아, 표기법을 안 봤습니다. 전력 의존성을 나타내려면 로그 눈금이 두 축에 있어야 합니다.
시장 가격에 대한 전력 의존성: 증분 및 편차의 정규 분포가 15 인 생성된 가격에 대한 거듭제곱 법칙: 정규 분포 증분 및 편차 = 30 인 생성된 가격에 대한 거듭제곱 법칙: 아마도 선형 지수 의존성은 확률 이론의 가장 단순한 결과일 것입니다. 또 다른 것은 전공에 대한 시장 데이터에 남아있는 제곱 의존성입니다.
방해해서 죄송합니다. 하지만 신사 여러분, 생성 방법을 모르는 것을 생성하는 이유는 무엇입니까? 명확하게 이해할 수 있는 것을 생성합니다. - 저는 (위에서) 간단한 접근 방식을 제안했습니다. - 저는 더 복잡한 방식으로 공식화하려고 노력할 것입니다. - 1) 모든 TS는 주문 분포(시간 및 유형별)가 균일 에서 일부로 변경됩니다. 기타 (무엇이든 ... 아마도 유니폼에도). 2) 규칙(*)(및/또는 일부 다른 규칙)을 사용하여 균일한 분포로 할 수 있다면 - 투자된 기금에서 (매우 정확하게) 이익(손실)을 계산하고 일부 작업 로트(고정 로트)로 표시됩니다. 그러면 균일하지 않은 TS에 대해 동일한 규칙이 유지되지 않습니까?
*** 균일한 분포를 갖는 TS의 이익을 계산하기 위해서는 eTS(Reference TS)로 지정될 수 있으며, 수익성이 있는 거래의 확률을 취하여 그 평균값을 포인트 단위로 곱하고, 거래를 잃을 확률을 곱해야 합니다. 포인트의 가치로. 다음으로 두 번째에서 첫 번째를 빼고 이익에 1포인트를 곱해야 합니다. 그게 다야. *** 제 생각에는 이것이 핵심 요청입니다! *** 모든 사람들이 평균 트랜잭션 크기를 이해하기를 바랍니다. eTS와 동일한 것은 무엇입니까?
이것은 아마도 생성된 시리즈에 의해? 그래프가 분명히 비선형으로 남아 있고 지수 의존성이 직선으로 변하기 때문입니다.
다른 주제의 게시물을 복사했기 때문에 이전 명칭은 TP 및 SL 로 유지되었습니다. Pips1 및 Pips2 로 해석할 가치가 있습니다. 주요 결론은 가설 에 공식화되어 있습니다.
음, IMHO는 가격 시리즈를 랜덤 워크와 차별화하는 데 찬성하는 또 다른 객관적인 주장입니다.
가격이 통과해야 하는 거리가 동일한 경우 확률은 0.5와 같습니다. SL-스프레드=TP+스프레드
즉, 다음과 같은 진술이 제시되었습니다. TP=SL, 당신은 공식을 주었고, 나는 거기에 테스트 값을 대체했고, 그것은 TP=SL이었고 나는 0.5를 얻지 못했습니다. 실수는 어디에 있습니까? 나는 당신의 공식에 연결했습니다.
저만 Getch가 하는 일을 이해하지 못합니까? 수행 중인 작업을 명확하고 명확하게 공식화해야 할 수도 있습니다. 그리고 지그재그는 어떻습니까? 무슨 지그재그? 그는 왜 여기에 있습니까?
즉, 다음과 같은 진술이 제시되었습니다. TP=SL, 당신은 공식을 주었고, 나는 거기에 테스트 값을 대체했고, 그것은 TP=SL이었고 나는 0.5를 얻지 못했습니다. 실수는 어디에 있습니까? 나는 당신의 공식에 연결했습니다.
오류 없음... SL은 TP=SL인 TP보다 달성될 가능성이 더 큽니다. TP=SL 값이 클수록 확률은 0.5에 가깝습니다.
아, 표기법을 안 봤습니다. 전력 의존성을 나타내려면 로그 눈금이 두 축에 있어야 합니다.
오류 없음... SL은 TP=SL인 TP보다 달성될 가능성이 더 큽니다. TP=SL 값이 클수록 확률은 0.5 값에 가깝습니다.
입증하다. 여기 데이터가 있습니다 -Op -- 공개 가격
TP --
에스엘 --
포인트 -- 포인트 가격
Spread - 열리는 순간 퍼지고 닫힐 때까지 일정합니다.
***
SELL 및 BUY를 계산합니다.
아, 표기법을 안 봤습니다. 전력 의존성을 나타내려면 로그 눈금이 두 축에 있어야 합니다.
시장 가격에 대한 전력 의존성:
증분 및 편차의 정규 분포가 15 인 생성된 가격에 대한 거듭제곱 법칙:
정규 분포 증분 및 편차 = 30 인 생성된 가격에 대한 거듭제곱 법칙:
아마도 선형 지수 의존성은 확률 이론의 가장 단순한 결과일 것입니다.
또 다른 것은 전공에 대한 시장 데이터에 남아있는 제곱 의존성입니다.
저만 Getch가 하는 일을 이해하지 못합니까? 수행 중인 작업을 명확하고 명확하게 공식화하는 것이 필요할 수 있습니다.
특정 데이터 세그먼트에서 두 개의 ZigZag가 고려됩니다.
위에서 공식화 된 가설이있었습니다.코드와 그래픽은 이 주제에 대한 연구 결과입니다.
아마도 선형 지수 의존성은 확률 이론의 가장 단순한 결과일 것입니다.
또 다른 것은 전공에 대한 시장 데이터가 정확히 제곱 종속성을 유지한다는 것입니다.
시각적으로 생성된 기울기는 거의 동일하며 실제로 실제 기울기와 눈에 띄게 다릅니다. 가장 먼저 떠오르는 것은 증분의 다른 분포(뚱뚱한 꼬리)와 관련이 있다는 것입니다.
추신: 이론적으로 여기에서 허스트 외에 프랙탈 특성으로 가는 경로가 있어야 합니다.방해해서 죄송합니다. 하지만 신사 여러분, 생성 방법을 모르는 것을 생성하는 이유는 무엇입니까? 명확하게 이해할 수 있는 것을 생성합니다. - 저는 (위에서) 간단한 접근 방식을 제안했습니다. - 저는 더 복잡한 방식으로 공식화하려고 노력할 것입니다. - 1) 모든 TS는 주문 분포(시간 및 유형별)가 균일 에서 일부로 변경됩니다. 기타 (무엇이든 ... 아마도 유니폼에도). 2) 규칙(*)(및/또는 일부 다른 규칙)을 사용하여 균일한 분포로 할 수 있다면 - 투자된 기금에서 (매우 정확하게) 이익(손실)을 계산하고 일부 작업 로트(고정 로트)로 표시됩니다. 그러면 균일하지 않은 TS에 대해 동일한 규칙이 유지되지 않습니까?
***
균일한 분포를 갖는 TS의 이익을 계산하기 위해서는 eTS(Reference TS)로 지정될 수 있으며, 수익성이 있는 거래의 확률을 취하여 그 평균값을 포인트 단위로 곱하고, 거래를 잃을 확률을 곱해야 합니다. 포인트의 가치로. 다음으로 두 번째에서 첫 번째를 빼고 이익에 1포인트를 곱해야 합니다. 그게 다야.
***
제 생각에는 이것이 핵심 요청입니다!
***
모든 사람들이 평균 트랜잭션 크기를 이해하기를 바랍니다. eTS와 동일한 것은 무엇입니까?