연구 중인 모델 : M{|x(t+델타)-x(t)|^2}~|델타|^2H(t) H(t) - 시간에 대한 거듭제곱 지수의 의존성을 가정합니다.
나는 탐구할 계획이다 :
견적 프로세스에서 Hss 및 Hsssi 시리즈를 얻는 기능
이러한 프로세스에 대한 "정상성" - "상관성" - "자기 유사성" 관계를 조사합니다.
시스템 : 그림에서 연구의 일련의 단계와 동시에 시스템으로서 첫 번째 모습:
A0 . "정상 공정으로 공정 축소": 다음과 유사한 특성을 가진 고정 계열 제품군을 얻습니다.
정규 분포
교대 시 ACF 속성 보존
(정보 손실 가능성 있음)
A1 . "가족의 자기 유사성 추정" Hss 및 Hsssi 프로세스와 유사한 속성을 가진 계열 선택. 일반화된 Hurst 지수를 얻기 위한 특이 스펙트럼 평가
B1 . " 확률 밀도 추정" . https://forum.mql4.com/ru/6100/page31과 같습니다. 사진을 첨부하고 있습니다. 더 명확합니다(그렇지 않으면 말하기가 너무 깁니다).
표면은 다음 100개 샘플에 대한 시스템 상태의 이론적 확률 밀도입니다.
A2 . "발전 가능성 평가": 이 분야는 어떻게든 "자기 유사성"과 연결되어야 한다고 생각합니다. 저것들. 선택된 H-프로세스는 어떻게든 확률 밀도와 관련되어야 합니다. 아니면 아닐 수도 있습니다.
A3 . "가장 가능성 있는 구조 검색" - 가장 가능성 있는 H-프로세스를 식별한 후 동일한 구조인 패턴(있는 경우) 선택을 진행할 수 있습니다.
A4 . "동적 특성 평가": 프로세스의 각 구성 요소에 대한 시스템의 진화로 역사가 있습니다. 진화에는 미래도 있는 과거가 있으므로 전달 함수를 추정하는 것이 가능합니다. 그리고 여기에서 옵션으로 칼만 필터 또는 베이지안 필터가 도움이 될 수 있습니다. 그리고 마지막으로 위상 상태 및 모델 매개변수의 확률적 추정치를 얻습니다(파라메트릭인 경우).
추신 : 동료 - 이것은 첫 번째 근사치입니다. 무언가가 명확하지 않은 경우 질문하는 데 특별한 이점이 없습니다. 그리고 나 자신도 아직 아무것도 이해하지 못합니다. :에 대한)
적어도 "분"에는 "일"과 다르게 거래해야 한다는 사실에서 진행합니다. 완전히 다른 것들.
이 모든 것을 근본적인 위치에서 보면 시장에서 발생하는 프로세스는 글로벌 및 "고빈도" 프로세스입니다. 서로 다르고 다른 자본 그룹이 참여합니다. 따라서 자기 유사성에 대한 유일한 주장, 즉 서로 다른 시간대에 있는 차트의 유사성은 겉보기와 달리 지지할 수 없다는 것입니다. 간단히 말해서 여기 있습니다.
양초 패턴의 일치 또는 반복으로 자기 유사성을 판단하려는 시도는 IMHO, 상당한 단순화입니다. 아무것도 정당화되지 않습니다. 제 관점에서 훨씬 더 단순화된 것은 거래 결과로 판단하는 것입니다. 프랙탈에 대해 들어본 적이 없는 초보자를 위해 시장의 자기 유사성을 설명하기 위해 차트의 유사성에 대해 이야기합니다.
자기 유사성은 주로 현상의 다양한 수준의 구조적 유사성으로 구성됩니다. 프랙탈 구조가 구성되는 수준입니다. 그러나 이것이 많은 사람들의 주된 실수이며, 동일성은 유사성에서 비롯되지 않습니다. 유사성은 평등이 아닙니다. 따라서 각 프랙탈 수준은 자체 프로세스를 개발할 수 있습니다. 서로 다른 수준의 추세(대략적인 근사치 - 서로 다른 시간대)가 서로 다른 방향으로 향할 수 있다는 것을 모르십니까? 아니면 한 수준의 추세가 다른 수준의 플랫과 일치할 수 있습니까?
HideYourRichss :
또한 Pastekhov의 통계를 고려하면 H가 증가함에 따라 Nvolatility도 변하는 것을 볼 수 있습니다. 이것은 눈에 띄지 않지만 추세는 볼 수 있습니다.
내가 바로 위에서 말한 것을 바탕으로, 다른 수준에 대한 H-변동성의 차이는 완전히 정상적인 현상이며, 이는 이러한 수준에서 발생하는 프로세스의 차이를 반영합니다. 이것은 모든 수준에서 순수하고 절대적으로 고정된 SB에 대해서만 H-변동성의 한 값이 있어야 합니다. 그건 그렇고, 이것이 H-변동성과 허스트의 차이입니다. 이것은 국부적으로 아주 간단하게 측정될 수 있습니다. 그리고 허스트는 프로세스의 글로벌 특성입니다. 너무 가파르기 때문이 아니라 너무 구부러져 있기 때문입니다. 정의 및 측정 절차에 따라 로컬 값을 얻을 수 없으므로 다른 수준에서 Hurst를 측정하는 것이 불가능합니다. 그러나 그것을 현지화하거나 더 실용적인 다른 특성을 생각해 낼 수 있는 사람들은 이것을 할 수 있고 메모리가 있는 비정상 프로세스의 경우 다른 수준에서 다를 수 있습니다.
많은 인용문의 자기 유사성은 H-ex라는 사실에 나타나지 않습니다. 또는 같은 종류의 것은 항상 동일하지만 그 정의, 계산 방법 및 의미가 모든 수준에서 동일하다는 점에서. 그리고 양적 측정의 차이는 국가의 결과일 뿐입니다.
HideYourRichss :
효로 돌아가서 인터넷에 대한 다양한 연구에서 로그-로그 플롯이 자기 유사성과 마찬가지로 엄격하게 직선을 형성하지 않는다는 것을 알 수 있습니다. 이것은 프랙털 이론에 찬성하지 않는 동일한 결과입니다.
분명히 당신은 실제로 이 죽이 무엇을 양조했는지 놓쳤습니다. 5-6 페이지에는 Hurst for SB의 행동에 대한 연구 결과를 게시한 여러 게시물이 있습니다. 이론상으로는 0.5와 같아야 합니다. 그러나 실제로는 다르게 나타납니다. 이 결과는 원본이 아닙니다. 이 모든 것은 과학계에서 오랫동안 연구되고 의식적으로 연구되었습니다. Wikipedia조차도 Hurst에 대한 그러한 정의를 제공하며, 이는 주의 깊은 독자에게 모든 것을 알려줄 것입니다. Hurst는 제한적인 특성입니다. 따라서 작은 간격의 경우 그 값은 우리가 보고자 하는 것과 다릅니다. 따라서 이를 결정하는 절차도 매우 무거운 성격을 띠고 있습니다(그리고 점근선에 도달하는 다른 방법은 무엇입니까?). 따라서 실제로 적용하는 것은 비효율적입니다. 그리고 직선과 다른 허스트 곡선도 6페이지에 나와 있습니다. 그리고 이 결과에 대한 해석도.
그러나 이것들은 모두 허스트의 문제입니다. 직선을 원하면 증분 분산으로 작업하십시오. 그러나 자기 유사성은 어떻습니까? 일종의 곡선형 지표가 일정한 값이 아니라는 이유만으로 거대한 현상을 긋는 이유는 무엇입니까? 그리고 자기 유사성과 함께 프랙탈 이론도 거부합니다. 적당한가요?
이 모든 것으로부터 서로 다른 TF에서 패턴을 동시에 분석해야 합니다. 이것은 이산 신호만 제공하는 Three Screen Method와 다릅니다. Flowing Patterns의 방법 (마지막으로 내 방법의 이름이 나타남)은 시간에 따라 연속적인(조사된 VR에서 가능한 가장 작은 이산화로) 신호를 제공합니다.
이의 제기 방향에 대한 일반적인 아이디어는 발생하지 않습니다. 그러나 이것은 매우 멋진 프로그램입니다. 패턴에 대한 공식적인 정의가 없고 동일한 패턴이 다른 수의 포인트로 구성될 수 있기 때문에 구현이 쉽지 않을 것입니다.
대안(및 효율적인) 방법이 제안되면 패턴 유사성 측정으로 상관 관계 사용을 중단하는 것이 흥미로울 수 있습니다. 그것이 없으면 상관 관계의 거부는 막다른 골목으로 이어질 수 있습니다.
"패턴"이라는 용어는 더 넓은 의미로 고려되어야 한다고 생각합니다. 나는 패턴에 대한 내 자신의 정의를 제공하려고 노력할 것이다.
패턴 - 형성 후 "수사 패턴"을 따르는 "인과적 패턴"으로 나뉩니다. VR 세그먼트는 동일한 패턴을 형성하면서 다른 수의 기본(분할할 수 없는) 시간 세그먼트(막대/틱)를 포함할 수 있습니다. 동일한 패턴의 경우 모양이 크게 다를 수 있습니다. 가장 가까운 비유는 기하학적 모양인 다각형입니다. 따라서 삼각형의 변을 변경하지 않으면 퇴화되는 경우를 제외하고 삼각형으로 유지됩니다.
다른 TF는 고유한 패턴을 형성합니다. 이것은 자기 유사성이 아니며 프랙탈도 아닙니다. 패턴은 끊임없이 형성되며 VR의 모든 분할할 수 없는 부분에 존재합니다.
다소 혼란스럽지만 다른 정의는 없지만 내가 고수하는 원칙이 있습니다. 내 생각에 내가 제시한 정의에서 패턴은 상관관계 및 기타 통계 방법으로 조사할 수 없으며 일반적으로 특성 패턴의 공식을 분석적으로 도출하는 것은 불가능할 것입니다. 다른 한편, 내가 말했듯이 각 TF에는 서로 의존하지 않는 고유한 패턴이 있습니다. 다른 TF에 있는 패턴의 다른 조합은 다르지만 현재로서는 조사 패턴을 제공합니다. 만화경이나 눈송이 그림과 같지만 패턴의 수는 무한하지만 "불가능한" 패턴의 출현을 배제합니다. 즉, 패턴 집합과 다른 집합이 있습니다.
이 모든 것으로부터 서로 다른 TF에서 패턴을 동시에 분석해야 합니다. 이것은 이산 신호만 제공하는 Three Screen Method와 다릅니다. Flowing Patterns의 방법 (마지막으로 내 방법의 이름이 나타남)은 시간에 따라 연속적인(조사된 VR에서 가능한 가장 작은 이산화로) 신호를 제공합니다.
아마도 이 분야의 주요 전문가들이 내 고려 사항을 유용하게 생각하고 합리적인 방향으로 안내할 것입니다. 나는 이 스레드에서 사회적 사고의 발전을 흥미롭게 지켜보고 있지만, 내 생각에는 Hirst와 유사한 평가 방법이 막다른 골목에 있지만 이것은 나의 IMHO입니다.
몇 가지 비슷한 생각:
결국 MathCAD, MQL 또는 C++를 사용하는 것은 특별히 중요하지 않습니다. 이것은 어떻게든 공식화되어야 합니다. 나는 패턴을 탐구했고 33은 과거/미래를 조사했습니다. 소용이 없고 연결도 없습니다. 전혀. 0.5 Hirst는 모든 것을 설명합니다.
농담은 제쳐두고, 그러나 한 유명한 요기니는 방앗간과 악마들과의 내 전쟁을 킥킥거리며 나와 함께 내기를 이기기까지 했습니다. 베팅 조건은 물론 통계적으로 신뢰할 수 없지만 "사실"입니다. 그녀는 그녀의 연꽃에 몸을 웅크리고 (나는 여전히 할 수 없습니다) 운동학 테스트를 사용하여 입장/출구를 결정했습니다. 잠재 의식에서 다양한 "근육 테스트"를 사용했습니다. 간단하게 설명하자면 "당신의 이름은 Vasya? - 반응. 첫 번째 - 교육/코칭, 그 다음 테스트.
유감스럽게도 나는 Flowing Pattern Method에 대한 어떤 코멘트도 듣지 못했습니다.
저는 FarnsworthCandidYurixxAvals (및/또는)의 의견을 듣고 싶었습니다.
IMHA, 서로 다른 프레임에 있는 패턴 또는 이들의 조합은 특정 상황, 즉 시장 단계에서만 의미가 있습니다. 패턴은 발동기의 원인이 아니라 전환 과정의 특정 확률적 신호일 뿐입니다. 컨텍스트는 매우 다를 수 있습니다. 예를 들어, Neo가 거미에서 설명한 감정. 또는 Al Weiss와 같은 비즈니스 사이클. 그건 그렇고, 그의 방법은 다단계 패턴 및 공동 분석에 대한 귀하의 생각에 더 가깝습니다.
나는 기술적 분석을 사용하여 거래 결정을 내리지만 내 방법과 이 그룹에 속한 대부분의 다른 거래자의 방법 사이에는 몇 가지 중요한 차이점이 있습니다. 첫째, 100년 이상은 고사하고 30년 이상 연구를 진행하는 기술 거래자는 거의 없다고 생각합니다. 둘째, 나는 항상 같은 틀에 박힌 인물을 같은 방식으로 해석하지 않는다. 나는 또한 우리가 장기적인 비즈니스 사이클의 어느 부분에 있는지 고려합니다.이것 만으로도 내가 차트에서 도출한 결론과 거래자가 이 점을 고려하지 않을 경우 내리는결론 사이에 매우 큰 차이가 날 수 있습니다. 마지막으로, 나는 고전적인 차트 패턴(머리와 어깨, 삼각형 등)을 단지 독립적인 구성으로 간주하지 않습니다. 오히려 나는 모양의 특정 조합, 즉 모양 속의 모양을 찾으려고 노력합니다 . 이러한 더 복잡한 다중 숫자 조합은 더 높은 확률 거래에 대한 신호를 제공할 수 있습니다.
D. Schwager "새로운 시장 마술사"
어쨌든 원인과 결과는 그래프 밖에 있습니다. 이들은 예를 들어 투기 거품의 인플레이션 및 수축과 같은 실제 경제 과정입니다. 패턴은 이러한 단계의 변화를 시기 적절하게 보여주고 이 프로세스를 일치시키는 데 도움이 될 수 있습니다.
유감 스럽게도 흐름 패턴 방법에 대한 의견을 듣지 못했습니다.
저는 Farnsworth Candid Yurixx Avals (및/또는)의 의견을 듣고 싶었습니다.
유감스럽게도 나는 Flowing Pattern Method에 대한 어떤 코멘트도 듣지 못했습니다.
저는 Farnsworth Candid Yurixx Avals (및/또는)의 의견을 듣고 싶었습니다.
연구 중인 모델 :
M{|x(t+델타)-x(t)|^2}~|델타|^2H(t)
H(t) - 시간에 대한 거듭제곱 지수의 의존성을 가정합니다.
나는 탐구할 계획이다 :
시스템 : 그림에서 연구의 일련의 단계와 동시에 시스템으로서 첫 번째 모습:
A0 . "정상 공정으로 공정 축소": 다음과 유사한 특성을 가진 고정 계열 제품군을 얻습니다.
- 정규 분포
- 교대 시 ACF 속성 보존
(정보 손실 가능성 있음)A1 . "가족의 자기 유사성 추정" Hss 및 Hsssi 프로세스와 유사한 속성을 가진 계열 선택. 일반화된 Hurst 지수를 얻기 위한 특이 스펙트럼 평가
B1 . " 확률 밀도 추정" . https://forum.mql4.com/ru/6100/page31과 같습니다. 사진을 첨부하고 있습니다. 더 명확합니다(그렇지 않으면 말하기가 너무 깁니다).
A2 . "발전 가능성 평가": 이 분야는 어떻게든 "자기 유사성"과 연결되어야 한다고 생각합니다. 저것들. 선택된 H-프로세스는 어떻게든 확률 밀도와 관련되어야 합니다. 아니면 아닐 수도 있습니다.
A3 . "가장 가능성 있는 구조 검색" - 가장 가능성 있는 H-프로세스를 식별한 후 동일한 구조인 패턴(있는 경우) 선택을 진행할 수 있습니다.
A4 . "동적 특성 평가": 프로세스의 각 구성 요소에 대한 시스템의 진화로 역사가 있습니다. 진화에는 미래도 있는 과거가 있으므로 전달 함수를 추정하는 것이 가능합니다. 그리고 여기에서 옵션으로 칼만 필터 또는 베이지안 필터가 도움이 될 수 있습니다. 그리고 마지막으로 위상 상태 및 모델 매개변수의 확률적 추정치를 얻습니다(파라메트릭인 경우).
추신 : 동료 - 이것은 첫 번째 근사치입니다. 무언가가 명확하지 않은 경우 질문하는 데 특별한 이점이 없습니다. 그리고 나 자신도 아직 아무것도 이해하지 못합니다. :에 대한)
적어도 "분"에는 "일"과 다르게 거래해야 한다는 사실에서 진행합니다. 완전히 다른 것들.
이 모든 것을 근본적인 위치에서 보면 시장에서 발생하는 프로세스는 글로벌 및 "고빈도" 프로세스입니다. 서로 다르고 다른 자본 그룹이 참여합니다. 따라서 자기 유사성에 대한 유일한 주장, 즉 서로 다른 시간대에 있는 차트의 유사성은 겉보기와 달리 지지할 수 없다는 것입니다. 간단히 말해서 여기 있습니다.
양초 패턴의 일치 또는 반복으로 자기 유사성을 판단하려는 시도는 IMHO, 상당한 단순화입니다. 아무것도 정당화되지 않습니다. 제 관점에서 훨씬 더 단순화된 것은 거래 결과로 판단하는 것입니다. 프랙탈에 대해 들어본 적이 없는 초보자를 위해 시장의 자기 유사성을 설명하기 위해 차트의 유사성에 대해 이야기합니다.
자기 유사성은 주로 현상의 다양한 수준의 구조적 유사성으로 구성됩니다. 프랙탈 구조가 구성되는 수준입니다. 그러나 이것이 많은 사람들의 주된 실수이며, 동일성은 유사성에서 비롯되지 않습니다. 유사성은 평등이 아닙니다. 따라서 각 프랙탈 수준은 자체 프로세스를 개발할 수 있습니다. 서로 다른 수준의 추세(대략적인 근사치 - 서로 다른 시간대)가 서로 다른 방향으로 향할 수 있다는 것을 모르십니까? 아니면 한 수준의 추세가 다른 수준의 플랫과 일치할 수 있습니까?
또한 Pastekhov의 통계를 고려하면 H가 증가함에 따라 Nvolatility도 변하는 것을 볼 수 있습니다. 이것은 눈에 띄지 않지만 추세는 볼 수 있습니다.
내가 바로 위에서 말한 것을 바탕으로, 다른 수준에 대한 H-변동성의 차이는 완전히 정상적인 현상이며, 이는 이러한 수준에서 발생하는 프로세스의 차이를 반영합니다. 이것은 모든 수준에서 순수하고 절대적으로 고정된 SB에 대해서만 H-변동성의 한 값이 있어야 합니다. 그건 그렇고, 이것이 H-변동성과 허스트의 차이입니다. 이것은 국부적으로 아주 간단하게 측정될 수 있습니다. 그리고 허스트는 프로세스의 글로벌 특성입니다. 너무 가파르기 때문이 아니라 너무 구부러져 있기 때문입니다. 정의 및 측정 절차에 따라 로컬 값을 얻을 수 없으므로 다른 수준에서 Hurst를 측정하는 것이 불가능합니다. 그러나 그것을 현지화하거나 더 실용적인 다른 특성을 생각해 낼 수 있는 사람들은 이것을 할 수 있고 메모리가 있는 비정상 프로세스의 경우 다른 수준에서 다를 수 있습니다.
많은 인용문의 자기 유사성은 H-ex라는 사실에 나타나지 않습니다. 또는 같은 종류의 것은 항상 동일하지만 그 정의, 계산 방법 및 의미가 모든 수준에서 동일하다는 점에서. 그리고 양적 측정의 차이는 국가의 결과일 뿐입니다.
효로 돌아가서 인터넷에 대한 다양한 연구에서 로그-로그 플롯이 자기 유사성과 마찬가지로 엄격하게 직선을 형성하지 않는다는 것을 알 수 있습니다. 이것은 프랙털 이론에 찬성하지 않는 동일한 결과입니다.
분명히 당신은 실제로 이 죽이 무엇을 양조했는지 놓쳤습니다. 5-6 페이지에는 Hurst for SB의 행동에 대한 연구 결과를 게시한 여러 게시물이 있습니다. 이론상으로는 0.5와 같아야 합니다. 그러나 실제로는 다르게 나타납니다. 이 결과는 원본이 아닙니다. 이 모든 것은 과학계에서 오랫동안 연구되고 의식적으로 연구되었습니다. Wikipedia조차도 Hurst에 대한 그러한 정의를 제공하며, 이는 주의 깊은 독자에게 모든 것을 알려줄 것입니다. Hurst는 제한적인 특성입니다. 따라서 작은 간격의 경우 그 값은 우리가 보고자 하는 것과 다릅니다. 따라서 이를 결정하는 절차도 매우 무거운 성격을 띠고 있습니다(그리고 점근선에 도달하는 다른 방법은 무엇입니까?). 따라서 실제로 적용하는 것은 비효율적입니다. 그리고 직선과 다른 허스트 곡선도 6페이지에 나와 있습니다. 그리고 이 결과에 대한 해석도.
그러나 이것들은 모두 허스트의 문제입니다. 직선을 원하면 증분 분산으로 작업하십시오. 그러나 자기 유사성은 어떻습니까? 일종의 곡선형 지표가 일정한 값이 아니라는 이유만으로 거대한 현상을 긋는 이유는 무엇입니까? 그리고 자기 유사성과 함께 프랙탈 이론도 거부합니다. 적당한가요?
이 모든 것으로부터 서로 다른 TF에서 패턴을 동시에 분석해야 합니다. 이것은 이산 신호만 제공하는 Three Screen Method와 다릅니다. Flowing Patterns의 방법 (마지막으로 내 방법의 이름이 나타남)은 시간에 따라 연속적인(조사된 VR에서 가능한 가장 작은 이산화로) 신호를 제공합니다.
이의 제기 방향에 대한 일반적인 아이디어는 발생하지 않습니다. 그러나 이것은 매우 멋진 프로그램입니다. 패턴에 대한 공식적인 정의가 없고 동일한 패턴이 다른 수의 포인트로 구성될 수 있기 때문에 구현이 쉽지 않을 것입니다.
대안(및 효율적인) 방법이 제안되면 패턴 유사성 측정으로 상관 관계 사용을 중단하는 것이 흥미로울 수 있습니다. 그것이 없으면 상관 관계의 거부는 막다른 골목으로 이어질 수 있습니다.
"패턴"이라는 용어는 더 넓은 의미로 고려되어야 한다고 생각합니다. 나는 패턴에 대한 내 자신의 정의를 제공하려고 노력할 것이다.
패턴 - 형성 후 "수사 패턴"을 따르는 "인과적 패턴"으로 나뉩니다. VR 세그먼트는 동일한 패턴을 형성하면서 다른 수의 기본(분할할 수 없는) 시간 세그먼트(막대/틱)를 포함할 수 있습니다. 동일한 패턴의 경우 모양이 크게 다를 수 있습니다. 가장 가까운 비유는 기하학적 모양인 다각형입니다. 따라서 삼각형의 변을 변경하지 않으면 퇴화되는 경우를 제외하고 삼각형으로 유지됩니다.
다른 TF는 고유한 패턴을 형성합니다. 이것은 자기 유사성이 아니며 프랙탈도 아닙니다. 패턴은 끊임없이 형성되며 VR의 모든 분할할 수 없는 부분에 존재합니다.
다소 혼란스럽지만 다른 정의는 없지만 내가 고수하는 원칙이 있습니다. 내 생각에 내가 제시한 정의에서 패턴은 상관관계 및 기타 통계 방법으로 조사할 수 없으며 일반적으로 특성 패턴의 공식을 분석적으로 도출하는 것은 불가능할 것입니다. 다른 한편, 내가 말했듯이 각 TF에는 서로 의존하지 않는 고유한 패턴이 있습니다. 다른 TF에 있는 패턴의 다른 조합은 다르지만 현재로서는 조사 패턴을 제공합니다. 만화경이나 눈송이 그림과 같지만 패턴의 수는 무한하지만 "불가능한" 패턴의 출현을 배제합니다. 즉, 패턴 집합과 다른 집합이 있습니다.
이 모든 것으로부터 서로 다른 TF에서 패턴을 동시에 분석해야 합니다. 이것은 이산 신호만 제공하는 Three Screen Method와 다릅니다. Flowing Patterns의 방법 (마지막으로 내 방법의 이름이 나타남)은 시간에 따라 연속적인(조사된 VR에서 가능한 가장 작은 이산화로) 신호를 제공합니다.
아마도 이 분야의 주요 전문가들이 내 고려 사항을 유용하게 생각하고 합리적인 방향으로 안내할 것입니다. 나는 이 스레드에서 사회적 사고의 발전을 흥미롭게 지켜보고 있지만, 내 생각에는 Hirst와 유사한 평가 방법이 막다른 골목에 있지만 이것은 나의 IMHO입니다.
몇 가지 비슷한 생각:
결국 MathCAD, MQL 또는 C++를 사용하는 것은 특별히 중요하지 않습니다. 이것은 어떻게든 공식화되어야 합니다. 나는 패턴을 탐구했고 33은 과거/미래를 조사했습니다. 소용이 없고 연결도 없습니다. 전혀. 0.5 Hirst는 모든 것을 설명합니다.
농담은 제쳐두고, 그러나 한 유명한 요기니는 방앗간과 악마들과의 내 전쟁을 킥킥거리며 나와 함께 내기를 이기기까지 했습니다. 베팅 조건은 물론 통계적으로 신뢰할 수 없지만 "사실"입니다. 그녀는 그녀의 연꽃에 몸을 웅크리고 (나는 여전히 할 수 없습니다) 운동학 테스트를 사용하여 입장/출구를 결정했습니다. 잠재 의식에서 다양한 "근육 테스트"를 사용했습니다. 간단하게 설명하자면 "당신의 이름은 Vasya? - 반응. 첫 번째 - 교육/코칭, 그 다음 테스트.
연구 중인 모델 :
M{|x(t+델타)-x(t)|^2}~|델타|^2H(t)
H(t) - 시간에 대한 거듭제곱 지수의 의존성을 가정합니다.
유감스럽게도 나는 Flowing Pattern Method에 대한 어떤 코멘트도 듣지 못했습니다.
저는 Farnsworth Candid Yurixx Avals (및/또는)의 의견을 듣고 싶었습니다.
소개글로 가져왔습니다. 그것은 호기심을 불러일으키고, 약간의 공명이 일어나고, 무언가가 공허에 빠진다(연관이 없다는 의미에서).
그러나 서론 뒤에는 본문이 와야 합니다. :)
그 자체로 패턴을 인과 관계와 결과 부분으로 나누는 것은 내 견해와 완전히 일치합니다. 이 경우에만 별도의 이름과 별도의 고려가 필요합니다. 유사성, 상관 관계 및 기타 생체 도구와의 분리는 오히려 아이디어 개발의 초기 단계를 나타냅니다.
일반적으로 나는 넓은 획으로 그린 새로운 세계를 선호하지만 그것이 현실과 어떤 관련이 있는지 이해하고 싶습니다.
유감스럽게도 나는 Flowing Pattern Method에 대한 어떤 코멘트도 듣지 못했습니다.
저는 Farnsworth Candid Yurixx Avals (및/또는)의 의견을 듣고 싶었습니다.
IMHA, 서로 다른 프레임에 있는 패턴 또는 이들의 조합은 특정 상황, 즉 시장 단계에서만 의미가 있습니다. 패턴은 발동기의 원인이 아니라 전환 과정의 특정 확률적 신호일 뿐입니다. 컨텍스트는 매우 다를 수 있습니다. 예를 들어, Neo가 거미에서 설명한 감정. 또는 Al Weiss와 같은 비즈니스 사이클. 그건 그렇고, 그의 방법은 다단계 패턴 및 공동 분석에 대한 귀하의 생각에 더 가깝습니다.
나는 기술적 분석을 사용하여 거래 결정을 내리지 만 내 방법과 이 그룹에 속한 대부분의 다른 거래자의 방법 사이에는 몇 가지 중요한 차이점이 있습니다. 첫째, 100년 이상은 고사하고 30년 이상 연구를 진행하는 기술 거래자는 거의 없다고 생각합니다. 둘째, 나는 항상 같은 틀에 박힌 인물을 같은 방식으로 해석하지 않는다. 나는 또한 우리가 장기적인 비즈니스 사이클의 어느 부분에 있는지 고려합니다. 이것 만으로도 내가 차트에서 도출한 결론과 거래자가 이 점을 고려하지 않을 경우 내리는 결론 사이에 매우 큰 차이가 날 수 있습니다. 마지막으로, 나는 고전적인 차트 패턴(머리와 어깨, 삼각형 등)을 단지 독립적인 구성으로 간주하지 않습니다. 오히려 나는 모양의 특정 조합, 즉 모양 속의 모양을 찾으려고 노력합니다 . 이러한 더 복잡한 다중 숫자 조합은 더 높은 확률 거래에 대한 신호를 제공할 수 있습니다.
D. Schwager "새로운 시장 마술사"
어쨌든 원인과 결과는 그래프 밖에 있습니다. 이들은 예를 들어 투기 거품의 인플레이션 및 수축과 같은 실제 경제 과정입니다. 패턴은 이러한 단계의 변화를 시기 적절하게 보여주고 이 프로세스를 일치시키는 데 도움이 될 수 있습니다.