Você está perdendo oportunidades de negociação:
- Aplicativos de negociação gratuitos
- 8 000+ sinais para cópia
- Notícias econômicas para análise dos mercados financeiros
Registro
Login
Você concorda com a política do site e com os termos de uso
Se você não tem uma conta, por favor registre-se
Sim, eu conheço a matemática dentro do currículo escolar. Uma vez perguntei a um professor de geometria analítica (aquele que trata de funções e eixos coordenados): "Se uma função desenha uma curva em um gráfico, você pode desenhar uma função a partir de uma curva em um gráfico? " e obteve uma resposta inequívoca - "Não. É impossível". A partir disto, concluí que os padrões podem ser descritos matematicamente, mas não podem ser identificados porque não se pode obter a fórmula que os gerou a partir dos valores.
Talvez haja algumas outras ferramentas matemáticas. Diga-me se você os conhece.Para ser preciso e sem ambigüidade, não. Mas em geral há meios de obter uma função a partir de dados arbitrários. É chamada de "aproximação". Além do fato de que em geral qualquer função pode ser ajustada no meio dos dados, existem funções especiais que permitem replicar quase completamente os dados originais - polinômios, séries...
A propósito, métodos de cálculo de qualquer função através das séries Taylor e McLaren já existem há muito tempo.
Sim, eu conheço a matemática dentro do currículo escolar. Uma vez perguntei a um professor de geometria analítica (aquele que trata de funções e eixos coordenados): "Se uma função desenha uma curva em um gráfico, você pode desenhar uma função a partir de uma curva em um gráfico?" e obteve uma resposta inequívoca - "Não. É impossível". A partir disto, concluí que os padrões podem ser descritos matematicamente, mas não podem ser identificados porque não se pode obter a fórmula que os gerou a partir de seus valores.
Talvez haja algumas outras ferramentas matemáticas. Diga-me se você conhece algum.Para ser preciso e sem ambigüidade, não. Mas em geral há meios de obter uma função a partir de dados arbitrários. É chamada de "aproximação". Além do fato de que em geral qualquer função pode ser ajustada no meio dos dados, existem funções especiais que permitem replicar quase completamente os dados originais - polinômios, séries...
A propósito, métodos de cálculo de qualquer função através das séries Taylor e McLaren já existem há muito tempo.
A propósito, é um problema de MO também, terei que tentar esboçar algo assim algum dia, é um problema interessante.
2Peter Konow: Eu o aconselharia a lidar com o MO pelo menos até certo ponto para não causar tanta diversão. Qualquer um que saiba ler e fazer contas pode entender o básico do MO, você só tem que se esforçar.
Кеша Рутов:
...
2 Retag Konow: Eu aconselharia você a pelo menos chegar ao fundo do MO para não divertir muito as pessoas, o básico do MO pode ser compreendido por qualquer um que saiba ler e contar, você só precisa fazer algum esforço.
Bem, é assim que eu faço. Há muita risada, travessia e tapas na testa, mas nenhuma resposta... Fazer uma cara inteligente e rir não é uma resposta.
Em um campo que entendo, eu sempre explico, e só então o envio para ler.
1. Quais dados são mais adequados para o reconhecimento de padrões - OCHL ou imagens? Há ou não há diferença?
2. Por que NS não é usado para o reconhecimento de padrões em algotrading há muito tempo? Onde estão as funções como "bool Head_n_showlders()" trabalhando no NS e fixando o padrão encontrado?
Você sabe?
Bem, é assim que eu descubro. Há muitas risadas e travessias e tapas na testa, mas nenhuma resposta... Fazer uma cara inteligente e rir não é uma resposta.
Em um campo que entendo, eu sempre explico, e só então o envio para ler.
1. Quais dados são mais adequados para o reconhecimento de padrões - OCHL ou imagens? Há ou não há diferença?
2. Por que NS não é usado para o reconhecimento de padrões em algotrading há muito tempo? Onde estão as funções como "bool Head_n_showlders()" trabalhando no NS e fixando o padrão encontrado?
Você sabe?
1. Depende do tipo de padrões que você quer encontrar. Preferencialmente, o formato dos dados alimentados para análise deve ser o mais próximo possível do conjunto de padrões pretendido.
Por exemplo, para descrever um padrão de "ombros de cabeça", é melhor usar um indicador em ziguezague, ou melhor, vários indicadores, apenas com parâmetros diferentes:
Você pode ver que a descrição do padrão é muito semelhante ao indicador Zigzag. Mas os padrões podem ser de natureza completamente diferente, por exemplo, através de diferentes indicadores, sua combinação, seus valores transformados, etc.
2. Como escrito acima, existem métodos mais apropriados para procurar padrões.
Quanto mais longe os padrões estão dos próprios dados, mais difícil é encontrá-los.
Bem, é assim que eu descubro. Há muitas risadas e travessias e tapas na testa, mas nenhuma resposta... Fazer uma cara inteligente e rir não é uma resposta.
Em um campo que entendo, eu sempre explico, e só então o envio para ler.
1. Quais dados são mais adequados para o reconhecimento de padrões - OCHL ou imagens? Há ou não há diferença?
2. Por que NS não é usado para o reconhecimento de padrões em algotrading há muito tempo? Onde estão as funções como "bool Head_n_showlders()" trabalhando no NS e fixando o padrão encontrado?
Você sabe?
1 Certamente OCHL, mas pré-processado, por exemplo, com wavelets, no pior dos casos um monte de indicadores como Momentum ou Stochastic com período geometricamente crescente.
2) os padrões de preços são mais fáceis de buscar "diretamente" com uma convolução deslizante (multiplicar e acrescentar) com uma referência; NS não são muito úteis aqui. Precisamos de NS e MO quando não está muito claro como fazer uma saída da entrada, e o próprio MO cria algo, uma espécie de modelo, mas infelizmente dentro de limites bastante estreitos.
PS E em geral os "ombros da cabeça" e assim em um gráfico não é nada, é fácil encontrá-los, mas eles não predizem nada.
1 Certamente OCHL, mas pré-processado, por exemplo, por wavelets, pelo menos um monte de indicadores como Momentum ou Stochastic com período geometricamente crescente.
2) os padrões de preços são mais fáceis de buscar "diretamente" com uma convolução deslizante (multiplicar e acrescentar) com uma referência, NA não é muito necessário aqui. Precisamos de NS e MO quando não está muito claro como fazer uma saída da entrada, e o próprio MO cria algo, uma espécie de modelo, mas infelizmente dentro de limites bastante estreitos.
O PS e em geral os padrões de "ombros da cabeça" em um gráfico não são nada, são fáceis de encontrar, mas não predizem nada.
1. Depende do tipo de padrões que você quer encontrar. De preferência, o formato dos dados que você deseja analisar deve ser o mais próximo possível do conjunto de padrões pretendidos.
Por exemplo, para descrever um padrão de "ombros de cabeça", é melhor usar um indicador em ziguezague, ou melhor, vários indicadores, apenas com parâmetros diferentes:
Você pode ver que a descrição do padrão é muito semelhante ao indicador Zigzag. Mas os padrões podem ser de natureza completamente diferente, por exemplo, através de diferentes indicadores, sua combinação, seus valores transformados, etc.
2. Como escrito acima, existem métodos mais apropriados para procurar padrões.
Quanto mais longe os padrões estão dos próprios dados, mais difícil é encontrá-los.
Estou vendo. Obrigado. Vou investigar isso.
De fato. Você primeiro se pergunta como posso usar a resposta que recebo da NS? Precisa ser transformado para tomar uma decisão, etc. E só então você perceberá que não é o padrão em si que é importante, mas a reação do mercado à sua aparência. E é esta reação que deve ser comercializada. Caso contrário, você fica uma bagunça, não um TS.
Quando você tiver alguma substância em suas declarações, eu a procurarei então. Se você não é capaz de entender algo, isso não significa que seja heresia.
E para onde você foi - muito bem visto - que conclusões selvagens.
Uma rede neural pode ser treinada para classificar e catalogar imagens, mas com base em qual critério de probabilidade de atribuir esta ou aquela imagem a uma determinada categoria do catálogo ela vai acontecer, ou seja, o erro provável de qualquer rede neural.
As imagens já memorizadas com o tempo chegarão à triagem com resultados piores de reação sobre elas, portanto, o sucesso de qualquer rede neural consistirá em um conteúdo momentâneo desse mesmo catálogo de imagens em sua placa de memória, que são eficazes nesse mesmo segundo. Sua base estendida seria um sinal de menos e não de mais.