그리고 운이 좋은 원숭이의 원리로 하면. CCI를 예로 들어 사용 가능한 전체 기록에 대해 실행해 보겠습니다. 테스트 결과에 따라 항상 병합되는 것이 아니라 이익이 있는 섹션이 선택됩니다. 다음으로, 우리는 모멘텀, 볼린저 , 이동 평균을 취하고 동일한 방식으로 수익성 있는 영역을 선택합니다. 거래는 가상으로 이루어지며 초기 선택에서 얻은 결과보다 나쁘지 않은 결과를 제공하는 시스템을 실제 거래로 허용합니다. 역사가 반복된다면 제대로 작동해야 합니다. 또한 이 접근 방식의 장점은 유리한 상황의 예상 기간에 있습니다. 귀하의 기준에 따라 수익성있는 섹션을 선택해야합니다. 글쎄, 거래 수, 평균 거래, 최대 손실, 성공적인 섹션 기간이 있습니다. 작은 아이디어가 있습니다. 조금 후에 목소리를 낼 것입니다.
ivandurak>> : 그리고 운이 좋은 원숭이의 원리로 하면. CCI를 예로 들어 사용 가능한 전체 기록에 대해 실행해 보겠습니다. 테스트 결과에 따라 항상 병합되는 것이 아니라 이익이 있는 섹션이 선택됩니다. 다음으로 모멘텀, 볼린저, 이동 평균을 취하고 동일한 방식으로 수익성 있는 섹션을 선택합니다. 거래는 가상으로 이루어지며 초기 선택에서 얻은 결과보다 나쁘지 않은 결과를 제공하는 시스템을 실제 거래로 허용합니다. 역사가 반복된다면 제대로 작동해야 합니다. 또한 이 접근 방식의 장점은 유리한 상황의 예상 기간에 있습니다. 귀하의 기준에 따라 수익성있는 섹션을 선택해야합니다. 글쎄, 거래 수, 평균 거래, 최대 손실, 성공적인 섹션 기간이 있습니다. 작은 아이디어가 있습니다. 조금 후에 목소리를 낼 것입니다.
존경하는 마음으로 최소한의 지표를 찾고 결과를 평가하는 데에도 매우 관심이 있습니다. 제 목적을 위해서만 그렇습니다. 죄송합니다. 하지만 여기에서 아무데도 가지 않고 제 생각을 표현하겠습니다. 그것들이 신경망과 직접적으로 관련되어 있지 않다는 것을 인정합니다.
추가 코드 및 TS 결과 평가에 대한 간단한 설명.종가 대신에만 무역 거래 결과를 사용해야 합니다.누가 기하학과 친구인지, 코드를 수정하십시오
이중 분산(int i, int N) { // 이 서브루틴은 종가 편차의 분산을 계산합니다. // 선형 회귀선 // IMHO 평균값의 분산이 적절하지 않습니다. 아마도 분포가 // 예를 들어 y=b*x+c로 설명된 경우 분산(평균에서)은 경사각, 깊이에 따라 달라집니다. // 샘플링 및 확산 . 내 버전에서 분산은 스프레드에만 의존합니다. // 물론 지수나 지수를 사용하는 것이 더 낫습니다. 특히 시스템을 계산할 때 // 속도 기반 가속, 그런 다음 자신, 죄송합니다. 이중 파이 = 3.141592653589793 ; // 등가 연산자를 잊어 버렸습니다. 정수 j; 이중 a,b,Summ_x,Summ_y,Summ_x_2,Summ_xy,편차,표준편차,Sredn_y,AC; (int x=1;x<N;x++) {j=N-x+i; 합계_x=합계_x+x; Summ_y=Summ_y+닫기[j]; Summ_xy=Summ_xy+x*닫기[j]; Summ_x_2=Summ_x_2+MathPow(x,2); } b=((N-1)*Summ_xy-Summ_x*Summ_y)/((N-1)*Summ_x_2-MathPow(Summ_x,2)); a=(Summ_y-b*Summ_x)/(N-1); Average_y=Summ_y/(N-1); ( x=N ;x>=1 ;x--) { j=N-x+i ; 만약 ( b >0 ) { AC= MathAbs(닫기[j]-(b*x+a))*MathSin(Pi/2-MathArctan(b)) ; } 만약 (b<0) { AC=MathAbs(닫기[j]-(b*x+a))*MathSin(MathArctan(b)-Pi/2) ; } 편차=편차+ MathPow(AC,2) ; } StdDeviation=MathSqrt(편차/N); 반환(표준편차*표준편차); }
이 공식에 따라 결과를 평가하면 TS는 회귀선의 기울기가 클수록 더 좋고 의사 분산이 0에 가까울수록 더 좋은 두 가지 매개 변수로 설명됩니다.
손가락에.
하나는 말하고 다른 하나는 대답합니다.
인간의 키(cm):
1-놀라운
10이 될 수 없다
30 - 가능성 없음
100 아마도
176-참
200 - 가능성 없음
230 - 그럴 수 없다
300은 굉장합니다.
이것은 비선형 변환의 예입니다.
그리고 운이 좋은 원숭이의 원리로 하면. CCI를 예로 들어 사용 가능한 전체 기록에 대해 실행해 보겠습니다. 테스트 결과에 따라 항상 병합되는 것이 아니라 이익이 있는 섹션이 선택됩니다. 다음으로 모멘텀, 볼린저, 이동 평균을 취하고 동일한 방식으로 수익성 있는 섹션을 선택합니다. 거래는 가상으로 이루어지며 초기 선택에서 얻은 결과보다 나쁘지 않은 결과를 제공하는 시스템을 실제 거래로 허용합니다. 역사가 반복된다면 제대로 작동해야 합니다. 또한 이 접근 방식의 장점은 유리한 상황의 예상 기간에 있습니다. 귀하의 기준에 따라 수익성있는 섹션을 선택해야합니다. 글쎄, 거래 수, 평균 거래, 최대 손실, 성공적인 섹션 기간이 있습니다. 작은 아이디어가 있습니다. 조금 후에 목소리를 낼 것입니다.
여기 다른 스레드에서 당신에게.안녕하세요
NS에 대해 배우는 것은 항상 흥미로웠지만 이 주제에 대한 문헌을 읽기 시작하자마자 머리가 끓기 시작하고 결국 NS가 무엇인지조차 이해할 수 없었습니다.
간단한 예를 들어 설명해 주시겠습니까(손가락으로 말해서) 그것이 무엇인지
감사해요
잡다.
잡다.
ia takoe uge chital mnogo navernoe mne ne dano poniat chto takoe NC
빠시보
ia takoe uge chital mnogo navernoe mne ne dano poniat chto takoe NC
빠시보
뭐가 필요하세요!?
예, 국회가 176cm가 사실이라는 것을 어떻게 이해하는지 이해하십시오.
예, 국회가 176cm가 사실이라는 것을 어떻게 이해하는지 이해하십시오.
Mdya ... 그러나 sin90% = 1 - 사실입니까?
예, 국회가 176cm가 사실이라는 것을 어떻게 이해하는지 이해하십시오.
다음은 과정입니다!
이전 예는 비선형 벨 변환 함수입니다.
일반적으로 가장 자주 사용됩니다. 어쨌든 다음과 같은 기능이 있습니다. (2 / (1-2 ^ (-x)) -1
엑셀이나 매트캐드에서 실험해보세요. 위의 예와 함께. 많은 것이 분명해질 것입니다.
여기 다른 스레드에서 당신에게.
존경하는 마음으로 최소한의 지표를 찾고 결과를 평가하는 데에도 매우 관심이 있습니다. 제 목적을 위해서만 그렇습니다. 죄송합니다. 하지만 여기에서 아무데도 가지 않고 제 생각을 표현하겠습니다. 그것들이 신경망과 직접적으로 관련되어 있지 않다는 것을 인정합니다.
추가 코드 및 TS 결과 평가에 대한 간단한 설명.종가 대신에만 무역 거래 결과를 사용해야 합니다.누가 기하학과 친구인지, 코드를 수정하십시오
이중 분산(int i, int N)
{
// 이 서브루틴은 종가 편차의 분산을 계산합니다.
// 선형 회귀선
// IMHO 평균값의 분산이 적절하지 않습니다. 아마도 분포가
// 예를 들어 y=b*x+c로 설명된 경우 분산(평균에서)은 경사각, 깊이에 따라 달라집니다.
// 샘플링 및 확산 . 내 버전에서 분산은 스프레드에만 의존합니다.
// 물론 지수나 지수를 사용하는 것이 더 낫습니다. 특히 시스템을 계산할 때
// 속도 기반 가속, 그런 다음 자신, 죄송합니다.
이중 파이 = 3.141592653589793 ; // 등가 연산자를 잊어 버렸습니다.
정수 j;
이중 a,b,Summ_x,Summ_y,Summ_x_2,Summ_xy,편차,표준편차,Sredn_y,AC;
(int x=1;x<N;x++)
{j=N-x+i;
합계_x=합계_x+x;
Summ_y=Summ_y+닫기[j];
Summ_xy=Summ_xy+x*닫기[j];
Summ_x_2=Summ_x_2+MathPow(x,2);
}
b=((N-1)*Summ_xy-Summ_x*Summ_y)/((N-1)*Summ_x_2-MathPow(Summ_x,2));
a=(Summ_y-b*Summ_x)/(N-1);
Average_y=Summ_y/(N-1);
( x=N ;x>=1 ;x--)
{
j=N-x+i ;
만약 ( b >0 )
{
AC= MathAbs(닫기[j]-(b*x+a))*MathSin(Pi/2-MathArctan(b)) ;
}
만약 (b<0)
{
AC=MathAbs(닫기[j]-(b*x+a))*MathSin(MathArctan(b)-Pi/2) ;
}
편차=편차+ MathPow(AC,2) ;
}
StdDeviation=MathSqrt(편차/N);
반환(표준편차*표준편차);
}
이 공식에 따라 결과를 평가하면 TS는 회귀선의 기울기가 클수록 더 좋고 의사 분산이 0에 가까울수록 더 좋은 두 가지 매개 변수로 설명됩니다.