문제는 이 n이 많을수록(최적화 단계에서 반복할 것입니다. 맞나요?) - 더 적은 수의 NEW(마지막, 즉 더 새로운) 단계가 최적화 프로세스에 포함될 수 있다는 것입니다. 예를 들어 n=10일 때 어떤 일이 일어날지 보기 위해 1에서 "지금" 빼기 10까지만 최적화하는 것이 가능합니다. 즉, n이 클수록 최적화 변형에 대한 신뢰도가 낮아집니다(예: 오래된 정보로 인해).
선택한 간격에 대한 일부 최적화 방법의 도움으로 선택한 기준을 사용하여 입력 신호의 결정론적 구성 요소와 시스템의 구조 및 매개변수가 추정됩니다("블라인드 디콘볼루션" 문제). 그 후 입력 추정이 실행됩니다. 모델을 통해; 얻은 출력과 실제 프로세스 사이의 차이가 노이즈 추정치입니다.
저것들. 긍정적인 예측 오차도 나쁜가요? 예측이 +30p 움직임이지만 실제로는 +50이라면 왜 이것을 오류로 간주합니까?
저것들. 우리는 처음에 방향만 예측합니다(테이크, 스톱 등 제외). 그러면 오류는 방향이 반전될 때의 증분입니다. 열릴 때 입력하고 닫을 때 출력이 있는 어리석은 시스템. 2가지 가치 - 손익. 유용성과 오류. 우리는 그들과 함께 일하고 있습니다. 저것들. 실수의 개념은 방향 이동에 대한 내기로 거래를 기반으로 해야 합니다.
저것들. 긍정적인 예측 오차도 나쁜가요? 예측이 +30p 움직임이지만 실제로는 +50이라면 왜 이것을 오류로 간주합니까?
저것들. 우리는 처음에 방향만 예측합니다(테이크, 스톱 등 제외). 그러면 오류는 방향이 반전될 때의 증분입니다. 열릴 때 입력하고 닫을 때 출력이 있는 어리석은 시스템. 2가지 가치 - 손익. 유용성과 오류. 우리는 그들과 함께 일하고 있습니다. 저것들. 실수의 개념은 방향 이동에 대한 내기로 거래를 기반으로 해야 합니다.
시스템을 조정하기 위해 긍정적인 피드백 루프를 통해 "긍정적인" 오류를 보내는 것이 합리적입니까?
일반적으로 이러한 기술은 기술에서 매우 자주 사용됩니다. 가장 중요한 것은 시스템의 전반적인 안정성을 위반하지 않는 것입니다....
저것들. 긍정적인 예측 오차도 나쁜가요? 예측이 +30p 움직임이지만 실제로는 +50이라면 왜 이것을 오류로 간주합니까?
저것들. 우리는 처음에 방향만 예측합니다(테이크, 스톱 등 제외). 그러면 오류는 방향이 반전될 때의 증분입니다. 열릴 때 입력하고 닫을 때 출력이 있는 어리석은 시스템. 2가지 가치 - 손익. 유용성과 오류. 우리는 그들과 함께 일하고 있습니다. 저것들. 실수의 개념은 방향 이동에 대한 내기로 거래를 기반으로 해야 합니다.
지갑의 입장에서는 좋을지 모르지만, 모델의 입장에서는 의미가 있습니다. 우리가 그녀에게 잘못을 저질렀다는 것입니다. 논리는 다음과 같습니다. 원칙적으로 예측을 긍정적인 방향으로 초과할 가능성을 고려할 수 있는 패턴이 있는 경우 이 패턴을 식별하고 모델에 도입해야 합니다. 이것. 그러한 패턴이 없으면 이 사실을 다음과 같이 다시 공식화할 수 있습니다. 이상치가 우리의 추정치를 초과하는 방향을 미리 결정하는 것은 불가능합니다. 따라서 추가로 돈을 벌 수 없습니다.
나는 "수익성이 없는" 오류와 "수익성이 있는"(글쎄, 덜하지만 여전히) 오류에 대해 모델을 꾸짖는 것이 필요하다는 사실을 지지합니다. 그렇지 않으면 단순히 과소평가된 예측값을 제공하도록 가르칠 것입니다. 시스템이 "나쁜" 예측값을 제공하는 것이 더 유리할 것입니다. 이 경우 그녀가 처벌받을 가능성은 적습니다. 나쁜 예측이 사실이라면 그녀가 옳았고 그렇지 않다면 어쨌든 그녀를 꾸짖지 않을 것입니다. 이는 모델의 관점에서 보면 좋은데 결과의 관점에서 보면 그다지 좋지 않다.
추신: 다양한 조직에서 계획하는 것과의 비유는 매우 분명합니다. 상사가 충분한 아이큐를 갖고 있다면, 그는 계획이 제대로 이루어지지 않았거나 지나치게 성취된 것에 대해 부하 직원을 꾸짖을 것입니다. 이것이 서양에서 가장 성공적인 기업의 상황이며, 이것이 실제로 성공 요인 중 하나입니다. 우리는 ... 3년 동안 5개년 계획을 가지고 있습니다. 모든 결과가 있습니다.
지갑의 입장에서는 좋을지 모르지만, 모델의 입장에서는 의미가 있습니다. 우리가 그녀에게 잘못을 저질렀다는 것입니다. 논리는 다음과 같습니다. 원칙적으로 예측을 긍정적인 방향으로 초과할 가능성을 고려할 수 있는 패턴이 있는 경우 이 패턴을 식별하고 모델에 도입해야 합니다. 이것. 그러한 패턴이 없으면 이 사실을 다음과 같이 다시 공식화할 수 있습니다. 이상치가 우리의 추정치를 초과하는 방향을 미리 결정하는 것은 불가능합니다. 따라서 추가로 돈을 벌 수 없습니다.
나는 "수익성이 없는" 오류와 "수익성이 있는"(글쎄, 덜하지만 여전히) 오류에 대해 모델을 꾸짖는 것이 필요하다는 사실을 지지합니다. 그렇지 않으면 단순히 과소평가된 예측값을 제공하도록 가르칠 것입니다. 시스템이 "나쁜" 예측값을 제공하는 것이 더 유리할 것입니다. 이 경우 그녀가 처벌받을 가능성은 적습니다. 나쁜 예측이 사실이라면 그녀가 옳았고 그렇지 않다면 어쨌든 그녀를 꾸짖지 않을 것입니다. 이는 모델의 관점에서 보면 좋은데 결과의 관점에서 보면 그다지 좋지 않다.
추신: 다양한 조직에서 계획하는 것과의 비유는 매우 분명합니다. 상사가 충분한 아이큐를 갖고 있다면, 그는 계획이 제대로 이루어지지 않았거나 지나치게 성취된 것에 대해 부하 직원을 꾸짖을 것입니다. 이것이 서양에서 가장 성공적인 기업의 상황이며, 이것이 실제로 성공 요인 중 하나입니다. 우리는 ... 3년 동안 5개년 계획을 가지고 있습니다. 모든 결과가 있습니다.
문제는 우리가 예측하는 것입니다. 정확한 가격 값이 1 bar 후(사실, 일정 기간 후)이면 예, 오류는 예측과의 편차입니다. 그러나 예측의 목표를 다르게 설정할 수도 있습니다. 즉, 시간 내에 수준에 도달하는 것이 아니라 달성하는 것이 아니라 방향일 뿐입니다. 후자가 더 현실적이다. 임하. 저것들. 기준은 예측의 목적에 따라 다르며 다른
문제는 우리가 예측하는 것입니다. 정확한 가격 값이 1 bar 후(사실, 일정 기간 후)이면 예, 오류는 예측과의 편차입니다. 그러나 예측의 목표를 다르게 설정할 수도 있습니다. 즉, 시간 내에 수준에 도달하는 것이 아니라 달성하는 것이 아니라 방향일 뿐입니다. 후자가 더 현실적이다. 임하. 저것들. 기준은 예측의 목적에 따라 다르며 다른
문제는 이 n이 많을수록(최적화 단계에서 반복할 것입니다. 맞나요?) - 더 적은 수의 NEW(마지막, 즉 더 새로운) 단계가 최적화 프로세스에 포함될 수 있다는 것입니다. 예를 들어 n=10일 때 어떤 일이 일어날지 보기 위해 1에서 "지금" 빼기 10까지만 최적화하는 것이 가능합니다. 즉, n이 클수록 최적화 변형에 대한 신뢰도가 낮아집니다(예: 오래된 정보로 인해).
선택한 간격에 대한 일부 최적화 방법의 도움으로 선택한 기준을 사용하여 입력 신호의 결정론적 구성 요소와 시스템의 구조 및 매개변수가 추정됩니다("블라인드 디콘볼루션" 문제). 그 후 입력 추정이 실행됩니다. 모델을 통해; 얻은 출력과 실제 프로세스 사이의 차이가 노이즈 추정치입니다.
저것들. 긍정적인 예측 오차도 나쁜가요? 예측이 +30p 움직임이지만 실제로는 +50이라면 왜 이것을 오류로 간주합니까?
저것들. 우리는 처음에 방향만 예측합니다(테이크, 스톱 등 제외). 그러면 오류는 방향이 반전될 때의 증분입니다. 열릴 때 입력하고 닫을 때 출력이 있는 어리석은 시스템. 2가지 가치 - 손익. 유용성과 오류. 우리는 그들과 함께 일하고 있습니다. 저것들. 실수의 개념은 방향 이동에 대한 내기로 거래를 기반으로 해야 합니다.
저것들. 긍정적인 예측 오차도 나쁜가요? 예측이 +30p 움직임이지만 실제로는 +50이라면 왜 이것을 오류로 간주합니까?
저것들. 우리는 처음에 방향만 예측합니다(테이크, 스톱 등 제외). 그러면 오류는 방향이 반전될 때의 증분입니다. 열릴 때 입력하고 닫을 때 출력이 있는 어리석은 시스템. 2가지 가치 - 손익. 유용성과 오류. 우리는 그들과 함께 일하고 있습니다. 저것들. 실수의 개념은 방향 이동에 대한 내기로 거래를 기반으로 해야 합니다.
시스템을 조정하기 위해 긍정적인 피드백 루프를 통해 "긍정적인" 오류를 보내는 것이 합리적입니까?
일반적으로 이러한 기술은 기술에서 매우 자주 사용됩니다. 가장 중요한 것은 시스템의 전반적인 안정성을 위반하지 않는 것입니다....
저것들. 긍정적인 예측 오차도 나쁜가요? 예측이 +30p 움직임이지만 실제로는 +50이라면 왜 이것을 오류로 간주합니까?
저것들. 우리는 처음에 방향만 예측합니다(테이크, 스톱 등 제외). 그러면 오류는 방향이 반전될 때의 증분입니다. 열릴 때 입력하고 닫을 때 출력이 있는 어리석은 시스템. 2가지 가치 - 손익. 유용성과 오류. 우리는 그들과 함께 일하고 있습니다. 저것들. 실수의 개념은 방향 이동에 대한 내기로 거래를 기반으로 해야 합니다.
지갑의 입장에서는 좋을지 모르지만, 모델의 입장에서는 의미가 있습니다. 우리가 그녀에게 잘못을 저질렀다는 것입니다. 논리는 다음과 같습니다. 원칙적으로 예측을 긍정적인 방향으로 초과할 가능성을 고려할 수 있는 패턴이 있는 경우 이 패턴을 식별하고 모델에 도입해야 합니다. 이것. 그러한 패턴이 없으면 이 사실을 다음과 같이 다시 공식화할 수 있습니다. 이상치가 우리의 추정치를 초과하는 방향을 미리 결정하는 것은 불가능합니다. 따라서 추가로 돈을 벌 수 없습니다.
나는 "수익성이 없는" 오류와 "수익성이 있는"(글쎄, 덜하지만 여전히) 오류에 대해 모델을 꾸짖는 것이 필요하다는 사실을 지지합니다. 그렇지 않으면 단순히 과소평가된 예측값을 제공하도록 가르칠 것입니다. 시스템이 "나쁜" 예측값을 제공하는 것이 더 유리할 것입니다. 이 경우 그녀가 처벌받을 가능성은 적습니다. 나쁜 예측이 사실이라면 그녀가 옳았고 그렇지 않다면 어쨌든 그녀를 꾸짖지 않을 것입니다. 이는 모델의 관점에서 보면 좋은데 결과의 관점에서 보면 그다지 좋지 않다.
추신: 다양한 조직에서 계획하는 것과의 비유는 매우 분명합니다. 상사가 충분한 아이큐를 갖고 있다면, 그는 계획이 제대로 이루어지지 않았거나 지나치게 성취된 것에 대해 부하 직원을 꾸짖을 것입니다. 이것이 서양에서 가장 성공적인 기업의 상황이며, 이것이 실제로 성공 요인 중 하나입니다. 우리는 ... 3년 동안 5개년 계획을 가지고 있습니다. 모든 결과가 있습니다.
지갑의 입장에서는 좋을지 모르지만, 모델의 입장에서는 의미가 있습니다. 우리가 그녀에게 잘못을 저질렀다는 것입니다. 논리는 다음과 같습니다. 원칙적으로 예측을 긍정적인 방향으로 초과할 가능성을 고려할 수 있는 패턴이 있는 경우 이 패턴을 식별하고 모델에 도입해야 합니다. 이것. 그러한 패턴이 없으면 이 사실을 다음과 같이 다시 공식화할 수 있습니다. 이상치가 우리의 추정치를 초과하는 방향을 미리 결정하는 것은 불가능합니다. 따라서 추가로 돈을 벌 수 없습니다.
나는 "수익성이 없는" 오류와 "수익성이 있는"(글쎄, 덜하지만 여전히) 오류에 대해 모델을 꾸짖는 것이 필요하다는 사실을 지지합니다. 그렇지 않으면 단순히 과소평가된 예측값을 제공하도록 가르칠 것입니다. 시스템이 "나쁜" 예측값을 제공하는 것이 더 유리할 것입니다. 이 경우 그녀가 처벌받을 가능성은 적습니다. 나쁜 예측이 사실이라면 그녀가 옳았고 그렇지 않다면 어쨌든 그녀를 꾸짖지 않을 것입니다. 이는 모델의 관점에서 보면 좋은데 결과의 관점에서 보면 그다지 좋지 않다.
추신: 다양한 조직에서 계획하는 것과의 비유는 매우 분명합니다. 상사가 충분한 아이큐를 갖고 있다면, 그는 계획이 제대로 이루어지지 않았거나 지나치게 성취된 것에 대해 부하 직원을 꾸짖을 것입니다. 이것이 서양에서 가장 성공적인 기업의 상황이며, 이것이 실제로 성공 요인 중 하나입니다. 우리는 ... 3년 동안 5개년 계획을 가지고 있습니다. 모든 결과가 있습니다.
문제는 우리가 예측하는 것입니다. 정확한 가격 값이 1 bar 후(사실, 일정 기간 후)이면 예, 오류는 예측과의 편차입니다. 그러나 예측의 목표를 다르게 설정할 수도 있습니다. 즉, 시간 내에 수준에 도달하는 것이 아니라 달성하는 것이 아니라 방향일 뿐입니다. 후자가 더 현실적이다. 임하. 저것들. 기준은 예측의 목적에 따라 다르며 다른
문제는 우리가 예측하는 것입니다. 정확한 가격 값이 1 bar 후(사실, 일정 기간 후)이면 예, 오류는 예측과의 편차입니다. 그러나 예측의 목표를 다르게 설정할 수도 있습니다. 즉, 시간 내에 수준에 도달하는 것이 아니라 달성하는 것이 아니라 방향일 뿐입니다. 후자가 더 현실적이다. 임하. 저것들. 기준은 예측의 목적에 따라 다르며 다른
맞아요. 예측 문제는 다양한 방식으로 공식화될 수 있습니다.
그리고 여기서 각 단계에서 n 의 값을 결정하여 이전 단계의 예측 오차를 최소화하고 이 값을 현재 단계에 사용합니다.
GBPUSD H4
및 비디오
;)
이전 사진( OpenSELL )이 시장에서 완전히 확인됐다 --- 5자리 포인트 1000포인트가 떨어졌다.
이제 H4에서 볼 수 있는 내용은 다음과 같습니다.
여기서 예측값은 한 단계 앞서 있습니다.
물론 예측은 1페니에 불과한 절대적으로 정확한 것으로 간주될 수 없습니다. 예측을 달성 가능한 제한된 영역의 중심으로 간주하는 것이 정확할 것입니다.