자체 조정 지표는 막다른 골목입니다. 나는 내 의견을 입증하려고 노력할 것이다. 나는 그러한 지표를 여러 개 개발했지만 다른 DC에서 오는 시세의 변동성에 민감한 것으로 판명되었습니다. 즉, 이러한 표시기는 한 DC의 데이터에서 완벽하게 작동하고 다른 DC의 데이터에서는 전혀 작동하지 않습니다. 국회 데이터에 대한 모든 작업 중 최악. DC에서 시세의 평균 움직임은 동일하지만 변동성이 다르기 때문에 지표가 혼동됩니다. 예를 들어, 동일한 견적 간격의 표준 지표에서도 한 DC에는 차이가 있지만 다른 DC에는 차이가 없습니다. 내 연구에 따르면 변동성은 자체 조정 지표에서 고려해야 하는 주요 요인입니다. 그러나 결과적으로 표시기는 다른 DC에서 인용을 필터링하는 방법과 이 방법의 변경(DC에서 알리지 않음)에 따라 달라집니다. 여기서 나는 자체 조정이 불연속(선형)이 아니라 일정하기 때문에 "거칠게(roughen up)"(Renat이 계속 이야기하고 있음)하는 것이 불가능하다는 사실에 직면했습니다.
변동성 문제에서 벗어날 수있는 유일한 방법은 지표와 시세의 절대 가치를 고려하지 않는 것입니다. 저것들. MTS에서 결정을 내리기 위해서는 어떤 형태로든 값의 비율을 사용해야 하며 이것이 본질적으로 패턴 인식입니다.
나는 "자체 조정 지표는 막다른 골목"이라는 진술에 다소 동의하지 않을 수 있습니다. 나머지는 동의하지만. 나는 단지 같은 문제에 대해 많은 해결책이 있을 수 있다고 생각합니다. 예를 들어, 질문에: - "거칠게 하다"(Renat가 항상 이야기하는) 자기 조정. - 표시기 값을 거칠게 하는 것이 아니라 "노이즈" 수준을 줄일 수 있는 필터를 사용하는 약간 다른 솔루션을 찾았습니다.
그리고 필터링 매개변수는 다시 DC의 변동성에 따라 달라집니다... NA 따옴표에 대한 필터를 만든 다음 DC가 필터 등보다 더 많이 필터링하는 것으로 나타났습니다.
자체 조정 지표는 막다른 골목입니다. 나는 내 의견을 입증하려고 노력할 것이다. 나는 그러한 지표를 여러 개 개발했지만 다른 DC에서 오는 시세의 변동성에 민감한 것으로 판명되었습니다. 즉, 이러한 표시기는 한 DC의 데이터에서 완벽하게 작동하고 다른 DC의 데이터에서는 전혀 작동하지 않습니다. 국회 데이터에 대한 모든 작업 중 최악. DC에서 시세의 평균 움직임은 동일하지만 변동성이 다르기 때문에 지표가 혼동됩니다. 예를 들어, 동일한 견적 간격의 표준 지표에서도 한 DC에는 차이가 있지만 다른 DC에는 차이가 없습니다. 내 연구에 따르면 변동성은 자체 조정 지표에서 고려해야 하는 주요 요인입니다. 그러나 결과적으로 표시기는 다른 DC에서 인용을 필터링하는 방법과 이 방법의 변경(DC에서 알리지 않음)에 따라 달라집니다. 여기서 나는 자체 조정이 불연속(선형)이 아니라 일정하기 때문에 "거칠게(roughen up)"(Renat이 계속 이야기하고 있음)하는 것이 불가능하다는 사실에 직면했습니다.
변동성 문제에서 벗어날 수있는 유일한 방법은 지표와 시세의 절대 가치를 고려하지 않는 것입니다. 저것들. MTS에서 결정을 내리기 위해서는 어떤 형태로든 값의 비율을 사용해야 하며 이것이 본질적으로 패턴 인식입니다.
나는 "자체 조정 지표는 막다른 골목"이라는 진술에 다소 동의하지 않을 수 있습니다. 나머지는 동의하지만. 나는 단지 같은 문제에 대해 많은 해결책이 있을 수 있다고 생각합니다. 예를 들어, 질문에: - "거칠게 하다"(Renat가 항상 이야기하는) 자기 조정. - 표시기 값을 거칠게 하는 것이 아니라 "노이즈" 수준을 줄일 수 있는 필터를 사용하는 약간 다른 솔루션을 찾았습니다.
그리고 필터링 매개변수는 다시 DC의 변동성에 따라 달라집니다... NA 따옴표에 대한 필터를 만든 다음 DC가 필터 등보다 더 많이 필터링하는 것으로 나타났습니다.
궁극적으로 Expert Advisor는 다른 DC에서 다르게 작동하지만 다른 방식으로 수익성이 있습니다.... 따라서 다른 DC의 비율 차이는 시장의 필수적인 부분이며 우리 작업에서 특별한 역할을 하지 않습니다. 즉, 일부 매개변수가 있는 ASMTS(자동 자동 조정 기계 거래 시스템 :))가 있는 경우 한 DC에서는 수익성 있게 작동하고 다른 DC에서는 수익성이 없을 수 있습니다. 다른 DC에서만 재구성 및 작동합니다. 다시 유익하게. :)
ArtemRG 2006년 11월 21일 14:01 작성: 그리고 필터링 매개변수는 다시 DC의 변동성에 따라 달라집니다. 필터를 만들 것입니다. NS 따옴표, 그러면 DC가 필터 등보다 더 많이 필터링한다는 것이 밝혀졌습니다.
예, 특정 DC에 대해 필터를 구성해야 하고 특정 통화 쌍에 대해 더 많은 것을 구성해야 할 수도 있습니다. 그러나 작업에는 완전한 보편성의 조건이 포함되지 않았으며 작업은 훨씬 더 겸손했습니다.
"문제: 월간 히스토리를 하루에 한 번 실행하고 손절매 매개변수에 대한 최적의 수를 설정하는 함수를 작성할 수 있습니까? 그리고 가장 중요한 것: 이 기능으로 테스터를 확인할 수 있습니까? 테스터가 전혀 작동합니까? 매일 테스트 모드에서 그는 새로운 날에 대해 중지 매개변수를 변경해야 하는 것으로 나타났습니다. 가능합니까? 이 문제를 해결하면 나머지는 이미 말했듯이 착빙입니다.
가능한 경우 범용 적응 시스템을 만들려면 단일 DC의 "잡음"뿐만 아니라 수많은 매개 변수를 분석해야 합니다. 또한 상당한 시간과 상당한 양의 스마트 헤드가 필요하므로 결과적으로 상당한 비용이 듭니다. 그러나이 경우 모든 것이 훨씬 더 겸손합니다. 지금까지는 하나의 매개변수만 분석할 테스터를 Expert Advisor 내부에 작성하기만 하면 됩니다. 코드 작성에 참여하십시오. 특히 이 분야에 상당한 경험이 있기 때문에 더욱 그렇습니다!
제 제안을 추가하겠습니다. 나는 나 자신이 아직 명시된 원칙을 구현할 수 없었으며 아직 MQL을 이길 수 없다고 즉시 말할 것입니다. :). 아이디어는 4시간 동안 개발되었으며 다음과 같습니다. 먼저 잘 필터링된 추세선이 필요하지만 MA처럼 뒤처지지 않습니다. 예를 들어 Vladimir Kravchuk의 FATL을 취하면 그 파생물과 이차 파생물이 계산됩니다. 가속과 저크. 가속도와 저크가 모두 0보다 큰 경우(거짓 신호에서 일종의 델타를 도입하는 것도 가능함) 가속과 저크가 모두 0보다 작을 때 구매 그럼 판매합니다. 그러나 동시에 많은 잘못된 신호가 있을 것이므로 필터링하기 위해 조건을 제안합니다. 선택한 추세선(예: FATL)이 올바른 방향으로 프랙탈보다 크지만 더 작은 시간 프레임에서 . 동시에, 트레일링 스톱 으로 포지션을 종료하고, 포지션 진입 시 손절매는 원하는 시간 프레임의 마지막 날 그림자와 함께 캔들의 평균 크기와 같습니다.
힌트를 좀 드릴까요? :)
...
3. 가격이 아닌 가격의 대수를 고려할 필요가 있다.
로그에서는 모든 것이 더 단순해지고 정확해집니다.
작은 가격 변화로 가격과 로그로 작업하는 데 차이가 없을 것입니다.
큰 가격 변동으로 그 차이는 상당할 것입니다.
그리고 힌트가 하나 더 있습니다. 포인트 3을 더 자세히 설명하십시오(이 가격의 로그를 계산하는 방법?)
자체 조정 지표는 막다른 골목입니다. 나는 내 의견을 입증하려고 노력할 것이다.
나는 그러한 지표를 여러 개 개발했지만 다른 DC에서 오는 시세의 변동성에 민감한 것으로 판명되었습니다. 즉, 이러한 표시기는 한 DC의 데이터에서 완벽하게 작동하고 다른 DC의 데이터에서는 전혀 작동하지 않습니다. 국회 데이터에 대한 모든 작업 중 최악. DC에서 시세의 평균 움직임은 동일하지만 변동성이 다르기 때문에 지표가 혼동됩니다. 예를 들어, 동일한 견적 간격의 표준 지표에서도 한 DC에는 차이가 있지만 다른 DC에는 차이가 없습니다.
내 연구에 따르면 변동성은 자체 조정 지표에서 고려해야 하는 주요 요인입니다. 그러나 결과적으로 표시기는 다른 DC에서 인용을 필터링하는 방법과 이 방법의 변경(DC에서 알리지 않음)에 따라 달라집니다.
여기서 나는 자체 조정이 불연속(선형)이 아니라 일정하기 때문에 "거칠게(roughen up)"(Renat이 계속 이야기하고 있음)하는 것이 불가능하다는 사실에 직면했습니다.
변동성 문제에서 벗어날 수있는 유일한 방법은 지표와 시세의 절대 가치를 고려하지 않는 것입니다. 저것들. MTS에서 결정을 내리기 위해서는 어떤 형태로든 값의 비율을 사용해야 하며 이것이 본질적으로 패턴 인식입니다.
그리고 필터링 매개변수는 다시 DC의 변동성에 따라 달라집니다... NA 따옴표에 대한 필터를 만든 다음 DC가 필터 등보다 더 많이 필터링하는 것으로 나타났습니다.
자체 조정 지표는 막다른 골목입니다. 나는 내 의견을 입증하려고 노력할 것이다.
나는 그러한 지표를 여러 개 개발했지만 다른 DC에서 오는 시세의 변동성에 민감한 것으로 판명되었습니다. 즉, 이러한 표시기는 한 DC의 데이터에서 완벽하게 작동하고 다른 DC의 데이터에서는 전혀 작동하지 않습니다. 국회 데이터에 대한 모든 작업 중 최악. DC에서 시세의 평균 움직임은 동일하지만 변동성이 다르기 때문에 지표가 혼동됩니다. 예를 들어, 동일한 견적 간격의 표준 지표에서도 한 DC에는 차이가 있지만 다른 DC에는 차이가 없습니다.
내 연구에 따르면 변동성은 자체 조정 지표에서 고려해야 하는 주요 요인입니다. 그러나 결과적으로 표시기는 다른 DC에서 인용을 필터링하는 방법과 이 방법의 변경(DC에서 알리지 않음)에 따라 달라집니다.
여기서 나는 자체 조정이 불연속(선형)이 아니라 일정하기 때문에 "거칠게(roughen up)"(Renat이 계속 이야기하고 있음)하는 것이 불가능하다는 사실에 직면했습니다.
변동성 문제에서 벗어날 수있는 유일한 방법은 지표와 시세의 절대 가치를 고려하지 않는 것입니다. 저것들. MTS에서 결정을 내리기 위해서는 어떤 형태로든 값의 비율을 사용해야 하며 이것이 본질적으로 패턴 인식입니다.
그리고 필터링 매개변수는 다시 DC의 변동성에 따라 달라집니다... NA 따옴표에 대한 필터를 만든 다음 DC가 필터 등보다 더 많이 필터링하는 것으로 나타났습니다.
궁극적으로 Expert Advisor는 다른 DC에서 다르게 작동하지만 다른 방식으로 수익성이 있습니다.... 따라서 다른 DC의 비율 차이는 시장의 필수적인 부분이며 우리 작업에서 특별한 역할을 하지 않습니다. 즉, 일부 매개변수가 있는 ASMTS(자동 자동 조정 기계 거래 시스템 :))가 있는 경우 한 DC에서는 수익성 있게 작동하고 다른 DC에서는 수익성이 없을 수 있습니다. 다른 DC에서만 재구성 및 작동합니다. 다시 유익하게. :)
ArtemRG 2006년 11월 21일 14:01 작성:
그리고 필터링 매개변수는 다시 DC의 변동성에 따라 달라집니다. 필터를 만들 것입니다.
NS 따옴표, 그러면 DC가 필터 등보다 더 많이 필터링한다는 것이 밝혀졌습니다.
예, 특정 DC에 대해 필터를 구성해야 하고 특정 통화 쌍에 대해 더 많은 것을 구성해야 할 수도 있습니다.
그러나 작업에는 완전한 보편성의 조건이 포함되지 않았으며 작업은 훨씬 더 겸손했습니다.
"문제: 월간 히스토리를 하루에 한 번 실행하고 손절매 매개변수에 대한 최적의 수를 설정하는 함수를 작성할 수 있습니까?
그리고 가장 중요한 것: 이 기능으로 테스터를 확인할 수 있습니까? 테스터가 전혀 작동합니까? 매일 테스트 모드에서 그는 새로운 날에 대해 중지 매개변수를 변경해야 하는 것으로 나타났습니다. 가능합니까? 이 문제를 해결하면 나머지는 이미 말했듯이 착빙입니다.
가능한 경우 범용 적응 시스템을 만들려면 단일 DC의 "잡음"뿐만 아니라 수많은 매개 변수를 분석해야 합니다. 또한 상당한 시간과 상당한 양의 스마트 헤드가 필요하므로 결과적으로 상당한 비용이 듭니다. 그러나이 경우 모든 것이 훨씬 더 겸손합니다. 지금까지는 하나의 매개변수만 분석할 테스터를 Expert Advisor 내부에 작성하기만 하면 됩니다.
코드 작성에 참여하십시오. 특히 이 분야에 상당한 경험이 있기 때문에 더욱 그렇습니다!
이 접근 방식에 찬성하는 또 다른 주장은 고문이 처음으로 역사에 적응했다는 가정입니다(오랜 기간은 아니지만) 매우 수익성 있게 거래합니다. 훨씬 더 유익한 조언자였습니다(이것은 그들이 이야기에 적합했다는 사실 때문인 것 같습니다)
테스터가 내부에 있는 Expert Advisor를 작성하기 전에 이 가설을 수동으로 테스트해 보십시오. 지난 10개월 각각에 대해 이전 6개월 동안 일부 Expert Advisor를 최적화하고 결과를 보고한다고 가정합니다.
모든 것이 그렇게 간단했다면 ...
이 접근 방식에 찬성하는 또 다른 주장은 고문이 처음으로 역사에 적응했다는 가정입니다(오랜 기간은 아니지만) 매우 수익성 있게 거래합니다. 훨씬 더 유익한 조언자였습니다(이것은 그들이 이야기에 적합했다는 사실 때문인 것 같습니다)
완전히 동의 해.
이 접근 방식에 찬성하는 또 다른 주장은 고문이 처음으로 역사에 적응했다는 가정입니다(오랜 기간은 아니지만) 매우 수익성 있게 거래합니다. 훨씬 더 유익한 조언자였습니다(이것은 그들이 이야기에 적합했다는 사실 때문인 것 같습니다)
테스터가 내부에 있는 Expert Advisor를 작성하기 전에 이 가설을 수동으로 테스트해 보십시오. 지난 10개월마다 이전 6개월 동안 일부 Expert Advisor를 최적화하고 결과를 보고한다고 가정합니다.
모든 것이 그렇게 간단했다면 ...
누가 가져갈까요? (시간 낭비를 피하기 위해)
나는 나 자신이 아직 명시된 원칙을 구현할 수 없었으며 아직 MQL을 이길 수 없다고 즉시 말할 것입니다. :).
아이디어는 4시간 동안 개발되었으며 다음과 같습니다. 먼저 잘 필터링된 추세선이 필요하지만 MA처럼 뒤처지지 않습니다. 예를 들어 Vladimir Kravchuk의 FATL을 취하면 그 파생물과 이차 파생물이 계산됩니다. 가속과 저크.
가속도와 저크가 모두 0보다 큰 경우(거짓 신호에서 일종의 델타를 도입하는 것도 가능함) 가속과 저크가 모두 0보다 작을 때 구매
그럼 판매합니다.
그러나 동시에 많은 잘못된 신호가 있을 것이므로 필터링하기 위해 조건을 제안합니다. 선택한 추세선(예: FATL)이 올바른 방향으로 프랙탈보다 크지만 더 작은 시간 프레임에서 .
동시에, 트레일링 스톱 으로 포지션을 종료하고, 포지션 진입 시 손절매는 원하는 시간 프레임의 마지막 날 그림자와 함께 캔들의 평균 크기와 같습니다.