한 가지만 이해가 되지 않습니다. 이 스레드는 최적화에 전념하고 있으며 유전자 프로그래밍 과 같은 방법에 대해 한 마디도 언급하지 않았습니다. 나 자신은 시장에 나와 있는 모든 종류의 수치 분석에 대해 매우 회의적입니다. 그러나 이 아이디어에 대한 옹호자로서 이 방법은 표준 입력 및 그것들을 역사와 그 자체에 맞추는 것은 사용 가능한 조각으로부터 "이상적인" 입력을 생성하므로 원래 입력의 불변성에 의해 제약을 받지 않는 이상적인 적합자/최적화가 됩니다...
여기에서 형식화하려는 것을 일부 프로세스에서 매개변수의 고정성이라고 합니다. 이 경우 kotir가 고조파 신호 집합으로 간주되는 경우 고조파 중 하나에 대한 정상성에 대해 이야기하고 있습니다.
실제로 두 카드의 차이(첫 번째 게시물 참조)는 거의 이전 이동의 첫 번째 파생물입니다. 이상적인 디지털 미분 연산자의 대역폭은 원점(y \u003d f)에서 그리고 가로 좌표를 따라 Nyquist 주파수(또는 기억하지 못하는 주파수의 1/2)에서 끝나는 직선이며, 이는 두 배에 해당합니다. TF 및 1 - y축을 따라. 첫 번째 근사에서 kotir의 스펙트럼이 1/f에 비례한다는 점을 고려하면 전체 주파수 범위에서 창을 얻습니다. 여기서 원래 VR의 모든 고조파는 가중치 1로 표시됩니다. 따라서 제안한 알고리즘에 따라 과거 데이터에서 이러한 TS를 최적화하면 최대 진폭의 고조파만 드러납니다. 그리고 하나가 아니라면 모든 것이 아무것도 아닐 것입니다. 그러나 그러한 고조파의 위치는 원칙적으로 고정되어 있지 않습니다. 따라서 두 움직임의 교차점을 사용하여 수익성 있는 TS를 구축하는 것은 불가능합니다. 최적화 매개변수는 고정되어 있지 않습니다.
TS에서 평활 기간이 다른 여러 움직임을 사용하고 구매 신호를 각 교차점의 신호의 가중치 합으로 정의하면 평범한 푸리에 분석을 얻을 수 있습니다. 세계는 모든 표현에서 다시 한 번 연합되었습니다!
가장 중요한 것은 아직 살아있는 엘리트(그리고 지속적으로 업데이트되고 누군가는 더 일찍 죽고 누군가는 나중에)의 무역 누적 결과가 항상 긍정적이라는 것입니다...
농담입니다 :) 아무리 생각해도 긍정적인 엘리트는 얻지 못할 것입니다.
그것은 일어난다.
어떤 가품과 함께 성장하지 않았는지 보여주기만 하면 된다.
+1
그것은 _ 그만큼 빌어먹을 젠장 !
"SB를 거래하는 것이 가능합니까?"와이 스타일에 대한 의미없는 읽기가 마음에 들면 거미를 검색하십시오.
필요한 매개 변수를 알고 있다면 언제든지 Mashki의 가격 목록에서 최대 이익을 추출할 수 있다는 사실에 관한 것입니다. 이는 회고에서만 찾을 수 있습니다.
mql4에서 발견
나는 이 과학적 설명이 좋았다.
여기에서 형식화하려는 것을 일부 프로세스에서 매개변수의 고정성이라고 합니다. 이 경우 kotir가 고조파 신호 집합으로 간주되는 경우 고조파 중 하나에 대한 정상성에 대해 이야기하고 있습니다.
실제로 두 카드의 차이(첫 번째 게시물 참조)는 거의 이전 이동의 첫 번째 파생물입니다. 이상적인 디지털 미분 연산자의 대역폭은 원점(y \u003d f)에서 그리고 가로 좌표를 따라 Nyquist 주파수(또는 기억하지 못하는 주파수의 1/2)에서 끝나는 직선이며, 이는 두 배에 해당합니다. TF 및 1 - y축을 따라. 첫 번째 근사에서 kotir의 스펙트럼이 1/f에 비례한다는 점을 고려하면 전체 주파수 범위에서 창을 얻습니다. 여기서 원래 VR의 모든 고조파는 가중치 1로 표시됩니다. 따라서 제안한 알고리즘에 따라 과거 데이터에서 이러한 TS를 최적화하면 최대 진폭의 고조파만 드러납니다. 그리고 하나가 아니라면 모든 것이 아무것도 아닐 것입니다. 그러나 그러한 고조파의 위치는 원칙적으로 고정되어 있지 않습니다. 따라서 두 움직임의 교차점을 사용하여 수익성 있는 TS를 구축하는 것은 불가능합니다. 최적화 매개변수는 고정되어 있지 않습니다.
TS에서 평활 기간이 다른 여러 움직임을 사용하고 구매 신호를 각 교차점의 신호의 가중치 합으로 정의하면 평범한 푸리에 분석을 얻을 수 있습니다. 세계는 모든 표현에서 다시 한 번 연합되었습니다!
최적화 이론은 수학의 잘 발달된 영역입니다. 왜 바퀴를 재발명해야 합니까?
함수의 극한을 검색하기 위한 수많은 발견적 방법도 있습니다.
"본질"은 극한값이 최소한의 계산으로 전역적일 가능성이 높은 데 있습니다.
"에센스" "모의 어닐링 방법"의 역할에 대한 아주 좋은 경쟁자.
최적화 이론은 수학의 잘 발달된 영역입니다. 왜 바퀴를 재발명해야 합니까?
함수의 극한을 검색하기 위한 수많은 발견적 방법도 있습니다.
"본질"은 극한값이 최소한의 계산으로 전역적일 가능성이 높은 데 있습니다.
"에센스" "모의 어닐링 방법"의 역할에 대한 아주 좋은 경쟁자.
최적화 이론은 수학의 잘 발달된 영역입니다. 왜 바퀴를 재발명해야 합니까?
함수의 극한을 검색하기 위한 수많은 발견적 방법도 있습니다.
"본질"은 극한값이 최소한의 계산으로 전역적일 가능성이 높은 데 있습니다.
"에센스" "모의 어닐링 방법"의 역할에 대한 아주 좋은 경쟁자.
이와 관련하여 단순히 초평면으로 근사하는 것에 대해 이야기하는 경우 무작위(매개변수 공간에서) 테스트 견본.
글쎄, 모든 것이 거의 중요하지 않습니다. 이것은 "최적화의 본질"이 아닙니다. 그러면 당신이 말하는 것은 기계 계산을 줄이는 방법론일 뿐입니다. 이것은 물론 중요하지만 그다지 중요하지는 않습니다.
사실 그 질문은 쉽지 않고, 일반적으로 시장 패턴의 본질에 대해 생각하는 공허한 상태에 빠지고, 그러한 추론의 극단적인 시끄러움으로 인해 모두가 지겹다. 그래서 시도조차 하지 않을 것입니다.
노스트라다무스 스타일로 말씀드릴게요 :) :)
모델에는 프로세스에 대한 관련 이전 데이터가 포함되어야 합니다.
이와 관련하여 단순히 초평면으로 근사하는 것에 대해 이야기하는 경우 무작위(매개변수 공간에서) 테스트 견본.
글쎄, 모든 것이 거의 중요하지 않습니다. 이것은 "최적화의 본질"이 아닙니다. 그러면 당신이 말하는 것은 기계 계산을 줄이는 방법론일 뿐입니다. 이것은 물론 중요하지만 그다지 중요하지는 않습니다.
사실 그 질문은 쉽지 않고, 일반적으로 시장 패턴의 본질에 대해 생각하는 공허한 상태에 빠지고, 그러한 추론의 극단적인 시끄러움으로 인해 모두가 지겹다. 그래서 시도조차 하지 않을 것입니다.