모델에 적어도 하나의 방정식이 있는 경우 낙담하지 마십시오. 확실히 유사체가 있을 것이고 아마도 없을 것입니다 :)
버티려고 해요. :에 대한)
언급된 대상을 통계적, 현상학적 및 미시적 대상으로 나누면 내 생각에 첫 번째 대상은 완전히 과거에 기반을 두고 있기 때문에 진화를 위해 가장 적게 설계된 것입니다. 후자가 아마도 가장 많을 것입니다. 내 마지막 게시물은 단지 ... 그러한 모델의 꿈입니다. :)
나는 또한 그러한 통계를 수집하는 데 상당한 시간을 보냈지만 테스터에서 매개변수를 반복하는 것보다 더 정확하긴 하지만 전략을 구축하기 위해 이를 사용하는 것이 본질적으로 히스토리에 맞는다는 결론에 도달했습니다. 그러나 이것이 완전히 쓸모 없다는 것을 의미하지는 않습니다.
철학을 실천에 가깝게 해서는 안 됩니다. 그래서 예를 들어 미시적인 대상을 통계적 대상으로 보는 것이 불가능합니까? 그리고 현상학적 대상이 무엇인지는 모르겠지만, 미시적인 대상을 포함해 모든 대상이 될 수 있다는 의혹이 싹트고 있다. 나는 논쟁하지 않지만 이해하지 못하기 때문입니다.
통계수집에 동의하지 않습니다. 문제가 올바르게 설정되면 시스템의 가능한 진화에 대한 경험적 법칙을 궁극적으로 얻을 수 있는 것이 바로 통계입니다.
철학을 실천에 가깝게 해서는 안 됩니다. 그래서 예를 들어 미시적인 대상을 통계적 대상으로 보는 것이 불가능합니까? 그리고 현상학적 대상이 무엇인지는 모르겠지만, 미시적인 대상을 포함해 모든 대상이 될 수 있다는 의혹이 싹트고 있다. 나는 논쟁하지 않지만 이해하지 못하기 때문입니다.
이것은 이론의 분류 유형입니다. 미시적 - 이것은 첫 번째 원칙에 대한 이해를 기반으로 방정식이 작성된 경우입니다(그런 다음 데이터가 이 이론에 맞게 조정됩니다.). 현상학적 - 이것은 상당히 일반적인 방정식이 선택될 때 데이터를 만족스럽게 설명하는 매개변수의 값이 결정되고 다음과 같이 명시됩니다. 실제로 그곳에서 일어나는 일에 어떤 차이가 있습니까? 통계 - 이는 이러한 데이터에 대해 특별히 선택된 방정식이 전혀 없지만 모든 것이 다시 항상 그대로일 것이라고 단순히 가정하는 경우입니다. 이것은 정식 정의가 아니라 제 자유로운 해석입니다. :)
통계수집에 동의하지 않습니다. 문제가 올바르게 설정되면 시스템의 가능한 진화에 대한 경험적 법칙을 궁극적으로 얻을 수 있는 것이 바로 통계입니다.
이것은 이론의 분류 유형입니다. 미시적 - 이것은 첫 번째 원칙에 대한 이해를 기반으로 방정식이 작성된 경우입니다(그런 다음 데이터가 이 이론에 맞게 조정됩니다.). 현상학적 - 이것은 상당히 일반적인 방정식이 선택될 때 데이터를 만족스럽게 설명하는 매개변수의 값이 결정되고 다음과 같이 명시됩니다. 실제로 그곳에서 일어나는 일에 어떤 차이가 있습니까? 통계 - 이는 이러한 데이터에 대해 특별히 선택된 방정식이 전혀 없지만 모든 것이 다시 항상 그대로일 것이라고 단순히 가정하는 경우입니다. 이것은 정식 정의가 아니라 제 자유로운 해석입니다. :)
예를 들어 EUR/USD 쌍 에 대해 가격 책정 프로세스를 최대한 완벽하게 모델링하려고 하면 어떻게 됩니까? 이를 위해 예를 들어 1년 동안 실제 틱 기록을 가지고 알려진 방법을 사용하여 일련의 첫 번째 차이에 대한 차수 p 의 AR 모델의 모든 계수를 계산해 보겠습니다. X[i]=SUM(a[k]*X[ik])+s , 여기서 k 범위는 1 에서 p 이며, 적절한 유형의 확률 항 s 를 선택하여 요구하는 자체 일련의 틱을 작성합니다. 잔차의 분포 함수(모든 시간 지연에 대해!)와 해당 상관도와 같은 적분 특성( IC )의 실제 계열과 일치합니다. 어떤 일을 했는지입니다. 해당 CI 는 만족스럽게 일치했으며 많은 수의 틱이 실제와 인공(글쎄, 거의 불가능)을 구별할 방법이 없다고 주장할 수 있습니다. 시뮬레이션 결과는 그림에서 볼 수 있습니다.
흥미로운 순간이 있었습니다. 사실 잔차의 모델 범위는 자연수 클래스에 속하지 않으며 먼저 반올림해야 하며(결국 점은 항상 정수임) >1인 멤버만 사용해야 합니다. 이것은 1포인트 미만의 진폭을 가진 흥미로운 수치를 포함하여 정수 값만 전달하고 나머지는 모두 버리는 필터의 원래 모델 범위에 미치는 영향과 동일합니다. ... 만약, 나처럼 맥주를 먼저 흔드는 것이 좋다 . 그러면 최종 사용자인 우리에게 정보원은 이미 완성되어 쓸모가 없고 가장 맛있고 맛있는 지표 자료의 형태로 표면에 나타납니다. 흥미로운 것은 스프레드 내부에 있으며 사용할 수 없습니다. 그러나 결국 누군가 누군가와 거래하고 있습니다 ... 어떻게 생각하십니까?
안녕하세요 Seryoga입니다! 무엇을 할까요? - Renko H-strategy는 계정에서 천천히 통계를 얻고 있으며 코드는 병렬로 완성되고 있습니다... 계산할 수 있는 모든 것은 계산되므로 남은 것은 맥주를 마시고 포럼에 아이디어를 던지는 것뿐입니다. 응답.
그렇군요 이제 일을 끝내고 맥주도 마시러 가겠습니다. 모든 통계를 수집하지 않았으며 실험을 올바르게 설정해야 합니다. 그리고 이것은 맥주 후에 할 수 있습니다. 그건 그렇고, 당신은 당신이 건설과 "묶여있다"고 썼고 현재 전략은 당신에게 더 많은 기회를 제공합니다. 하지만, 나는 아마 모든 것을 다시 섞었을 것입니다. :에 대한)))
2개의 중성자 : 어떤지 잘 모르겠지만 틱이 실제 거래 횟수를 평균한 결과가 되었으면 하는 바램입니다. 이런 의미에서 물론 소수의 pip 부분 이 있어야 합니다. 그러나 이것이 바로 이 핍을 잡는 것 이상의 것에 적합하다면 나는 놀랄 것입니다. 물론, 나는 이 수치를 본 적이 없으며 어떤 일이 일어날 수 있습니다. 확률적 항 s의 형태에 대해 더 배울 수 있습니까? 적어도 맥주의 종류:)
수익성은 거의 동일하지만 예비 계산 요구 사항 측면에서 Renko-Kagi가 훨씬 간단합니다. 또한 이 전략을 사용하면 스프레드가 변경될 때 새 모드로 쉽게 전환할 수 있습니다. 그리고 소프트웨어 구현은 아스팔트 위의 두 손가락과 같습니다 :-) 예를 들어, Renko는 올바른 방향의 후행 정지입니다... Kagi에 대해서는 이야기도 하지 않겠습니다. 훨씬 더 간단합니다. 그래서 "모든 독창적 인 것은 간단합니다!"라고 밝혀졌습니다.
모델에 적어도 하나의 방정식이 있는 경우 낙담하지 마십시오. 확실히 유사체가 있을 것이고 아마도 없을 것입니다 :)
버티려고 해요. :에 대한)
언급된 대상을 통계적, 현상학적 및 미시적 대상으로 나누면 내 생각에 첫 번째 대상은 완전히 과거에 기반을 두고 있기 때문에 진화를 위해 가장 적게 설계된 것입니다. 후자가 아마도 가장 많을 것입니다. 내 마지막 게시물은 단지 ... 그러한 모델의 꿈입니다. :)
나는 또한 그러한 통계를 수집하는 데 상당한 시간을 보냈지만 테스터에서 매개변수를 반복하는 것보다 더 정확하긴 하지만 전략을 구축하기 위해 이를 사용하는 것이 본질적으로 히스토리에 맞는다는 결론에 도달했습니다. 그러나 이것이 완전히 쓸모 없다는 것을 의미하지는 않습니다.
철학을 실천에 가깝게 해서는 안 됩니다. 그래서 예를 들어 미시적인 대상을 통계적 대상으로 보는 것이 불가능합니까? 그리고 현상학적 대상이 무엇인지는 모르겠지만, 미시적인 대상을 포함해 모든 대상이 될 수 있다는 의혹이 싹트고 있다. 나는 논쟁하지 않지만 이해하지 못하기 때문입니다.
통계수집에 동의하지 않습니다. 문제가 올바르게 설정되면 시스템의 가능한 진화에 대한 경험적 법칙을 궁극적으로 얻을 수 있는 것이 바로 통계입니다.
이것은 이론의 분류 유형입니다. 미시적 - 이것은 첫 번째 원칙에 대한 이해를 기반으로 방정식이 작성된 경우입니다(그런 다음 데이터가 이 이론에 맞게 조정됩니다.). 현상학적 - 이것은 상당히 일반적인 방정식이 선택될 때 데이터를 만족스럽게 설명하는 매개변수의 값이 결정되고 다음과 같이 명시됩니다. 실제로 그곳에서 일어나는 일에 어떤 차이가 있습니까? 통계 - 이는 이러한 데이터에 대해 특별히 선택된 방정식이 전혀 없지만 모든 것이 다시 항상 그대로일 것이라고 단순히 가정하는 경우입니다. 이것은 정식 정의가 아니라 제 자유로운 해석입니다. :)
이것은 이론의 분류 유형입니다. 미시적 - 이것은 첫 번째 원칙에 대한 이해를 기반으로 방정식이 작성된 경우입니다(그런 다음 데이터가 이 이론에 맞게 조정됩니다.). 현상학적 - 이것은 상당히 일반적인 방정식이 선택될 때 데이터를 만족스럽게 설명하는 매개변수의 값이 결정되고 다음과 같이 명시됩니다. 실제로 그곳에서 일어나는 일에 어떤 차이가 있습니까? 통계 - 이는 이러한 데이터에 대해 특별히 선택된 방정식이 전혀 없지만 모든 것이 다시 항상 그대로일 것이라고 단순히 가정하는 경우입니다. 이것은 정식 정의가 아니라 제 자유로운 해석입니다. :)
이해할 수 있을 것 같지만 어쩐지 매우 미끄럽습니다. :에 대한)
예를 들어 EUR/USD 쌍 에 대해 가격 책정 프로세스를 최대한 완벽하게 모델링하려고 하면 어떻게 됩니까? 이를 위해 예를 들어 1년 동안 실제 틱 기록을 가지고 알려진 방법을 사용하여 일련의 첫 번째 차이에 대한 차수 p 의 AR 모델의 모든 계수를 계산해 보겠습니다.
X[i]=SUM(a[k]*X[ik])+s , 여기서 k 범위는 1 에서 p 이며, 적절한 유형의 확률 항 s 를 선택하여 요구하는 자체 일련의 틱을 작성합니다. 잔차의 분포 함수(모든 시간 지연에 대해!)와 해당 상관도와 같은 적분 특성( IC )의 실제 계열과 일치합니다. 어떤 일을 했는지입니다. 해당 CI 는 만족스럽게 일치했으며 많은 수의 틱이 실제와 인공(글쎄, 거의 불가능)을 구별할 방법이 없다고 주장할 수 있습니다. 시뮬레이션 결과는 그림에서 볼 수 있습니다.
흥미로운 순간이 있었습니다. 사실 잔차의 모델 범위는 자연수 클래스에 속하지 않으며 먼저 반올림해야 하며(결국 점은 항상 정수임) >1인 멤버만 사용해야 합니다. 이것은 1포인트 미만의 진폭을 가진 흥미로운 수치를 포함하여 정수 값만 전달하고 나머지는 모두 버리는 필터의 원래 모델 범위에 미치는 영향과 동일합니다. ... 만약, 나처럼 맥주를 먼저 흔드는 것이 좋다 . 그러면 최종 사용자인 우리에게 정보원은 이미 완성되어 쓸모가 없고 가장 맛있고 맛있는 지표 자료의 형태로 표면에 나타납니다. 흥미로운 것은 스프레드 내부에 있으며 사용할 수 없습니다. 그러나 결국 누군가 누군가와 거래하고 있습니다 ... 어떻게 생각하십니까?
흥미롭네요.
예를 들어 EUR/USD 쌍의 경우 가격 책정 프로세스를 최대한 완벽하게 모델링하려고 하면 어떻게 될까요?
….
안녕하세요, 세르게이입니다. 흥미로운 아이디어지만 왜 그런지 이해가 되지 않습니다. 그리고 이제 가격이 어떻게 형성되는지 알고 있다고 확신하십니까?
무엇을 할까요? - Renko H-strategy는 계정에서 천천히 통계를 얻고 있으며 코드는 병렬로 완성되고 있습니다... 계산할 수 있는 모든 것은 계산되므로 남은 것은 맥주를 마시고 포럼에 아이디어를 던지는 것뿐입니다. 응답.
무엇을 할까요? - Renko H-strategy는 계정에서 천천히 통계를 얻고 있으며 코드는 병렬로 완성되고 있습니다... 계산할 수 있는 모든 것은 계산되므로 남은 것은 맥주를 마시고 포럼에 아이디어를 던지는 것뿐입니다. 응답.
그렇군요 이제 일을 끝내고 맥주도 마시러 가겠습니다. 모든 통계를 수집하지 않았으며 실험을 올바르게 설정해야 합니다. 그리고 이것은 맥주 후에 할 수 있습니다. 그건 그렇고, 당신은 당신이 건설과 "묶여있다"고 썼고 현재 전략은 당신에게 더 많은 기회를 제공합니다. 하지만, 나는 아마 모든 것을 다시 섞었을 것입니다. :에 대한)))
어떤지 잘 모르겠지만 틱이 실제 거래 횟수를 평균한 결과가 되었으면 하는 바램입니다. 이런 의미에서 물론 소수의 pip 부분 이 있어야 합니다. 그러나 이것이 바로 이 핍을 잡는 것 이상의 것에 적합하다면 나는 놀랄 것입니다. 물론, 나는 이 수치를 본 적이 없으며 어떤 일이 일어날 수 있습니다.
확률적 항 s의 형태에 대해 더 배울 수 있습니까? 적어도 맥주의 종류:)
그래서 "모든 독창적 인 것은 간단합니다!"라고 밝혀졌습니다.
실제로 반올림하면 크기가 플러스 또는 마이너스 7포인트인 따옴표 안에 백색 잡음이 발생합니다.
여기서 계산을 했어요
http://forum.fxclub.org/showthread.php?p=717988&posted=1#post717988
유사한 계산이 수행된 메시지에서 거의 동일한 것을 찾을 수 있습니다.
일반적으로 모델을 사용하여 모델 범위의 화이트 노이즈가 예측에 얼마나 영향을 미치는지 계산할 수 있기 때문에 그런 질문을 하는 것이 이상합니다. 아니면 제가 뭔가를 잘못 이해한 건가요?