Rosh : 나는 다르게 우선순위를 정할 것입니다. 항목의 정확성이 약 50%라도 되도록 하되 동시에 정지와 이익이 유리해야 합니다. 즉, 우리는 작은 중지를 취할 수 있거나 큰 이익 을 얻을 수 있는 곳으로 진입합니다.
채널의 작은 가파름의 한계에서 이것이 정확히 발생합니다. 일반적으로 이것은 Yurixx 의 답변과 교차하기 때문에 그림이 더 복잡하므로 아래에 몇 가지 추가 추론이 있습니다.
유리크스 : 당신의 가치 평가 접근 방식을 이해하려면 SL과 TP의 관계를 알아야 했기 때문에 입문 수준에 대해 물었습니다. 이제 1:4로 이해합니다.
진입 당시 고정된 수준이 아닌 현재의 RMS 수준을 사용합니다. 즉, 이 비율은 진입 시점에만 해당됩니다. 또한 추세에 진입하면 SL이 상승하기 시작하고 TP가 멀어집니다. 따라서 그 반대의 경우도 마찬가지입니다. 추세에 반하여 들어갈 때.
유리크스 : 일반적으로 다음 옵션을 상상합니다. 1. 평형 추정. SL=TP. 나는 이 옵션이 간단하고 입력의 "정확성"에 대한 객관적인 평가를 제공하기 때문에 이 옵션을 좋아합니다. 즉, 시스템이 이길 확률의 증가를 추정합니다. 2. 비평형 추정치 SL < TP. 이 옵션을 사용하면 시스템이 피벗 포인트에 얼마나 가깝게 진입하는지(반대 추세 항목의 경우) 또는 추세 끝에서 얼마나 멀리 진입하는지(추세 항목의 경우) 평가할 수 있습니다. 3. 복잡한 견적. 물론 그들 중 많은 수가 있습니다. 그리고 그들 각각은 시스템이 제공하는 입력의 특정 속성을 평가할 수 있습니다. 제가 사용한 예를 하나만 들겠습니다. SL은 지정되지 않았으며 유일한 매개변수는 TP입니다. 각 항목에 대해 항목이 TP에 도달하기 전에 도달한 최대 감소가 추정됩니다. TR을 변경하여 통계적으로 분석할 수 있는 시리즈를 얻습니다. 이것은 단점이 있는 예일 뿐입니다. 특히, TP는 전혀 달성되지 않을 수 있습니다. 따라서 추정치의 각 변형을 적용하려면 자체 설명이 필요합니다.
일반적으로 시스템 전체를 평가할 때 우리는 모두 두 가지 값에 의존합니다. 각 음수에 대한 긍정적인 거래의 수와 수익성 있는 거래의 평균 수입과 수익성이 없는 거래의 평균 손실 비율입니다. 이 모든 것은 시스템 전체를 테스트할 때 컴플렉스에서 얻을 수 있습니다. 따라서 이러한 결과가 얻어지는 이유를 말할 수 없다는 점에서 독립적이지 않습니다. 항목이 잘못되었거나 종료되었거나 잘못된 SL 및 TP 등으로 인해. 그러므로 입력과 출력(그리고 그것들이 연결되어 있음)을 평가하기 위한 방법론을 표준화하는 것은 물론 매우 멋진 일입니다. 그러면 시스템의 두 가지 주요 특성을 독립적으로 평가하는 방법론을 구축할 수 있습니다. 그리고 이것은 시스템의 장점과 개선해야 할 점을 즉시 보여줍니다.
일반적으로 나는 비슷한 생각을 가지고 있습니다. 자유도만큼만 주문의 진입과 유지(출구 포함)를 고려합니다. 이들을 개별적으로 최적화하는 기능은 우선 작업량(대략적으로 볼륨의 곱 대신 합계)을 줄입니다. 실제로, 표준 정의에서 그것들은 독립적이지 않기 때문에 재구성이 필요하지만 이는 개념을 덜 명확하고 적용하기 어렵게 만들 수 있습니다. 즉, 일종의 직교화가 필요합니다. 이런 의미에서 세 번째 옵션은 적어도 생각의 씨앗으로서는 꽤 흥미로운 것 같습니다.
나는 "흔들기"라는 용어를 잘 이해하지 못했습니다. 예를 들어 켤레 기울기 방법(한 번 링크를 제공한 적이 있음)을 사용하여 점진적 근사에 의해 최대 또는 최소를 검색하는 것을 의미한다면 이 방법이 우리의 경우에 더 적합합니다 그리고 교란과 관련이 없습니다. 그리고 체인의 새로운 라인의 작업을 의미한다면, 제 생각에는 이것은 옳지 않으며 수치적 방법으로 문제를 해결할 수 없습니다. 그리고 미분, 적분 방정식, 보간 문제 등을 해결합니다. 저것들. 방정식 시스템을 풀면 곡선 세트가 생깁니다.
이 문제를 정면으로 해결하는 데 어떤 알고리즘이 적합할지 말할 수는 없지만(나도 흥미로워졌지만) 대략적인 알고리즘이 있습니다.
Rosh , 나는 처음부터 당신의 접근 방식을 이해했습니다. 실제로, 변동의 미적분학은 이 문제를 해결하는 데에도 사용할 수 있습니다. 그런데 채널의 좌우 경계에 대한 가격 값을 기둥 형태로 표현하고, 가격을 사슬 형태로 표현하는 것이 맞습니까? 또한 솔루션을 위해 특정 평형 조건을 설정해야 합니다.
진입 당시 고정된 수준이 아닌 현재의 RMS 수준을 사용합니다. 즉, 이 비율은 진입 시점에만 해당됩니다. 또한 추세에 진입하면 SL이 상승하기 시작하고 TP가 멀어집니다. 따라서 그 반대의 경우도 마찬가지입니다. 추세에 반하여 들어갈 때.
SL 및 TP의 수준은 다양할 수 있음을 이해합니다. 또한 이것이 계산된 매개변수의 변경 결과와 MM의 결과, 즉 후행 등의 결과일 수 있다는 것도 분명합니다. 그러나 입력(및 출력)의 효율성을 표준화하고 연구하려면 이러한 모든 것을 제외해야 합니다. 표준 및 고정 조건에서 좋은 결과를 얻은 경우 합리적인 전략과 MM을 사용하여 더 개선할 수 있습니다. 자체적으로 좋은 결과를 얻을 수 없는 경우 MM은 이 경고 그림을 가릴 뿐입니다.
잠시만 더. 계산 시간이 길기 때문에 탐색 깊이(즉, 계산된 채널의 최대 길이)를 제한해야 합니다. 이것이 결과에 어떤 영향을 줍니까? 아래는 2004년 9월 - 2006년 7월 간격에 대한 두 개의 테스트 차트입니다. 하나는 300개의 막대에 대한, 다른 하나는 500개의 막대에 대한 것입니다. 알고리즘은 동일합니다. 아아, 차이점은 상당히 중요합니다.
또한 계산된 샘플의 다른 길이에 대한 결과의 차이도 확인했습니다. 관심이 있는 경우 "엘리엇 파동 이론에 기반한 거래 전략" solandr 06/23/06 10:36에 결과가 표시되었습니다. 300개 막대와 1000개 막대의 대차 대조표는 상당히 높은 상관 관계를 가지고 있습니다. 사실, 선형 회귀 외에도 포물선 회귀(이미 두 번 정도 썼습니다)도 사용하고 여러 소스의 정보를 기반으로 두 데이터 모두에서 얻은 데이터의 평균을 구합니다. 이 기법을 사용하면 "실제" 채널 매개변수(실제로 존재하는(우리가 계산에서 선택하지 않은) 채널의 경계). 나는 또한 전략이 여러 구성 요소의 조합이라는 점을 존경하는 지점 참가자들에게 상기시키고 싶습니다(즉, 채널이 해당 채널과 절대적으로 일치하더라도 선형 회귀 채널만으로는 멀리 갈 수 없습니다. 최소 위치 에너지를 기반으로 Vladislav에 의해 결정되었습니다!). Expert Advisor에서 Murrey 레벨을 사용하는지 여부는 알 수 없지만 Hurst 계수 및 자금 관리뿐만 아니라 여기에서 절대적으로 중요한 역할을 합니다. 다른 구성 요소가 제공하는 이익을 극대화하기위한 정도 ). 우선, 가장 엄격한 조건에서 시장에 진입하는 것이 좋습니다. 나중에 포지션 관리 알고리즘이 완성됨에 따라 (거래 자체 수를 늘리고 그에 따라 최종 이익을 늘리기 위해) 완화합니다. 즉, 간단히 말해서 전략의 성공은 이 스레드에서 설명하는 방법론의 합과 성공적인(또는 오히려 합리적인) 위치 관리 알고리즘의 절반입니다. 그리고 하나 또는 다른 위치 관리 알고리즘이 얼마나 성공적인지에 대한 질문에 전략 테스터를 사용하여 스스로 답을 얻을 수 있습니다. 그리고 모든 사람이 스스로 찾을 수 있거나 찾을 수 없는 것은 정확히 후반부이며 Vladislav는 처음부터 일반 대중에게 제시하기를 거부했습니다. 이 스레드에서 매우 흥미로운 토론.
300개 막대와 1000개 막대의 대차 대조표는 상당히 높은 상관 관계를 가지고 있습니다. 사실, 선형 회귀 외에도 포물선 회귀(이미 두 번 정도 썼습니다)도 사용하고 여러 소스의 정보를 기반으로 두 데이터 모두에서 얻은 데이터의 평균을 구합니다. 이 기법을 사용하면 "실제" 채널 매개변수(실제로 존재하는(우리가 계산에서 선택하지 않은) 채널의 경계).
그런 다음 질문은 다음과 같습니다. 선형 및 포물선 근사의 매개변수의 통계적 유의성을 확인합니까? 즉, 특정 샘플에 대해 선형 회귀 Y=A*X+B 및 Y=A1*X^2+B1*X+C 모두에 대해 좋은 근사값을 갖습니다. 이러한 근사값이 동일한 차수의 근사값인지 확인할 필요가 있습니다. 그렇다면 포물선은 인공성(추가 개체)으로 과감하게 폐기되고, 그렇지 않은 경우 이미 동일한 시계열을 근사하는 두 가지 다른 방법이 있으며 이것이 선형 회귀 채널을 깨는 기준으로 작용할 수 있습니다.
그런 다음 질문은 다음과 같습니다. 선형 및 포물선 근사의 매개변수에 대한 통계적 유의성을 확인합니까? 즉, 특정 샘플에 대해 선형 회귀 Y=A*X+B 및 Y=A1*X^2+B1*X+C 모두에 대해 좋은 근사값을 갖습니다. 이러한 근사값이 동일한 차수의 근사값인지 확인할 필요가 있습니다. 그렇다면 포물선은 인공성(추가 개체)으로 과감하게 폐기되고, 그렇지 않은 경우 이미 동일한 시계열을 근사하는 두 가지 다른 방법이 있으며 이것이 선형 회귀 채널을 깨는 기준이 될 수 있습니다.
물론 이 아이디어도 테스트해야 하지만. 포물선과 직선은 기능의 한계 내에서 정확히 가격대를 근사합니다. 그러나 포물선은 내가 그렇게 말할 수 있는 경우 "더 강력한" 크기의 차수이기 때문에 근사에 대한 더 많은 가능성이 있습니다(차수 2 및 직접 차수 1이 있음). 즉, 표본에 따라 포물선이 직선으로 바뀔 수 있지만 물론 직선이 포물선으로 바뀌지는 않습니다. 2보다 큰 차수는 근사에 사용할 수 없지만, 더 높은 근사 차수는 추세가 아니라 이미 임의의 추세 구성 요소에 가깝다는 강력한 의견이 있기 때문에 Vladislav는 따라서 궤적 유형이 중요하지 않다고 주장할 수 있습니다. 그와 주어진 범위에 있는 두 개의 곡선은 근사적으로 동일합니다.
선형 회귀 채널을 깨는 기준과 관련하여 나는 선형 회귀 채널이 깨지기 전에 포물선의 상단이 형성된다는 순전히 시각적인 관찰도 했습니다. 즉, 추세 반전 지점은 추세 반전 영역에 상단이 있는 포물선으로 근사할 수 있지만 항상 그런 것은 아닙니다. 지금까지 응용 프로그램의 실행 가능성을 확인하기 위해 이를 알고리즘에 가져올 손이 닿지 않았습니다. 이제 나는 오실레이터 유형의 지표가 완전히 포기되는 그래픽 거래 시스템을 만들 가능성을 연구하는 데 가장 관심이 있습니다. 즉, MACD, OsMA, Stochastic과 같은 오실레이터를 사용하지 않고 그래픽 구성의 도움으로 시장 움직임을 예측할 수 있습니까?
. 포물선과 직선은 기능의 한계 내에서 정확히 가격대를 근사합니다. 그러나 포물선은 내가 그렇게 말할 수 있는 경우 "더 강력한" 크기의 차수이기 때문에 근사에 대한 더 많은 가능성이 있습니다(차수 2 및 직접 차수 1이 있음). 즉, 표본에 따라 포물선이 직선으로 바뀔 수 있지만 물론 직선이 포물선으로 바뀌지는 않습니다. .... 선형 회귀 채널을 깨는 기준과 관련하여 나는 선형 회귀 채널이 깨지기 전에 포물선의 상단이 형성된다는 순전히 시각적 관찰도 했습니다. 즉, 추세 반전 지점은 추세 반전 영역에 상단이 있는 포물선으로 근사할 수 있지만 항상 그런 것은 아닙니다. 지금까지 응용 프로그램의 실행 가능성을 확인하기 위해 이를 알고리즘에 가져올 손이 닿지 않았습니다.
내 계산이 일부 섹션에 대해 LR과 포물선 모두에 대해 동일한 잔류 산포를 보여주었을 때, 이것은 이러한 값을 계산하기 위한 내 알고리즘의 정확성에 대한 주요 확인이 되었습니다.
LR 채널이 끊어졌을 때 포물선의 꼭대기를 시각적으로 잡는 것은 어렵지 않고, 이것을 하도록 프로그램을 가르치는 것은 더 어렵습니다. 따라서 명시된 기준이 유용할 수 있습니다. 이와 함께 산란으로 정규화된 포물선과 LR 중심 사이의 편향 화살표(옵션)를 사용할 수 있습니다. 아직 확인하지 않았습니다.
LR 채널이 끊어졌을 때 포물선의 꼭대기를 시각적으로 잡는 것은 어렵지 않고, 이것을 하도록 프로그램을 가르치는 것은 더 어렵습니다.
이상하게도, 정점 탐지 프로그램을 위한 학습 알고리즘은 나에게 즉시 명백해 보였습니다. A>0이면 포물선의 가지가 올라가고 꼭짓점이 이미 전달되었는지 확인하기 위해 Yparabola_current>Yparabola_previous 조건을 사용할 수 있습니다. 그리고 그 반대로 A<0이면 가지가 내려가고 따라서 Yparabola_current<Yparabola_previous일 때 꼭짓점이 전달됩니다. 예를 들어 300bar 이내에서 수렴 조건을 만족하는 포물선을 찾고 있습니다. 지금까지 알고리즘에 삽입을 시도하지는 않았지만 이 알고리즘이 상단의 통과를 보여주고 있다는 사실이 시각적으로 보입니다. 차트에 선형 채널과 포물선이 표시되어 있습니다.
요점은 매개변수 A의 값에 전적으로 있는 것이 아니라(동의합니다. 기호는 분기의 방향을 고유하게 결정합니다), 꼭짓점이 있는 이 포물선에 주의를 기울일 가치가 있는지 여부(여기서 다시 기준으로 돌아갑니다) . 내가 그것을 지나치게 복잡하게 할 수도 있지만. 확인할 때까지 이해하지 못할 것입니다.
나는 다르게 우선순위를 정할 것입니다. 항목의 정확성이 약 50%라도 되도록 하되 동시에 정지와 이익이 유리해야 합니다. 즉, 우리는 작은 중지를 취할 수 있거나 큰 이익 을 얻을 수 있는 곳으로 진입합니다.
채널의 작은 가파름의 한계에서 이것이 정확히 발생합니다. 일반적으로 이것은 Yurixx 의 답변과 교차하기 때문에 그림이 더 복잡하므로 아래에 몇 가지 추가 추론이 있습니다.
당신의 가치 평가 접근 방식을 이해하려면 SL과 TP의 관계를 알아야 했기 때문에 입문 수준에 대해 물었습니다. 이제 1:4로 이해합니다.
진입 당시 고정된 수준이 아닌 현재의 RMS 수준을 사용합니다. 즉, 이 비율은 진입 시점에만 해당됩니다. 또한 추세에 진입하면 SL이 상승하기 시작하고 TP가 멀어집니다. 따라서 그 반대의 경우도 마찬가지입니다. 추세에 반하여 들어갈 때.
일반적으로 다음 옵션을 상상합니다.
1. 평형 추정. SL=TP. 나는 이 옵션이 간단하고 입력의 "정확성"에 대한 객관적인 평가를 제공하기 때문에 이 옵션을 좋아합니다. 즉, 시스템이 이길 확률의 증가를 추정합니다.
2. 비평형 추정치 SL < TP. 이 옵션을 사용하면 시스템이 피벗 포인트에 얼마나 가깝게 진입하는지(반대 추세 항목의 경우) 또는 추세 끝에서 얼마나 멀리 진입하는지(추세 항목의 경우) 평가할 수 있습니다.
3. 복잡한 견적. 물론 그들 중 많은 수가 있습니다. 그리고 그들 각각은 시스템이 제공하는 입력의 특정 속성을 평가할 수 있습니다. 제가 사용한 예를 하나만 들겠습니다. SL은 지정되지 않았으며 유일한 매개변수는 TP입니다. 각 항목에 대해 항목이 TP에 도달하기 전에 도달한 최대 감소가 추정됩니다. TR을 변경하여 통계적으로 분석할 수 있는 시리즈를 얻습니다. 이것은 단점이 있는 예일 뿐입니다. 특히, TP는 전혀 달성되지 않을 수 있습니다. 따라서 추정치의 각 변형을 적용하려면 자체 설명이 필요합니다.
일반적으로 시스템 전체를 평가할 때 우리는 모두 두 가지 값에 의존합니다. 각 음수에 대한 긍정적인 거래의 수와 수익성 있는 거래의 평균 수입과 수익성이 없는 거래의 평균 손실 비율입니다. 이 모든 것은 시스템 전체를 테스트할 때 컴플렉스에서 얻을 수 있습니다. 따라서 이러한 결과가 얻어지는 이유를 말할 수 없다는 점에서 독립적이지 않습니다. 항목이 잘못되었거나 종료되었거나 잘못된 SL 및 TP 등으로 인해. 그러므로 입력과 출력(그리고 그것들이 연결되어 있음)을 평가하기 위한 방법론을 표준화하는 것은 물론 매우 멋진 일입니다. 그러면 시스템의 두 가지 주요 특성을 독립적으로 평가하는 방법론을 구축할 수 있습니다. 그리고 이것은 시스템의 장점과 개선해야 할 점을 즉시 보여줍니다.
일반적으로 나는 비슷한 생각을 가지고 있습니다. 자유도만큼만 주문의 진입과 유지(출구 포함)를 고려합니다. 이들을 개별적으로 최적화하는 기능은 우선 작업량(대략적으로 볼륨의 곱 대신 합계)을 줄입니다. 실제로, 표준 정의에서 그것들은 독립적이지 않기 때문에 재구성이 필요하지만 이는 개념을 덜 명확하고 적용하기 어렵게 만들 수 있습니다. 즉, 일종의 직교화가 필요합니다. 이런 의미에서 세 번째 옵션은 적어도 생각의 씨앗으로서는 꽤 흥미로운 것 같습니다.
나는 "흔들기"라는 용어를 잘 이해하지 못했습니다. 예를 들어 켤레 기울기 방법(한 번 링크를 제공한 적이 있음)을 사용하여 점진적 근사에 의해 최대 또는 최소를 검색하는 것을 의미한다면 이 방법이 우리의 경우에 더 적합합니다 그리고 교란과 관련이 없습니다. 그리고 체인의 새로운 라인의 작업을 의미한다면, 제 생각에는 이것은 옳지 않으며 수치적 방법으로 문제를 해결할 수 없습니다. 그리고 미분, 적분 방정식, 보간 문제 등을 해결합니다. 저것들. 방정식 시스템을 풀면 곡선 세트가 생깁니다.
이 문제를 정면으로 해결하는 데 어떤 알고리즘이 적합할지 말할 수는 없지만(나도 흥미로워졌지만) 대략적인 알고리즘이 있습니다.
SL 및 TP의 수준은 다양할 수 있음을 이해합니다. 또한 이것이 계산된 매개변수의 변경 결과와 MM의 결과, 즉 후행 등의 결과일 수 있다는 것도 분명합니다. 그러나 입력(및 출력)의 효율성을 표준화하고 연구하려면 이러한 모든 것을 제외해야 합니다. 표준 및 고정 조건에서 좋은 결과를 얻은 경우 합리적인 전략과 MM을 사용하여 더 개선할 수 있습니다. 자체적으로 좋은 결과를 얻을 수 없는 경우 MM은 이 경고 그림을 가릴 뿐입니다.
또한 계산된 샘플의 다른 길이에 대한 결과의 차이도 확인했습니다. 관심이 있는 경우 "엘리엇 파동 이론에 기반한 거래 전략" solandr 06/23/06 10:36에 결과가 표시되었습니다.
300개 막대와 1000개 막대의 대차 대조표는 상당히 높은 상관 관계를 가지고 있습니다. 사실, 선형 회귀 외에도 포물선 회귀(이미 두 번 정도 썼습니다)도 사용하고 여러 소스의 정보를 기반으로 두 데이터 모두에서 얻은 데이터의 평균을 구합니다. 이 기법을 사용하면 "실제" 채널 매개변수(실제로 존재하는(우리가 계산에서 선택하지 않은) 채널의 경계).
나는 또한 전략이 여러 구성 요소의 조합이라는 점을 존경하는 지점 참가자들에게 상기시키고 싶습니다(즉, 채널이 해당 채널과 절대적으로 일치하더라도 선형 회귀 채널만으로는 멀리 갈 수 없습니다. 최소 위치 에너지를 기반으로 Vladislav에 의해 결정되었습니다!). Expert Advisor에서 Murrey 레벨을 사용하는지 여부는 알 수 없지만 Hurst 계수 및 자금 관리뿐만 아니라 여기에서 절대적으로 중요한 역할을 합니다. 다른 구성 요소가 제공하는 이익을 극대화하기위한 정도 ). 우선, 가장 엄격한 조건에서 시장에 진입하는 것이 좋습니다. 나중에 포지션 관리 알고리즘이 완성됨에 따라 (거래 자체 수를 늘리고 그에 따라 최종 이익을 늘리기 위해) 완화합니다. 즉, 간단히 말해서 전략의 성공은 이 스레드에서 설명하는 방법론의 합과 성공적인(또는 오히려 합리적인) 위치 관리 알고리즘의 절반입니다. 그리고 하나 또는 다른 위치 관리 알고리즘이 얼마나 성공적인지에 대한 질문에 전략 테스터를 사용하여 스스로 답을 얻을 수 있습니다. 그리고 모든 사람이 스스로 찾을 수 있거나 찾을 수 없는 것은 정확히 후반부이며 Vladislav는 처음부터 일반 대중에게 제시하기를 거부했습니다. 이 스레드에서 매우 흥미로운 토론.
300개 막대와 1000개 막대의 대차 대조표는 상당히 높은 상관 관계를 가지고 있습니다. 사실, 선형 회귀 외에도 포물선 회귀(이미 두 번 정도 썼습니다)도 사용하고 여러 소스의 정보를 기반으로 두 데이터 모두에서 얻은 데이터의 평균을 구합니다. 이 기법을 사용하면 "실제" 채널 매개변수(실제로 존재하는(우리가 계산에서 선택하지 않은) 채널의 경계).
그런 다음 질문은 다음과 같습니다. 선형 및 포물선 근사의 매개변수의 통계적 유의성을 확인합니까?
즉, 특정 샘플에 대해 선형 회귀 Y=A*X+B 및 Y=A1*X^2+B1*X+C 모두에 대해 좋은 근사값을 갖습니다. 이러한 근사값이 동일한 차수의 근사값인지 확인할 필요가 있습니다. 그렇다면 포물선은 인공성(추가 개체)으로 과감하게 폐기되고, 그렇지 않은 경우 이미 동일한 시계열을 근사하는 두 가지 다른 방법이 있으며 이것이 선형 회귀 채널을 깨는 기준으로 작용할 수 있습니다.
즉, 특정 샘플에 대해 선형 회귀 Y=A*X+B 및 Y=A1*X^2+B1*X+C 모두에 대해 좋은 근사값을 갖습니다. 이러한 근사값이 동일한 차수의 근사값인지 확인할 필요가 있습니다. 그렇다면 포물선은 인공성(추가 개체)으로 과감하게 폐기되고, 그렇지 않은 경우 이미 동일한 시계열을 근사하는 두 가지 다른 방법이 있으며 이것이 선형 회귀 채널을 깨는 기준이 될 수 있습니다.
물론 이 아이디어도 테스트해야 하지만. 포물선과 직선은 기능의 한계 내에서 정확히 가격대를 근사합니다. 그러나 포물선은 내가 그렇게 말할 수 있는 경우 "더 강력한" 크기의 차수이기 때문에 근사에 대한 더 많은 가능성이 있습니다(차수 2 및 직접 차수 1이 있음). 즉, 표본에 따라 포물선이 직선으로 바뀔 수 있지만 물론 직선이 포물선으로 바뀌지는 않습니다. 2보다 큰 차수는 근사에 사용할 수 없지만, 더 높은 근사 차수는 추세가 아니라 이미 임의의 추세 구성 요소에 가깝다는 강력한 의견이 있기 때문에 Vladislav는 따라서 궤적 유형이 중요하지 않다고 주장할 수 있습니다. 그와 주어진 범위에 있는 두 개의 곡선은 근사적으로 동일합니다.
선형 회귀 채널을 깨는 기준과 관련하여 나는 선형 회귀 채널이 깨지기 전에 포물선의 상단이 형성된다는 순전히 시각적인 관찰도 했습니다. 즉, 추세 반전 지점은 추세 반전 영역에 상단이 있는 포물선으로 근사할 수 있지만 항상 그런 것은 아닙니다. 지금까지 응용 프로그램의 실행 가능성을 확인하기 위해 이를 알고리즘에 가져올 손이 닿지 않았습니다. 이제 나는 오실레이터 유형의 지표가 완전히 포기되는 그래픽 거래 시스템을 만들 가능성을 연구하는 데 가장 관심이 있습니다. 즉, MACD, OsMA, Stochastic과 같은 오실레이터를 사용하지 않고 그래픽 구성의 도움으로 시장 움직임을 예측할 수 있습니까?
....
선형 회귀 채널을 깨는 기준과 관련하여 나는 선형 회귀 채널이 깨지기 전에 포물선의 상단이 형성된다는 순전히 시각적 관찰도 했습니다. 즉, 추세 반전 지점은 추세 반전 영역에 상단이 있는 포물선으로 근사할 수 있지만 항상 그런 것은 아닙니다. 지금까지 응용 프로그램의 실행 가능성을 확인하기 위해 이를 알고리즘에 가져올 손이 닿지 않았습니다.
내 계산이 일부 섹션에 대해 LR과 포물선 모두에 대해 동일한 잔류 산포를 보여주었을 때, 이것은 이러한 값을 계산하기 위한 내 알고리즘의 정확성에 대한 주요 확인이 되었습니다.
LR 채널이 끊어졌을 때 포물선의 꼭대기를 시각적으로 잡는 것은 어렵지 않고, 이것을 하도록 프로그램을 가르치는 것은 더 어렵습니다. 따라서 명시된 기준이 유용할 수 있습니다. 이와 함께 산란으로 정규화된 포물선과 LR 중심 사이의 편향 화살표(옵션)를 사용할 수 있습니다. 아직 확인하지 않았습니다.
이상하게도, 정점 탐지 프로그램을 위한 학습 알고리즘은 나에게 즉시 명백해 보였습니다. A>0이면 포물선의 가지가 올라가고 꼭짓점이 이미 전달되었는지 확인하기 위해 Yparabola_current>Yparabola_previous 조건을 사용할 수 있습니다. 그리고 그 반대로 A<0이면 가지가 내려가고 따라서 Yparabola_current<Yparabola_previous일 때 꼭짓점이 전달됩니다. 예를 들어 300bar 이내에서 수렴 조건을 만족하는 포물선을 찾고 있습니다.
지금까지 알고리즘에 삽입을 시도하지는 않았지만 이 알고리즘이 상단의 통과를 보여주고 있다는 사실이 시각적으로 보입니다. 차트에 선형 채널과 포물선이 표시되어 있습니다.