그리고 저는 이러한 이해가 없었고, 지금도 없습니다. Prival , 이것이 dov와 같다는 당신의 가설. 간격, 나는 수락하지 않습니다 ( 한 틱 으로 만들어진 케이블의 200 포인트 머리핀을 기억하십니까?). 예, 그녀 중 한 명도 예측할 수 없지만 Phoebe는 예측할 수 없습니다. .. 그럴 가능성이...
그리고 Mathemat , 신경망 이 그러한 머리핀을 예측해야 하는 것은 무엇입니까? 그리고 일반적으로 모든 차량이 이 작업을 수행해야 합니까? 이는 TS에 대한 요구 사항이 시간 및 가치 측면에서 모든 틱에 대한 정확한 예측임을 의미합니다. 너무 강한거 아니야?
나는 당신을 정말로 돕고 싶습니다. 왜냐하면 나는 뻔뻔하게 당신의 FFT 라이브러리를 사용하고 새해에 샴페인 한 병을 보내지 않았습니다. 그리고 신경망(NN)을 기반으로 하는 거래 시스템(TS)을 구축하려는 많은 사람들도 도움을 드리고자 합니다.
이 스레드에서 내 진술 중 일부에 대해 논평하고 싶습니다. 어쩌면 내 지식이 너무 오래되지 않고 유용할 수 있습니다. 1987년 어딘가에서 탱크를 인식하는 알고리즘을 만들기 위한 연구가 수행되었습니다. 그런 아름다운 소프트웨어 패키지는 없었고 286 컴퓨터는 실현할 수 없는 행복이었습니다. 그래서 제가 지금 국회에서 보고 있는 아이디어들이 그곳에서 탐구되었습니다.
가장 밝은 것 중 하나는 Fain Reader입니다. 그러한 작업에서 이러한 알고리즘에서 실제로 나올 수 있는 것은 꽤 잘 작동했습니다. 저것들. 사진(스캔된 텍스트)이 알고리즘의 입력에 제공되고 이미지가 클러스터로 분할되고 이러한 반점의 가장자리가 매끄럽게 되고 이미지의 선명도가 증가합니다. 그런 다음 상관 적분의 최대값에 따라 이 스팟은 모든 클래스 탱크, 보병 전투 차량, 장갑차 운반선, KamAZ 등에 속합니다. Fain Reader에는 문자, b, c 등이 있습니다.
그때부터 이러한 알고리즘에 대해 다음과 같은 태도를 갖게 되었습니다 . “결국 단순히 다양한 지표를 분류하여 국회에 정보를 제공하는 것은 알려진 모든 지표 조합을 분류하는 것과 거의 동일합니다. 모든 것은 내부의 아키텍처에 의해 결정됩니다. 그리고 하나의 올바른 입력이 있습니다. 이것은 따옴표의 흐름입니다. 다른 모든 것은 이 흐름에서 변형된 것입니다.”
알고리즘은 세계의 모든 것에 대해 동시에 보편적일 수 없습니다. 특정 작업에 맞게 조정되어야 합니다. 그리고 그는 하나의 사진 입력(스캔한 시트)을 가지고 있습니다. 스캔하는 동안 시트를 비틀려고 하면 알고리즘이 카드 집처럼 떨어집니다. 이러한 알고리즘은 고정된 객체와 잘 작동하고 이를 인식합니다. 특정 클래스, b, c 등에 속합니다.
그들은 아마도 우리가 현재 처한 상태(a, b, c 등)를 잘 판단(인식)할 수 있지만 예측할 수는 없습니다. 그(알고리즘)는 내가 이 시트로 다음 분에 무엇을 할지 모릅니다.
Forex에서 모든 것이 어떻게 나타납니다. 국회는 우리가 지금 처한 상황을 인식할 수 있고 5분 후에 일어날 일에 대해 아무 말도 하지 않을 것입니다. 결국, 사람이 지지선이나 저항선을 구축하고, 인식 문제를 해결하고, 전체 데이터 스트림을 변환하고, 정점(하단)을 찾고, 그 위에 선을 만들고, 가격이 이 선에 다시 올 때까지 기다립니다( 유사한 상황을 인식), 이 라인의 붕괴 또는 리바운드에 플레이하기로 결정합니다. 따라서 NN은 우리가 어떤 특별한 시점(a.b.c ...)에 있음을 잘 인식할 수 있지만 다음에 무엇을 해야 하는지는 알려주지 않습니다.
그리고 여전히 NN을 사용하려면 'wellx의 적응 이동 평균 Kaufman AMA의 최적화된 버전' 표시기의 파생물을 제공하세요. "차원의 저주"는 죽일 것입니다 (모든 것을 정렬하지 않으려면 가장 상관 관계가없는 것을 선택하십시오). 탱크로 돌아가서, 나는 그가 지금 어디에 있는지 상관하지 않습니다. 나는 발사체가 그에게 도달할 때 그가 어디에 있을 것인지 알 필요가 있습니다(따옴표가 시장 진입점에서 오르거나 내리는 위치). 따라서 동작하는 속도 벡터를 분석해야 합니다.
많은 분들이 이미 MA와 지그재그를 제출해야 한다는 결론에 도달했다고 생각합니다. NS는 MA의 도함수를 취하고 지그재그는 속도 벡터가 방향을 변경하는 지점인 것 같습니다. 따라서 표시된 지표의 도함수가 작동하는 것처럼 보일 것입니다.
그런 것. 어쩌면 내가 당신을 잘못된 길로 이끌었고 내 지식은 공룡처럼 구식입니다. 그리고 나는 유일한 입력이 일련의 인용문(종이, 사진)이고 품질이 좋아야 한다고 잘못 알고 있습니다. 그리고 NN을 사용하여 한 종류의 넌센스를 인식합니다.
Yurixx :Mathemat , 신경망 이 그런 머리핀을 예측해야 합니까? 그리고 일반적으로 모든 차량이 이 작업을 수행해야 합니까? 이는 TS에 대한 요구 사항이 시간 및 가치 측면에서 모든 틱에 대한 정확한 예측임을 의미합니다. 너무 강한거 아니야?
아니요, Yurixx , 맙소사, 다른 사람이 모든 틱을 예측하게 하고 내 TS는 예측하지 못하게 합니다. 내 신경망이 여기에서 어떻게 빠져나갔는지 모르겠지만(아마도 분기 이름이 작동했을 것입니다), 나는 단지 높고 낮음의 개념을 특정 값(닫기?)의 신뢰 구간으로 m.o.를 너무 급격하게 바꾸지 않고 가볍게, 이상하게 표현합니다.
2 프라이빗 탱크쪽으로 조금. 3학년 때 패턴 인식, 다양한 구와하라 필터 적용, 벡터화 등을 했던 기억이 납니다. ..... 그리고 ns. 그런 다음 해결책을 찾았습니다. 작업은 이미지에서 얼굴을 인식하는 것이 었습니다. 그리고 전체 사진을 네트워크로 보내는 것은 어리석은 일이기 때문에 창구에만 국한되었습니다. 동일한 신경망 이 창의 크기를 조정하고 두 축을 따라 이동할 수 있습니다. 그것은 매우 흥미롭게 보였습니다. 모든 것이 작업 중입니다. 삶은 움직임이다. 당신이 알고 있는 인공 생명. )) 그런 다음 더 고급 알고리즘이 떠올랐습니다. 그러나 그것은 결실을 맺지 못했습니다. 요즘은 NS로 필터를 기반으로 구현하려고 합니다. 그 사람처럼. 음.. 네.
모든 실험은 NSDT에서 수행됩니다. 가격과 ZZ의 마지막 극한값 사이에 차이가 있습니다. 그리고 또한, 마지막과 끝에서 두 번째 극점 사이 등. 그리고 또한 차이 사이의 관계, - (XA) / (AB), (BA) / (BC), (BC) / (CD), (XA) / (DA), 일반적으로 Hartley 고조파 모델을 구축하려고 했습니다. 나는 모든 것을 확률적 네트워크로 몰아넣었다(NS에는 여러 종류가 있다). 나는 NSh를 통해 값을 정규화했습니다. 음, 실제로 이것은 공식입니다.
(x-ma(x,n))/(3*stdev(x,n)), 최근에는 항상 이 공식을 사용합니다. 그리고 실제로 교육, 교차 확인 및 OOS로 나아가고 있습니다. ..
이해합니다. 감사합니다. 그리고 나는 당신의 예를 보았습니다. 이것은 -1 +1 형식에 대한 정규화입니다. 귀하의 버전으로 실험해 보겠습니다.
한 가지 더 질문하는 것을 잊었습니다. 귀하가 현재 NeuroShell DayTrader를 사용하고 있음을 이해합니다. NeuroShell2가 당신에게 적합하지 않은 이유는 무엇입니까? NS2 버전 4.0이 있고 다른 유사한 패키지에주의를 기울이지 않아서 묻습니다. 어쩌면 내가 틀렸어? DayTrader에서 개인적으로 정확히 어떤 점이 마음에 드셨습니까?
klot, 그런 제안이 있습니다. 가격 차이만 사용합니다. 즉, 가격의 가치만 고려합니다. 사용할 시간 간격도 시도하십시오. 대부분의 지표는 가격에서만 작동합니다. 그리고 지표뿐만 아니라 대부분의 거래자는 시장의 가격 변동을 정확하게 사용합니다. 그러나 가격은 시간과 매우 관련이 있습니다. Gartley뿐만 아니라 패턴 검색을 위한 지표의 사용 가능한 버전은 주로 가격만 고려합니다. ZZ와 관련하여 이러한 매개변수의 사용을 제안할 수 있습니다. 33개 빔이 구축된 동안 의 철근 수입니다 .
Fibo 시간 도구를 사용할 수 있습니다. 가까운 시일 내에 Fibo Time을 사용하여 Onyx에 차트를 표시하도록 노력하겠습니다. 새해 또는 NG 이후에 가깝습니다.
Yurixx :Mathemat , 신경망 이 그런 머리핀을 예측해야 합니까? 그리고 일반적으로 모든 차량이 이 작업을 수행해야 합니까? 이는 TS에 대한 요구 사항이 시간 및 가치 측면에서 모든 틱에 대한 정확한 예측임을 의미합니다. 너무 강한거 아니야?
아니요, Yurixx , 맙소사, 다른 사람이 모든 틱을 예측하게 하되 내 TC는 예측하지 못하게 하십시오. 내 신경망이 여기에서 어떻게 빠져나갔는지 모르겠지만(아마도 분기 이름이 작동했을 것입니다), 나는 단지 높고 낮음의 개념을 특정 값(닫기?)의 신뢰 구간으로 m.o.를 너무 급격하게 바꾸지 않고 가볍게, 이상하게 표현합니다.
동의합니다. 이 용어의 실제 의미에 대한 신뢰 구간이 여기에 적합하지 않습니다. 그러나 Prival 이 염두에 둔 것은 비유에 가깝다고 생각합니다. 결국 가격의 가치(닫기가 필요한 이유는 무엇입니까?)는 이 간격에 있습니다. 그러나 mo는 여기에서 IMHO와 같은 방식으로 변경되므로 이득이 없습니다.
그리고 미래는 말할 것도 없고 적어도 현재 막대에서 실제 신뢰 구간을 얻으려면 멋진 것 이상일 것입니다. 사실 이것은 전략 수립 문제에 대한 기성품 솔루션이 될 것입니다.
Yurixx :Mathemat , 신경망 이 그런 머리핀을 예측해야 합니까? 그리고 일반적으로 모든 차량이 이 작업을 수행해야 합니까? 이는 TS에 대한 요구 사항이 시간 및 가치 측면에서 모든 틱에 대한 정확한 예측임을 의미합니다. 너무 강한거 아니야?
아니요, Yurixx , 맙소사, 다른 사람이 모든 틱을 예측하게 하고 내 TS는 예측하지 못하게 합니다. 내 신경망이 여기에서 어떻게 빠져나갔는지 모르겠지만(아마도 분기 이름이 작동했을 것입니다), 나는 단지 높고 낮음의 개념을 특정 값(닫기?)의 신뢰 구간으로 m.o.를 너무 급격하게 바꾸지 않고 가볍게, 이상하게 표현합니다.
동의합니다. 이 용어의 실제 의미에 대한 신뢰 구간이 여기에 적합하지 않습니다. 그러나 Prival 이 염두에 둔 것은 비유에 가깝다고 생각합니다. 결국 가격의 가치(닫기가 필요한 이유는 무엇입니까?)는 이 간격에 있습니다. 그러나 mo는 여기에서 IMHO와 같은 방식으로 변경되므로 이득이 없습니다.
그리고 미래는 말할 것도 없고 적어도 현재 막대에서 실제 신뢰 구간을 얻으려면 멋진 것 이상일 것입니다. 사실 이것은 전략 수립 문제에 대한 기성품 솔루션이 될 것입니다.
Prival , 나는 당신의 첫 번째 게시물을 기억합니다. 문제는 가우스 근사에서만 신뢰 구간(+ 또는 - 3 rms)을 구축하는 것이 합리적이라는 것입니다. 그러면 대부분의 가능한 결과(0.997)가 그 안에 포함됩니다. 그리고 0.7이면 오류가 너무 자주 발생합니다. 그리고 주요 문제는 m.o. 현재 순간에.
어디를 보기 전에 동일한 기본 질문을 모두 결정하는 것이 좋습니다. 제 생각에는 두 가지가 있습니다.
1. 신뢰 구간 은 여전히 유사합니다. 실제로, 주어진 막대의 가격 값에 대한 신뢰 구간의 값은 선험적으로 알려지지 않았습니다. 이에 대해 몇 가지 예측을 할 수 있지만 이것은 이미 CU의 요소이므로 최소한 이념적 정당성이 있어야 합니다. 그들은 어디에 있습니까? High-Low 값은 각 막대에서 변경됩니다. 저것. 이 "신뢰 구간"의 예측은 통계적으로만 가능합니다. 어떤 통계를 기반으로 합니까? 그 속성은 무엇입니까? 아마도 이 통계는 지역 변동성과 관련될 수 있습니다. 어느 것 ? 어디에서 얻을 수 있습니까? 그 역학을 어떻게 설명할 수 있습니까? 그것에서 High-Low의 실제 값을 결정하는 방법은 무엇입니까? 이것에 대한 고전적인 아이디어가 있지만 더 유익한 아이디어가 있습니까?
2. 미래 바의 High-Low 값은 전투의 절반에 불과합니다. 최소한 동일한 수준의 신뢰성으로 mo의 역학을 예측할 수 없다면 이 모든 것은 허영심이며 바람을 잡는 것입니다. 따라서 질문: mo의 역학을 예측하는 방법은 무엇입니까?
그리고 저는 이러한 이해가 없었고, 지금도 없습니다. Prival , 이것이 dov와 같다는 당신의 가설. 간격, 나는 수락하지 않습니다 ( 한 틱 으로 만들어진 케이블의 200 포인트 머리핀을 기억하십니까?). 예, 그녀 중 한 명도 예측할 수 없지만 Phoebe는 예측할 수 없습니다. .. 그럴 가능성이...
그리고 Mathemat , 신경망 이 그러한 머리핀을 예측해야 하는 것은 무엇입니까? 그리고 일반적으로 모든 차량이 이 작업을 수행해야 합니까? 이는 TS에 대한 요구 사항이 시간 및 가치 측면에서 모든 틱에 대한 정확한 예측임을 의미합니다. 너무 강한거 아니야?
응고하다
나는 당신을 정말로 돕고 싶습니다. 왜냐하면 나는 뻔뻔하게 당신의 FFT 라이브러리를 사용하고 새해에 샴페인 한 병을 보내지 않았습니다. 그리고 신경망(NN)을 기반으로 하는 거래 시스템(TS)을 구축하려는 많은 사람들도 도움을 드리고자 합니다.
이 스레드에서 내 진술 중 일부에 대해 논평하고 싶습니다. 어쩌면 내 지식이 너무 오래되지 않고 유용할 수 있습니다. 1987년 어딘가에서 탱크를 인식하는 알고리즘을 만들기 위한 연구가 수행되었습니다. 그런 아름다운 소프트웨어 패키지는 없었고 286 컴퓨터는 실현할 수 없는 행복이었습니다. 그래서 제가 지금 국회에서 보고 있는 아이디어들이 그곳에서 탐구되었습니다.
가장 밝은 것 중 하나는 Fain Reader입니다. 그러한 작업에서 이러한 알고리즘에서 실제로 나올 수 있는 것은 꽤 잘 작동했습니다. 저것들. 사진(스캔된 텍스트)이 알고리즘의 입력에 제공되고 이미지가 클러스터로 분할되고 이러한 반점의 가장자리가 매끄럽게 되고 이미지의 선명도가 증가합니다. 그런 다음 상관 적분의 최대값에 따라 이 스팟은 모든 클래스 탱크, 보병 전투 차량, 장갑차 운반선, KamAZ 등에 속합니다. Fain Reader에는 문자, b, c 등이 있습니다.
그때부터 이러한 알고리즘에 대해 다음과 같은 태도를 갖게 되었습니다 . “결국 단순히 다양한 지표를 분류하여 국회에 정보를 제공하는 것은 알려진 모든 지표 조합을 분류하는 것과 거의 동일합니다. 모든 것은 내부의 아키텍처에 의해 결정됩니다. 그리고 하나의 올바른 입력이 있습니다. 이것은 따옴표의 흐름입니다. 다른 모든 것은 이 흐름에서 변형된 것입니다.”
알고리즘은 세계의 모든 것에 대해 동시에 보편적일 수 없습니다. 특정 작업에 맞게 조정되어야 합니다. 그리고 그는 하나의 사진 입력(스캔한 시트)을 가지고 있습니다. 스캔하는 동안 시트를 비틀려고 하면 알고리즘이 카드 집처럼 떨어집니다. 이러한 알고리즘은 고정된 객체와 잘 작동하고 이를 인식합니다. 특정 클래스, b, c 등에 속합니다.
그들은 아마도 우리가 현재 처한 상태(a, b, c 등)를 잘 판단(인식)할 수 있지만 예측할 수는 없습니다. 그(알고리즘)는 내가 이 시트로 다음 분에 무엇을 할지 모릅니다.
Forex에서 모든 것이 어떻게 나타납니다. 국회는 우리가 지금 처한 상황을 인식할 수 있고 5분 후에 일어날 일에 대해 아무 말도 하지 않을 것입니다. 결국, 사람이 지지선이나 저항선을 구축하고, 인식 문제를 해결하고, 전체 데이터 스트림을 변환하고, 정점(하단)을 찾고, 그 위에 선을 만들고, 가격이 이 선에 다시 올 때까지 기다립니다( 유사한 상황을 인식), 이 라인의 붕괴 또는 리바운드에 플레이하기로 결정합니다. 따라서 NN은 우리가 어떤 특별한 시점(a.b.c ...)에 있음을 잘 인식할 수 있지만 다음에 무엇을 해야 하는지는 알려주지 않습니다.
모든 것을 설명하려면 오랜 시간이 걸립니다. 제 생각에는 국회의 결과는 '임의의 흐름과 FOREX 이론' 과 같아야 합니다.
그리고 여전히 NN을 사용하려면 'wellx의 적응 이동 평균 Kaufman AMA의 최적화된 버전' 표시기의 파생물을 제공하세요. "차원의 저주"는 죽일 것입니다 (모든 것을 정렬하지 않으려면 가장 상관 관계가없는 것을 선택하십시오). 탱크로 돌아가서, 나는 그가 지금 어디에 있는지 상관하지 않습니다. 나는 발사체가 그에게 도달할 때 그가 어디에 있을 것인지 알 필요가 있습니다(따옴표가 시장 진입점에서 오르거나 내리는 위치). 따라서 동작하는 속도 벡터를 분석해야 합니다.
많은 분들이 이미 MA와 지그재그를 제출해야 한다는 결론에 도달했다고 생각합니다. NS는 MA의 도함수를 취하고 지그재그는 속도 벡터가 방향을 변경하는 지점인 것 같습니다. 따라서 표시된 지표의 도함수가 작동하는 것처럼 보일 것입니다.
그런 것. 어쩌면 내가 당신을 잘못된 길로 이끌었고 내 지식은 공룡처럼 구식입니다. 그리고 나는 유일한 입력이 일련의 인용문(종이, 사진)이고 품질이 좋아야 한다고 잘못 알고 있습니다. 그리고 NN을 사용하여 한 종류의 넌센스를 인식합니다.
하지만 진심으로 도와주려고 노력합니다.
탱크쪽으로 조금. 3학년 때 패턴 인식, 다양한 구와하라 필터 적용, 벡터화 등을 했던 기억이 납니다. ..... 그리고 ns. 그런 다음 해결책을 찾았습니다. 작업은 이미지에서 얼굴을 인식하는 것이 었습니다. 그리고 전체 사진을 네트워크로 보내는 것은 어리석은 일이기 때문에 창구에만 국한되었습니다. 동일한 신경망 이 창의 크기를 조정하고 두 축을 따라 이동할 수 있습니다. 그것은 매우 흥미롭게 보였습니다. 모든 것이 작업 중입니다. 삶은 움직임이다. 당신이 알고 있는 인공 생명. )) 그런 다음 더 고급 알고리즘이 떠올랐습니다. 그러나 그것은 결실을 맺지 못했습니다.
요즘은 NS로 필터를 기반으로 구현하려고 합니다. 그 사람처럼. 음.. 네.
(x-ma(x,n))/(3*stdev(x,n)), 최근에는 항상 이 공식을 사용합니다. 그리고 실제로 교육, 교차 확인 및 OOS로 나아가고 있습니다. ..
이해합니다. 감사합니다. 그리고 나는 당신의 예를 보았습니다. 이것은 -1 +1 형식에 대한 정규화입니다. 귀하의 버전으로 실험해 보겠습니다.
한 가지 더 질문하는 것을 잊었습니다. 귀하가 현재 NeuroShell DayTrader를 사용하고 있음을 이해합니다. NeuroShell2가 당신에게 적합하지 않은 이유는 무엇입니까? NS2 버전 4.0이 있고 다른 유사한 패키지에주의를 기울이지 않아서 묻습니다. 어쩌면 내가 틀렸어? DayTrader에서 개인적으로 정확히 어떤 점이 마음에 드셨습니까?
klot, 그런 제안이 있습니다. 가격 차이만 사용합니다. 즉, 가격의 가치만 고려합니다. 사용할 시간 간격도 시도하십시오. 대부분의 지표는 가격에서만 작동합니다. 그리고 지표뿐만 아니라 대부분의 거래자는 시장의 가격 변동을 정확하게 사용합니다. 그러나 가격은 시간과 매우 관련이 있습니다. Gartley뿐만 아니라 패턴 검색을 위한 지표의 사용 가능한 버전은 주로 가격만 고려합니다. ZZ와 관련하여 이러한 매개변수의 사용을 제안할 수 있습니다. 33개 빔이 구축된 동안 의 철근 수입니다 .
Fibo 시간 도구를 사용할 수 있습니다. 가까운 시일 내에 Fibo Time을 사용하여 Onyx에 차트를 표시하도록 노력하겠습니다. 새해 또는 NG 이후에 가깝습니다.
동의합니다. 이 용어의 실제 의미에 대한 신뢰 구간이 여기에 적합하지 않습니다. 그러나 Prival 이 염두에 둔 것은 비유에 가깝다고 생각합니다. 결국 가격의 가치(닫기가 필요한 이유는 무엇입니까?)는 이 간격에 있습니다. 그러나 mo는 여기에서 IMHO와 같은 방식으로 변경되므로 이득이 없습니다.
그리고 미래는 말할 것도 없고 적어도 현재 막대에서 실제 신뢰 구간을 얻으려면 멋진 것 이상일 것입니다. 사실 이것은 전략 수립 문제에 대한 기성품 솔루션이 될 것입니다.
동의합니다. 이 용어의 실제 의미에 대한 신뢰 구간이 여기에 적합하지 않습니다. 그러나 Prival 이 염두에 둔 것은 비유에 가깝다고 생각합니다. 결국 가격의 가치(닫기가 필요한 이유는 무엇입니까?)는 이 간격에 있습니다. 그러나 mo는 여기에서 IMHO와 같은 방식으로 변경되므로 이득이 없습니다.
그리고 미래는 말할 것도 없고 적어도 현재 막대에서 실제 신뢰 구간을 얻으려면 멋진 것 이상일 것입니다. 사실 이것은 전략 수립 문제에 대한 기성품 솔루션이 될 것입니다.
글쎄요, 생각이 수렴되기 시작한 것 같습니다. 이제 여기 '가동시간에 가격을 반영하는 지표가 필요하다'는 동일한 관점(신뢰구간)에서 봐주세요.
어디를 보기 전에 동일한 기본 질문을 모두 결정하는 것이 좋습니다. 제 생각에는 두 가지가 있습니다.
1. 신뢰 구간 은 여전히 유사합니다. 실제로, 주어진 막대의 가격 값에 대한 신뢰 구간의 값은 선험적으로 알려지지 않았습니다. 이에 대해 몇 가지 예측을 할 수 있지만 이것은 이미 CU의 요소이므로 최소한 이념적 정당성이 있어야 합니다. 그들은 어디에 있습니까? High-Low 값은 각 막대에서 변경됩니다. 저것. 이 "신뢰 구간"의 예측은 통계적으로만 가능합니다. 어떤 통계를 기반으로 합니까? 그 속성은 무엇입니까? 아마도 이 통계는 지역 변동성과 관련될 수 있습니다. 어느 것 ? 어디에서 얻을 수 있습니까? 그 역학을 어떻게 설명할 수 있습니까? 그것에서 High-Low의 실제 값을 결정하는 방법은 무엇입니까? 이것에 대한 고전적인 아이디어가 있지만 더 유익한 아이디어가 있습니까?
2. 미래 바의 High-Low 값은 전투의 절반에 불과합니다. 최소한 동일한 수준의 신뢰성으로 mo의 역학을 예측할 수 없다면 이 모든 것은 허영심이며 바람을 잡는 것입니다. 따라서 질문: mo의 역학을 예측하는 방법은 무엇입니까?