흠... 1440 CLOSE M5 값의 슬라이딩 윈도우를 가지고 각각의 새로운 막대 에 대한 증분 모듈의 합을 계산해 봅시다. 그러한 이동 합계에 대한 가우스 분포가 있어야 합니다. 그리고 Kolmogorov가 남긴 것처럼 주기적 ACF를 사용하면 이 프로세스가 신경망에 의해 드러납니다.
흠... 1440 CLOSE M5 값의 슬라이딩 윈도우를 가지고 각각의 새로운 막대 에 대한 증분 모듈의 합을 계산해 봅시다. 그러한 이동 합계에 대한 가우스 분포가 있어야 합니다. 그리고 Kolmogorov가 남긴 것처럼 주기적 ACF를 사용하면 이 프로세스가 신경망에 의해 드러납니다.
이후:
일반적으로 전체 가우스, 그들이 말하는 것처럼))
그리고 추세에도 반대합니다.)
그리고 그것은 높은 확률로 추세와 손실에 역행할 수 있습니다.
이후:
일반적으로 전체 가우스, 그들이 말하는 것처럼))
증가 모듈의 합계입니까? 안닮은듯...
그리고 그것은 높은 확률로 추세와 손실에 역행할 수 있습니다.
사람들은 트렌드와 함께, 트렌드에 반하여 대규모로 병합됩니다.) 그리고 트렌드 자체는 게임의 방식에 따라 고려됩니다. 나에게, 어쩌면 당신에게도 트렌드란 무엇인가. 평평한 그 반대.
증가 모듈의 합계입니까? 안닮은듯...
증가 모듈의 합계입니까? 안닮은듯...
공식, 또는 오히려 무엇에서 무엇을 제공
지금까지 귀하의 게시물에서 읽은 내용은 다음과 같습니다.
1. 인접한 두 막대의 닫기 모듈 계산
2. 결과 시리즈를 Erlang 흐름으로 스레드합니다.
...????
이것을 텍스트 파일에 덤프하는 스크립트:
새로운 추세를 잡기 위해서는 항상 추세에 반하여 진입해야 합니다.
어떻게 들어가든 상관하지 마세요. 가장 중요한 것은 움직이는 것입니다. 봐, 우리가 잡을거야.)
공식, 또는 오히려 무엇에서 무엇을 제공
지금까지 귀하의 게시물에서 읽은 내용은 다음과 같습니다.
1. 인접한 두 막대의 닫기 모듈 계산
2. 결과 시리즈를 Erlang 흐름으로 스레드합니다.
...????
흠... 1440 CLOSE M5 값의 슬라이딩 윈도우를 가지고 각각의 새로운 막대 에 대한 증분 모듈의 합을 계산해 봅시다. 그러한 이동 합계에 대한 가우스 분포가 있어야 합니다. 그리고 Kolmogorov가 남긴 것처럼 주기적 ACF를 사용하면 이 프로세스가 신경망에 의해 드러납니다.
흠... 1440 CLOSE M5 값의 슬라이딩 윈도우를 가지고 각각의 새로운 막대 에 대한 증분 모듈의 합을 계산해 봅시다. 그러한 이동 합계에 대한 가우스 분포가 있어야 합니다. 그리고 Kolmogorov가 남긴 것처럼 주기적 ACF를 사용하면 이 프로세스가 신경망에 의해 드러납니다.
그래서 계산하는 방법을 설명?