저는 20년 전에 신경망 을 만들었습니다. 역시 이름이 없었다. 이것들은 인식에 대한 연구 작업이었고, 그 때 이러한 절차의 수학이 작성되었습니다. 나는 나중에 파인더에서 이러한 절차를 보았고, 우리가 고려하고 생성한 절차가 인간의 두뇌를 대체하기를 희망했지만, 그렇지 않았습니다.다른 사람들이 당신보다 똑똑하다는 것을 미리 생각하고,그것은 손실입니다.
예측과 관련하여 지금까지 단 하나의 주장이 있습니다. 방향을 예측하는 것이 더 쉽습니다. 예, 동의합니다. 더 쉽습니다. 그러나 그것이 더 낫다는 것을 의미하지는 않습니다.
중성자, 이동 평균의 차이가 이동 평균의 도함수와 어떻게 같은지 쓸 수 있습니까? EMA 의미?
네, 세 가지 방법으로 다양한 수준의 수학적 엄격함을 가지고 있습니다. "... 직접 확인하십시오 ..."에서 시작하여 두 개의 저역 통과 필터에서 이상적인 미분 연산자의 대역폭(AFC) 합성으로 끝나지만 조금 후에 - 이 주제에 대한 문헌을 찾아야 합니다. . 평활 매개변수가 극히 작은 값만큼 다른 두 이동 평균의 차이에 대해 이야기하고 있음을 상기시켜 드리겠습니다. 이것이 EMA인 경우 일반적인 이동 평균인 평활 기간의 차이가 1인 경우 차이 a1-a2는 0이 되는 경향이 있습니다.
지금 나는 메자닌에 올라갈 것이다(책용)) - 나는 20년 동안 기구 형태의 코렐로미터를 본 적이 없다(( 2차 세계대전으로 거슬러 올라가는 오래된 자기상관 작업을 상기시켜 드리겠습니다. 1. 로케이터가 있고 PPI에 그룹 대상이 있습니다. 즉, 다이어그램이 3도이기 때문에 모든 것이 병합되고 조명이 큰 지점입니다.)) 문제는 그곳에서 무슨 일이 벌어지고 있느냐는 것입니다. 이것은 여전히 습격입니까 아니면 이미 공중 전투입니까? 2. 밤에 비행기가 우리 위로 날아갔습니다. 바다에 떨어졌더라도 몇 개의 모터가 있습니까? 자기 상관의 "공식"을 상기시켜 드리겠습니다. 이것은 핵심이 세그먼트(창)에서 취해진 함수 자체인 컨볼루션입니다. 따라서 ACF의 통계적 해석은 물리적 의미와 출력 상관도를 얻는다는 의미에서 다소 차이가 있으며, 어떤 상관도는 차례로 창의 너비를 갖습니다. 불연속 판독에서 상관도의 너비는 핵의 너비와 같습니다))) 저것들. 상관도는 이 창의 자기상관 곱셈)) 세그먼트의 합을 누적한 것입니다. 따라서 판독값이 양수이면 상관도는 항상 양수이고 함수(곡선, 그래프, 다이어그램)입니다. -코렐로그램 다이어그램의 속성 중 하나는 말하자면 전체 데이터 스트림에 대한 창 세그먼트의 유사성을 표시하는 것입니다))) 대략적인 거래를 위해 이것은 패턴 검색을 다소 연상시킵니다. 또한 대략적으로 우리는 코렐로그램이 창에서 VR 자체에 대한 유사성의 그래프라고 말할 수 있습니다.
..
추신: 손가락에 설명에 미소를 짓습니다.
PPS 움직임의 신호를 예측하는 작업을 설정하면 그에 따라 원래 VR이 변환되어야 하며, 그렇지 않으면 퇴보한 결과를 얻습니다.
PPS 움직임의 신호를 예측하는 작업을 설정하면 그에 따라 원래 VR이 변환되어야 하며, 그렇지 않으면 퇴보한 결과를 얻습니다.
경험을 공유하고 괜찮으시다면 어떤 종류의 변형이 "적절"하다고 생각하시는지 궁금합니다.
지금 나는 메자닌에 올라갈 것이다(책용)) - 나는 20년 동안 기구 형태의 코렐로미터를 본 적이 없다(( 2차 세계대전으로 거슬러 올라가는 오래된 자기상관 작업을 상기시켜 드리겠습니다. 1. 로케이터가 있고 PPI에 그룹 대상이 있습니다. 즉, 다이어그램이 3도이기 때문에 모든 것이 병합되고 조명이 큰 지점입니다.)) 문제는 그곳에서 무슨 일이 벌어지고 있느냐는 것입니다. 이것은 여전히 습격입니까 아니면 이미 공중 전투입니까? 2. 밤에 비행기가 우리 위로 날아갔습니다. 바다에 떨어졌더라도 몇 개의 모터가 있습니까? 자기 상관의 "공식"을 상기시켜 드리겠습니다. 이것은 핵심이 세그먼트(창)에서 취해진 함수 자체인 컨볼루션입니다. 따라서 ACF의 통계적 해석은 물리적 의미와 출력 상관도를 얻는다는 의미에서 다소 차이가 있으며, 어떤 상관도는 차례로 창의 너비를 갖습니다. 불연속 판독에서 상관도의 너비는 핵의 너비와 같습니다))) 저것들. 상관도는 이 창의 자기상관 곱셈))의 세그먼트 합계의 누적입니다.
.... 움직임의 징후에 대한 예측을 찾는 경우 BP는 일련의 판독 값에서 털이없는 일련의 경사로 변환되어야합니다. 예를 들어, n개의 막대에서 일련의 회귀 또는 다른 옵션 = 이 분기에서 고려되는 HP의 출력, .... 그렇다면 공유하고 싶지만 - 저는 오래된 기억에서 왔습니다. Elekronika 60의 Corellometers 조각))) 그러나 현대적인 상황에서는 거래 작업에 방해가 되지 않도록 matlab도 철거되고, 다음과 같은 이유로 matlab을 철거했습니다. 내 이해에서 ACF는 축적입니다. 100번째 창을 통과한 후에야 결과를 신뢰할 수 있으며, 거래에서 이것은 고전에 따라 게임의 큰 창고에서만 흥미롭습니다. 포즈 유지 기간 = 개월, 그러나 개인적으로 토끼 상인으로서 (((부적합. 자기상관도에서 발생 빈도, 즉 스레드를 가져오는 빈도 분포로 자기 상관도를 사용하고, 그러나 특정 차량에 이점이 있는지 여부는 의심됩니다.
저는 20년 전에 신경망 을 만들었습니다. 역시 이름이 없었다. 이것들은 인식에 대한 연구 작업이었고, 그 때 이러한 절차의 수학이 작성되었습니다. 나는 나중에 파인더에서 이러한 절차를 보았고, 우리가 고려하고 생성한 절차가 인간의 두뇌를 대체하기를 희망했지만, 그렇지 않았습니다. 다른 사람들이 당신보다 똑똑하다는 것을 미리 생각하고, 그것은 손실입니다.
예측과 관련하여 지금까지 단 하나의 주장이 있습니다. 방향을 예측하는 것이 더 쉽습니다. 예, 동의합니다. 더 쉽습니다. 그러나 그것이 더 낫다는 것을 의미하지는 않습니다.
내 의견으로는 - 그것이 더 쉽다면 adnaznachno (Zhirik의 억양 포함 :))가 특히 Forex와 같은 어려운 시장에서 더 좋습니다 ....... 당신이 똑바로 갈 수 있다면 왜 협곡을 돌아 다니며 - 아스팔트를 따라 도로?
나는 당신이 같은 것에 대해 이야기하고 있다고 생각합니다.
내가 알기로 Leonid는 이동 방향을 예측하고 고려합니다.
닫기[0] - 닫기[fcastbars],
0보다 크면 위로, 적게 - 아래로.
저것들. 분류 문제를 해결합니다.
Prival은 이 증가의 규모를 예측하는 것에 대해 이야기합니다. NN을 사용하지 않더라도 회귀 작업입니다.
두 작업 모두 동일한 아키텍처에서 해결할 수 있습니다. 예를 들어 PNN으로 분류하고 회귀 - GRNN으로 분류하면 근본적으로 다르지 않습니다.
분류하는 것이 더 쉬울 수도 있지만, Leov, 그것만으로는 충분하지 않습니다. 내가 테스트했을 때 mql의 첫 번째 VNS를 기억합니다. 몇 개의 입력과 100개의 뉴런에서 올바른 방향의 70% 이상을 얻었습니다.
그러나 분류기를 Expert Advisor에 넣었을 때 평균 수익 거래가 평균 손실 거래보다 훨씬 적기 때문에 m.o. 사실상 제로.
이것은 올바른 방향이 이익을 내기에는 충분하지 않을 수 있다는 간단한 예입니다.
--------------
그건 그렇고, Close[0] - Close[fcastbars]는 첫 번째 가격 차이에서 fcastbars 기간의 눈금입니다. 여기저기서 리튠합니다.
중성자, 이동 평균의 차이가 이동 평균 의 도함수와 어떻게 같은지 쓸 수 있습니까? EMA 의미?
몇 개의 입력과 100개의 뉴런에서 올바른 방향의 70% 이상을 얻었습니다.
그러나 분류기를 Expert Advisor에 넣었을 때 평균 수익 거래가 평균 손실 거래보다 훨씬 적기 때문에 m.o. 거의 제로
이것은 올바른 방향이 이익을 내기에는 충분하지 않을 수 있다는 간단한 예입니다.
오버트레이닝이거나 시계열에 가장 일반적인 영향이어야 합니다. "내일은 오늘과 같고 오늘은 어제와 같을 것입니다"....)))))
여기 계신 분들이 어떻게 생각하고 생각하실지 모르겠지만 제 생각과 개념에 따르면 가격대나 가격 범위의 증가를 예측하는 것은 10년 전에 포기했습니다. 이 행동의 무의미하고 낮은 수익성 때문에 ... ...)))))
절대적으로 동의합니다! 나는 일반적인 고려 사항에서 공식을 제공했습니다.
시장 가격과 같은 가격 시리즈에 대한 예측의 관련성에 대해 이야기하는 경우 예상되는 견적 움직임의 신호만 예측하는 것이 합리적입니다. 이것은 이미 거래에 관한 과학 문헌에서 반복적으로 언급되었으며, 이것은 내 개인적인 경험에 의해 입증됩니다.
중성자, 이동 평균의 차이가 이동 평균의 도함수와 어떻게 같은지 쓸 수 있습니까? EMA 의미?
네, 세 가지 방법으로 다양한 수준의 수학적 엄격함을 가지고 있습니다. "... 직접 확인하십시오 ..."에서 시작하여 두 개의 저역 통과 필터에서 이상적인 미분 연산자의 대역폭(AFC) 합성으로 끝나지만 조금 후에 - 이 주제에 대한 문헌을 찾아야 합니다. . 평활 매개변수가 극히 작은 값만큼 다른 두 이동 평균의 차이에 대해 이야기하고 있음을 상기시켜 드리겠습니다. 이것이 EMA인 경우 일반적인 이동 평균인 평활 기간의 차이가 1인 경우 차이 a1-a2는 0이 되는 경향이 있습니다.
기이한.
자기 상관에 대해 이야기하고 있습니다. 그러나 나는 거의 아무것도 이해하지 못한다. 아마도 당신의 것은 잘 알려진 '자기 상관 함수' 와 다를 수 있습니다.
그런 0.9-0.6 또는 음수 "항상"은 어디서 얻습니까? 크로스 오버, 나는 그것이 도움이 될 것이라고 생각합니다.
가격 시리즈의 ACF와 첫 번째 차이점은 외관이 매우 아름다워 시리즈가 예측 가능함을 보여줍니다. (델타 함수 아님).
다음은 EUR/USD 2006분으로 만든 ACF입니다.알고리즘이 제공됩니다.
ACF는 평균적으로 작고 모든 TF에 대해 음(거의)임을 알 수 있습니다. 가로 좌표는 분 단위로 TF를 나타냅니다.
그리고 이 상황에서 MM을 어떻게 관찰합니까? 결국 통화가 얼마나 변할지 알아야 합니다.
지금 나는 메자닌에 올라갈 것이다(책용)) - 나는 20년 동안 기구 형태의 코렐로미터를 본 적이 없다((
2차 세계대전으로 거슬러 올라가는 오래된 자기상관 작업을 상기시켜 드리겠습니다.
1. 로케이터가 있고 PPI에 그룹 대상이 있습니다. 즉, 다이어그램이 3도이기 때문에 모든 것이 병합되고 조명이 큰 지점입니다.))
문제는 그곳에서 무슨 일이 벌어지고 있느냐는 것입니다. 이것은 여전히 습격입니까 아니면 이미 공중 전투입니까?
2. 밤에 비행기가 우리 위로 날아갔습니다. 바다에 떨어졌더라도 몇 개의 모터가 있습니까?
자기 상관의 "공식"을 상기시켜 드리겠습니다. 이것은 핵심이 세그먼트(창)에서 취해진 함수 자체인 컨볼루션입니다.
따라서 ACF의 통계적 해석은 물리적 의미와 출력 상관도를 얻는다는 의미에서 다소 차이가 있으며,
어떤 상관도는 차례로 창의 너비를 갖습니다. 불연속 판독에서 상관도의 너비는 핵의 너비와 같습니다)))
저것들. 상관도는 이 창의 자기상관 곱셈)) 세그먼트의 합을 누적한 것입니다.
따라서 판독값이 양수이면 상관도는 항상 양수이고 함수(곡선, 그래프, 다이어그램)입니다.
-코렐로그램 다이어그램의 속성 중 하나는 말하자면 전체 데이터 스트림에 대한 창 세그먼트의 유사성을 표시하는 것입니다)))
대략적인 거래를 위해 이것은 패턴 검색을 다소 연상시킵니다.
또한 대략적으로 우리는 코렐로그램이 창에서 VR 자체에 대한 유사성의 그래프라고 말할 수 있습니다.
..
추신: 손가락에 설명에 미소를 짓습니다.
PPS 움직임의 신호를 예측하는 작업을 설정하면 그에 따라 원래 VR이 변환되어야 하며,
그렇지 않으면 퇴보한 결과를 얻습니다.
PPS 움직임의 신호를 예측하는 작업을 설정하면 그에 따라 원래 VR이 변환되어야 하며,
그렇지 않으면 퇴보한 결과를 얻습니다.
경험을 공유하고 괜찮으시다면 어떤 종류의 변형이 "적절"하다고 생각하시는지 궁금합니다.
지금 나는 메자닌에 올라갈 것이다(책용)) - 나는 20년 동안 기구 형태의 코렐로미터를 본 적이 없다((
2차 세계대전으로 거슬러 올라가는 오래된 자기상관 작업을 상기시켜 드리겠습니다.
1. 로케이터가 있고 PPI에 그룹 대상이 있습니다. 즉, 다이어그램이 3도이기 때문에 모든 것이 병합되고 조명이 큰 지점입니다.))
문제는 그곳에서 무슨 일이 벌어지고 있느냐는 것입니다. 이것은 여전히 습격입니까 아니면 이미 공중 전투입니까?
2. 밤에 비행기가 우리 위로 날아갔습니다. 바다에 떨어졌더라도 몇 개의 모터가 있습니까?
자기 상관의 "공식"을 상기시켜 드리겠습니다. 이것은 핵심이 세그먼트(창)에서 취해진 함수 자체인 컨볼루션입니다.
따라서 ACF의 통계적 해석은 물리적 의미와 출력 상관도를 얻는다는 의미에서 다소 차이가 있으며,
어떤 상관도는 차례로 창의 너비를 갖습니다. 불연속 판독에서 상관도의 너비는 핵의 너비와 같습니다)))
저것들. 상관도는 이 창의 자기상관 곱셈))의 세그먼트 합계의 누적입니다.
똑똑한 단어가 너무 많아서 바로 이해하지 못합니다. 이해하는 데 시간이 필요합니다 :-)
따라서 판독값이 양수이면 상관도는 항상 양수이고 함수(곡선, 그래프, 다이어그램)입니다.
일련의 첫 번째 차이에서 점수가 번갈아 나타납니다. 무엇에 대해 쓰고 있습니까?
그리고 이 상황에서 MM을 어떻게 관찰합니까? 결국 통화가 얼마나 변할지 알아야 합니다.
당신 여기 .
이제 두 개의 이동 평균을 교차하여 1차 도함수를 합성합니다.
모든 가능한 이동 평균이 첫 번째 근사치에서 일반적인 이동 평균보다 나쁘지도 나쁘지도 않은 가격 계열을 평활화하도록 합니다. 이동 평균을 현재 값(위 방정식)의 왼쪽에 있는 n 할당량 값의 평균으로 정의합시다.
이동 평균의 1차 도함수를 고전적으로 정의합시다(두 번째 방정식). 그런 다음, 평활 창의 너비가 1만큼 다른 두 이동 평균의 차이는 1/n 정도의 작은 항까지 1차 도함수를 제공합니다(세 번째 방정식).
하나는 주기가 100이고 다른 하나는 주기가 70인 두 개의 이동 평균을 그려서(왼쪽의 빨간색 선 - kotir, 파란색 선 - 이동) 이 설명의 유효성을 그래픽으로 표시할 수 있습니다.
오른쪽은 주기가 100인 MA의 도함수가 빨간색으로 표시되고 주기가 100과 70인 이동 평균의 차이가 파란색으로 표시되고 100과 99가 녹색으로 표시됩니다.
계약이 잘 되어 있음을 알 수 있다. Q.E.D. 이동의 다양한 구현을 포함하는 다른 모든 경우는 진술의 본질을 변경하지 않고 증명 방법만 변경됩니다.
중성자에게
.... 움직임의 징후에 대한 예측을 찾는 경우 BP는 일련의 판독 값에서 털이없는 일련의 경사로 변환되어야합니다.
예를 들어, n개의 막대에서 일련의 회귀 또는 다른 옵션 = 이 분기에서 고려되는 HP의 출력,
....
그렇다면 공유하고 싶지만 - 저는 오래된 기억에서 왔습니다. Elekronika 60의 Corellometers 조각)))
그러나 현대적인 상황에서는 거래 작업에 방해가 되지 않도록 matlab도 철거되고,
다음과 같은 이유로 matlab을 철거했습니다.
내 이해에서 ACF는 축적입니다. 100번째 창을 통과한 후에야 결과를 신뢰할 수 있으며,
거래에서 이것은 고전에 따라 게임의 큰 창고에서만 흥미롭습니다. 포즈 유지 기간 = 개월,
그러나 개인적으로 토끼 상인으로서 (((부적합.
자기상관도에서 발생 빈도, 즉 스레드를 가져오는 빈도 분포로 자기 상관도를 사용하고,
그러나 특정 차량에 이점이 있는지 여부는 의심됩니다.
PS 비록 컨볼루션이 퍼셉트론처럼 의심스럽게 보이지만 (그럴 것 같았습니다)))