kharko , 당신이 얻은 것은 공식의 문제와 아무 관련이 없습니다. 이에 대한 답변은 위에 나와 있습니다.
중심점은 테스터에서 미리 지정된 피팅 매개변수의 수에 대한 트랜잭션 수에서 평평한 최적의 존재에 대한 진술입니다. 이 길이의 실행(그리고 마지막 거래가 현재 시간과 도킹된 위치)에서 정확히 최적화된 것이 통계적으로 최상의 최적화 효과를 제공하는 것으로 나타났습니다. 물론 이것이 시장에 진입함으로써 부자가 될 것이라는 의미는 아닙니다. 아마도 일련의 손실이 발생하고 모든 것을 잃게 될 것입니다! 그러나 이것은 시장에 진입하기 전에 매번 이렇게 함으로써 가능한 한 가장 큰 수입을 얻을 수 있음을 의미합니다.
여기에서 전략은 다음과 같습니다. 테스터 자체에는 TS가 생성된 기반과 동일한 가상 거래 에뮬레이터가 있어야 합니다. 이 에뮬레이터는 각 실제 거래 이후에 최적의 거래 내역과 동일한 거래 내역을 지속적으로 메모리에 저장하므로 가상 자산이 최대가 되도록 매개변수를 최적화합니다. 그런 다음 발견된 매개변수는 실제 MTS로 전송되고 이에 따라 다시 시장에 진입합니다. 가상 최적화 작업이 반복됩니다. 주기.
거래 수와 관련하여 한 가지 더 참고 사항: 고문에 최대 주문 수와 같은 매개 변수가 있으며 매개 변수를 올바르게 선택하면 고문이 만드는 동시 거래 수가 증가하면 받는 이익이 증가하지만 다른 한편, 우리는 어드바이저의 입력 매개변수의 수에 대한 비율로 주어진 시간 범위에서 최적이 아닌 트랜잭션 수를 얻습니다. 어떻게 처리해야 할까요?
ITeXPert에서 얻은 결과는 하나의 기기에서 작업하는 경우에만 유효하며 한 번에 하나의 위치만 열 수 있습니다. 일반적인 경우로 일반화하는 방법을 생각해야 합니다.
아이디어는 모든 실행에 대한 총 트랜잭션 수를 예를 들어 Neutron 기준에 따라 최적의 트랜잭션 수로 가져오는 것입니다 ...
N(i) / N(op)
결과 값에 i번째 실행에 대한 해당 기대치를 곱합니다...
N(i) / N(op) * 기대 보수(i)
세련된 마인드!
kharko, 그런 군사 트릭이 작동하지 않을 수도 있습니다 ... 그리고 여기에 이유가 있습니다. 사실 테스터의 일반화 오류는 예상 보수 에 의존하지 않습니다. 즉, 추정치를 최대화할 때 수익성을 매개변수로 고려하지 않습니다. 베이지안 분류기를 기반으로 하며 수익성의 정규화는 문제에 포함되지 않습니다. 내가 위에 게시한 기사의 단락을 읽으십시오(p. 56).
kharko , 당신이 얻은 것은 공식의 문제와 아무 관련이 없습니다. 이에 대한 답변은 위에 나와 있습니다.
중심점은 테스터에서 미리 지정된 피팅 매개변수의 수에 대한 트랜잭션 수에서 평평한 최적의 존재에 대한 진술입니다. 이러한 길이(그리고 마지막 거래가 현재 시간과 도킹된 위치)에서 정확히 최적화된 것이 통계적으로 최상의 최적화 효과를 제공하는 것으로 나타났습니다. 물론 이것이 시장에 진입하여 부자가 될 것이라는 의미는 아닙니다. 일련의 손실이 발생하고 모든 것을 잃을 수 있습니다! 그러나 이것은 시장에 진입하기 전에 매번 이렇게 함으로써 여러 번 가능한 가장 큰 수입을 얻을 수 있음을 의미합니다.
여기에서 전략은 다음과 같습니다. 테스터 자체에는 TS가 생성된 기반과 동일한 가상 거래 에뮬레이터가 있어야 합니다. 이 에뮬레이터는 최적의 거래 내역과 동일한 길이로 거래 내역을 지속적으로 기억하고 각 실제 거래 후에 가상 자산이 최대가 되도록 매개변수를 최적화합니다. 그런 다음, 발견된 매개변수는 실제 MTS로 전송되고 이에 따라 다시 시장에 진입합니다. 가상 최적화 작업이 반복됩니다. 주기.
kharko, 그런 군사 트릭이 작동하지 않을 수도 있습니다 ... 그리고 여기에 이유가 있습니다. 사실 테스터의 일반화 오류는 예상 보수 에 의존하지 않습니다. 즉, 추정치를 최소화할 때 수익성을 매개변수로 고려하지 않습니다. 베이지안 분류기를 기반으로 하며 수익성의 정규화는 문제에 포함되지 않습니다. 내가 위에 게시한 기사의 단락을 읽으십시오(p. 56).
통계적으로 가장 좋은 최적화 효과가 무엇인지 설명하십시오. 당신은 그것을 어떻게 이해합니까?
위에서 가장 최적화된 옵션에 대해 이해를 드렸는데.. 뭔가를 비교해서 더 좋다, 이게 더 나쁘다 하기 전에 비교값을 공통분모로 가져와야 하는데... 이런 경우에는 분모는 일반화된 거래 수입니다... 귀하의 기준과 별도로 제안된 기준 ... 그냥 지나치면서 큰 소리로 생각 ...)))
최상의 최적 변형의 기준으로 예를 들어 회복 계수를 보겠습니다. 회복 계수는 거의 같지만 트랜잭션 수는 크기의 차수만큼 다른 경우 어떤 변형이 더 좋습니다.
나는 더 많은 것을 선택할 것이다. 왜? 이 옵션은 최적화 기간 동안 더 큰 안정성을 보였기 때문에... 거래가 적은 옵션은 무작위성이 더 많이 발생하기 쉽습니다... 즉, 미래에 회복 계수 기준의 값을 크게 줄이기 위해 많은 수의 거래는 거래가 적은 옵션보다 더 긴 일련의 실패가 필요합니다.
"통계적으로 가장 좋은 효과"가 무엇을 의미하는지 더 잘 설명할 수 있는 사람은 아무도 없습니다. 그러나 개념의 관점에서 말하면 다음과 같이 이해합니다. 충분히 큰 시리즈(n> 100)에서 일부 프로세스에 대해 다른 결과가 가능합니다. 우리의 경우 최적화 후 다음 트랜잭션의 결과가 고려됩니다. 따라서 결과는 다르지만 가장 가능성 있는 결과를 찾고(검색 절차는 수학 통계 교과서에 설명되어 있음) 다른 옵션에 대한 특성 산포를 평가할 수 있습니다. 이것은 테스터에서 매개변수를 최적화하는 이 방법으로 가능한 최대값일 것입니다.
- 가장 좋은 것을 선택하십시오(가장 좋은 1-2) - 데모를 하십시오 - 한 달 또는 두 달(이것은 제 선택사항입니다. 얻을 것입니다) ...... 그리고 이 입찰 후에만
......
문제는 재최적화 기간으로 남아있다.......
당신이 그것이 일상적이라고 말한다면, 나는 그것이 부분적으로만 자동화의 대상이라는 데 동의합니다... 또는 "tyama"가 충분하지 않습니다.)))) 여기에서 얻을 가치가 있는 것이 있습니다. 단지 기계 리소스가 아니라 필요하지만 펜과 두뇌로 작업하려는 의지 (더 중요하게))))
모든 옵션을 버리면 어떻게 하시겠습니까? 용광로의 TS ... 그러나 결국 TS는 일부 매개 변수로 일정 시간 간격으로 작동하고 다른 매개 변수에서는 다른 시간 간격으로 작동합니다 ...
각 트랜잭션 후에 가장 최적의 매개변수 를 대체하는 Neutron 옵션 은 이상적이지만 구현하기 어렵습니다.
더 간단하고 구현하기 쉬운 것은 예를 들어 특정 기준이 충족되면(예: 손실이 임계값보다 큼) 거래를 중단하는 것입니다(새 포지션은 열리지 않고 이전 포지션은 고문이 유지합니다) 닫힐 때까지) 새로운 최적화를 위해 새 매개변수로 어드바이저를 시작합니다... 이 프로세스는 자동화될 수 있습니다...
모든 옵션을 버리면 어떻게 하시겠습니까? 용광로의 TS ... 그러나 결국 TS는 일부 매개 변수로 일정 시간 간격으로 작동하고 다른 매개 변수에서는 다른 시간 간격으로 작동합니다 ...
각 트랜잭션 후에 가장 최적의 매개변수 를 대체하는 Neutron 옵션 은 이상적이지만 구현하기 어렵습니다.
더 간단하고 구현하기 쉬운 것은 예를 들어 특정 기준이 충족되면(예: 손실이 임계값보다 큼) 거래를 중단하는 것입니다(새 포지션은 열리지 않고 이전 포지션은 고문이 유지합니다) 닫힐 때까지) 새로운 최적화를 위해 새 매개변수로 어드바이저를 시작합니다... 이 프로세스는 자동화될 수 있습니다...
용광로에 :)))....... TS는 각각의 시간 간격(물론 허용 가능)과 기기에 각각 최적화되어 있음을 명심해야 합니다. 또한 "Expert-TF-Instrument"조합이 이미 완전히 다른 전문가라는 것을 인정해야합니다 ....... 변형을 계산하십시오 - "광대함을 포용"이 나타날 것입니다 .......
더 간단하고 구현하기 쉬운 것은 예를 들어 특정 기준이 충족되면(예: 손실이 임계값보다 큼) 거래를 중단하는 것입니다(새 포지션은 열리지 않고 이전 포지션은 고문이 유지합니다) 닫힐 때까지) 새로운 최적화를 위해 새 매개변수로 어드바이저를 시작합니다... 이 프로세스는 자동화될 수 있습니다...
우리는 거래가 아니라 최적화에 대해 이야기하고 있습니다. 맞습니까? ...... 거래에는 고유 한 규칙이 있고 모든 사람에게는 고유 한 규칙이 있으며 자동 최적화는 여기에서별로 도움이되지 않습니다 ...... 설득, plz, - 감사할 뿐입니다)
최적화 기준은 ?
방금 나 자신에 대한 추정 계수를 생각해 냈습니다 ... 아마도 누군가에게 유용 할 것입니다 ...
최적화 후, 우리는 옵션을 선택합니다... 모든 옵션은 서로 다릅니다. 예를 들어 최적화되는 기간의 트랜잭션 수...
아이디어는 모든 실행에 대한 총 트랜잭션 수를 예를 들어 Neutron 기준에 따라 최적의 트랜잭션 수로 가져오는 것입니다 ...
N(i) / N(op)
결과 값에 i번째 실행에 대한 해당 기대치를 곱합니다...
N(i) / N(op) * 기대 보수(i)
따라서 우리는 매 실행마다 이익을 얻습니다. 이 값은 이미 다른 샘플 옵션과 비교할 수 있습니다 ...
이 공식에 빠진 것이 있습니까? 그러나 위험을 고려하는 방법은 무엇입니까? 아주 간단한...
우리는 가능한 가장 큰 감소의 값을 결정하고 그것을 실행의 최대 감소로 나눕니다...
이것은 지속적인 로트 증가 요인입니다.
드롭다운(최대) / 드롭다운(i)
최종 계수 공식
K(ots) = N(i) / N(op) * 예상 보수(i) * DropDown(max) / DropDown(i)
N(op) = 1 이면 N(i) * 예상 보수(i)는 i번째 실행의 이익입니다.... N(op) 은 최대 값과 같아야 한다고 생각합니다. 최적화 후 실행 샘플에서 거래 ...
피팅 매개변수의 수에 따라 최적의 거래 수가 있다고 주장합니다...
작업을 단순화하십시오.... 일정한 시간 간격을 두십시오...
결론: 제안하는 최적화 방법은 유토피아이다.
kharko , 당신이 얻은 것은 공식의 문제와 아무 관련이 없습니다. 이에 대한 답변은 위에 나와 있습니다.
중심점은 테스터에서 미리 지정된 피팅 매개변수의 수에 대한 트랜잭션 수에서 평평한 최적의 존재에 대한 진술입니다. 이 길이의 실행(그리고 마지막 거래가 현재 시간과 도킹된 위치)에서 정확히 최적화된 것이 통계적으로 최상의 최적화 효과를 제공하는 것으로 나타났습니다. 물론 이것이 시장에 진입함으로써 부자가 될 것이라는 의미는 아닙니다. 아마도 일련의 손실이 발생하고 모든 것을 잃게 될 것입니다! 그러나 이것은 시장에 진입하기 전에 매번 이렇게 함으로써 가능한 한 가장 큰 수입을 얻을 수 있음을 의미합니다.
여기에서 전략은 다음과 같습니다. 테스터 자체에는 TS가 생성된 기반과 동일한 가상 거래 에뮬레이터가 있어야 합니다. 이 에뮬레이터는 각 실제 거래 이후에 최적의 거래 내역과 동일한 거래 내역을 지속적으로 메모리에 저장하므로 가상 자산이 최대가 되도록 매개변수를 최적화합니다. 그런 다음 발견된 매개변수는 실제 MTS로 전송되고 이에 따라 다시 시장에 진입합니다. 가상 최적화 작업이 반복됩니다. 주기.
거래 수와 관련하여 한 가지 더 참고 사항: 고문에 최대 주문 수와 같은 매개 변수가 있으며 매개 변수를 올바르게 선택하면 고문이 만드는 동시 거래 수가 증가하면 받는 이익이 증가하지만 다른 한편, 우리는 어드바이저의 입력 매개변수의 수에 대한 비율로 주어진 시간 범위에서 최적이 아닌 트랜잭션 수를 얻습니다. 어떻게 처리해야 할까요?
ITeXPert에서 얻은 결과는 하나의 기기에서 작업하는 경우에만 유효하며 한 번에 하나의 위치만 열 수 있습니다. 일반적인 경우로 일반화하는 방법을 생각해야 합니다.
아이디어는 모든 실행에 대한 총 트랜잭션 수를 예를 들어 Neutron 기준에 따라 최적의 트랜잭션 수로 가져오는 것입니다 ...
N(i) / N(op)
결과 값에 i번째 실행에 대한 해당 기대치를 곱합니다...
N(i) / N(op) * 기대 보수(i)
세련된 마인드!
kharko, 그런 군사 트릭이 작동하지 않을 수도 있습니다 ... 그리고 여기에 이유가 있습니다. 사실 테스터의 일반화 오류는 예상 보수 에 의존하지 않습니다. 즉, 추정치를 최대화할 때 수익성을 매개변수로 고려하지 않습니다. 베이지안 분류기를 기반으로 하며 수익성의 정규화는 문제에 포함되지 않습니다. 내가 위에 게시한 기사의 단락을 읽으십시오(p. 56).
kharko , 당신이 얻은 것은 공식의 문제와 아무 관련이 없습니다. 이에 대한 답변은 위에 나와 있습니다.
중심점은 테스터에서 미리 지정된 피팅 매개변수의 수에 대한 트랜잭션 수에서 평평한 최적의 존재에 대한 진술입니다. 이러한 길이(그리고 마지막 거래가 현재 시간과 도킹된 위치)에서 정확히 최적화된 것이 통계적으로 최상의 최적화 효과를 제공하는 것으로 나타났습니다. 물론 이것이 시장에 진입하여 부자가 될 것이라는 의미는 아닙니다. 일련의 손실이 발생하고 모든 것을 잃을 수 있습니다! 그러나 이것은 시장에 진입하기 전에 매번 이렇게 함으로써 여러 번 가능한 가장 큰 수입을 얻을 수 있음을 의미합니다.
여기에서 전략은 다음과 같습니다. 테스터 자체에는 TS가 생성된 기반과 동일한 가상 거래 에뮬레이터가 있어야 합니다. 이 에뮬레이터는 최적의 거래 내역과 동일한 길이로 거래 내역을 지속적으로 기억하고 각 실제 거래 후에 가상 자산이 최대가 되도록 매개변수를 최적화합니다. 그런 다음, 발견된 매개변수는 실제 MTS로 전송되고 이에 따라 다시 시장에 진입합니다. 가상 최적화 작업이 반복됩니다. 주기.
kharko, 그런 군사 트릭이 작동하지 않을 수도 있습니다 ... 그리고 여기에 이유가 있습니다. 사실 테스터의 일반화 오류는 예상 보수 에 의존하지 않습니다. 즉, 추정치를 최소화할 때 수익성을 매개변수로 고려하지 않습니다. 베이지안 분류기를 기반으로 하며 수익성의 정규화는 문제에 포함되지 않습니다. 내가 위에 게시한 기사의 단락을 읽으십시오(p. 56).
통계적으로 가장 좋은 최적화 효과가 무엇인지 설명하십시오. 당신은 그것을 어떻게 이해합니까?
위에서 가장 최적화된 옵션에 대해 이해를 드렸는데.. 뭔가를 비교해서 더 좋다, 이게 더 나쁘다 하기 전에 비교값을 공통분모로 가져와야 하는데... 이런 경우에는 분모는 일반화된 거래 수입니다... 귀하의 기준과 별도로 제안된 기준 ... 그냥 지나치면서 큰 소리로 생각 ...)))
최상의 최적 변형의 기준으로 예를 들어 회복 계수를 보겠습니다. 회복 계수는 거의 같지만 트랜잭션 수는 크기의 차수만큼 다른 경우 어떤 변형이 더 좋습니다.
나는 더 많은 것을 선택할 것이다. 왜? 이 옵션은 최적화 기간 동안 더 큰 안정성을 보였기 때문에... 거래가 적은 옵션은 무작위성이 더 많이 발생하기 쉽습니다... 즉, 미래에 회복 계수 기준의 값을 크게 줄이기 위해 많은 수의 거래는 거래가 적은 옵션보다 더 긴 일련의 실패가 필요합니다.
아직 글을 읽지 않은...
도움을 받으려면 Mathemat 에 전화해야 합니다.
"통계적으로 가장 좋은 효과"가 무엇을 의미하는지 더 잘 설명할 수 있는 사람은 아무도 없습니다. 그러나 개념의 관점에서 말하면 다음과 같이 이해합니다. 충분히 큰 시리즈(n> 100)에서 일부 프로세스에 대해 다른 결과가 가능합니다. 우리의 경우 최적화 후 다음 트랜잭션의 결과가 고려됩니다. 따라서 결과는 다르지만 가장 가능성 있는 결과를 찾고(검색 절차는 수학 통계 교과서에 설명되어 있음) 다른 옵션에 대한 특성 산포를 평가할 수 있습니다. 이것은 테스터에서 매개변수를 최적화하는 이 방법으로 가능한 최대값일 것입니다.
최적화 기준은?
방금 나 자신에 대한 추정 계수를 생각해 냈습니다 ... 아마도 누군가에게 유용 할 것입니다 ...
최적화 후, 우리는 옵션을 선택합니다... 모든 옵션은 서로 다릅니다. 예를 들어 최적화되는 기간의 트랜잭션 수...
아이디어는 모든 실행에 대한 총 트랜잭션 수를 예를 들어 Neutron 기준에 따라 최적의 트랜잭션 수로 가져오는 것입니다...
N(i) / N(op)
결과 값에 i번째 실행에 대한 해당 기대치를 곱합니다...
N(i) / N(op) * 기대 보수(i)
따라서 우리는 매 실행마다 이익을 얻습니다. 이 값은 이미 다른 샘플 옵션과 비교할 수 있습니다 ...
이 공식에 빠진 것이 있습니까? 그러나 위험을 고려하는 방법은 무엇입니까? 아주 간단한...
가능한 가장 큰 감소의 값을 결정하고 그것을 실행의 최대 감소로 나눕니다...
이것은 일정한 로트 증가 요인입니다.
드롭다운(최대) / 드롭다운(i)
최종 계수 공식
K(ots) = N(i) / N(op) * 예상 보수(i) * DropDown(max) / DropDown(i)
N(op) = 1이면 N(i) * 예상 보수(i)는 i번째 실행의 이익입니다.... N(op)은 수의 최대값과 같아야 한다고 생각합니다. 최적화 후 실행 샘플에서 거래 ...
약간 다른 옵션이 있습니다 ...... 원본에서 시작하겠습니다 - 균형 곡선은 지속적으로 위쪽으로 (선험적으로) 노력해야 합니다 .... 더 균일할수록 더 좋습니다 .... 그래서(이것은 아닙니다 뉴스 - 여기 수많은 게시물의 어딘가에 있었습니다):
- 우리는 1년, 2~3년의 일정 기간 동안 조정 최적화를 수행합니다 .....
- 6개월 동안 2-3-4 포워드에 대해 얻은 매개변수를 사용합니다. 예를 들면,
- 부정 폐기
- 나머지는 적과 마찬가지로 알고리즘에 맞지 않습니다(거래 수, 이익, 인출 횟수 등은 비례하지 않음) - 폐기
- 매개변수의 변형이 1-2-3개 남았습니다. 이제 최대로 최적화합니다.))) .....너트 t.s를 조입니다.
- 가장 좋은 것을 선택하십시오(가장 좋은 1-2) - 데모를 하십시오 - 한 달 또는 두 달(이것은 제 선택사항입니다. 얻을 것입니다) ...... 그리고 이 입찰 후에만
......
문제는 재최적화 기간으로 남아있다.......
당신이 그것이 일상적이라고 말한다면, 나는 그것이 부분적으로만 자동화의 대상이라는 데 동의합니다... 또는 "tyama"가 충분하지 않습니다.)))) 여기에서 얻을 가치가 있는 것이 있습니다. 단지 기계 리소스가 아니라 필요하지만 펜과 두뇌로 작업하려는 의지 (더 중요하게))))
모든 옵션을 버리면 어떻게 하시겠습니까? 용광로의 TS ... 그러나 결국 TS는 일부 매개 변수로 일정 시간 간격으로 작동하고 다른 매개 변수에서는 다른 시간 간격으로 작동합니다 ...
각 트랜잭션 후에 가장 최적의 매개변수 를 대체하는 Neutron 옵션 은 이상적이지만 구현하기 어렵습니다.
더 간단하고 구현하기 쉬운 것은 예를 들어 특정 기준이 충족되면(예: 손실이 임계값보다 큼) 거래를 중단하는 것입니다(새 포지션은 열리지 않고 이전 포지션은 고문이 유지합니다) 닫힐 때까지) 새로운 최적화를 위해 새 매개변수로 어드바이저를 시작합니다... 이 프로세스는 자동화될 수 있습니다...
여기에 자동 최적화에 대한 기사가 있습니다 - '기사 "실제 거래 과정에서 거래 로봇의 자동 최적화"'
모든 옵션을 버리면 어떻게 하시겠습니까? 용광로의 TS ... 그러나 결국 TS는 일부 매개 변수로 일정 시간 간격으로 작동하고 다른 매개 변수에서는 다른 시간 간격으로 작동합니다 ...
각 트랜잭션 후에 가장 최적의 매개변수 를 대체하는 Neutron 옵션 은 이상적이지만 구현하기 어렵습니다.
더 간단하고 구현하기 쉬운 것은 예를 들어 특정 기준이 충족되면(예: 손실이 임계값보다 큼) 거래를 중단하는 것입니다(새 포지션은 열리지 않고 이전 포지션은 고문이 유지합니다) 닫힐 때까지) 새로운 최적화를 위해 새 매개변수로 어드바이저를 시작합니다... 이 프로세스는 자동화될 수 있습니다...
용광로에 :)))....... TS는 각각의 시간 간격(물론 허용 가능)과 기기에 각각 최적화되어 있음을 명심해야 합니다. 또한 "Expert-TF-Instrument"조합이 이미 완전히 다른 전문가라는 것을 인정해야합니다 ....... 변형을 계산하십시오 - "광대함을 포용"이 나타날 것입니다 .......
더 간단하고 구현하기 쉬운 것은 예를 들어 특정 기준이 충족되면(예: 손실이 임계값보다 큼) 거래를 중단하는 것입니다(새 포지션은 열리지 않고 이전 포지션은 고문이 유지합니다) 닫힐 때까지) 새로운 최적화를 위해 새 매개변수로 어드바이저를 시작합니다... 이 프로세스는 자동화될 수 있습니다...
우리는 거래가 아니라 최적화에 대해 이야기하고 있습니다. 맞습니까? ...... 거래에는 고유 한 규칙이 있고 모든 사람에게는 고유 한 규칙이 있으며 자동 최적화는 여기에서별로 도움이되지 않습니다 ...... 설득, plz, - 감사할 뿐입니다)
우리는 거래가 아니라 최적화에 대해 이야기하고 있습니다. 맞습니까? ...... 거래에는 고유 한 규칙이 있고 모든 사람에게는 고유 한 규칙이 있으며 자동 최적화는 여기에서별로 도움이되지 않습니다 ...... 설득, plz, - 감사할 뿐입니다)
이익, 손절매 또는 추적 관리 - 거의 모든 거래자가 자신의 거래에서 이러한 방법을 사용합니다... TS 매개변수에 대해 동일한 작업을 수행하지 않는 이유는 무엇입니까?...
물론, 당신은 뒤로 앉아서 드로다운을 기다릴 수 있습니다. 그리고 나서 GRAIL을 시연해 보세요... 아마도 그것이 무너지길 바라며...