초는 일반적으로 어떤 어려움도 제시하지 않습니다.
예, 동의합니다. DM을 사용한 첫 번째 결과는 정말 인상적입니다. 그러나 잠시 후 이 접근 방식에 실망하게 될 것이라고 생각합니다. 물론 IMHO이지만 이들은 동일한 계란 , 동일한 적합성, 프로필 만 있습니다.)
IMHO, DM은 전략을 대체하는 것이 아니라 보완해야 합니다. 이것은 주로 전략에 대한 완전한 설명이 비현실적이라는 사실 때문입니다. 요인이 너무 많습니다. 이러한 요소들은 DM에 맡기는 것이 좋다. 그리고 전략의 바로 그 기초는 일반적으로 어려움을 나타내지 않습니다.
음, 예, 어쨌든 결과를 보장하는 사람은 없지만 시스템 개발을 촉진(속도 향상)시킨다는 사실은 이미 저에게 명백한 사실입니다.
음, 예, 어쨌든 결과를 보장하는 사람은 없지만 시스템 개발을 촉진(속도 향상)시킨다는 사실은 이미 저에게 명백한 사실입니다.
그것이 TA를 알고 있다면 알아야 할 전부입니다.
뉴런을 하나 더 사용하고 있습니까, 아니면 더 멀리 갔습니까?