stokastik rezonans - sayfa 26
Alım-satım fırsatlarını kaçırıyorsunuz:
- Ücretsiz alım-satım uygulamaları
- İşlem kopyalama için 8.000'den fazla sinyal
- Finansal piyasaları keşfetmek için ekonomik haberler
Kayıt
Giriş yap
Gizlilik ve Veri Koruma Politikasını ve MQL5.com Kullanım Şartlarını kabul edersiniz
Hesabınız yoksa, lütfen kaydolun
Böylece görev sıkıştı. Bu iyi. Şimdi düşüncelerimi ifade etmeye çalışacağım. Bir şey varsa, yanlış yazdım (veya net değil - söyle bana)
tahıl
- Evet, gerçekten de bir kenar etkisi var. Ancak mesele bu, genellikle kötü (müdahale edici) olarak kabul edilir. Ve aniden burada "stokastik rezonans" belirir. Bu seçeneği varsayalım - fiyat hareketinin yönü eğrinin yönü ile çakışıyor (rezonans), eşleşmiyor (rezonans yok). Konuyu kim kontrol etti? (ve birdenbire Kâse gelir ve J yatar). Hanning, Hamming, Blackman, vb.'nin çeşitli pencerelerini indiremezsiniz. (bu etkiyi azaltmak)
- Gürültüye gelince, her zaman bir sinyal + gürültü karışımına sahibiz. Ve bunu sinyalden mekanik olarak ayıracak bir mekanizmamız yok (benim örneğimde olduğu gibi alıcıyı kapatıp yoğunluğunu ölçmek). Bu nedenle, başka bir seçenek öneriyorum. Enerji kavramıyla başlayın. Sinyal enerjisi - piyasayı hareket ettirir. Gürültü enerjisi - görmemizi engeller (kullanışlı bir sinyal seçerek).
- Nasıl davranmak
...kancalı ne demek? Burada yirmi sayfa tartışıyoruz, tabii dikkatli okumadığınız sürece (zaman bulmayın). Sinyal işlemeye iyi bir giriş, teşekkürler, ancak bu konuyu verimli bir şekilde ele almak istiyorsanız hepsini incirlere atıp FIR veya IIR sınıfının normal bir dijital düşük geçişli filtresiyle değiştirmenizi öneririm. Tabii ki, LPF'nin gerçek sinyali bulacağından emin değilseniz.
Gürültü ile ilgili olarak, BİZ değil HER ZAMAN seçmek daha mantıklıdır, ancak bu yaklaşımla kenar etkisinin zayıf bir şekilde kaldırıldığı bir gerçektir ve bu nedenle kenarlarda herhangi bir gürültüyü vurgulamıyorsunuz, sinyaliniz gürültü olacaktır.
Not : Sonuç olarak FATL'den çok daha kötü bir filtre icat edeceksiniz. Kendinizi ve beni kandırmayın, uyarlanabilir bir filtre yapmak başlı başına bir sanattır ve tasarım ilkeleri tamamen farklıdır.
Candid , bu makale potansiyel seviyeler açısından fiyat hareketi tahminini açıklamaktadır, ilginizi çekebilir. Kalite önemsizdir, ancak özellikle sadece dört sayfa için formüller ve grafikler olduğu için mono okuyun.
Hmm, başta link vermedim mi? :) Dedikleri gibi, ekmeği suya atın, size geri döner :). İyi iş, IMHO.
- bir gösterge oluşturmak
Klot kütüphanesini denerken hatırlıyorum, belli bir gösterge yapmıştım. Bunu görselleştiricide çalıştırmanız ve FFT için yeterli çubuk olana kadar beklemeniz yeterlidir. Buradaki atlamalar, çalınan frekansların sayısından açıktır, eğer örnek arttırılırsa, bunlar yumuşatılacaktır. Elbette klot'un kütüphanesi yerinde olmalıdır (CodeBase'de mevcuttur).
Hmm, başta link vermedim mi? :) Dedikleri gibi, ekmeği suya atın, size geri döner :). İyi iş, IMHO.
hmm, en azından anladım, en azından nerede, nereden ve kimin yemini salladığımı işaretle, ayrıca okuduktan sonra, makaleyi beğeneceğinizi ve bağlantıyı kimin verdiğini ve unuttuğunu hatırladım, evet, balığı hatırla Strugatsky'ler "Yıllarım aynı değil, odun keserken..." dedi. Ancak her bulutun gümüş bir astarı vardır, insanlar bu iskeleyi bir kez daha sallayabilir ve sallayacaktır.
Tüm ilgililerin ve sadece izleyicilerin dikkatine.
Birkaç gün önce hepinize hitap ettiğim sorunun çözümünü yayınlıyorum. Prensip olarak, içinde yeni bir şey yok. Bununla ilgili son yazımda anlattığım programı az önce uyguladım. Düzenlemenin anlamı basittir: Bu yöntemi kullanmak için birkaç olasılık görüyorum, bu yüzden birileri için faydalı olabilir. Ayrıca teorik yaklaşımın yararlılığını "göstermek" istiyorum.
Yani görev basit. Belirli istatistiklere tabi bir dizi {X} rasgele sayı vardır. İstatistikler Gauss değildir, çünkü X'in olası değerleri [0,∞] aralığına aittir. Genel olarak konuşursak, X=0 noktası genel popülasyona ait olmayabilir. {X} - N serisinin üye sayısı, mevcut veriler ve diğer istatistiksel parametreler üzerine kurulan dağılıma bir dereceye kadar güvenebilmek için yeterince büyüktür:
µ=M(X) – {X} serisinin ortalama değeri
D=M(X*X) – {X} serisinin varyansı
σ =√D – puan {Х}
Mevcut seri sınırlı olduğundan, tüm elemanları [Xmin,Xmax], Xmin>=0 sonlu aralığına aittir.
Mevcut {X} serisini M periyoduna sahip hareketli bir Y ortalamasını oluşturuyoruz. Ortalama alma yöntemi keyfi olabilir. Sonuç olarak, üye sayısı açıkça N–M+1 olan yeni bir {Y} dizisi elde ederiz. {Y} serisinin değer kümesi de sonlu aralığa aittir. [Ymin,Ymax] olarak belirtin.
Soru, {X} serisinin istatistiklerine ve parametrelerine dayalı olarak Ymin ve Ymax'ın nasıl hesaplanacağıdır? Ne için kullanılabilir, sonunda yazacağım.
İlk aşama, {X} serisinin dağılımının analitik bir formunun oluşturulmasıdır. Bulashev'de [0,∞] tanım alanına sahip yalnızca bir dağıtım işlevi buldum - lognormal dağılım. Kötü bir şey diyemem ama bana uymadı.
Benim (ve diğer pek çok) serimin istatistiği, p(X) olasılık yoğunluğu X→0 ve X→∞ olarak 0'a meyledecek şekilde olduğundan, p(X) için aşağıdaki genel formu kabul ettim:
p(X)=A*(X^a)*exp(–B*(X^b))), burada a>0 ve b>0
Buna göre integral dağılım fonksiyonu şu şekilde tanımlanır: F(X)= ∫ p(ξ) dξ. Burada ve aşağıda, 0'dan X'e kadar entegrasyon limitleri varsayılmıştır.Ne yazık ki, yerel editör, siteye üst simge ve alt simgelerin girmesine izin vermez. saptırmak zorundasın. Tabii ki beceriksiz görünüyor, ancak yapılacak bir şey yok. ξ sadece bir integrasyon değişkenidir.
Bununla bir şeyler yapabilmek için bu integralin analitik bir biçimde alınması gerekir. Parçalara göre entegrasyon ve p(0)=0 sınır değerini kullanarak, şunu doğrulayabiliriz:
∫ (ξ^a)*exp(–B*(ξ^b)) dξ = –1/(B*b) * (X^(a–b+1))*exp(–B*(X^b) )) + (a–b+1)/ (B*b) *∫ (ξ^(a–b))*exp(–B*(ξ^b)) dξ
yani, X'in a üssü her seferinde b azalır. k adımdan sonra, bu gösterge b-1'e eşit olursa, o zaman integral tablo haline indirgenecektir. Bu nedenle, integrallenebilirlik koşulunu açık biçimde formüle edebiliriz:
a – k*b = b – 1 veya a = (k+1)*b – 1, burada k>0 bir tamsayıdır.
Ancak yine de ortalamaları ve varyansı hesaplamamız gerektiğinden bu integrallenebilirlik yeterli değildir. Bu dağılımın tüm merkezi momentlerini açıkça hesaplamak için neyin gerekli olduğunu görelim. Açıkçası, µ = ∫X*p(X) dX (burada ∞'ye kadar entegrasyon). µ'yi µ(X)'in bir fonksiyonu olarak hesaplıyoruz ve integraldeki değişkenlerin üst limitini ayarlıyoruz.
µ(Х) = ∫ ξ*A*(ξ^a)*exp(–B*(ξ^b)) dξ = ∫ A*(ξ^(a+1))*exp(–B*(ξ^) b)) dξ
Yani, a1=a+1 üssü ile aynı türden bir integraldir. İntegral edilebilirlik için a1 aynı koşulu sağlamalıdır:
a1 = (k1+1)*b – 1, burada k1>0 bir tamsayıdır.
Bunu a koşuluyla karşılaştırarak şunu elde ederiz: b = 1/( k1 – k). n = k1 – k'yi ifade ederek, nihayet b: b = 1/n parametresinin kabul edilebilir biçimini elde ederiz, burada n>0 bir tamsayıdır. Ayrıca 0<n<=k ilişkisinin de geçerli olması gerektiğine dikkat edin.
Tüm bunları göz önünde bulundurarak, yalnızca kümülatif dağılım fonksiyonu F(X)'i değil, aynı zamanda bu dağılımın tüm merkezi momentlerini de açıkça elde edebiliriz:
F(X) = 1 – exp(–Z)*∑ (Z^i)/i!
Ml(X) = (k+n*l)!/(k!*(B^(n*l))) *{ 1 – exp(–Z)*∑ (Z^i)/i! }, burada Z = B*(X^(1/n)) .
p(X) fonksiyonunda görünen A sabiti normalizasyon koşulundan hesaplanmış ve bu ifadelerde dikkate alınmıştır. Üst satırdaki toplam işareti ∑, 0'dan k'ye kadar i indeksi üzerinde toplama anlamına gelir ve alt satırda, 0'dan k+n*l'ye kadar i üzerinde toplama anlamına gelir. Ml miktarı l. merkezi momenttir (l ile 1'i karıştırmayın).
Elde edilen tüm fonksiyonların X=0 için 0'a döndüğüne ve X→∞ için aşağıdaki limitlere sahip olduğuna dikkat edin:
F(X→∞) = 1 (normalizasyon koşulu) ve Ml(X→∞) = (k+n*l)!/(k!*(B^(n*l))).
Böylece şunu elde ederiz:
µ = M(X) = M1(X) = (k+n)!/(k!*(B^n))
D = M(X*X) = M2(X) = (k+2*n)!/(k!*(B^(2*n)))
Artık tam mutluluk için her şey hazır olduğuna göre, orijinal sıraya dönebilirsiniz. Son dağılım fonksiyonu p(X), p(X)'in {X} - B, k, n serisinin istatistiklerini en iyi şekilde yeniden üretmesini sağlamak için kullanılabilecek üç parametre vardır.
Bunları elbette MNC ile bulabilirsiniz, ancak bu sıkıcı. Sıram için kolaylaştırdım. Yukarıdaki formüllerden de anlaşılacağı
D/µ^2 = (k+2*n)!*k!/((k+n)!)^2
Bu nedenle, D/µ^2'nin değeri B'ye bağlı değildir. D ve µ {X} serisi için bilindiğinden, en yakın değeri verecek bir çift (n,k) seçmeniz yeterlidir. (n, k) çiftinin geçerli değerleri üzerine bir tablo oluşturdum ve sadece 4 uygun buldum: (2, 3), (3.8), (4.16) ve (5.26). B'nin değeri artık temel olarak D veya µ ifadelerinden belirlenir.
İlginç bir şekilde, ilk iki çiftin (n,k) değerleri (geri kalanını kontrol etmedim), deneysel p(X) dağılım eğrisinin mükemmel tekrarlanabilirliğini verdi. Her durumda, bu kalite benim için mükemmel.
Aklımda ilginç bir soru belirdi. Belki birileri neden istatistiklerde iyi özelliklere sahip bu kadar basit ve kullanışlı bir dağıtım fonksiyonunun kullanılmadığını aydınlatır? Ve eğer kullanılıyorsa, neden yazılmıyor? Lognormal dışında artımlı bir dağılıma yaklaşmaya çalışan birini hiç görmedim.
Marleson balesinin üçüncü aşaması, belirli X1 ve X2 sınırlarının hesaplanmasıyla bağlantılıdır.
Y = ∑ X serisinin yapısı, X'in M değerlerinin belirli bir ortalaması ile ilişkilidir. Bu ortalama, X'in en küçük M değerlerini içeriyorsa Ymin'in (teorik minimum) elde edilebileceğini varsaymak mantıklıdır. Benzer şekilde, Ymax.
ОХ ekseninde, X değerinin en küçük M değerleri [0, X1] aralığını ve X değerinin M en büyük değerleri [X2, ∞] aralığını işgal eder. Bu aslında X1 ve X2'nin tanımıdır.
{X} dizisinde N tane eleman olduğundan, F(X1) = M/N ve 1 - F(X2) = M/N.
F(X) işlevi analitik biçimde bilinir, bu nedenle X1 ve X2'yi belirlemek için yukarıdaki denklemler aşkın olmasına rağmen analitiktir. Bunları çözmek için herhangi bir sayısal yinelemeli yöntem uygulanabilir. Aşağıdaki grafikten de anlaşılacağı gibi F(X) fonksiyonu monoton olduğundan, büküm noktasından başlayarak gradyan iniş yöntemini kullanarak hızlı bir şekilde F(X1) ve F(X2 değerlerine ulaşabilirsiniz. ). MQL'de izin verilen maksimum doğrulukla hesaplarken, X1 ve X2 değerlerini almak için 13-14 adım ve bir saniyeden az bir süre aldı. Bu durumda, zaman (2.3) ve (3.8) çiftleri için pratik olarak farklı değildi. Yine de, MQL iyi bir şeydir. (Ne tür bir matkad var .... J)
Burada p(X) nerede ve F(X) nerede, umarım açıktır ve öyledir.
Şekil 1.
X1 ve X2'nin M değerine veya daha doğrusu M/N oranına bağımlılığına bakmak da ilginç olurdu. Ama sona ermesinden çok önce olmayacağı için şimdilik erteleyeceğiz. Sadece limitte M→N, X1→∞ ve X2→0'ın tutması gerektiğini not ediyoruz. Ve tüm bu hikayenin nihai amacının tanımı, Ymin ve Ymax değerleri ile ilgileneceğiz.
Aslında artık çok kolay. [0, X1] aralığı, M en küçük X ve [X2, ∞] - M en büyük X konumunu belirtir. Görevimiz, üzerlerinde iki ortalama değer belirlemektir. Ortalama alma algoritması önemsiz değilse, problem her bir özel durum için ayrı ayrı çözülmelidir. Basit bir MA'ya karşılık geliyorsa, formülleri kullanabilirsiniz:
Ymin = M(X1)/F(X1) ve Ymax = (µ – M(X2))/(1 – F(X2)).
Bu formüllerin basit bir "fiziksel anlamı" var, bu yüzden açıklamalara girmiyorum. Bunun yerine, Ymin ve Ymax'ın X1 ve X2 değerlerine bağımlılığının bir grafiğini veriyorum. Ymin'i kırmızı ve Ymax'ı mavi olarak gösterir. Yatay turkuaz çizgi µ değerini gösterir.
Beklendiği gibi, X1→∞'deki Ymin ve X2→0'daki Ymax, biri aşağıdan, diğeri yukarıdan olmak üzere µ eğilimi gösterir.
İncir. 2.
Bu durumların her ikisi de, X1 ve X2'nin M değerine bağımlılığının grafiğinden açıkça görülen M → N'ye karşılık gelir. Bunu ben gündeme getirmedim mi? Hayır, yaptı. Bu ilk tablo. Ve iki eğriden F(X) eğrisini kullanmak gerekir. Sadece F'yi X ile belirlemek değil, aksine X'i F ile belirlemek gerekir. Aynı zamanda, X1 ve X2'yi belirlemek için denklemlere bakın ve M → N ise M / N → olduğunu unutmayın. 1.
Böylece, M/N, M ile arttığında, X1'in arttığı (ve onunla birlikte Ymin arttığı) ve X2'nin azaldığı (Ymax'ın onunla azaldığı) ortaya çıkıyor. Ama aynı zamanda her zaman Ymin<X1 ve Ymax>X2.
Hesaplarımda, {X} serisinin 1 - 3 - 5 değerlerinin, N değerine bağlı olarak, X2'nin üst sınırının ötesine geçebileceğini aldım (alt sınır bu anlamda ilgi çekici değil). Aynı zamanda Ymax değeri asla aşılmaz. Hangisi genel olarak anlaşılabilir: X'in tüm M değerlerinin en büyük olduğu durum istisnaidir. {Y} serisinin değerlerine gelince, X2'nin ötesine geçme olasılıkları daha da azdır. Ymax'tan bahsetmiyorum bile.
Yani, {Y} serisinin sert ve yumuşak değer aralığı sınırlarının iki tahmini aldık. Görevin gereksinimlerine bağlı olarak bunlardan herhangi birini kullanabilirsiniz.
not
Afedersiniz. Resim ekleyemiyorum. Herhangi bir formatta değil. Muhtemelen site hata veriyor.
Ve sonuç olarak, tüm bunlar neden gerekli?
Bunu yaparken, tüm bunların çeşitli kullanımlarını gördüm.
1. İyi bilinen TA göstergelerinin, özellikle osilatörlerin normalleştirilmesi. Osilatörlerle düzleştirme periyotlarının yalnızca dar bir aralığında çalışmanın mümkün olduğuna kimse dikkat etti mi? Periyotta azalma ile ileri geri atmaya başlar ve artış ile genlik o kadar azalır ki seviyelere ulaşmaz. Favori bir RSI örneği aşağıdadır. İki periyot 14 ve 30 için iki seçenek. İkinciye güveniyorsanız, o zaman hiç ticaret yapamazsınız. 70/30 seviyelerine çok nadiren ulaşılır. Veya her dönem için bu seviyelerin yeniden optimize edilmesi gerekir.
Şekil 3.
TA göstergeleri pratik olarak t / f'ye bağlı değil, anladığım kadarıyla bu onların istatistiklerinin bir özelliği. Ama düzgünleştirme sorununu çözersek, belki onlardan yeni bir şeyler elde edilebilir. Böyle bir stokastik normalleştirme prosedürünün yardımıyla, bunun oldukça mümkün olduğunu düşünüyorum.
2. Kişisel sorunum, dizinin menzilinin esasen N'ye bağlı olduğu gerçeğiyle bağlantılıydı. Ama aksi nasıl olabilirdi ki, Hurst boşuna acı çekti mi? :-))
Artık her şeyi, ne başka bir t / f'ye geçişin ne de yumuşatma dönemindeki değişikliğin serinin değer aralığını etkilemeyeceği evrensel bir standarda getirebilirim. Bu, diğer parametrelerin herhangi bir değeri için aynı giriş-çıkış seviyelerini kullanmanıza izin verir. Bu koşullar altında optimizasyon mantıklıdır. Bir sitede optimizasyon yaparken, stratejinin karlılığını başka bir sitede test edebilirim. Devam ederse, strateji gerçekten işe yarıyor. Değilse, çöpte.
Belki bu başka biri için faydalı olacaktır.
3. Şimdiye kadar hiç kimse bir şekilde fiyat tablosunu doğrudan normalleştiremedi. Ama bu güzel olurdu. Biz mutlak değerle değil, onun dalgalanmalarıyla ilgileniyoruz. Belki bu şekilde işe yarar. Dileyen deneyebilir.
4. Hiçbir şey anlamadığım sinir ağlarında verileri normalleştirmek gerekiyor. Koşullu aralığın ötesine geçmek, sinir beyinlerinin sinir çatısını kaybetmesine yol açar.
Belki de bu normalleştirme yöntemi, bazı durumlarda şu anda kullanılandan daha faydalı olacaktır.
Bu kadar. Eleştiri her türlü kabul edilir.
not
Kasıtlı olarak herhangi bir kod veya kod örneği göndermedim. Algoritma ayrıntılı olarak açıklanmamıştır, ancak ayrıntılı olarak açıklanmıştır. Bunu anlamak zor olmayacak. İstenirse tabii.
Topluluğumu örneğimi takip etmeye teşvik ediyorum.
şöyle nedenleri vardır.
Bu pasta yemeye hazır değil. Bu nihai bir çözüm değil, bir yöntemdir. Bu yöntemin özel görevlerde herhangi bir şekilde kullanılması, onlara özel görevler bırakacaktır. Bunu anlamaya ve anlamlı bir şekilde kendileri için kullanmaya zahmet etmeden, başkalarının çözümlerini kullanmakta acele edenler, yanlış yönlendirilecek, zaman ve muhtemelen para kaybedeceklerdir.
Bu yöntemi doğru kullanmak için ihtiyacınız olan
1. {X} dizinizin ne olduğunu formüle edin.
2. Uygun prosedürü kullanarak doğru şekilde oluşturun.
3. İstatistiklerini keşfedin, istatistiksel parametreleri hesaplayın.
4. Bu serinin istatistiklerinin farklı telefon numaralarındaki yazışmalarını araştırın.
5. İstatistiklerle eşleşen bir k,n çifti seçin.
6. B parametresini hesaplayın.
7. Bir model dağılım fonksiyonu p(X) oluşturun ve bunu deneysel olanla karşılaştırın. Bu yöntemin daha fazla kullanılması, yalnızca model ve deney arasındaki anlaşmanın tatmin edici olması durumunda doğru olacaktır. Ve bunun için yine de bir değerlendirme kriteriniz olması gerekiyor.
8. Ve son olarak, alınan Ymin ve Ymax'ı hala doğru şekilde kullanabilmeniz gerekir. Bu da göründüğü kadar kolay değildir. :-)
Yani, dükkandaki kardeşler, sadece bedavaları teşvik etmekle kalmaz, aynı zamanda başkalarına bir şans, inisiyatif alma, bir şeyi kendi başlarına anlama fırsatı verir.
Bir programcı, eline gelen her şeyi programlayan biri değildir.
Tıpkı bir erkeğin yanan her şeyi içmeyen ve hareket eden her şeyi içmeyen biri gibi.
Elbette yapıyorum ama buna "anüs yoluyla" deniyor. Umarım bu geçici bir önlemdir. Düzgün çalışır çalışmaz resimleri olması gereken yere ekleyeceğim.
not
Ne yazık ki, buna rağmen hiçbir şey yapışmıyor.
Moderatörler, AUUUUUUUUUU!!! Siteyi onarın, pls. Ne resim ekle ne de dosya...
Yurixx'e
Şaşırtıcı bir şekilde, sadece sonuçta ortaya çıkan hareketli ortalama serisinin aralığına bakmak yerine, sessizce teorik bir tahminle ve hatta kanıtlanmamış bir dağılıma dayalı gradyan inişiyle sonuçlandık. Bu teorik olarak harika!
Tamam, henüz inanmıyorum, görkemli Kurgan şehrine yaptığım bir iş gezisinden sonra tekrar okuyacağım. :hakkında)))
Not : Bilimsele yakın hayatımdan bir vakayı hatırladım. Patronuma uzun bir çıkarılmış formül rulosu ile geldim, baktıktan sonra hiçbir hata olmadığını, ancak daha basit hale getirilebileceğini söyledi. Bu söze gururla “kolay yollar aramıyoruz” cevabını verdim, o da hemen “bu yüzden bulamıyorsunuz” dedi.
Yurixx'e
Şaşırtıcı bir şekilde, sadece sonuçta ortaya çıkan hareketli ortalama serisinin aralığına bakmak yerine, sessizce teorik bir tahminle ve hatta kanıtlanmamış bir dağılıma dayalı gradyan inişiyle sonuçlandık. Bu teorik olarak harika!
Bana göre bu daha kolay. Küçük bir kod parçası, T/F ve ortalama alma parametrelerine bağlı olarak normalizasyon katsayılarını hesaplayan bir göstergenin veya bir Uzman Danışmanın init() içine gömülecektir. Her şey çalışıyor. Ve Şampiyonada bunu nasıl yapacaksınız, eğer danışman bilgisayarınızda yoksa ve tarih oraya yükleniyorsa, kimse ne kadar olduğunu bilmiyor mu?
Ama bunlar önemsiz şeyler. Soru daha ciddi. Bu katsayıları her seferinde elle mi yoksa matcad :-) sembolünde, t/f vs. değiştirirken mi yeniden hesaplamanız gerekiyor? eziyet etmiyor musun? Veya tüm karakterlerden, s/f, kenar yumuşatma vb. bir veritabanı oluşturun . ? :-)
Bir tane daha var, en önemli nokta. Ama onu fark etmediyseniz, onunla incir. :-)))
Bu arada, "kanıtlanmamış dağıtım", forex'te tek bir değerin tek bir dağılımının bilinmemesine rağmen (sadece anormal olduğu biliniyor) - bu çok saçma. İyi şaka.