결국 이진법 입력 데이터의 경우 이 작업은 정적 분석 패턴에 의해 동일한 성공으로 해결될 것입니다. 스스로 판단하세요. 학습하고 최적의 아키텍처를 찾는 데 문제가 없습니다. paralocus가 올바르게 지적했듯이 - "... 전문가는 유치할 정도로 단순하지만 성인 방식으로 효과적일 것입니다"!
2. 우리는 데이터베이스에서 가장 유사한 (들)을 검색합니다 // Neutron 'a와 관련하여 동의어 - 가장 가까운 노드 (들)
3. (1) 가장 유사한 것부터 (2) 가장 유사한 것의 Fuzzy-fitted 세트로 플레이
(var: (2.1) 선형 결합에 의한 (2.2) 선형 결합 S(x)에 의한, 여기서 S()는 시그모이드 등)
무식한 놈아, 나에게 이미 설명을 해줘, 현 시장 패턴에 대한 통계를 직접 수집할 수 있다면 왜 기반이 필요한가? 우리 중 하나는 분명히 바보입니다. 나는 가정합니다. 무슨 캐치(농담)??
우리는 "유사한" 것을 찾는 것이 아니라 패턴을 고유하게 식별합니다!
우리는 그것을 찾았습니다. 우리는 이 특정 패턴에 대한 통계를 보고 거기에서 플레이합니다. MetaDriver , 여기에는 퍼지 논리가 없으며 노드의 정의와 함께 모든 것이 모호하지 않으며 데이터베이스는 위치를 열 때 가능한 방향의 통계적으로 신뢰할 수 있는 결정을 위해 필요합니다(다른 오페라에서 가져온 것입니다).
추세 반전의 위험을 줄이기 위해 포트폴리오가 재생됩니다(일반적으로 가정된 추세에 따라). 그러나 두 가지 반대 추세에 따라 플레이하는 경우 위험은 절반도 됩니다. 그것은 나에게 분명하다. 두 번의 반전이 일어날 확률은 분명히 한 번의 확률의 정확히 절반입니다. 또한 확률의 절대값에 관계없이.
당신, 이... 여기에서 플레이보이 말을 던지지 마십시오. 아이들이 아닙니다. 당신은 재미를 위한 특별한 지점을 만들고 바보 "고급" 칠면조와 성배 시스템 앞에서 손을 흔들 수 있습니다. 왜냐하면 바보 포럼에는 그것들이 충분히 있기 때문입니다. 당신의 인기는 끝이 없을 것이고 당신의 인기는 계속 치솟을 것입니다 지붕(오랫동안이 아니라 정말)!
당신이 준 반년 동안의 틱에서 H=9 포인트로 분할할 때 400개 조금 넘는 RT 판독값을 얻습니다. 통계로는 충분하지 않습니다. H=10인 파티션의 경우 이미 300개의 판독값입니다. 그건 그렇고, 파티션 결과 자체도 가능하면 더 작은 H 의 사용을 암시합니다. H가 12보다 크면 Y축에 대한 RT 암의 길이 투영의 확산은 위험의 크기에 의한 통계적 이점을 실질적으로 무효화합니다. 여기 어떻게? H를 줄이는 것이 마음에 떠오르는 유일한 것이지만 뇌물의 크기는 핍으로 밝혀졌습니다.
이러한 이유로 지금 은 미닛 바의 시가를 연구용으로 사용합니다. 물론 분수는 아니지만 충분히 이해할 수 있습니다. 그리고 과목을 공부하는 단계에서 자원을 절약하는 것이 중요한 역할을 합니다.
Fedor , 소녀들이 얼마나 강렬하게 춤을 추는지보십시오.
무화과에. 빨간색은 H=10 포인트인 CB의 2-입력 분류기에 대한 패턴의 빈도를 보여줍니다. 파란색 - 실제 VR(EURUSD 분). 훈련 샘플의 길이는 패턴 분류의 통계적 분산을 줄이기 위해 충분히 크게 선택됩니다. SW의 경우 발생 빈도 분포가 통계적 분포(각 실험 지점에서 수염)까지 실질적으로 동일함을 알 수 있습니다. 그러나 실제 시리즈의 경우 통계적으로 유의미한(파란색 수염의 크기 참조) 분포에서 평형 분포의 편차가 발견됩니다. 어떤 이유로 패턴 유형 00 및 11이 01 및 10보다 눈에 띄게 작은 것을 알 수 있습니다.
이것은 가장 흥미로운 사실입니다.
하아! - 이것은 시장이 한 방향으로 움직이는 것을 좋아하지 않는다는 것을 의미합니다. 결국 패턴 00은 아래로 두 번 이동하고 11에서 위로 두 번 이동하는 것에 해당합니다. 이 전체 구성표를 이미 볼 수 있습니다. 첫 번째 노드(패턴 00에 해당)에서 구매, 마지막 노드(패턴 11) - 매도, 두 번째 노드(01) - 판매, 세 번째 노드(10) ) - 구입하다.
1. 손실 제한
2. 손실 제한
3. 손실 제한
유행은 아니지만 맥주를 마시면서 기도할 필요는 없습니다. 그런데 이것도 소용이 없습니다.
손실을 완전히 없애는 유일한 100% 방법은 wapche를 플레이하지 않는 것입니다. 유행은 아니지만 보장됩니다.
그렇다면 추천합니다 :) 사실, 이익은 없지만 배수 = 0, 확실히.
:)
주의 깊게 읽으십시오! 게임을 전혀 하지 않으면 손실을 제한 할 수 있다고 합니다. 그러면 제한이 없을 것입니다. 분명히 Neutron 이 맞았습니다. Ostap이 들고 다녔습니다.
당신이 맞습니다.
더 쉬워졌나요?
:)
paralocus , 화내지 마, pliz. 여기에서 놀아요. 나는 나의 기쁨을 작년에 나의 쓰레기통에서 팠다.
나는 트위스트를 위해 하나의 샘플을 던졌습니다. 칠면조 모양으로 만들어졌습니다. "pseudo-science-statistics"가 사용됨에 따라
정상적인 상관관계. 보다 정확하게는 현재 패턴과 역사적 패턴의 상관 관계의 두 값(1)의 곱
(2) 특정 기간 동안 MA의 미래(과거 대비) 성장. 입력 수용체로
여기에 스토캐스틱이 있습니다.
옵션:
PreCorPeriod: 표시기 패턴 길이(이 버전의 Stochastic에서)
PostCorPeriod: 예측 기간의 길이(MA가 증가하거나 감소하는 바로 그 기간).
CorWindow: 통계가 수집되는 시간 샘플의 길이입니다.
MA_Method, MA_Period, IndPeriod - 주석이 필요하지 않습니다.
Ind_dt: 칠면조에서 값을 읽는 빈도. 1에서 - 각 막대에서. 2 - 하나를 통해 등
스타일에 대해 불평하지 마십시오. "쇼가 아니라 과학을 위해"급하게 작성되었습니다. :)
나는 나의 기쁨을 작년에 나의 쓰레기통에서 팠다. 나는 비틀기 위해 하나의 샘플을 던졌습니다.
왜, 지금 나는 조심스럽게 시계를 보았습니다 ... prynttype은 칠면조보다 완전히 앞서 있습니다. 나는 거의 그것을 후회했다
포럼에 던졌습니다. :) 자, 좀 더 그려볼게요. :))) 그래도 내일 저녁에 성배를 뿌릴거야
영감이 있다면 수십 마리의 칠면조에.
이것을 사용하지 않는 이유:
- 엉덩이. 규칙 또는
- 코혼넨?
그들 은 동일한 확률 과 지원 을 제공 합니다 .
무엇 때문에?!
결국 이진법 입력 데이터의 경우 이 작업은 정적 분석 패턴에 의해 동일한 성공으로 해결될 것입니다. 스스로 판단하세요. 학습하고 최적의 아키텍처를 찾는 데 문제가 없습니다. paralocus가 올바르게 지적했듯이 - "... 전문가는 유치할 정도로 단순하지만 성인 방식으로 효과적일 것입니다"!
ass.rules - 이것은 당신이 말하는 통계입니다
paralocus , 화내지 마, pliz.
나를 화나게 하는 것이 쏘는 것이 더 쉽습니다. 때가 되면 칠면조를 볼게
기본 사용법:
1. 우리는 시장에서 패턴을 취합니다.
2. 우리는 데이터베이스에서 가장 유사한 (들)을 검색합니다 // Neutron 'a와 관련하여 동의어 - 가장 가까운 노드 (들)
3. (1) 가장 유사한 것부터 (2) 가장 유사한 것의 Fuzzy-fitted 세트로 플레이
(var: (2.1) 선형 결합에 의한 (2.2) 선형 결합 S(x)에 의한, 여기서 S()는 시그모이드 등)
무식한 놈아, 나에게 이미 설명을 해줘, 현 시장 패턴에 대한 통계를 직접 수집할 수 있다면 왜 기반이 필요한가? 우리 중 하나는 분명히 바보입니다. 나는 가정합니다. 무슨 캐치(농담)??
우리는 "유사한" 것을 찾는 것이 아니라 패턴을 고유하게 식별합니다!
우리는 그것을 찾았습니다. 우리는 이 특정 패턴에 대한 통계를 보고 거기에서 플레이합니다. MetaDriver , 여기에는 퍼지 논리가 없으며 노드의 정의와 함께 모든 것이 모호하지 않으며 데이터베이스는 위치를 열 때 가능한 방향의 통계적으로 신뢰할 수 있는 결정을 위해 필요합니다(다른 오페라에서 가져온 것입니다).
추세 반전의 위험을 줄이기 위해 포트폴리오가 재생됩니다(일반적으로 가정된 추세에 따라). 그러나 두 가지 반대 추세에 따라 플레이하는 경우 위험은 절반도 됩니다. 그것은 나에게 분명하다. 두 번의 반전이 일어날 확률은 분명히 한 번의 확률의 정확히 절반입니다. 또한 확률의 절대값에 관계없이.
아니다? ;)
글쎄, 당신은 자신을 설명하고 있습니다 ... 맞습니다.
포트폴리오는 위험을 줄이기 위해 사용됩니다. (그뿐입니다. 추가할 사항이 없습니다.)
포트폴리오에 음의 상관 계수가 있는 상품을 사용하면 효율성이 높아집니다.
ass.rules - 이것은 당신이 말하는 통계입니다
확인!
prynttype은 칠면조보다 완전히 앞서 있습니다.
당신, 이... 여기에서 플레이보이 말을 던지지 마십시오. 아이들이 아닙니다. 당신은 재미를 위한 특별한 지점을 만들고 바보 "고급" 칠면조와 성배 시스템 앞에서 손을 흔들 수 있습니다. 왜냐하면 바보 포럼에는 그것들이 충분히 있기 때문입니다. 당신의 인기는 끝이 없을 것이고 당신의 인기는 계속 치솟을 것입니다 지붕(오랫동안이 아니라 정말)!
통계에 관해서는 묻고 싶었습니다...
당신이 준 반년 동안의 틱에서 H=9 포인트로 분할할 때 400개 조금 넘는 RT 판독값을 얻습니다. 통계로는 충분하지 않습니다. H=10인 파티션의 경우 이미 300개의 판독값입니다. 그건 그렇고, 파티션 결과 자체도 가능하면 더 작은 H 의 사용을 암시합니다. H가 12보다 크면 Y축에 대한 RT 암의 길이 투영의 확산은 위험의 크기에 의한 통계적 이점을 실질적으로 무효화합니다. 여기 어떻게? H를 줄이는 것이 마음에 떠오르는 유일한 것이지만 뇌물의 크기는 핍으로 밝혀졌습니다.
이러한 이유로 지금 은 미닛 바의 시가를 연구용으로 사용합니다. 물론 분수는 아니지만 충분히 이해할 수 있습니다. 그리고 과목을 공부하는 단계에서 자원을 절약하는 것이 중요한 역할을 합니다.
Fedor , 소녀들이 얼마나 강렬하게 춤을 추는지보십시오.
무화과에. 빨간색은 H=10 포인트인 CB의 2-입력 분류기에 대한 패턴의 빈도를 보여줍니다. 파란색 - 실제 VR(EURUSD 분). 훈련 샘플의 길이는 패턴 분류의 통계적 분산을 줄이기 위해 충분히 크게 선택됩니다. SW의 경우 발생 빈도 분포가 통계적 분포(각 실험 지점에서 수염)까지 실질적으로 동일함을 알 수 있습니다. 그러나 실제 시리즈의 경우 통계적으로 유의미한(파란색 수염의 크기 참조) 분포에서 평형 분포의 편차가 발견됩니다. 어떤 이유로 패턴 유형 00 및 11이 01 및 10보다 눈에 띄게 작은 것을 알 수 있습니다.
이것은 가장 흥미로운 사실입니다.
하아! - 이것은 시장이 한 방향으로 움직이는 것을 좋아하지 않는다는 것을 의미합니다. 결국 패턴 00은 아래로 두 번 이동하고 11에서 위로 두 번 이동하는 것에 해당합니다. 이 전체 구성표를 이미 볼 수 있습니다. 첫 번째 노드(패턴 00에 해당)에서 구매, 마지막 노드(패턴 11) - 매도, 두 번째 노드(01) - 판매, 세 번째 노드(10) ) - 구입하다.