이 테스트가 왜 그렇게 짧습니까? 적어도 2004년 쇼의 시작부터. 2001년 이후로 개선되었습니다. 그리고 모든 틱에서 90%의 품질을 제공합니다.
그리고 지금 당신은 무언가를 팔고 있습니다.
나는 거래 시스템이 아닌 지표를 판매 합니다.
지표의 작업은 기록의 길이에 의존하지 않습니다. 주제에 첨부한TRNSK 거래 시스템의 테스트를 의미한다면 이 거래 시스템은 제안된 지표를 사용할 가능성을 보여주기 위해서만 특별히 만들어졌습니다. TS, 이 주제를 제시합니다. 이 예는 이러한 이니시에이터가 TS를 생성할 때 매우 효과적으로 사용될 수 있음을 보여주며, 현재로서는 특정 전략이 있는 거래 시스템이 아니라 지표만 제시하고 있기 때문에 표시된 기간 동안의 테스터로 충분합니다. 앞으로 내가 차량을 판매할 때 객관적인 결론을 내릴 수 있도록 충분한 기간 동안 데모와 실생활 모두에서 작업을 확인하는 테스트가 있을 것입니다.
작품의 본질을 드러내지 않고 블랙박스(여러박스)를 팔려고 합니다. 바다 표시기와 작은 카트, 그리고 당신이 제공하는 것은 다른 모든 것보다 낫지 않습니다. 모든 지표와 TS 구축에 적용하려면 작동 원리에 대한 지식이 필요하지만 여기서는 그렇지 않습니다. 아마도 누군가는 아름다운 그림으로 매수할 것이지만, 나는 여러분이 수익을 내고 지표를 사용하는 거래 전략을 보여 줄 것을 권장합니다. 그런 다음 흥미로운 것이 나타날 수 있으며 지표에도 관심이 있습니다.
Z.Y. 웨이블릿 변환을 지표의 기초로 사용하지만 본질적으로 가격 행동(수익성 TS 구축에 매우 중요)을 예측할 수 없기 때문입니다. 모든 웨이블릿은 시간 영역에 국한됩니다. 명확히 하고 싶습니다. 주어진 시간에 시계열이 "멕시코 모자" 또는 이와 유사한 것으로 표시될 수 있다고 결정했다고 가정해 보겠습니다. 그러나 미래에 이 기능에 대한 예측은 말도 안 됩니다. 왜냐하면 거기에서 그것은 0과 같습니다. 두 번째 예는 설명을 위해 주파수 영역에만 국한된 푸리에 확장(사인파의 기본 함수)입니다. 정현파(정현파 세트)의 매개변수를 정의하여 미래의 시계열을 예측할 수 있습니다.
작품의 본질을 드러내지 않고 블랙박스(여러박스)를 팔려고 합니다. 바다 표시기와 작은 카트, 그리고 당신이 제공하는 것은 다른 모든 것보다 낫지 않습니다. 모든 지표와 TS 구축에 적용하려면 작동 원리에 대한 지식이 필요하지만 여기서는 그렇지 않습니다. 아마도 누군가는 아름다운 그림으로 매수할 것이지만, 나는 여러분이 수익을 내고 지표를 사용하는 거래 전략을 보여 줄 것을 권장합니다. 그런 다음 흥미로운 것이 나타날 수 있으며 지표에도 관심이 있습니다.
Z.Y. 웨이블릿 변환을 지표의 기초로 사용하지만 본질적으로 가격 행동(수익성 TS 구축에 매우 중요)을 예측할 수 없기 때문입니다. 모든 웨이블릿은 시간 영역에 국한됩니다. 명확히 하고 싶습니다. 주어진 시간에 시계열이 "멕시코 모자" 세트 또는 이와 유사한 것으로 표시될 수 있다고 결정했다고 가정해 보겠습니다. 그러나 미래에 이 기능에 대한 예측은 말도 안 됩니다. 거기에서 그것은 0과 같습니다. 두 번째 예는 설명을 위해 주파수 영역에만 국한된 푸리에 확장(사인파의 기본 함수)입니다. 정현파(정현파 세트)의 매개변수를 정의하여 미래의 시계열을 예측할 수 있습니다.
내가 거래를 막 배우기 시작했을 때 나는 당시 사용 가능한 모든 지표를 시도했는데 대부분은 시장에서 일어나는 일의 본질을 매우 추상적으로 반영하는 그림을 제공했습니다. 많은 사람들이 수동 거래에 중점을 두고 있으며 신경망에서 추가 처리를 위해 이들을 결합하고 단일 입력 데이터 배열을 형성하는 것이 항상 편리한 것은 아닙니다. 따라서 나는 한편으로는 시각적 인식에서 명확하고 다른 한편으로는,추가 처리 가능성을 위해 데이터를 형성하고 가장 중요한 것은 입력 신호의 정보 내용을 늘리고 작업이 수행되고 있는 주요 신호에서 파생된 신호의 대표적인 샘플을 중복하여 생성한 것입니다.주 신호에서 가능한 최대 변경 범위. 아시다시피 시장에는 모든 것이 포함되어 있지만 모든 것 중에서 필요한 것을 선택하고 방해가 되는 것을 제거하는 것은 그리 쉬운 일이 아닙니다. 시계열에 대한 오랜 실제 경험이 어느 정도 도움이 됩니다. 그리고 표준 ZigZag 와 동작면에서는 ZigZag에 가까운 나의 Trend 지시계를 비교하면 반전점 외에 트렌드 역학을 보여줌으로써 크게 다르지만 다음 광선의 신경망을 이용한 예측 추세 표시기를 사용할 때 10배 더 정확합니다. 마지막 4개 모두지표는 상호 보완적으로 개발되었으며, 함께 사용할 때 최대의 효율성을 얻을 수 있으며 이는 잡다한 표준 지표에서 기대하기 어렵습니다.
표시기의 작동 원리에 따라 질문이 있으면 답변해 드리겠습니다.
이러한 지표를 기반으로 많은 전략을 만들 수 있으며 각 개발자는 자신의 접근 방식과 거래 방법에 대한 자신의 아이디어를 가지고 있습니다. 또한 효과적인 수익성 있는 전략을 만드는 것은 지표나 조언자를 작성하는 것보다 훨씬 어렵고 비용이 엄청나게 많이 들고 실제로 거래 시스템의 알고리즘이며 프로그래밍은 기술의 문제입니다.
웨이블릿 변환은 첫 번째 지표에서만 사용되며 주로 수동 거래에 중점을 둡니다. 두 번째 지표는 다항식을 기반으로 합니다. 저는 이미 다양한 주제에서 사용하는 다항식의 예를 들었습니다. 여러분은 그것들을 볼 수 있습니다. 마지막 세 가지 지표는 내가 개발한 이력 임계값 이산화 알고리즘을 기반으로 하지만 이산화는 표준 시간 간격을 사용하지 않고 가격 변동의 역학에 비례하여 동적으로 조정 가능한 간격을 사용합니다. 이것은 웨이블릿 변환 또는 푸리에 확장과 아무 관련이 없습니다. 이 접근 방식을 사용하면 정보 내용의 손실 없이 입력 신호를 효과적으로 압축하고 신경망 작동을 위한 대표적인 샘플을 만들 수 있습니다. 그 결과 네트워크 입력 시 기록을 제출하지 않습니다. 예를 들어 2000개의 막대가 있지만 100개의 샘플만 있으므로 학습률이 비례적으로 증가합니다. 또한 이러한 샘플링 자체는 신호 극한값만 샘플링 지점에 떨어지기 때문에 무작위 노이즈와 사소한 변동을 필터링하는 효과적인 필터입니다. 이러한 압축의 결과로 나는 역사에 대한 상당히 심층적인 연구와 함께 실시간으로 작업할 수 있고 각각의 새로운 막대가 도착할 때까지 M1에 대한 예측을 제공할 수 있으며, 이에 따라 3분에서 15분 사이의 간격으로 신경망을 동적으로 재교육할 수 있습니다. 주어진 훈련 정확도와 사용된 전략에 대해.
이것이 내가 제안하는 지표와 표준 지표의 차이점의 본질입니다. 매우 많지만 신경망과 함께 작업하는 데 중점을 두지 않습니다.
시험이 왜 이렇게 짧습니까? 적어도 2004년 쇼의 시작부터. 2001년 이후로 개선되었습니다. 그리고 모든 틱에서 90%의 품질을 제공합니다.
그리고 지금 당신은 무언가를 팔고 있습니다.
처음으로 신경망 을 사용한 심층 분석을 들었습니다. 그것은 무엇입니까?
이 테스트가 왜 그렇게 짧습니까? 적어도 2004년 쇼의 시작부터. 2001년 이후로 개선되었습니다. 그리고 모든 틱에서 90%의 품질을 제공합니다.
그리고 지금 당신은 무언가를 팔고 있습니다.
나는 거래 시스템이 아닌 지표를 판매 합니다.
지표의 작업은 기록의 길이에 의존하지 않습니다. 주제에 첨부한 TRNSK 거래 시스템의 테스트를 의미한다면 이 거래 시스템은 제안된 지표를 사용할 가능성을 보여주기 위해서만 특별히 만들어졌습니다. TS, 이 주제를 제시합니다. 이 예는 이러한 이니시에이터가 TS를 생성할 때 매우 효과적으로 사용될 수 있음을 보여주며, 현재로서는 특정 전략이 있는 거래 시스템이 아니라 지표만 제시하고 있기 때문에 표시된 기간 동안의 테스터로 충분합니다. 앞으로 내가 차량을 판매할 때 객관적인 결론을 내릴 수 있도록 충분한 기간 동안 데모와 실생활 모두에서 작업을 확인하는 테스트가 있을 것입니다.
처음 듣습니다 - 의 도움으로 심도 있는 분석을 듣습니다. 그것은 무엇입니까?
신경망 을 기반으로 한 전문가 시스템을 이용한 심층 분석이 더 정확하기 때문입니다. 신경망은 전문가 시스템을 구축하기 위한 재료일 뿐이며 그 본질은 작업의 기반이 되는 전략이며 전략의 효율성은 예측의 정확성을 결정합니다.
처음 듣습니다 - 신경망을 사용한 심층 분석. 그것은 무엇입니까?
:-)
처음 듣습니다 - 신경망을 사용한 심층 분석. 그것은 무엇입니까?
:-)
:))
이 시점에서 또 다른 사진이 있습니다. 노란색과 분홍색 선이 합쳐져 약간의 평평한 기간이 생깁니다.
순례자
작품의 본질을 드러내지 않고 블랙박스(여러박스)를 팔려고 합니다. 바다 표시기와 작은 카트, 그리고 당신이 제공하는 것은 다른 모든 것보다 낫지 않습니다. 모든 지표와 TS 구축에 적용하려면 작동 원리에 대한 지식이 필요하지만 여기서는 그렇지 않습니다. 아마도 누군가는 아름다운 그림으로 매수할 것이지만, 나는 여러분이 수익을 내고 지표를 사용하는 거래 전략을 보여 줄 것을 권장합니다. 그런 다음 흥미로운 것이 나타날 수 있으며 지표에도 관심이 있습니다.
Z.Y. 웨이블릿 변환을 지표의 기초로 사용하지만 본질적으로 가격 행동(수익성 TS 구축에 매우 중요)을 예측할 수 없기 때문입니다. 모든 웨이블릿은 시간 영역에 국한됩니다. 명확히 하고 싶습니다. 주어진 시간에 시계열이 "멕시코 모자" 또는 이와 유사한 것으로 표시될 수 있다고 결정했다고 가정해 보겠습니다. 그러나 미래에 이 기능에 대한 예측은 말도 안 됩니다. 왜냐하면 거기에서 그것은 0과 같습니다. 두 번째 예는 설명을 위해 주파수 영역에만 국한된 푸리에 확장(사인파의 기본 함수)입니다. 정현파(정현파 세트)의 매개변수를 정의하여 미래의 시계열을 예측할 수 있습니다.
순례자
작품의 본질을 드러내지 않고 블랙박스(여러박스)를 팔려고 합니다. 바다 표시기와 작은 카트, 그리고 당신이 제공하는 것은 다른 모든 것보다 낫지 않습니다. 모든 지표와 TS 구축에 적용하려면 작동 원리에 대한 지식이 필요하지만 여기서는 그렇지 않습니다. 아마도 누군가는 아름다운 그림으로 매수할 것이지만, 나는 여러분이 수익을 내고 지표를 사용하는 거래 전략을 보여 줄 것을 권장합니다. 그런 다음 흥미로운 것이 나타날 수 있으며 지표에도 관심이 있습니다.
Z.Y. 웨이블릿 변환을 지표의 기초로 사용하지만 본질적으로 가격 행동(수익성 TS 구축에 매우 중요)을 예측할 수 없기 때문입니다. 모든 웨이블릿은 시간 영역에 국한됩니다. 명확히 하고 싶습니다. 주어진 시간에 시계열이 "멕시코 모자" 세트 또는 이와 유사한 것으로 표시될 수 있다고 결정했다고 가정해 보겠습니다. 그러나 미래에 이 기능에 대한 예측은 말도 안 됩니다. 거기에서 그것은 0과 같습니다. 두 번째 예는 설명을 위해 주파수 영역에만 국한된 푸리에 확장(사인파의 기본 함수)입니다. 정현파(정현파 세트)의 매개변수를 정의하여 미래의 시계열을 예측할 수 있습니다.
내가 거래를 막 배우기 시작했을 때 나는 당시 사용 가능한 모든 지표를 시도했는데 대부분은 시장에서 일어나는 일의 본질을 매우 추상적으로 반영하는 그림을 제공했습니다. 많은 사람들이 수동 거래에 중점을 두고 있으며 신경망에서 추가 처리를 위해 이들을 결합하고 단일 입력 데이터 배열을 형성하는 것이 항상 편리한 것은 아닙니다. 따라서 나는 한편으로는 시각적 인식에서 명확하고 다른 한편으로는, 추가 처리 가능성을 위해 데이터를 형성하고 가장 중요한 것은 입력 신호의 정보 내용을 늘리고 작업이 수행되고 있는 주요 신호에서 파생된 신호의 대표적인 샘플을 중복하여 생성한 것입니다. 주 신호에서 가능한 최대 변경 범위. 아시다시피 시장에는 모든 것이 포함되어 있지만 모든 것 중에서 필요한 것을 선택하고 방해가 되는 것을 제거하는 것은 그리 쉬운 일이 아닙니다. 시계열에 대한 오랜 실제 경험이 어느 정도 도움이 됩니다. 그리고 표준 ZigZag 와 동작면에서는 ZigZag에 가까운 나의 Trend 지시계를 비교하면 반전점 외에 트렌드 역학을 보여줌으로써 크게 다르지만 다음 광선의 신경망을 이용한 예측 추세 표시기를 사용할 때 10배 더 정확합니다. 마지막 4개 모두 지표는 상호 보완적으로 개발되었으며, 함께 사용할 때 최대의 효율성을 얻을 수 있으며 이는 잡다한 표준 지표에서 기대하기 어렵습니다.
표시기의 작동 원리에 따라 질문이 있으면 답변해 드리겠습니다.
이러한 지표를 기반으로 많은 전략을 만들 수 있으며 각 개발자는 자신의 접근 방식과 거래 방법에 대한 자신의 아이디어를 가지고 있습니다. 또한 효과적인 수익성 있는 전략을 만드는 것은 지표나 조언자를 작성하는 것보다 훨씬 어렵고 비용이 엄청나게 많이 들고 실제로 거래 시스템의 알고리즘이며 프로그래밍은 기술의 문제입니다.
웨이블릿 변환은 첫 번째 지표에서만 사용되며 주로 수동 거래에 중점을 둡니다. 두 번째 지표는 다항식을 기반으로 합니다. 저는 이미 다양한 주제에서 사용하는 다항식의 예를 들었습니다. 여러분은 그것들을 볼 수 있습니다. 마지막 세 가지 지표는 내가 개발한 이력 임계값 이산화 알고리즘을 기반으로 하지만 이산화는 표준 시간 간격을 사용하지 않고 가격 변동의 역학에 비례하여 동적으로 조정 가능한 간격을 사용합니다. 이것은 웨이블릿 변환 또는 푸리에 확장과 아무 관련이 없습니다. 이 접근 방식을 사용하면 정보 내용의 손실 없이 입력 신호를 효과적으로 압축하고 신경망 작동을 위한 대표적인 샘플을 만들 수 있습니다. 그 결과 네트워크 입력 시 기록을 제출하지 않습니다. 예를 들어 2000개의 막대가 있지만 100개의 샘플만 있으므로 학습률이 비례적으로 증가합니다. 또한 이러한 샘플링 자체는 신호 극한값만 샘플링 지점에 떨어지기 때문에 무작위 노이즈와 사소한 변동을 필터링하는 효과적인 필터입니다. 이러한 압축의 결과로 나는 역사에 대한 상당히 심층적인 연구와 함께 실시간으로 작업할 수 있고 각각의 새로운 막대가 도착할 때까지 M1에 대한 예측을 제공할 수 있으며, 이에 따라 3분에서 15분 사이의 간격으로 신경망을 동적으로 재교육할 수 있습니다. 주어진 훈련 정확도와 사용된 전략에 대해.
이것이 내가 제안하는 지표와 표준 지표의 차이점의 본질입니다. 매우 많지만 신경망과 함께 작업하는 데 중점을 두지 않습니다.
시장에서 갓 나온 새 라이브 슬라이드는 여전히 따뜻합니다. 지표의 판독 값을 기반으로 예측을 했으므로 플랫이 있습니다.