예상대로 매우 좋습니다. 테스트 방법의 차이는 프로그램이 프로그래밍 방식의 폐쇄 또는 명시적 주문 열기를 사용하는지 여부에 영향을 미칩니다. 그리고 귀하의 경우 SL 및 TP로 마감하므로 테스트 방법이 영향을 미치지 않아야 합니다.
물론 동시에 다른 테스트 방법 (모든 틱)과 (빠른 방법)에서 전략의 수익성에 대한 숫자 지표 간의 불일치 외에도 최적화된 매개변수의 값도 분기됩니다! 그리고 이것은 어떤 식으로든 처리되지 않습니다 :o). 다른 테스트 방법으로 이익의 불일치를 어떻게 든 참을 수 있다면 최적화 된 매개 변수 값의 불일치로 생활하는 것은 적어도 개인적으로 매우 문제가됩니다.o)))).
...궤적 함수가 일부 이차 형식으로 적절하게 표현될 수 있다고 가정할 수 있습니다. 그러면 거의 간단합니다. 이러한 형식에 대한 품질 기준 함수의 극한값에 대한 검색은 고도로 연구된 영역입니다. 즉, 극단적인 방법으로 품질 기준을 충족하는 샘플을 선택해야 합니다.
다른 채널에 대한 동일한 Murray 반전 수준은 다른 신뢰 구간에 있을 것입니다. 결국 어떻게든 이를 차단해야 합니다. 맞죠? 그리고 품질의 기준은 위치 에너지입니다. 이차 형태를 보세요. 특별한 것은 없습니다.
Vladislav, 위의 메시지를 처리하기 위해 어떤 문헌(전자 형식)을 읽어야 하는지 도와주시겠습니까? 아니면 당신이 추천한 Bulashev의 교과서를 의미합니까? 즉, 2차 형식이란 상수, 1차 및 2차 항으로 구성된 항의 합으로 가격 계열의 근사치를 의미합니까? 아니면 내가 아무것도 이해하지 못했습니까? 내가 추측하는 이차 형태를 위치 에너지로 바꾸는 것은 어떻습니까? 어떻게 완료되었나요? 저도 아직 경험해보지 못했습니다 :(
그리고 Sentiment에 대한 스레드에서 Spider에서 작업을 설정하는 방법에 대한 메시지도 있다고 말했습니다. 근데 제가 검색을 잘 안한거 같은데 닉네임 VG님의 메세지는 아직 못찾았습니다. 실례가 되지 않는다면 링크를 제공해주세요.
블라디슬라프, 몇 가지 질문이 더 있습니다. 1. 선형 회귀 채널을 구성할 때 직선의 방정식을 사용합니까, 아니면 2차 항이 있는 방정식으로 가격 계열을 근사한 다음 이 2차 방정식을 Bulashev의 책에 설명된 대로 수학적 변환 후 직선의 선형 방정식은 무엇입니까? 가격 계열에 1차 및 2차 근사 방정식을 적용하는 것이 편리한지에 대한 귀하의 견해를 말씀해 주십시오. 결과를 얻는(거래 자체) 측면에서 다른 방정식에 실질적인 차이가 있습니까? 2. 당신은 전략에 표준편차를 사용한다고 말했습니다. 어떻게 사용하는지 설명해 주시겠습니까?
...можно сделать предположение о том, что функция траектории адекватно может быть представлена некоторой квадратичной формой - дальше почти просто: поиск экстремумов функционалов критериев качества для таких форм весьма исследованная область. То есть нужно делать отбор выборок, экстремальным образом удовлетворяющих критериям качества.
다른 채널에 대한 동일한 Murray 반전 수준은 다른 신뢰 구간에 있을 것입니다. 결국 어떻게든 이를 차단해야 합니다. 맞죠? 그리고 품질의 기준은 위치 에너지입니다. 이차 형태를 보세요. 특별한 것은 없습니다.
Vladislav, 위의 메시지를 처리하기 위해 어떤 문헌(전자 형식)을 읽어야 하는지 도와주시겠습니까? 아니면 당신이 추천한 Bulashev의 교과서를 의미합니까? 즉, 2차 형식이란 상수, 1차 및 2차 항으로 구성된 항의 합으로 가격 계열의 근사치를 의미합니까? 아니면 내가 아무것도 이해하지 못했습니까? 내가 추측하는 이차 형태를 위치 에너지로 바꾸는 것은 어떻습니까? 어떻게 완료되었나요? 저도 아직 경험해보지 못했습니다 :(
그리고 Sentiment에 대한 스레드에서 Spider에서 작업을 설정하는 방법에 대한 메시지도 있다고 말했습니다. 그런데 제가 검색을 잘 안 한 것 같은데 닉네임 VG의 메시지는 아직 찾지 못했습니다. 실례가 되지 않는다면 링크를 제공해주세요.
자세한 답변 미리 감사드립니다!
2차 형식( F(x,t) = A*x^2+B*t^2 + C )과 관련하여 - 이것은 수학 물리학, 필드 이론 및 이러한 용어의 수학적 의미에서의 최적화 이론입니다. 시스템 매개변수의 최적화가 의미하는 바는 모순되는 일련의 제약 조건을 충족하는 극한 솔루션을 얻을 수 있도록 하는 상당히 광범위한 수학적 방법의 결과일 뿐입니다. 전자 형태로 본 적은 없지만 아마도 존재할 것입니다. 많은 문헌이 있습니다. 어디서부터 시작해야 할지 바로 말하지 않겠습니다. 감정에 대한 분기에 대해 - 지금은 너무 게을러서 볼 수가 없습니다 - 그 당시에는 방정식에 도달하지 못했습니다. 그들은 주의를 기울이지 않기로 결정했습니다. :). 나는 여기에서 나의 요점을 요약할 수 있다: 1. 시장은 사람이 운영한다(많은 자본이 있어도 상관없다) 2. 동일한 관심사를 가진 사람들은 동일한 "매력 영역"을 가지고 있습니다(예를 들어, 유사한 정신 유형을 가진 사람들은 주로 시장의 특성을 보장하는 일부 도구를 거래하는 것을 선호합니다. - 가설) 막다른 골목처럼 보이지만(많은 사람들이 여기에서 비롯됨), 더 많은 가정을 하면 희망이 나타납니다. 같은 상황에 있는 사람들은 같은 행동을 하는 경향이 있습니다(유사한 결정에 대한 반복 가능성의 존재). 시장에 있는 모든 관리자 그룹의 행동이 이윤을 극대화하려는 욕구에서 나온다고 가정합니다. 또한 항상 극단적인 결과를 달성하는 관리자(이상적인 시스템)가 있다고 가정합니다. 그런 다음 행동은 시장을 어떤 식으로든 움직이고자 하는 단순한 욕구보다 더 강한 것에서 나와야 합니다. 예를 들어, 몇 년 전 일본의 달러 지지 개입은 성공적으로 해소되었습니다. 몇 번의 시도 끝에 일본은 더 이상 그런 게임을 하지 않는다고 발표했습니다. 그리고 그들은 달러의 추세를 멈추기 위해 5분에서 10분 사이에 많은 돈을 던졌습니다. 따라서 시장을 움직이거나 시장 관리자의 의사 결정을 위한 전제 조건을 형성하는 어떤 외부 힘이 존재한다고 가정할 수 있습니다. 이 힘이 많은 구성 요소의 결과이며 작업을 설정하고 솔루션을 평가하는 것이 가능할 것이라는 가정을 하는 것이 남아 있습니다(저에게는 상당히 논리적입니다). 사실, 우리는 이상적인 결과로 항상 정확한 예측을 받는 시스템을 얻게 될 것입니다(Carnot 주기와 유사합니다. 이론적으로는 존재하지만 실제로는 더 좋거나 더 나쁘게 접근할 수 있음). 물론 실제로는 일정 범위의 불확실성이 있습니다. 그러나 이 모든 것은 시장의 프랙탈 특성에서 비롯됩니다(이 가설은 효율적 시장 가설과 대조적으로 개발되고 있음). 즉, 시장에 무작위가 아닌 예측 기간이 있다는 사실에서 비롯됩니다. 즉, 어두운 방에서 검은 고양이를 찾으러 가려면 적어도 어두운 방의 일부에 일정 수의 검은 고양이가 있다고 가정해야 합니다.
사실, 우리는 이상적인 결과로 항상 정확한 예측을 받는 시스템을 얻게 될 것입니다(Carnot 주기와 유사합니다. 이론적으로는 존재하지만 실제로는 더 좋거나 더 나쁘게 접근할 수 있음).
Vladislav, Carnot 주기에 대해, 예를 들어 시가와 종가에서 흰색과 검은색 양초의 합을 기반으로 한 외력에 의해 수행된 작업의 계산을 귀하의 전략에서 사용한다고 가정할 수 있습니다. 즉, 내가 이해하는 바와 같이 흰색과 검은색 양초의 몸체를 따로따로 요약하면 결국에는 위로보다 아래로 더 많은 작업이 수행되었거나 그 반대의 경우 추정된 비율이 표시됩니다. 즉, 이 데이터에서 역사 분석에 기초하여 예를 들어 시스템이 두 극단 중 하나에 있다고 가정할 수 있습니까? 그럼 비밀이 아니라면 어떤 기간을 기준으로 그런 계산을 하나요? 그리고 계산을 위한 최적 의 막대 수는 얼마입니까? 물론 여기에서 요점은 계산을 위해 어떤 tamframe을 사용하고 얼마나 많은 막대가 필요한지는 전혀 아니라고 가정할 수 있지만 전체 요점은 아마도 그러한 계산이 수행되는 기간의 지속 기간에만 있을 것입니다 . 그러면 계산을 위한 시간 간격을 사용해야 한다고 생각하십니까? 결국 계산에 걸리는 기간에 따라 모든 결과가 달라집니다. 아마도 사용하는 Murray 표시기의 매개변수 P=64에 해당하는 기간을 계산에 사용하시겠습니까? 즉, 계산에 64거래일의 기간을 사용하는 것이 가장 좋습니까?
Вот собственно такую систему, которая ВСЕГДА получает правильный прогноз мы и получим в идеальном результате (это как цикл Карно - теоретически он есть, практически к нему можно лучше или хуже приблизиться).
Vladislav, Carnot 주기에 대해, 예를 들어 시가와 종가에서 흰색과 검은색 양초의 합을 기반으로 한 외력에 의해 수행된 작업의 계산을 귀하의 전략에서 사용한다고 가정할 수 있습니다. 즉, 내가 이해하는 바와 같이 흰색과 검은색 양초의 몸체를 따로따로 요약하면 결국에는 위로보다 아래로 더 많은 작업이 수행되었거나 그 반대의 경우 추정된 비율이 표시됩니다. 즉, 이 데이터에서 역사 분석에 기초하여 예를 들어 시스템이 두 극단 중 하나에 있다고 가정할 수 있습니까? 그럼 비밀이 아니라면 어떤 기간을 기준으로 그런 계산을 하나요? 그리고 계산을 위한 최적의 막대 수는 얼마입니까? 물론 여기에서 요점은 계산을 위해 어떤 tamframe을 사용하고 얼마나 많은 막대가 필요한지는 전혀 아니라고 가정할 수 있지만 전체 요점은 아마도 그러한 계산이 수행되는 기간의 지속 기간에만 있을 것입니다 . 그러면 계산을 위한 시간 간격을 사용해야 한다고 생각하십니까? 결국 계산에 걸리는 기간에 따라 모든 결과가 달라집니다. 아마도 사용하는 Murray 표시기의 매개변수 P=64에 해당하는 기간을 계산에 사용하시겠습니까? 즉, 계산에 64거래일의 기간을 사용하는 것이 가장 좋습니까?
Carnot 주기와 관련하여 - 그것은 단지 예를 들어 제한 값으로 주어졌습니다. Murray 차원 - 64와 관련하여 이는 방법 개발자 자체의 권장 사항입니다. 이것이 최선의 결과인지 판단할 책임은 없지만 다음 추정치를 사용하여 방법 수렴을 위한 최소 충분히 먼 지점을 결정합니다. 정확한 링크는 기억나지 않고, 지속성 계산과 관련된 분석 기사를 보았습니다(Hurst's factor > 0.5). 시장의 프랙탈 차원에 대한 추정치가 있었습니다. 내린 결론: 많은 유형의 시장에 대한 허스트 팩터는 0.62-0.64의 영역에 있으며, 이는 차례로 90일 동안 평균적으로 시계열에 대한 초기 조건의 손실을 의미합니다. 즉, 시간상 90일 이상 지난 섭동은 사라지는 효과가 작습니다. 이제 카운트다운의 시작점을 6개월(더 정확하게는 180일)로 설정했습니다. 90일이 항상 수렴을 위한 충분한 정보를 제공하지는 않지만 구현 기능과 다른 알고리즘 및 품질 기준은 90이면 충분합니다. 아직 잘 모르겠습니다. 사용 가능한 전체 기록에서 기간을 계산했을 때 결과가 더 좋지는 않았습니다. 계산하는 데 더 많은 시간이 걸렸을 뿐입니다. 계산을 위한 마디의 수 는 구조 자체에 의해 결정되며 옥타브는 구조 자체에 따라 특별히 만들어집니다. 그래서 어느 시점에 어떤 것이 얻어졌는지 말할 수조차 없습니다. 컴퓨터는 오랫동안 계산을 해왔습니다. :) . 방법 자체는 t\f에 의존하지 않으므로 반년 동안 충분한 기록이 있는 한 모든 t\f를 기반으로 수행할 수 있습니다. 양초, 패턴 등. 나는 평가하지 않습니다 - 당신은 소음 의존적 방법을 얻게 될 것입니다. 즉, IMHO가 좋지 않은 견적의 품질에 따라 결과가 달라집니다.
Vladislav, 나는 아직도 당신의 전략을 더 알아 내려고 노력하고 있습니다. 몇 가지 질문이 나왔습니다.
2차 형식( F(x,t) = A*x^2+B*t^2 + C )과 관련하여 - 이것은 수학 물리학, 필드 이론 및 이러한 용어의 수학적 의미에서의 최적화 이론입니다. 시스템 매개변수의 최적화가 의미하는 바는 모순되는 일련의 제약 조건을 충족하는 극한 솔루션을 얻을 수 있도록 하는 상당히 광범위한 수학적 방법의 결과일 뿐입니다. 전자 형태로 본 적은 없지만 아마도 존재할 것입니다. 많은 문헌이 있습니다. 어디서부터 시작해야 할지 바로 말할 수조차 없습니다.
...궤적 함수가 일부 이차 형식으로 적절하게 표현될 수 있다고 가정할 수 있습니다. 그러면 거의 간단합니다. 이러한 형식에 대한 품질 기준 함수의 극한값에 대한 검색은 고도로 연구된 영역입니다. 즉, 극단적인 방법으로 품질 기준을 충족하는 샘플을 선택해야 합니다.
다른 채널에 대한 동일한 Murray 반전 수준은 다른 신뢰 구간에 있을 것입니다. 결국 어떻게든 이를 차단해야 합니다. 맞죠? 그리고 품질의 기준은 위치 에너지입니다. 이차 형태를 보세요. 특별한 것은 없습니다.
나는 이 주제에 관한 문헌을 보았다. 이 특정 사례에 대한 응용 프로그램에서 찾을 수 있는 모든 것이 가능하지는 않다고 생각합니다. 그러나 내가 본 것을 바탕으로 이차 형태에 대해 다음과 같은 가정이 있습니다. 우선 이 가장 근사한 가격 계열 함수를 찾는 방법에 대해 알아보겠습니다. 나는 당신이 포물선 함수를 다음 형식으로 취할 수 있다고 가정합니다. y(t)=A(t-t0)^2+B, 여기서 y는 가격, t는 시간, t0은 포물선이 극한값을 갖는 시간 척도의 점, A와 B는 계수입니다. 이것은 이 포물선이 최소 위치 에너지 기준의 관점에서 최적인 최적 계수 A 및 B를 찾는 문제의 공식화로 이어집니다. 검토된 소스에서 내가 이해한 한 이 최적화의 본질은 다음과 같습니다. 우리는 포물선의 곡선을 동일한 필드 전위를 갖는 선으로 생각합니다. 명확성을 위해 0과 같게 하십시오. 그러한 포텐셜 필드의 기울기는 포물선의 선에 앞서도록 지시될 것입니다. 그런 다음 위치 에너지를 최소화하는 문제는 가격 계열의 점과 포물선 곡선 사이의 최단 거리 제곱의 합이 최소가 되는 포물선을 찾는 문제로 축소됩니다. 즉, 간단히 말해서 포물선의 매개변수를 최적화할 때 가격 계열의 점과 포물선의 선 사이의 최단 거리를 결정해야 합니다. 그리고 가장 짧은 거리는 포물선과 직각으로 교차하는 직선을 따른 거리입니다. 따라서 이를 위해서는 이러한 최단 거리를 찾는 문제를 해결해야 합니다. 어떤 방법을 사용하는지에 대한 최소한 방법론적 용어로 정보를 공유할 수 있습니까? 예를 들어, 이러한 최단 거리를 찾는 과정을 다음과 같이 상상합니다. 1. 우리는 (우선 전체 계산의 알고리즘이 아직 명확하지 않음) 우리가 근사하고자 하는 기존 가격 시리즈에 대한 진실과 다소 유사한 포물선을 선택합니다. 2. 각 점에서 포물선에 접선 방향으로 이 점을 통과하는 직선의 방정식이 있는 다각형으로 근사화합니다. 점 TY(t,T)=a(tT)+b에 대한 직선 방정식, 여기서 a=2A(t-t0) 및 b=y(T) 3. 다음으로 가격 시리즈에서 선택한 일부 점에 대해 t 및 y 축을 따라 값 범위를 제한합니다. 여기서 점에서 포물선까지 그린 수직선과 포물선 자체의 교차점이 있습니다 . 4. 우리는 수직선과의 교차를 위해 다각형 방정식의이 영역에있는 행의 다각형 세그먼트 방정식을 통해 반복을 수행합니다. 한 점에서 곡선까지의 수직선 길이를 계산할 때 필요한 오류를 얻기 위해 필요한 수의 반복과 근사를 수행합니다. 5. 이 세그먼트의 제곱을 합산하여 목적 함수의 값을 얻습니다. 6. 다음 단계는 포물선의 매개변수를 변경하고 포인트 2-5에 따라 필요한 횟수만큼 계산을 수행하는 것입니다. 목적 함수의 가장 작은 값은 가격 계열에 최적으로 근사하는 포물선의 매개변수 값에 해당합니다.
또한, 획득한 목적 함수의 최적값으로부터 조건부로 "준분산" 및 "준RMSD" 매개변수를 계산하는 것이 가능할 것입니다. 이를 기반으로 가격 차트에 이미 존재하는 포물선 외에도 상대적으로 말하면 확률의 수치적 특성을 가지며 추세의 동일한 확률을 갖는 잠재적 필드의 선을 나타내는 여러 포물선을 그릴 수 있습니다. 반전. 예를 들어, 70%, 80%, 90% 반전 확률의 라인.
Vladislav, 당신은 내가 당신의 전략을 이해하는 올바른 방향으로 가고 있다고 생각합니까, 아니면 내가 전혀 이해하지 못하고 완전히 다른 방향으로 갔습니까?
А даёт ли стратегия прибыль при тестировании по ценам открытия (быстрый метод) ?
그것은 또한 제공합니다. 이익과 M1(모든 틱) 사이의 불일치는 5-10%입니다. 나는 모든 틱에서 결과가 더 신뢰할 수 있다고 생각하므로 M1(빠른 방법)을 사용하지 않습니다.
예상대로 매우 좋습니다.
테스트 방법의 차이는 프로그램이 프로그래밍 방식의 폐쇄 또는 명시적 주문 열기를 사용하는지 여부에 영향을 미칩니다. 그리고 귀하의 경우 SL 및 TP로 마감하므로 테스트 방법이 영향을 미치지 않아야 합니다.
예상대로 매우 좋습니다.
테스트 방법의 차이는 프로그램이 프로그래밍 방식의 폐쇄 또는 명시적 주문 열기를 사용하는지 여부에 영향을 미칩니다. 그리고 귀하의 경우 SL 및 TP로 마감하므로 테스트 방법이 영향을 미치지 않아야 합니다.
물론 동시에 다른 테스트 방법 (모든 틱)과 (빠른 방법)에서 전략의 수익성에 대한 숫자 지표 간의 불일치 외에도 최적화된 매개변수의 값도 분기됩니다! 그리고 이것은 어떤 식으로든 처리되지 않습니다 :o). 다른 테스트 방법으로 이익의 불일치를 어떻게 든 참을 수 있다면 최적화 된 매개 변수 값의 불일치로 생활하는 것은 적어도 개인적으로 매우 문제가됩니다.o)))).
Vladislav, 위의 메시지를 처리하기 위해 어떤 문헌(전자 형식)을 읽어야 하는지 도와주시겠습니까? 아니면 당신이 추천한 Bulashev의 교과서를 의미합니까? 즉, 2차 형식이란 상수, 1차 및 2차 항으로 구성된 항의 합으로 가격 계열의 근사치를 의미합니까? 아니면 내가 아무것도 이해하지 못했습니까? 내가 추측하는 이차 형태를 위치 에너지로 바꾸는 것은 어떻습니까? 어떻게 완료되었나요? 저도 아직 경험해보지 못했습니다 :(
그리고 Sentiment에 대한 스레드에서 Spider에서 작업을 설정하는 방법에 대한 메시지도 있다고 말했습니다. 근데 제가 검색을 잘 안한거 같은데 닉네임 VG님의 메세지는 아직 못찾았습니다. 실례가 되지 않는다면 링크를 제공해주세요.
자세한 답변 미리 감사드립니다!
1. 선형 회귀 채널을 구성할 때 직선의 방정식을 사용합니까, 아니면 2차 항이 있는 방정식으로 가격 계열을 근사한 다음 이 2차 방정식을 Bulashev의 책에 설명된 대로 수학적 변환 후 직선의 선형 방정식은 무엇입니까? 가격 계열에 1차 및 2차 근사 방정식을 적용하는 것이 편리한지에 대한 귀하의 견해를 말씀해 주십시오. 결과를 얻는(거래 자체) 측면에서 다른 방정식에 실질적인 차이가 있습니까?
2. 당신은 전략에 표준편차를 사용한다고 말했습니다. 어떻게 사용하는지 설명해 주시겠습니까?
답변에 미리 감사드립니다!
Vladislav, 위의 메시지를 처리하기 위해 어떤 문헌(전자 형식)을 읽어야 하는지 도와주시겠습니까? 아니면 당신이 추천한 Bulashev의 교과서를 의미합니까? 즉, 2차 형식이란 상수, 1차 및 2차 항으로 구성된 항의 합으로 가격 계열의 근사치를 의미합니까? 아니면 내가 아무것도 이해하지 못했습니까? 내가 추측하는 이차 형태를 위치 에너지로 바꾸는 것은 어떻습니까? 어떻게 완료되었나요? 저도 아직 경험해보지 못했습니다 :(
그리고 Sentiment에 대한 스레드에서 Spider에서 작업을 설정하는 방법에 대한 메시지도 있다고 말했습니다. 그런데 제가 검색을 잘 안 한 것 같은데 닉네임 VG의 메시지는 아직 찾지 못했습니다. 실례가 되지 않는다면 링크를 제공해주세요.
자세한 답변 미리 감사드립니다!
2차 형식( F(x,t) = A*x^2+B*t^2 + C )과 관련하여 - 이것은 수학 물리학, 필드 이론 및 이러한 용어의 수학적 의미에서의 최적화 이론입니다. 시스템 매개변수의 최적화가 의미하는 바는 모순되는 일련의 제약 조건을 충족하는 극한 솔루션을 얻을 수 있도록 하는 상당히 광범위한 수학적 방법의 결과일 뿐입니다. 전자 형태로 본 적은 없지만 아마도 존재할 것입니다. 많은 문헌이 있습니다. 어디서부터 시작해야 할지 바로 말하지 않겠습니다.
감정에 대한 분기에 대해 - 지금은 너무 게을러서 볼 수가 없습니다 - 그 당시에는 방정식에 도달하지 못했습니다. 그들은 주의를 기울이지 않기로 결정했습니다. :).
나는 여기에서 나의 요점을 요약할 수 있다:
1. 시장은 사람이 운영한다(많은 자본이 있어도 상관없다)
2. 동일한 관심사를 가진 사람들은 동일한 "매력 영역"을 가지고 있습니다(예를 들어, 유사한 정신 유형을 가진 사람들은 주로 시장의 특성을 보장하는 일부 도구를 거래하는 것을 선호합니다. - 가설)
막다른 골목처럼 보이지만(많은 사람들이 여기에서 비롯됨), 더 많은 가정을 하면 희망이 나타납니다.
같은 상황에 있는 사람들은 같은 행동을 하는 경향이 있습니다(유사한 결정에 대한 반복 가능성의 존재).
시장에 있는 모든 관리자 그룹의 행동이 이윤을 극대화하려는 욕구에서 나온다고 가정합니다. 또한 항상 극단적인 결과를 달성하는 관리자(이상적인 시스템)가 있다고 가정합니다. 그런 다음 행동은 시장을 어떤 식으로든 움직이고자 하는 단순한 욕구보다 더 강한 것에서 나와야 합니다. 예를 들어, 몇 년 전 일본의 달러 지지 개입은 성공적으로 해소되었습니다. 몇 번의 시도 끝에 일본은 더 이상 그런 게임을 하지 않는다고 발표했습니다. 그리고 그들은 달러의 추세를 멈추기 위해 5분에서 10분 사이에 많은 돈을 던졌습니다.
따라서 시장을 움직이거나 시장 관리자의 의사 결정을 위한 전제 조건을 형성하는 어떤 외부 힘이 존재한다고 가정할 수 있습니다. 이 힘이 많은 구성 요소의 결과이며 작업을 설정하고 솔루션을 평가하는 것이 가능할 것이라는 가정을 하는 것이 남아 있습니다(저에게는 상당히 논리적입니다).
사실, 우리는 이상적인 결과로 항상 정확한 예측을 받는 시스템을 얻게 될 것입니다(Carnot 주기와 유사합니다. 이론적으로는 존재하지만 실제로는 더 좋거나 더 나쁘게 접근할 수 있음). 물론 실제로는 일정 범위의 불확실성이 있습니다.
그러나 이 모든 것은 시장의 프랙탈 특성에서 비롯됩니다(이 가설은 효율적 시장 가설과 대조적으로 개발되고 있음). 즉, 시장에 무작위가 아닌 예측 기간이 있다는 사실에서 비롯됩니다. 즉, 어두운 방에서 검은 고양이를 찾으러 가려면 적어도 어두운 방의 일부에 일정 수의 검은 고양이가 있다고 가정해야 합니다.
행운을 빕니다.
Vladislav, Carnot 주기에 대해, 예를 들어 시가와 종가에서 흰색과 검은색 양초의 합을 기반으로 한 외력에 의해 수행된 작업의 계산을 귀하의 전략에서 사용한다고 가정할 수 있습니다. 즉, 내가 이해하는 바와 같이 흰색과 검은색 양초의 몸체를 따로따로 요약하면 결국에는 위로보다 아래로 더 많은 작업이 수행되었거나 그 반대의 경우 추정된 비율이 표시됩니다. 즉, 이 데이터에서 역사 분석에 기초하여 예를 들어 시스템이 두 극단 중 하나에 있다고 가정할 수 있습니까? 그럼 비밀이 아니라면 어떤 기간을 기준으로 그런 계산을 하나요? 그리고 계산을 위한 최적 의 막대 수는 얼마입니까? 물론 여기에서 요점은 계산을 위해 어떤 tamframe을 사용하고 얼마나 많은 막대가 필요한지는 전혀 아니라고 가정할 수 있지만 전체 요점은 아마도 그러한 계산이 수행되는 기간의 지속 기간에만 있을 것입니다 . 그러면 계산을 위한 시간 간격을 사용해야 한다고 생각하십니까? 결국 계산에 걸리는 기간에 따라 모든 결과가 달라집니다. 아마도 사용하는 Murray 표시기의 매개변수 P=64에 해당하는 기간을 계산에 사용하시겠습니까? 즉, 계산에 64거래일의 기간을 사용하는 것이 가장 좋습니까?
Vladislav, Carnot 주기에 대해, 예를 들어 시가와 종가에서 흰색과 검은색 양초의 합을 기반으로 한 외력에 의해 수행된 작업의 계산을 귀하의 전략에서 사용한다고 가정할 수 있습니다. 즉, 내가 이해하는 바와 같이 흰색과 검은색 양초의 몸체를 따로따로 요약하면 결국에는 위로보다 아래로 더 많은 작업이 수행되었거나 그 반대의 경우 추정된 비율이 표시됩니다. 즉, 이 데이터에서 역사 분석에 기초하여 예를 들어 시스템이 두 극단 중 하나에 있다고 가정할 수 있습니까? 그럼 비밀이 아니라면 어떤 기간을 기준으로 그런 계산을 하나요? 그리고 계산을 위한 최적의 막대 수는 얼마입니까? 물론 여기에서 요점은 계산을 위해 어떤 tamframe을 사용하고 얼마나 많은 막대가 필요한지는 전혀 아니라고 가정할 수 있지만 전체 요점은 아마도 그러한 계산이 수행되는 기간의 지속 기간에만 있을 것입니다 . 그러면 계산을 위한 시간 간격을 사용해야 한다고 생각하십니까? 결국 계산에 걸리는 기간에 따라 모든 결과가 달라집니다. 아마도 사용하는 Murray 표시기의 매개변수 P=64에 해당하는 기간을 계산에 사용하시겠습니까? 즉, 계산에 64거래일의 기간을 사용하는 것이 가장 좋습니까?
Carnot 주기와 관련하여 - 그것은 단지 예를 들어 제한 값으로 주어졌습니다.
Murray 차원 - 64와 관련하여 이는 방법 개발자 자체의 권장 사항입니다. 이것이 최선의 결과인지 판단할 책임은 없지만 다음 추정치를 사용하여 방법 수렴을 위한 최소 충분히 먼 지점을 결정합니다.
정확한 링크는 기억나지 않고, 지속성 계산과 관련된 분석 기사를 보았습니다(Hurst's factor > 0.5). 시장의 프랙탈 차원에 대한 추정치가 있었습니다. 내린 결론: 많은 유형의 시장에 대한 허스트 팩터는 0.62-0.64의 영역에 있으며, 이는 차례로 90일 동안 평균적으로 시계열에 대한 초기 조건의 손실을 의미합니다. 즉, 시간상 90일 이상 지난 섭동은 사라지는 효과가 작습니다. 이제 카운트다운의 시작점을 6개월(더 정확하게는 180일)로 설정했습니다. 90일이 항상 수렴을 위한 충분한 정보를 제공하지는 않지만 구현 기능과 다른 알고리즘 및 품질 기준은 90이면 충분합니다. 아직 잘 모르겠습니다. 사용 가능한 전체 기록에서 기간을 계산했을 때 결과가 더 좋지는 않았습니다. 계산하는 데 더 많은 시간이 걸렸을 뿐입니다.
계산을 위한 마디의 수 는 구조 자체에 의해 결정되며 옥타브는 구조 자체에 따라 특별히 만들어집니다. 그래서 어느 시점에 어떤 것이 얻어졌는지 말할 수조차 없습니다. 컴퓨터는 오랫동안 계산을 해왔습니다. :) . 방법 자체는 t\f에 의존하지 않으므로 반년 동안 충분한 기록이 있는 한 모든 t\f를 기반으로 수행할 수 있습니다.
양초, 패턴 등. 나는 평가하지 않습니다 - 당신은 소음 의존적 방법을 얻게 될 것입니다. 즉, IMHO가 좋지 않은 견적의 품질에 따라 결과가 달라집니다.
행운을 빕니다.
...궤적 함수가 일부 이차 형식으로 적절하게 표현될 수 있다고 가정할 수 있습니다. 그러면 거의 간단합니다. 이러한 형식에 대한 품질 기준 함수의 극한값에 대한 검색은 고도로 연구된 영역입니다. 즉, 극단적인 방법으로 품질 기준을 충족하는 샘플을 선택해야 합니다.
다른 채널에 대한 동일한 Murray 반전 수준은 다른 신뢰 구간에 있을 것입니다. 결국 어떻게든 이를 차단해야 합니다. 맞죠? 그리고 품질의 기준은 위치 에너지입니다. 이차 형태를 보세요. 특별한 것은 없습니다.
나는 이 주제에 관한 문헌을 보았다. 이 특정 사례에 대한 응용 프로그램에서 찾을 수 있는 모든 것이 가능하지는 않다고 생각합니다. 그러나 내가 본 것을 바탕으로 이차 형태에 대해 다음과 같은 가정이 있습니다. 우선 이 가장 근사한 가격 계열 함수를 찾는 방법에 대해 알아보겠습니다. 나는 당신이 포물선 함수를 다음 형식으로 취할 수 있다고 가정합니다.
y(t)=A(t-t0)^2+B, 여기서 y는 가격, t는 시간, t0은 포물선이 극한값을 갖는 시간 척도의 점, A와 B는 계수입니다.
이것은 이 포물선이 최소 위치 에너지 기준의 관점에서 최적인 최적 계수 A 및 B를 찾는 문제의 공식화로 이어집니다. 검토된 소스에서 내가 이해한 한 이 최적화의 본질은 다음과 같습니다. 우리는 포물선의 곡선을 동일한 필드 전위를 갖는 선으로 생각합니다. 명확성을 위해 0과 같게 하십시오. 그러한 포텐셜 필드의 기울기는 포물선의 선에 앞서도록 지시될 것입니다. 그런 다음 위치 에너지를 최소화하는 문제는 가격 계열의 점과 포물선 곡선 사이의 최단 거리 제곱의 합이 최소가 되는 포물선을 찾는 문제로 축소됩니다. 즉, 간단히 말해서 포물선의 매개변수를 최적화할 때 가격 계열의 점과 포물선의 선 사이의 최단 거리를 결정해야 합니다. 그리고 가장 짧은 거리는 포물선과 직각으로 교차하는 직선을 따른 거리입니다. 따라서 이를 위해서는 이러한 최단 거리를 찾는 문제를 해결해야 합니다. 어떤 방법을 사용하는지에 대한 최소한 방법론적 용어로 정보를 공유할 수 있습니까? 예를 들어, 이러한 최단 거리를 찾는 과정을 다음과 같이 상상합니다.
1. 우리는 (우선 전체 계산의 알고리즘이 아직 명확하지 않음) 우리가 근사하고자 하는 기존 가격 시리즈에 대한 진실과 다소 유사한 포물선을 선택합니다.
2. 각 점에서 포물선에 접선 방향으로 이 점을 통과하는 직선의 방정식이 있는 다각형으로 근사화합니다. 점 TY(t,T)=a(tT)+b에 대한 직선 방정식, 여기서 a=2A(t-t0) 및 b=y(T)
3. 다음으로 가격 시리즈에서 선택한 일부 점에 대해 t 및 y 축을 따라 값 범위를 제한합니다. 여기서 점에서 포물선까지 그린 수직선과 포물선 자체의 교차점이 있습니다 .
4. 우리는 수직선과의 교차를 위해 다각형 방정식의이 영역에있는 행의 다각형 세그먼트 방정식을 통해 반복을 수행합니다. 한 점에서 곡선까지의 수직선 길이를 계산할 때 필요한 오류를 얻기 위해 필요한 수의 반복과 근사를 수행합니다.
5. 이 세그먼트의 제곱을 합산하여 목적 함수의 값을 얻습니다.
6. 다음 단계는 포물선의 매개변수를 변경하고 포인트 2-5에 따라 필요한 횟수만큼 계산을 수행하는 것입니다. 목적 함수의 가장 작은 값은 가격 계열에 최적으로 근사하는 포물선의 매개변수 값에 해당합니다.
또한, 획득한 목적 함수의 최적값으로부터 조건부로 "준분산" 및 "준RMSD" 매개변수를 계산하는 것이 가능할 것입니다. 이를 기반으로 가격 차트에 이미 존재하는 포물선 외에도 상대적으로 말하면 확률의 수치적 특성을 가지며 추세의 동일한 확률을 갖는 잠재적 필드의 선을 나타내는 여러 포물선을 그릴 수 있습니다. 반전. 예를 들어, 70%, 80%, 90% 반전 확률의 라인.
Vladislav, 당신은 내가 당신의 전략을 이해하는 올바른 방향으로 가고 있다고 생각합니까, 아니면 내가 전혀 이해하지 못하고 완전히 다른 방향으로 갔습니까?
VM 과정을 이미 잊어버렸습니다. 틀릴 수도 있지만 다음을 시도할 수 있습니다.
한 점에서 포물선까지의 최단 거리는 법선과 일치하는 직선을 따라 점에서 점까지의 거리입니다.
포물선에 대한 법선은 1차 미분을 통해 계산할 수 있습니다(미분은 접선 기울기의 접선).
방정식 시스템을 구축할 수 있습니다.
1. 포물선의 방정식.
2. 직선의 방정식(정규)(도함수를 알고 있음)
3. 직선 위의 한 점의 소속 방정식(정규)
시스템을 해결하면 엄격한 솔루션을 얻을 수 있습니다.