수학적으로 "기억이 있다"라는 표현은 "이전 기대 가격에 대한 현재 가격 기대치의 의존성을 설명하는 차이 방정식(반드시 선형일 필요는 없음)이 있다"는 진술에 해당합니다. 그리고 이론적으로 이 방정식은 그러한 순간(즉, 시스템 의 수학적 모델을 구축한 경우 )에 시장 행동의 특성에 대한 일반적인 고려 사항을 기반으로 "계산"한다고 추측 할 수 있습니다.
문제의 사실은 그러한 방정식이 존재하는 경우 반드시 선형 및 고정적이지 않을 것이라는 점입니다. 그리고 아마도 시간이 지남에 따라 하나의 방정식이 다른 방정식으로 대체되는 식으로 무한히 계속될 것입니다. 따라서 그러한 방정식을 "계산"하는 것은 다음 동전 던지기를 추측하는 것보다 나을 것이 없지만 지적 자원과 훨씬 더 많은 시간이 필요할 것입니다.
C-4 : 문제의 사실은 그러한 방정식이 존재하는 경우 반드시 선형 및 고정적이지 않을 것이라는 점입니다. 그리고 아마도 시간이 지남에 따라 하나의 방정식이 다른 방정식으로 대체되는 식으로 무한히 계속될 것입니다. 따라서 그러한 방정식의 "계산"은 다음 동전 던지기를 추측하는 것보다 나을 것이 없지만 지적 자원과 더 많은 시간이 필요할 것입니다.
아무도 그것을 계산하지 않았다)) Topic-starter는 그것이 존재하는지 물었다. 일정하고 시간이 지나도 변하지 않습니다. 이것과 답변을 바탕으로
C-4 : 문제의 사실은 그러한 방정식이 존재하는 경우 반드시 선형 및 고정적이지 않을 것이라는 점입니다. 그리고 아마도 시간이 지남에 따라 하나의 방정식이 다른 방정식으로 대체되는 식으로 무한히 계속될 것입니다. 따라서 그러한 방정식을 "계산"하는 것은 다음 동전 던지기를 추측하는 것보다 나을 것이 없지만 지적 자원과 훨씬 더 많은 시간이 필요할 것입니다.
따라서 우선 시스템(비정상성 포함)을 적절하게 설명하는 다양한 모델 클래스를 선택하기 위해 이론적 작업이 필요합니다. 나는 이 작업이 대체로 과학적 찌르기라는 데 동의합니다. 올바른 모델을 추측하려면 매우 운이 좋아야 한다는 데 동의합니다(또는 약간 천재적임). 그러나 나는 이것이 불가능하다는 데 동의하지 않습니다.
많은 예측(가격 궤적)이 확률적 예측으로 축소됩니다. 특정 시간이 지나면 가격 분포를 구축할 수 있습니다. 즉, 긍정적인 수학적 기대치를 얻을 수 있습니다. 그러나 이것은 가격 책정 프로세스가 비마코비안인 경우에만 해당됩니다. 메모리가 있습니다.
Markov 프로세스는 시간 매개변수 t의 주어진 값 이후의 진화가 t 이전의 진화에 의존하지 않는 무작위 프로세스입니다. 단, 이 순간의 프로세스 값이 고정되어 있다면(프로세스의 "미래"는 알려진 "현재"가 있는 "과거"에 대한 또 다른 해석(Wentzel): 프로세스의 "미래"는 "현재"를 통해서만 "과거"에 의존합니다.
프로세스가 Markovian이면 분포는 항상 mo=0이고 가격과 함께 각 단계에서 변경됩니다. 저것들. 가장 좋은 예측은 몇 단계 앞서 있는 현재 가격이 될 것입니다. 저것들. 당신이 벌 수없는 마틴을 얻으십시오.
가격 변경 과정은 비-마르코비안이며, 이는 Grail 공식을 의미합니다.)) 모든 거래가 반드시 긍정적이라는 의미는 아니지만, 미래 가격 분포에 분산이 남아 있기 때문입니다. 분산은 예측 오차를 의미합니다. 그러나 매 순간의 mo와 변동을 알면 mo가 충분히 크고 변동이 작을 때 거래할 수 있습니다. 저것들. mo/variance 함수의 최대화
이 해석에서는 기억의 깊이도 중요합니다. 그리고 예측이 얼마나 빨리 변하는지. 미래에 예측할 시간(포지션을 얼마나 유지할 것인지)에 따라 다릅니다.
거래 시스템은 간단합니다. mo/variance>X일 때 입력하고 mo/variance>0이 될 때까지 포지션을 유지합니다. 저것들. 예측이 변경되고 mo가 0보다 작은 경우 종료합니다. :)
귀하의 설명에는 명확한 방법론적 차이가 있습니다. 수학적 설명이 아닌 의미 있는 말로 시작해야 합니다. 이 경우 그림은 다음과 같습니다.
우리는 견적, 어떤, 핸디캡, 교환, 그것은 중요하지 않습니다.
할당량에는 생산 및 서비스 제공 프로세스의 관성을 반영하는 결정적 구성 요소가 있습니다.
이 결정적 구성 요소 주변에는 생산의 다양한 사례를 반영하는 임의의 비 가우시안 프로세스가 있습니다.
일부 인용문에는 "감자는 여름에 자라고 겨울에는 자라지 않는다"는 사실을 반영하는 결정론적 순환 구성요소가 있습니다.
기후 무작위성을 반영하는 결정론적 순환 구성 요소 주위에 비가우시안 프로세스가 있습니다.
견적에는 수요-공급 과정에서 가격을 책정할 때 군중의 의견을 반영하는 임의의 가우스 구성 요소가 있습니다.
이 모든 것을 모델링할 수 있지만 이것은 완전한 그림이 아닙니다. 시장에 Bernanke, 쓰나미 ...가 있어 충격을 일으키고 이 시점에서 분석 형식을 가진 결정론적 구성 요소가 예측에 적합하지 않게 됩니다. 그 이유는 다음과 같습니다. 충격 후 이벤트 전개에 두 가지 가능한 경로가 있습니다. 원래 궤적으로의 복귀와 새로운 궤적의 수립, 그리고 우리는 이 선택을 예측할 수 없습니다. 모델을 다시 계산하려면 새 샘플을 기다려야 합니다.
그러나 이것은 완전한 그림이 아닙니다. 경제 내부에서는 우리의 결정론적 구성 요소에서 보이지 않는 축적이 발생하고 일부 역사를 통해서만 알 수 있는 중단점이 발생합니다. 그리고 돌이켜 보면 우리의 모든 아름다운 분석 곡선과 확률적 과정 모델이 지옥에 갈 것이며 이 설명된 언어 모델의 새로운 매개변수를 계산해야 합니다.
방금 해봤어.
그리고 20bar의 값은 테스터에 맞는 지표 중 하나입니다.
Reshetov - 3개의 지표, 7개의 변수가 적합합니다.
정지를 최소화하려고 노력하면 효과가 크지 않습니다.
수학적으로 "기억이 있다"라는 표현은 "이전 기대 가격에 대한 현재 가격 기대치의 의존성을 설명하는 차이 방정식(반드시 선형일 필요는 없음)이 있다"는 진술에 해당합니다. 그리고 이론적으로 이 방정식은 그러한 순간(즉, 시스템 의 수학적 모델을 구축한 경우 )에 시장 행동의 특성에 대한 일반적인 고려 사항을 기반으로 "계산"한다고 추측 할 수 있습니다.
20bar(향후), RSI 및 EMA.
그리고 우리는 맞춤화합니다.
문제의 사실은 그러한 방정식이 존재하는 경우 반드시 선형 및 고정적이지 않을 것이라는 점입니다. 그리고 아마도 시간이 지남에 따라 하나의 방정식이 다른 방정식으로 대체되는 식으로 무한히 계속될 것입니다. 따라서 그러한 방정식의 "계산"은 다음 동전 던지기를 추측하는 것보다 나을 것이 없지만 지적 자원과 더 많은 시간이 필요할 것입니다.
아무도 그것을 계산하지 않았다)) Topic-starter는 그것이 존재하는지 물었다. 일정하고 시간이 지나도 변하지 않습니다. 이것과 답변을 바탕으로
하지만 아마도 100바의 값을 취하는 것이 더 아름답습니다.
그리고 테스트로서, 그것은 상관없이 모든 곳에서 이익을 가져와야 합니다.
통찰력의 깊이. 설정.
그런 다음 예측에서 1개에서 100개 막대를 테스트했습니다.
문제의 사실은 그러한 방정식이 존재하는 경우 반드시 선형 및 고정적이지 않을 것이라는 점입니다. 그리고 아마도 시간이 지남에 따라 하나의 방정식이 다른 방정식으로 대체되는 식으로 무한히 계속될 것입니다. 따라서 그러한 방정식을 "계산"하는 것은 다음 동전 던지기를 추측하는 것보다 나을 것이 없지만 지적 자원과 훨씬 더 많은 시간이 필요할 것입니다.
어쨌든 모든 TS는 미래 가격 증분에 대한 확률적 예측입니다. 이것은 지역 시장 모델입니다. MO TS는 예측 기간 동안의 실제 가격 증가분의 MO입니다. 글쎄, 각각의 편차. 따라서 시스템을 구축하는 모든 사람은 이러한 현지 시장 공식을 사용합니다.
PS 진입 신호는 MO / 예측의 분산이 충분히 큰 순간이고 출구(중지 포함)는 이 값이 특정 값(선택적으로 0) 아래로 떨어졌거나 추가 예측이 이미 알려지지 않은 경우입니다.
많은 예측(가격 궤적)이 확률적 예측으로 축소됩니다. 특정 시간이 지나면 가격 분포를 구축할 수 있습니다. 즉, 긍정적인 수학적 기대치를 얻을 수 있습니다. 그러나 이것은 가격 책정 프로세스가 비마코비안인 경우에만 해당됩니다. 메모리가 있습니다.
Markov 프로세스는 시간 매개변수 t의 주어진 값 이후의 진화가 t 이전의 진화에 의존하지 않는 무작위 프로세스입니다. 단, 이 순간의 프로세스 값이 고정되어 있다면(프로세스의 "미래"는 알려진 "현재"가 있는 "과거"에 대한 또 다른 해석(Wentzel): 프로세스의 "미래"는 "현재"를 통해서만 "과거"에 의존합니다.
프로세스가 Markovian이면 분포는 항상 mo=0이고 가격과 함께 각 단계에서 변경됩니다. 저것들. 가장 좋은 예측은 몇 단계 앞서 있는 현재 가격이 될 것입니다. 저것들. 당신이 벌 수없는 마틴을 얻으십시오.
가격 변경 과정은 비-마르코비안이며, 이는 Grail 공식을 의미합니다.)) 모든 거래가 반드시 긍정적이라는 의미는 아니지만, 미래 가격 분포에 분산이 남아 있기 때문입니다. 분산은 예측 오차를 의미합니다. 그러나 매 순간의 mo와 변동을 알면 mo가 충분히 크고 변동이 작을 때 거래할 수 있습니다. 저것들. mo/variance 함수의 최대화
이 해석에서는 기억의 깊이도 중요합니다. 그리고 예측이 얼마나 빨리 변하는지. 미래에 예측할 시간(포지션을 얼마나 유지할 것인지)에 따라 다릅니다.
거래 시스템은 간단합니다. mo/variance>X일 때 입력하고 mo/variance>0이 될 때까지 포지션을 유지합니다. 저것들. 예측이 변경되고 mo가 0보다 작은 경우 종료합니다. :)
귀하의 설명에는 명확한 방법론적 차이가 있습니다. 수학적 설명이 아닌 의미 있는 말로 시작해야 합니다. 이 경우 그림은 다음과 같습니다.
우리는 견적, 어떤, 핸디캡, 교환, 그것은 중요하지 않습니다.
할당량에는 생산 및 서비스 제공 프로세스의 관성을 반영하는 결정적 구성 요소가 있습니다.
이 결정적 구성 요소 주변에는 생산의 다양한 사례를 반영하는 임의의 비 가우시안 프로세스가 있습니다.
일부 인용문에는 "감자는 여름에 자라고 겨울에는 자라지 않는다"는 사실을 반영하는 결정론적 순환 구성요소가 있습니다.
기후 무작위성을 반영하는 결정론적 순환 구성 요소 주위에 비가우시안 프로세스가 있습니다.
견적에는 수요-공급 과정에서 가격을 책정할 때 군중의 의견을 반영하는 임의의 가우스 구성 요소가 있습니다.
이 모든 것을 모델링할 수 있지만 이것은 완전한 그림이 아닙니다. 시장에 Bernanke, 쓰나미 ...가 있어 충격을 일으키고 이 시점에서 분석 형식을 가진 결정론적 구성 요소가 예측에 적합하지 않게 됩니다. 그 이유는 다음과 같습니다. 충격 후 이벤트 전개에 두 가지 가능한 경로가 있습니다. 원래 궤적으로의 복귀와 새로운 궤적의 수립, 그리고 우리는 이 선택을 예측할 수 없습니다. 모델을 다시 계산하려면 새 샘플을 기다려야 합니다.
그러나 이것은 완전한 그림이 아닙니다. 경제 내부에서는 우리의 결정론적 구성 요소에서 보이지 않는 축적이 발생하고 일부 역사를 통해서만 알 수 있는 중단점이 발생합니다. 그리고 돌이켜 보면 우리의 모든 아름다운 분석 곡선과 확률적 과정 모델이 지옥에 갈 것이며 이 설명된 언어 모델의 새로운 매개변수를 계산해야 합니다.
귀하의 설명에는 명확한 방법론적 격차가 있습니다. 수학적 설명이 아닌 의미 있는 말로 시작해야 합니다. 이 경우 그림은 다음과 같습니다.
우리는 견적, 어떤, 핸디캡, 교환, 그것은 중요하지 않습니다.
할당량에는 생산 및 서비스 제공 프로세스의 관성을 반영하는 결정적 구성 요소가 있습니다.
............