규칙성에 고정성이 필요한 이유는 무엇입니까? 작업 패턴이 있다고 가정해 보겠습니다. 시간에 따른 발생 분포는 엄격하게 정상이 아닙니다. 이 규칙성의 주요 특징은 또한 고정적이지 않고 시간에 따라 유동적입니다. 그래서 무엇? 단 하나의 주요 조건이 있습니다. 즉, 사라지지 않고 계속 나타날 것입니다. 우리의 MO가 고정적이지 않지만 여전히 긍정적이며 이것이 가장 중요합니다. 또 다른 질문은 비정상성이 바로 이러한 패턴에 대한 검색을 심각하게 복잡하게 만든다는 것입니다. 우리는 식별 및 사용을 위해 표준 통계 방법에 의존할 수 없습니다. 예를 들어 지난 1년 동안 매일 나타났다가 오늘 갑자기 사라진 경우 통계에서는 패턴이 더 이상 작동하지 않는다고 말합니다. 그러나 이것은 그것이 원할 때 나타나고 고정 특성을 생성할 필요가 없기 때문에 그렇지 않습니다. 기본 수준에서 이 속성은 알고리즘의 재최적화 필요성을 결정합니다. 어떤 식으로든 히스토리에서만 주어진 패턴에 이상적으로 대응하는 고정 매개변수로 작업하기 때문입니다. 내일은 조금 다를 것이며, 이는 우리의 적합도의 극한에서 변화가 있을 것임을 의미합니다.
그리고 모든 질문의 질문은 내일의 변화에서 살아남는 것입니다. 그리고 우리는 상대적으로 안정적인 패턴을 사용하거나 (그리고) 상당히 거친(간단한) 식별및작업 방법을 사용하여 생존할 수 있으므로 대략적인 평가를 통해 패턴 자체가 상당히 넓은 범위 내에서 변경될 수 있습니다.
이것이 왜 간단한 방법이 복잡한 방법보다 더 효과적인 경향이 있는지, 그리고 왜 그것이 시장에서 전혀 돈을 버는 것이 가능해지는지에 대한 나의 근거입니다.
ask : 구두 줄타기를 하는 사람일 뿐 그 이상은 아닙니다. 고정되지 않거나 패턴이 있는 시리즈를 이미 결정했습니다. 그리고 나서 정신은 어떻게 든 "비 고정 시리즈의 패턴"이라는 문구를 마스터하지 못합니다. 내가 이해하는 것처럼 비 고정 시리즈의 패턴을 이미 찾았습니까?
이리저리 찾아보니 -
정상성은 시간이 지남 에 따라 특성이 변경되지 않는 프로세스의 속성입니다.
따라서 고정되지 않은 계열은 시간이 지남에 따라 특성이 변경됩니다. 그러나 이것이 그 안에 패턴이 있을 수 없다는 것을 의미하지는 않습니다.
고정되지 않은 금융 시리즈를 혼란스러운 시리즈와 혼동하고 있습니다. 무질서한 계열에는 패턴이 있을 수 없지만 시간이 지남에 따라 특성이 바뀌는 고정되지 않은 계열에는 패턴이 있을 수 있습니다. 또한 이러한 변화를 미리 결정하는 패턴이 있을 수 있습니다.
규칙성에 고정성이 필요한 이유는 무엇입니까? 작업 패턴이 있다고 가정해 보겠습니다. 시간에 따른 발생 분포는 엄격하게 정상이 아닙니다. 이 규칙성의 주요 특징도 고정적이지 않고 시간에 따라 유동적입니다. 그래서 무엇? 그녀가 사라지지 않고 계속 나타날 것이라는 단 하나의 주요 조건이 있습니다. 우리의 MO가 고정적이지 않지만 여전히 긍정적이며 이것이 가장 중요합니다. 또 다른 질문은 비정상성이 바로 이러한 패턴에 대한 검색을 심각하게 복잡하게 만든다는 것입니다. 식별 및 사용을 위해 표준 통계 방법에 의존할 수 없습니다. 예를 들어, 패턴이 지난 1년 동안 매일 나타났다가 오늘 갑자기 사라진 경우 통계는 패턴이 더 이상 작동하지 않는다고 말합니다. 그러나 이것은 그것이 원할 때 나타나고 고정 특성을 생성할 필요가 없기 때문에 그렇지 않습니다. 기본적인 수준에서 이 속성은 알고리즘의 재최적화 필요성을 결정합니다. 어떤 식으로든 히스토리에서만 주어진 패턴에 이상적으로 대응하는 고정 매개변수로 작업하기 때문입니다. 내일 패턴은 약간 다를 것이며, 이는 우리의 핏의 극한에서 변화가 있을 것임을 의미합니다.
이것은 준정상성(quasi-stationarity) - 특정 범위에서 mo의 변화입니다. 아마도 그것은 mo에 관한 것일 뿐만 아니라 이 맥락에서 우리에게 가장 관심이 있습니다.
C-4 :
그리고 모든 질문의 질문은 내일의 변화에서 살아남는 것입니다. 그리고 우리는 상대적으로 안정적인 패턴을 사용하거나 (그리고) 상당히 거친(간단한)식별및작업 방법을 사용하여 생존할 수 있으므로 대략적인 평가를 통해 패턴 자체가 상당히 넓은 범위 내에서 변경될 수 있습니다.
이것이 왜 간단한 방법이 복잡한 방법보다 더 효과적인 경향이 있는지, 그리고 왜 그것이 시장에서 전혀 돈을 버는 것이 가능해지는지에 대한 나의 근거입니다.
따라서 매우 복잡한 방법이 될 수 있지만 오히려 대략적으로 규칙성을 추정합니다)) 시스템 매개변수의 수와 변화에 대한 결과의 민감도의 문제입니다. 매개변수의 작은 변경으로 결과가 변경되면 이것은 윙윙거리는 소리가 아닙니다. 다른 징후도 있습니다. 여기에 최근에야 그것에 대해 썼습니다. https://www.mql5.com/en/forum/137614/page5
다시 한 번: 거래를 시작할 때 미리 정해진 손실보다 적은 양의 MO를 받고 싶습니까? 이들은 거래 진입에서 퇴장까지의 준 고정 구간입니다.
이것이 이 스레드의 핵심입니다.
사실 - 예측에 따르면 준-고정적 - 비정상적입니다. 순방향 테스트를 포함한 테스트는 준정상적이지만 미래는 비정상적이므로 테스트는 아무 말도 하지 않습니다. 미래의 kotir를 준 정지 상태로 변환하는 것이 필요합니다. 이것은 적어도 부분적으로 비정상성을 모델링함으로써만 수행할 수 있습니다.
규칙성에 고정성이 필요한 이유는 무엇입니까? 작업 패턴이 있다고 가정해 보겠습니다. 시간에 따른 발생 분포는 엄격하게 정상이 아닙니다. 이 규칙성의 주요 특징은 또한 고정적이지 않고 시간에 따라 유동적입니다. 그래서 무엇? 단 하나의 주요 조건이 있습니다. 즉, 사라지지 않고 계속 나타날 것입니다. 우리의 MO가 고정적이지 않지만 여전히 긍정적이며 이것이 가장 중요합니다. 또 다른 질문은 비정상성이 바로 이러한 패턴에 대한 검색을 심각하게 복잡하게 만든다는 것입니다. 우리는 식별 및 사용을 위해 표준 통계 방법에 의존할 수 없습니다. 예를 들어 지난 1년 동안 매일 나타났다가 오늘 갑자기 사라진 경우 통계에서는 패턴이 더 이상 작동하지 않는다고 말합니다. 그러나 이것은 그것이 원할 때 나타나고 고정 특성을 생성할 필요가 없기 때문에 그렇지 않습니다. 기본 수준에서 이 속성은 알고리즘의 재최적화 필요성을 결정합니다. 어떤 식으로든 히스토리에서만 주어진 패턴에 이상적으로 대응하는 고정 매개변수로 작업하기 때문입니다. 내일은 조금 다를 것이며, 이는 우리의 적합도의 극한에서 변화가 있을 것임을 의미합니다.
그리고 모든 질문의 질문은 내일의 변화에서 살아남는 것입니다. 그리고 우리는 상대적으로 안정적인 패턴을 사용하거나 (그리고) 상당히 거친(간단한) 식별 및 작업 방법을 사용하여 생존할 수 있으므로 대략적인 평가를 통해 패턴 자체가 상당히 넓은 범위 내에서 변경될 수 있습니다.
이것이 왜 간단한 방법이 복잡한 방법보다 더 효과적인 경향이 있는지, 그리고 왜 그것이 시장에서 전혀 돈을 버는 것이 가능해지는지에 대한 나의 근거입니다.
이리저리 찾아보니 -
정상성은 시간이 지남 에 따라 특성이 변경되지 않는 프로세스의 속성입니다.
따라서 고정되지 않은 계열은 시간이 지남에 따라 특성이 변경됩니다. 그러나 이것이 그 안에 패턴이 있을 수 없다는 것을 의미하지는 않습니다.
고정되지 않은 금융 시리즈를 혼란스러운 시리즈와 혼동하고 있습니다. 무질서한 계열에는 패턴이 있을 수 없지만 시간이 지남에 따라 특성이 바뀌는 고정되지 않은 계열에는 패턴이 있을 수 있습니다. 또한 이러한 변화를 미리 결정하는 패턴이 있을 수 있습니다.
금융계열에서는 언뜻보기에도 몇가지 패턴이 보인다 -
추세의 형태로 위아래로 뚜렷한 움직임. 무늬? - 규칙성.
평면 형태로 무한한 측면 움직임을 명확하게 표현합니다. 무늬? - 규칙성.
"머리와 어깨", "깃발" 등의 형태의 인물. 무늬? - 규칙성.
글쎄, 그리고 다른 많은 것들 ......)))))
규칙성에 고정성이 필요한 이유는 무엇입니까? 작업 패턴이 있다고 가정해 보겠습니다. 시간에 따른 발생 분포는 엄격하게 정상이 아닙니다. 이 규칙성의 주요 특징도 고정적이지 않고 시간에 따라 유동적입니다. 그래서 무엇? 그녀가 사라지지 않고 계속 나타날 것이라는 단 하나의 주요 조건이 있습니다. 우리의 MO가 고정적이지 않지만 여전히 긍정적이며 이것이 가장 중요합니다. 또 다른 질문은 비정상성이 바로 이러한 패턴에 대한 검색을 심각하게 복잡하게 만든다는 것입니다. 식별 및 사용을 위해 표준 통계 방법에 의존할 수 없습니다. 예를 들어, 패턴이 지난 1년 동안 매일 나타났다가 오늘 갑자기 사라진 경우 통계는 패턴이 더 이상 작동하지 않는다고 말합니다. 그러나 이것은 그것이 원할 때 나타나고 고정 특성을 생성할 필요가 없기 때문에 그렇지 않습니다. 기본적인 수준에서 이 속성은 알고리즘의 재최적화 필요성을 결정합니다. 어떤 식으로든 히스토리에서만 주어진 패턴에 이상적으로 대응하는 고정 매개변수로 작업하기 때문입니다. 내일 패턴은 약간 다를 것이며, 이는 우리의 핏의 극한에서 변화가 있을 것임을 의미합니다.
이것은 준정상성(quasi-stationarity) - 특정 범위에서 mo의 변화입니다. 아마도 그것은 mo에 관한 것일 뿐만 아니라 이 맥락에서 우리에게 가장 관심이 있습니다.
그리고 모든 질문의 질문은 내일의 변화에서 살아남는 것입니다. 그리고 우리는 상대적으로 안정적인 패턴을 사용하거나 (그리고) 상당히 거친(간단한) 식별 및 작업 방법을 사용하여 생존할 수 있으므로 대략적인 평가를 통해 패턴 자체가 상당히 넓은 범위 내에서 변경될 수 있습니다.
이것이 왜 간단한 방법이 복잡한 방법보다 더 효과적인 경향이 있는지, 그리고 왜 그것이 시장에서 전혀 돈을 버는 것이 가능해지는지에 대한 나의 근거입니다.
따라서 매우 복잡한 방법이 될 수 있지만 오히려 대략적으로 규칙성을 추정합니다)) 시스템 매개변수의 수와 변화에 대한 결과의 민감도의 문제입니다. 매개변수의 작은 변경으로 결과가 변경되면 이것은 윙윙거리는 소리가 아닙니다. 다른 징후도 있습니다. 여기에 최근에야 그것에 대해 썼습니다. https://www.mql5.com/en/forum/137614/page5
항상 나머지를 취하지 말고 선택적으로 부분적으로 취하십시오. 시리즈에서 그러한 조각의 시작과 끝을 결정하는 방법을 알고 있다면(물론 이후가 아님) 거래에 충분할 것입니다. 그렇지 않은 경우 모델을 변경하십시오.
다시 한 번: 고정 교합이 없습니다.
다시 한 번: 거래를 시작할 때 미리 정해진 손실보다 적은 양의 MO를 받고 싶습니까? 이들은 거래 진입에서 퇴장까지의 준 고정 구간입니다. 그리고 그들은 물론 거래 가격 범위에 있습니다.
주식 증분은 양의 모멘텀을 가진 유사 고정적이며 가급적 작은 한도 내에서 이루어집니다. 그렇지 않으면 그러한 형평성과 그것을 생성하는 시스템이 필요하지 않습니다.
faa1947 : Еще раз: не бывает стационарных кусов.
다시 한 번: 거래를 시작할 때 미리 정해진 손실보다 적은 양의 MO를 받고 싶습니까? 이들은 거래 진입에서 퇴장까지의 준 고정 구간입니다.
이것이 이 스레드의 핵심입니다.
사실 - 예측에 따르면 준-고정적 - 비정상적입니다. 순방향 테스트를 포함한 테스트는 준정상적이지만 미래는 비정상적이므로 테스트는 아무 말도 하지 않습니다. 미래의 kotir를 준 정지 상태로 변환하는 것이 필요합니다. 이것은 적어도 부분적으로 비정상성을 모델링함으로써만 수행할 수 있습니다.
이것은 적어도 부분적으로 비정상성을 모델링함으로써만 수행할 수 있습니다.
반대는 누구인가, 모델)) 그러나 마찬가지로 시장의 변화를 모델링할 때 과거의 통계와 일부 불변 모델에 의존해야 합니다. 저것들. 이 모델의 매개변수만 가장 가까운 기록을 기반으로 변경됩니다. 적응성은 차량의 정상적인 속성입니다 :)