(5) 이력을 원하는 만큼 BACK 막대를 거치지만 이 시간 동안 추세가 여러 번 바뀌는 것이 바람직합니다.
(6) 결과적으로 평균 예측 포인트의 배열을 얻습니다.
불행히도 강조 표시된 순간부터 제대로 이해하지 못했고 호기심 때문에 이 방법에 대해 "점수"를 줄 수 없습니다. 그래서 우리는 MA[2]-MA[1]을 계산하고(내가 이해하는 바에 따르면 MA[1]은 "현재 막대-1"임) "역사 속으로" 들어가서 동일한 차이점을 찾았습니다(정확히 같아야 합니다. 또는 몇 가지 기준이 있습니다). 여기까지는 모든 것을 확실히 이해했습니다. 두 번째 요점은 우리를 역사상 어떤 술집에 “앉혀” 줍니다. 또한 "우리는 원하는 만큼 앞으로 막대를 가져옵니다."(전혀 원하지 않는 경우 :o) - 농담입니다. 기준이 있어야 합니다. - 우리는 이후 평균을 살펴봅니다 유사한 MA[2]-MA[1]. 다섯 번째 요점은 매우 명확하지 않습니다. 우리가 그 안에서 무엇을 찾고 있으며 왜 역사 속으로 들어가고 있습니까? 우리는 방금 거기에서 왔습니까? 또는 동일한 MA[2]-MA[1]의 나머지 후에 MA의 동작을 반복적으로 찾습니다. 추세의 존재는 단순히 차이의 부호(형성된 각도의 부호)에 의해 결정됩니까?
결과적으로 - 모든 유사한 차이점 MA[2]-MA[1]가 기록 전체에 걸쳐 검색되고 각 이벤트 후에 "발생한 일"이 평가된다는 것을 개념적으로 올바르게 이해했습니까?
아누비스 에게
약간 벗어난 주제: 예를 들어 동일한 MQL에서 구현에 충분한 예측 알고리즘, 특히 ARIMA를 어디에서 찾을 수 있는지 아는 사람이 있습니까? ps 차이가 없습니다. 수준 말-)
이 해석에 대한 주제는 이미 포럼에 많이 있으므로 검색을 사용해보십시오. 그러나 다른 방법이 있습니다. 책을 읽거나 MathLab을 설치하고 들여다볼 수 있습니다(공개 m-코드가 있는 것 같습니다). 그러나 내 IMHO는 매우 간단합니다. ARIMA를 구현하는 것은 여러 가지 이유로 이치에 맞지 않습니다. 구현 알고리즘이 매우 불쾌할 뿐만 아니라 이를 고차 AR 모델로 대체할 수도 있습니다. 이러한 모델의 차수를 고유하게 동일하게 하는 정리가 있습니다. 대략적으로 말하면 ARIMA(m)==AR(n)입니다. 여기서 m과 n은 모델의 차수입니다.
알레쿠에게
제 생각에는 여기에서 일반적인 접근 방식을 찾지 않아야 합니다. 최적화 이론, Markov 체인은
몇 년 동안 뒹굴 수 있는 그 심연 - 그리고 자산 선택을 위한 특정 조건에서 춤출 수 있습니다.
그에 따라 우선 순위를 지정합니다.
…
나는 업로드할 것이 있으면 가까운 장래에 더 자세한 모델을 게시할 것이라고 생각합니다(지금은 몇 가지 문제가 발생했습니다). 불행히도 항상 그렇듯이 시간은 짧고 여기에서 100% 맞는 주제는 언뜻 보기에 그렇게 간단하지 않습니다.
예를 들어 로트 크기 관리와 같이 기존 자금 관리 모델에 대해 마음에 들지 않는 것이 많이 있습니다. 매우 자주 그들은 거래 분석에서 출발하며 결과적으로 시스템은 거의 항상 최대 랏으로 거래를 잃는 것에 접근합니다.
동료 여러분, "우리의 모든 것"이 위기의 구리 분지로 덮일 때까지 - 매우 간단한 문제를 해결하는 데 도움이 됩니다. Expert Advisor가 방금 작업을 시작했다고 가정합니다(첫 번째 초기화). 하나, 어떤 종류의 계정, 어떤 종류의 DC, 몇 가지 거래 상품은 정확도를 높이기 위해 N:o)입니다.
물론 전체 거래 환경은 알려져 있습니다. 초기에 제한된 보증금이 있으며 보증금 보충은 고려되지 않습니다. 사전에 하나의 지그재그 세그먼트는 하나의 거래입니다.
EA는 각 도구에 대한 예측을 요청하고 M보다 앞서 특정 수의 세그먼트에 대한 예측 지그재그를 수신합니다. 예측 세그먼트의 총 수는 NxM입니다. 각 예측 세그먼트에 대해 해당 지오메트리 및 위험 평가 가 알려져 있습니다. 단순화를 위해 각 악기의 첫 번째 세그먼트만 고려할 것입니다. 이 그림이 나옵니다(물론 조건부로 :o).
예금 한도, 세그먼트(거래)의 수명, 위험, 거래 환경을 고려하여 각 거래(각 세그먼트)에 대해 최적의 랏 수를 찾아야 하며, 이는 모든 거래에서 최대 총 이익으로 이어질 것입니다.
В итоге - правильно ли я концептуально понял, что ищутся все аналогичные разности MA[2]-MA[1] по всей истории и оценивается «что было» после каждого события?
네, 정확히 이해하셨습니다. MA[2]-MA[1] 또는 MA[1]-MA[0]과 유사한 기록 MA[i+1]-MA[i]의 차이점을 찾습니다.
ATP, AR MA 모델에 대한 매우 귀중한 정보! 거래 의 위험, TP 목표의 계획 범위 및 달성 시간에 대한 평가 가 있는 경우 어려운 점은 무엇입니까? 또한, 누적된 거래 또는 현재 거래를 기반으로 미래 거래를 계획할 수 있으며, 이 모든 것이 어떤 상품을 개설할 로트의 수와 향후 거래를 위해 남겨둘 금액에 대한 객관적인 그림을 제공할 것입니다. ps my imho = )
코어 ,
이 모든 수학은 NS에서 매우 잘 수행됩니다.
예를 들어, 확률적 네트워크에서 일반화 매개변수 sigma를 변경(최적화)하면 동일한 "구름"이 표시됩니다.
또한 시간(야간/낮) 및 기타 중요하다고 생각하는 데이터를 입력할 수 있습니다.
예를 들어, 기간 N의 단순 MA의 경우 이것은 여전히 막대 N입니다(다음 막대의 MA 계산에서 제외됨).
일반적으로 매우 편리합니다.
늦어진 점 사과드립니다만, 여러가지 중요한 일이 있어 빠른 참여를 드리지 못하고 있습니다.
핵심 으로
Классическое предсказание MA (в моем понимании) - это примерно так:
(1) MA[2]와 MA[1]을 취하여 MA[2]-MA[1]의 차이 또는 수신된 데이터로부터 각도를 계산합니다.
(2) 왼쪽으로 더 이동하여 역사에서 같은 각도를 찾습니다.
(3) 이 발견 지점에서 원하는 만큼 앞으로 막대를 가져옵니다.
(4) 발견된 모든 값의 평균을 배열에 씁니다.
(5) 이력을 원하는 만큼 BACK 막대를 거치지만 이 시간 동안 추세가 여러 번 바뀌는 것이 바람직합니다.
(6) 결과적으로 평균 예측 포인트의 배열을 얻습니다.
불행히도 강조 표시된 순간부터 제대로 이해하지 못했고 호기심 때문에 이 방법에 대해 "점수"를 줄 수 없습니다. 그래서 우리는 MA[2]-MA[1]을 계산하고(내가 이해하는 바에 따르면 MA[1]은 "현재 막대-1"임) "역사 속으로" 들어가서 동일한 차이점을 찾았습니다(정확히 같아야 합니다. 또는 몇 가지 기준이 있습니다). 여기까지는 모든 것을 확실히 이해했습니다. 두 번째 요점은 우리를 역사상 어떤 술집에 “앉혀” 줍니다. 또한 "우리는 원하는 만큼 앞으로 막대를 가져옵니다."(전혀 원하지 않는 경우 :o) - 농담입니다. 기준이 있어야 합니다. - 우리는 이후 평균을 살펴봅니다 유사한 MA[2]-MA[1]. 다섯 번째 요점은 매우 명확하지 않습니다. 우리가 그 안에서 무엇을 찾고 있으며 왜 역사 속으로 들어가고 있습니까? 우리는 방금 거기에서 왔습니까? 또는 동일한 MA[2]-MA[1]의 나머지 후에 MA의 동작을 반복적으로 찾습니다. 추세의 존재는 단순히 차이의 부호(형성된 각도의 부호)에 의해 결정됩니까?
결과적으로 - 모든 유사한 차이점 MA[2]-MA[1]가 기록 전체에 걸쳐 검색되고 각 이벤트 후에 "발생한 일"이 평가된다는 것을 개념적으로 올바르게 이해했습니까?
아누비스 에게
약간 벗어난 주제: 예를 들어 동일한 MQL에서 구현에 충분한 예측 알고리즘, 특히 ARIMA를 어디에서 찾을 수 있는지 아는 사람이 있습니까? ps 차이가 없습니다. 수준 말-)
이 해석에 대한 주제는 이미 포럼에 많이 있으므로 검색을 사용해보십시오. 그러나 다른 방법이 있습니다. 책을 읽거나 MathLab을 설치하고 들여다볼 수 있습니다(공개 m-코드가 있는 것 같습니다). 그러나 내 IMHO는 매우 간단합니다. ARIMA를 구현하는 것은 여러 가지 이유로 이치에 맞지 않습니다. 구현 알고리즘이 매우 불쾌할 뿐만 아니라 이를 고차 AR 모델로 대체할 수도 있습니다. 이러한 모델의 차수를 고유하게 동일하게 하는 정리가 있습니다. 대략적으로 말하면 ARIMA(m)==AR(n)입니다. 여기서 m과 n은 모델의 차수입니다.
알레쿠에게
제 생각에는 여기에서 일반적인 접근 방식을 찾지 않아야 합니다. 최적화 이론, Markov 체인은
몇 년 동안 뒹굴 수 있는 그 심연 - 그리고 자산 선택을 위한 특정 조건에서 춤출 수 있습니다.
그에 따라 우선 순위를 지정합니다.
…
나는 업로드할 것이 있으면 가까운 장래에 더 자세한 모델을 게시할 것이라고 생각합니다(지금은 몇 가지 문제가 발생했습니다). 불행히도 항상 그렇듯이 시간은 짧고 여기에서 100% 맞는 주제는 언뜻 보기에 그렇게 간단하지 않습니다.
예를 들어 로트 크기 관리와 같이 기존 자금 관리 모델에 대해 마음에 들지 않는 것이 많이 있습니다. 매우 자주 그들은 거래 분석에서 출발하며 결과적으로 시스템은 거의 항상 최대 랏으로 거래를 잃는 것에 접근합니다.
자, 알아봅시다. :에 대한)
직무
동료 여러분, "우리의 모든 것"이 위기의 구리 분지로 덮일 때까지 - 매우 간단한 문제를 해결하는 데 도움이 됩니다. Expert Advisor가 방금 작업을 시작했다고 가정합니다(첫 번째 초기화). 하나, 어떤 종류의 계정, 어떤 종류의 DC, 몇 가지 거래 상품은 정확도를 높이기 위해 N:o)입니다.
물론 전체 거래 환경은 알려져 있습니다. 초기에 제한된 보증금이 있으며 보증금 보충은 고려되지 않습니다. 사전에 하나의 지그재그 세그먼트는 하나의 거래입니다.
EA는 각 도구에 대한 예측을 요청하고 M보다 앞서 특정 수의 세그먼트에 대한 예측 지그재그를 수신합니다. 예측 세그먼트의 총 수는 NxM입니다. 각 예측 세그먼트에 대해 해당 지오메트리 및 위험 평가 가 알려져 있습니다. 단순화를 위해 각 악기의 첫 번째 세그먼트만 고려할 것입니다. 이 그림이 나옵니다(물론 조건부로 :o).
예금 한도, 세그먼트(거래)의 수명, 위험, 거래 환경을 고려하여 각 거래(각 세그먼트)에 대해 최적의 랏 수를 찾아야 하며, 이는 모든 거래에서 최대 총 이익으로 이어질 것입니다.
최적의 솔루션을 찾기 위해 유전자 알고리즘 을 적용하지 않는 이유는 무엇입니까?
В итоге - правильно ли я концептуально понял, что ищутся все аналогичные разности MA[2]-MA[1] по всей истории и оценивается «что было» после каждого события?
네, 정확히 이해하셨습니다. MA[2]-MA[1] 또는 MA[1]-MA[0]과 유사한 기록 MA[i+1]-MA[i]의 차이점을 찾습니다.
내가 말했듯이 MA의 사용은 필요하지 않습니다. 예측의 원칙이 중요합니다.
직무
예치 한도, 세그먼트(거래)의 수명, 위험, 거래 환경을 고려하여 각 거래(각 세그먼트)에 대해 최적의 랏 수를 찾아야 하며, 이는 모든 거래에서 최대 총 이익으로 이어질 것입니다.
안녕하세요 Seryoga입니다.
당신은 아마도 농담하고 있습니다. 내 기억이 저에게 도움이된다면이 문제 (최적의 포트폴리오 문제)를 해결하기 위해 Markowitz는 한때 노벨상을 받았습니다! 포럼에서 찾고 싶으신가요?
당신은 아마도 농담하고 있습니다. 내 기억이 저에게 도움이된다면이 문제 (최적의 포트폴리오 문제)를 해결하기 위해 Markowitz는 한때 노벨상을 받았습니다! 포럼에서 찾고 싶으신가요?
그의 것이 아니라 그녀의 것입니다. :-)
그의 것이 아니라 그녀의 것입니다. :-)
아니, 그녀가 아니야. ^_^