분명히 나는 그 질문이 "수사적이지 않은" 이유의 본질을 아직 깊이 파고들지 않았습니다. 좀 더 힌트를 주세요.
일련의 거래(진입점/출구점, 그림 2의 빨간색 사각형)의 첫 번째 차이의 분포 함수를 살펴보십시오. 예측해야 하는 것은 일련의 극단적인 인용이 아니라 바로 거래입니다.
"선반"에 가깝고 "정렬"에 문제가 예상되지 않음을 알 수 있습니다. +/-1 범위의 캐스팅만 가능합니다. 나는 이것에 당신의 관심을 끌고 싶었습니다.
내가 당신과 HideYourRichess 를 이해할 수 있었던 한 결과 시리즈의 변동성 계산은 가장 간단한 것입니다. H (포인트로 취한)에 2 를 곱하고 Hvol 을 얻습니다. 그러나 얼마 전에 + H > 2 및 -H < 2(내가 혼동한 것일 수 있음)가 발생하고 H 가 직접 반대되는 결과 시리즈에 대한 작업이 발생한다고 말했습니다. 다음은 실제로 질문입니다.
1. 가능한 최소 H=1(즉, 1점) 이면 H 가 어떻게 < 2 가 될 수 있습니까? 견적 가격에 H 가 포함된 경우 어떻게 > 2 가 될 수 있습니까?
2. 지금까지 그리드 입력에 제공되는 데이터를 연구 중인 계열의 2배 변동성으로 정규화했는데 이제 어떻게 해야 하나요? 나는 같은 것 같아요 (이 모든 것은 분쟁 2N 에서 영감을 얻은 혼란입니다) -:)
그러나 나는 어쨌든 묻는 것을 선호합니다.
Kagi 대형을 보십시오(검은색):
1. Hvol , 이것은 지그재그 암의 평균 길이이며, 구조상 H 보다 작을 수 없으며(상부 형성 조건은 그림 2의 p 참조) 임의의 미리 결정된 값보다 클 수 있습니다. Wiener 프로세스(임의 VR)에 대한 평균 값은 파티션 단계당 정규화된 값으로 이동하면 2H 또는 2 의 값이 되는 경향이 있습니다. 시장 시리즈의 경우 이 값은 2 와 다르며 이 차이는 선택한 거래 기간 H 에 대한 무차익 거래의 척도입니다. 더 나은 이해를 위해 Matkad를 가져와 Kagi 구조의 측면 길이의 모든 모듈을 더하고 결과 숫자를 분할 단계 H 로 나눕니다. 2보다 약간 작은 값을 얻게 됩니다. 그런데 이 값에서 2를 빼고 결과 숫자의 계수에 H 를 곱하면 이 전략의 평균 수익성(거래당 포인트)을 추정할 수 있습니다. 선택한 상품 및 주어진 거래 기간 H.
2. 이 경우 NS에 대한 입력 데이터(트랜잭션 수)를 정규화하려면 H 또는 2 H 로 정규화하면 충분합니다(그림 1 참조).
... 그리고 관문에 칼을 든 수학자 위원회 를 상상해보십시오.
예, 성교하지 않는 한 :-)
다음은 시간 축을 참조하지 않고 H = 10 포인트에 대해 EURJPY 틱을 기반으로 하는 일련의 거래가 어떻게 보이는지 보여줍니다.
동의합니다. 동료들, 눈에 달라붙는 무언가가 있습니다... Pastekhov 자신은 가격 시리즈를 분해하는 그러한 알고리즘을 사용하여 최상의 TS가 부호 교대(항상 반전)라고 주장합니다. 큰 샘플에서 다른 TS에 비해 통계적으로 유의한 이점을 제공합니다. 파스투호프 감독은 한 번 말하길, 자연에서와 같이 인용의 오른쪽 가장자리에 더 이상 수익성 있는 TS가 없다고 말한 적이 있습니다(역사가 아님 )... 하지만, 전략의 실제 수익성이 작습니다(DC 커미션과 비교). 아마도 이러한 이유로 논문 저자 자신은 자신의 작업 마지막 페이지에서 많은 거래에서 중요한 패턴을 식별하는 것이 유용할 수 있다고 말했습니다.
일반적으로 인용의 그러한 분할이 가능한 모든 TA 구성 중 가장 수익성이 높다는 진술을 취하고 엄격하게 증명한다면. 그런 다음 모든 종류의 피보 수준, 지지-저항선, 악어, 머리-어깨 등에 볼트를 완전히 박을 수 있습니다. 헛소리하고 공격의 주요 방향에 집중하십시오.
더 나은 이해를 위해 Matkad를 가져와 Kagi 구조의 측면 길이의 모든 모듈을 추가하고 결과 숫자를 분할 단계 H로 나눕니다. 2보다 약간 작은 값을 얻게 됩니다. 이 값에서 2를 빼고 결과 숫자의 모듈에 H를 곱하면 선택한 상품과 주어진 거래 기간 H에 대한 이 전략의 평균 수익성(거래당 포인트) 추정치를 얻을 수 있습니다.
kagi 구조의 측면 길이 모듈은 일련의 kgi 구조의 첫 번째 차이점입니다. 나는 아직 그것들을 가지고 있지 않으므로 일련의 트랜잭션의 첫 번째 차이점의 모듈을 추가했습니다(kagi 시리즈의 모듈은 평균 2H 이상이어야 함). 그것은 500 kopecks로 밝혀졌습니다.
여기에서 First는 일련의 거래에서 첫 번째 차이의 시리즈이고, 21은 임계값 h입니다(이 경우 7 스프레드와 동일, 즉 21포인트)
그리고 이것은 실제로 흥미로운 질문입니다. DC가 1초 동안 트랜잭션을 수행하지 않으면 가격 데이터도 전송하지 않습니까? 즉, DC에서 DC로의 틱 기록은 크게 다를 것입니다. 제가 올바르게 이해하고 있습니까?
당연하지. 각 DC에는 자체 필터가 있으며 이러한 필터의 설정은 DC마다 다릅니다. 또한 개별 DC의 정책과 정세도 다릅니다. 인구로부터 정직하게 돈을 인출하는 이 모든 다양한 방법은 DC가 고객에게 발행한 견적에 반영됩니다. 일부 DC에서는 모든 클라이언트가 동일한 견적을 받는 것은 아닙니다. 저것들. 그들(즉, 우리)도 그룹으로 나뉩니다. 누군가는 필터 A를, 누군가는 필터 B를, 누군가는 은행 간 시장을 얻습니다... 예금의 크기와 소유자의 거래 기술의 DC에 대한 잠재적 위험에 따라 다릅니다.
일반적으로 인용의 그러한 분할이 가능한 모든 TA 구성 중 가장 수익성이 높다는 진술을 취하고 엄격하게 증명한다면. 그런 다음 모든 종류의 피보 수준, 지지-저항선, 악어, 머리-어깨 등에 볼트를 완전히 박을 수 있습니다. 헛소리하고 공격의 주요 방향에 집중하십시오.
예, 나는 이미 이 모든 쓰레기를 오랫동안 득점했습니다! 누군가는 잘 알려진 접근 방식의 비수익성에 대한 수학적 정당화가 필요할 수 있지만 저는 필요하지 않습니다. 매우 수익성이 없는 관행은 어두운 방에서 검은 고양이를 찾는 것이 의미가 없다는 것을 이해하기에 충분합니다. 특히 검은 고양이가 거기에 없기 때문입니다. 질문은 약간 다른 평면에 넣어야 하는 것 같습니다.
N 영역의 과거 데이터는 다음 판독값을 예측하는 데 어느 정도 적합합니다. 한 섹션은 잘 예측되고 다른 섹션은 전혀 예측되지 않는 이유와 예측 가능성이 50% 이상인 섹션을 식별합니다. 나머지 시간에는 작업하십시오 - 대나무를 피우십시오.
내 결과는 H의 크기에 따라 다릅니다. 아마도 이것은 데이터(분) 때문일 수도 있고 아마도 내 실수 때문일 수도 있지만 아직 찾지 못했습니다. 아마도 사실은 내가 kagi splitting을 사용하지 않고 여러 트랜잭션으로 나누는 것입니까? 시간이 되시면 제 목록을 살펴보십시오. 모든 것이 간단합니다.
그건 그렇고, 내가 분을 수직으로 하나의 스프레드(3포인트)로 나누면 얻을 수 있는 여러 거래에 대한 많은 첫 번째 차이 분포의 특징적인 그림을 보십시오.
뉴트론, 이 책을 접하셨나요?
http://www.logobook.ru/prod_show.php?object_uid=11150699
아니요. 아쉽게도 제 손에는 없었습니다. Mathemat 에게 물어보시면 될 것 같습니다.
분명히, 당신은 여전히 진드기 수집에 대해 의아해해야합니다.
그리고 맞습니다!
분명히 나는 그 질문이 "수사적이지 않은" 이유의 본질을 아직 깊이 파고들지 않았습니다. 좀 더 힌트를 주세요.
일련의 거래(진입점/출구점, 그림 2의 빨간색 사각형)의 첫 번째 차이의 분포 함수를 살펴보십시오. 예측해야 하는 것은 일련의 극단적인 인용이 아니라 바로 거래입니다.
"선반"에 가깝고 "정렬"에 문제가 예상되지 않음을 알 수 있습니다. +/-1 범위의 캐스팅만 가능합니다. 나는 이것에 당신의 관심을 끌고 싶었습니다.
1. 가능한 최소 H=1(즉, 1점) 이면 H 가 어떻게 < 2 가 될 수 있습니까? 견적 가격에 H 가 포함된 경우 어떻게 > 2 가 될 수 있습니까?
2. 지금까지 그리드 입력에 제공되는 데이터를 연구 중인 계열의 2배 변동성으로 정규화했는데 이제 어떻게 해야 하나요? 나는 같은 것 같아요 (이 모든 것은 분쟁 2N 에서 영감을 얻은 혼란입니다) -:)
그러나 나는 어쨌든 묻는 것을 선호합니다.
Kagi 대형을 보십시오(검은색):
2. 이 경우 NS에 대한 입력 데이터(트랜잭션 수)를 정규화하려면 H 또는 2 H 로 정규화하면 충분합니다(그림 1 참조).
... 그리고 관문에 칼을 든 수학자 위원회 를 상상해보십시오.
예, 성교하지 않는 한 :-)
다음은 시간 축을 참조하지 않고 H = 10 포인트에 대해 EURJPY 틱을 기반으로 하는 일련의 거래가 어떻게 보이는지 보여줍니다.
동의합니다. 동료들, 눈에 달라붙는 무언가가 있습니다... Pastekhov 자신은 가격 시리즈를 분해하는 그러한 알고리즘을 사용하여 최상의 TS가 부호 교대(항상 반전)라고 주장합니다. 큰 샘플에서 다른 TS에 비해 통계적으로 유의한 이점을 제공합니다. 파스투호프 감독은 한 번 말하길, 자연에서와 같이 인용의 오른쪽 가장자리에 더 이상 수익성 있는 TS가 없다고 말한 적이 있습니다(역사가 아님 )... 하지만, 전략의 실제 수익성이 작습니다(DC 커미션과 비교). 아마도 이러한 이유로 논문 저자 자신은 자신의 작업 마지막 페이지에서 많은 거래에서 중요한 패턴을 식별하는 것이 유용할 수 있다고 말했습니다.
일반적으로 인용의 그러한 분할이 가능한 모든 TA 구성 중 가장 수익성이 높다는 진술을 취하고 엄격하게 증명한다면. 그런 다음 모든 종류의 피보 수준, 지지-저항선, 악어, 머리-어깨 등에 볼트를 완전히 박을 수 있습니다. 헛소리하고 공격의 주요 방향에 집중하십시오.
더 나은 이해를 위해 Matkad를 가져와 Kagi 구조의 측면 길이의 모든 모듈을 추가하고 결과 숫자를 분할 단계 H로 나눕니다. 2보다 약간 작은 값을 얻게 됩니다. 이 값에서 2를 빼고 결과 숫자의 모듈에 H를 곱하면 선택한 상품과 주어진 거래 기간 H에 대한 이 전략의 평균 수익성(거래당 포인트) 추정치를 얻을 수 있습니다.
kagi 구조의 측면 길이 모듈은 일련의 kgi 구조의 첫 번째 차이점입니다. 나는 아직 그것들을 가지고 있지 않으므로 일련의 트랜잭션의 첫 번째 차이점의 모듈을 추가했습니다(kagi 시리즈의 모듈은 평균 2H 이상이어야 함). 그것은 500 kopecks로 밝혀졌습니다.
여기에서 First는 일련의 거래에서 첫 번째 차이의 시리즈이고, 21은 임계값 h입니다(이 경우 7 스프레드와 동일, 즉 21포인트)
평균값을 찾으라는 말을 잊었습니다. 모든 것을 세그먼트 수로 나눕니다.
예, 1.015로 나타났습니다.
사실상 수직분할의 검토를 완료하고 사실상 국회에 복귀하자는 제안이 현시점에서(일시적으로) 있다. 이중층을 만듭니다. 저는 아직 데이터를 처리할 준비가 되지 않았습니다. 왜냐하면. 실제로 처리에 적합한 데이터가 없습니다.
그건 그렇고, 여러분, 모두를 위한 질문입니다.
틱 기록은 어디에서 찾을 수 있습니까(실험용... -:))?
예, 1.015로 나타났습니다.
사실상 수직분할의 검토를 완료하고 사실상 국회에 복귀하자는 제안이 현시점에서(일시적으로) 있다. 이중층을 만듭니다. 저는 아직 데이터를 처리할 준비가 되지 않았습니다. 왜냐하면. 실제로 처리에 적합한 데이터가 없습니다.
그건 그렇고, 여러분, 모두를 위한 질문입니다.
틱 기록은 어디에서 찾을 수 있습니까(실험용... -:))?
그리고 이것은 실제로 흥미로운 질문입니다. DC가 1초 동안 트랜잭션을 수행하지 않으면 가격 데이터도 전송하지 않습니까? 즉, DC에서 DC로의 틱 기록은 크게 다를 것입니다. 제가 올바르게 이해하고 있습니까?
그리고 이것은 실제로 흥미로운 질문입니다. DC가 1초 동안 트랜잭션을 수행하지 않으면 가격 데이터도 전송하지 않습니까? 즉, DC에서 DC로의 틱 기록은 크게 다를 것입니다. 제가 올바르게 이해하고 있습니까?
당연하지. 각 DC에는 자체 필터가 있으며 이러한 필터의 설정은 DC마다 다릅니다. 또한 개별 DC의 정책과 정세도 다릅니다. 인구로부터 정직하게 돈을 인출하는 이 모든 다양한 방법은 DC가 고객에게 발행한 견적에 반영됩니다. 일부 DC에서는 모든 클라이언트가 동일한 견적을 받는 것은 아닙니다. 저것들. 그들(즉, 우리)도 그룹으로 나뉩니다. 누군가는 필터 A를, 누군가는 필터 B를, 누군가는 은행 간 시장을 얻습니다... 예금의 크기와 소유자의 거래 기술의 DC에 대한 잠재적 위험에 따라 다릅니다.
일반적으로 인용의 그러한 분할이 가능한 모든 TA 구성 중 가장 수익성이 높다는 진술을 취하고 엄격하게 증명한다면. 그런 다음 모든 종류의 피보 수준, 지지-저항선, 악어, 머리-어깨 등에 볼트를 완전히 박을 수 있습니다. 헛소리하고 공격의 주요 방향에 집중하십시오.
예, 나는 이미 이 모든 쓰레기를 오랫동안 득점했습니다! 누군가는 잘 알려진 접근 방식의 비수익성에 대한 수학적 정당화가 필요할 수 있지만 저는 필요하지 않습니다. 매우 수익성이 없는 관행은 어두운 방에서 검은 고양이를 찾는 것이 의미가 없다는 것을 이해하기에 충분합니다. 특히 검은 고양이가 거기에 없기 때문입니다. 질문은 약간 다른 평면에 넣어야 하는 것 같습니다.
N 영역의 과거 데이터는 다음 판독값을 예측하는 데 어느 정도 적합합니다. 한 섹션은 잘 예측되고 다른 섹션은 전혀 예측되지 않는 이유와 예측 가능성이 50% 이상인 섹션을 식별합니다. 나머지 시간에는 작업하십시오 - 대나무를 피우십시오.
예, 1.015로 나타났습니다.
틱 기록은 어디에서 찾을 수 있습니까(실험용... -:))?
2가 나왔어야 했습니다. H 대신 2N 으로 가서 금액을 나누었습니까?
6개월 동안 EURUSD 틱이 있는 파일을 첨부했습니다. 파일 형식: 날짜, 시간, 초(1970년 이후), 질문, 입찰.
추신: Kagi-partitioning을 기반으로 한 TS의 수익성 평가 방법을 위에 게시했습니다. 나는 이것이 최대 수익성의 추정치임을 분명히 할 것입니다. 실제로는 여러 트랜잭션의 예상되는 움직임을 예측하는 데 불가피한 오류로 인해 더 낮을 것입니다.
2가 나왔어야 했습니다. H 대신 2N으로 가서 금액을 나누었습니까?
아니요, H로 나눕니다.
내 결과는 H의 크기에 따라 다릅니다. 아마도 이것은 데이터(분) 때문일 수도 있고 아마도 내 실수 때문일 수도 있지만 아직 찾지 못했습니다. 아마도 사실은 내가 kagi splitting을 사용하지 않고 여러 트랜잭션으로 나누는 것입니까? 시간이 되시면 제 목록을 살펴보십시오. 모든 것이 간단합니다.
그건 그렇고, 내가 분을 수직으로 하나의 스프레드(3포인트)로 나누면 얻을 수 있는 여러 거래에 대한 많은 첫 번째 차이 분포의 특징적인 그림을 보십시오.
티키 감사합니다!
아마도 사실은 내가 kagi splitting을 사용하지 않고 여러 트랜잭션으로 나누는 것입니까?
일련의 트랜잭션이 아니라 Kagi 빌드에 대해 평가를 수행해야 합니다.
카기님이 만드셨습니다. 이제 2(2.153)보다 약간 크며 H 에 따라 2에 접근한 다음 멀어지지만 항상 2보다 약간 큽니다.