TL;DR: Нет На просторах Сети полным полно материалов, мануалов, готовых решений, сборок и прочего добра, посвященного прогнозированию цен на криптовалютные и традиционные биржевые активы, пахнущего быстрыми и легкими доходами с минимумом усилий. И хоть пишут их разные люди, с разными подходами, на разных платформах и с разными парадигмами, у...
即使没有基本数据的数字化，除了价格，还有成交量、未平仓合约、价格和成交量水平、时间参数--时段、季节等等。 新闻，似乎已经被数字化了......。
尝试将这些数据的数字化和会计逻辑系统化。我不是一开始就明白的）从数字上看，股票交易指数、总收入、国家的中央银行利率、预测的总数字、机构估计、信用评级、行业数字、国家之间的贸易额......。那你是如何使用的呢？ 技术分析 是一首独立的歌曲...从根本上说。
酷，我去看看...
而这是科学家们已经在做的事情....
通过主成分法（PCA）对系列进行划分
在一个大小为10的滑动窗口中的报价
有8个组成部分
该算法将成分分为变化慢的和变化快的，以及重要的和不重要的，并将它们分类。
分解（任何傅里叶、小波、普卡）的最强属性是可加性
也就是说，如果我把所有的组件pc1+pc2+...+pc8加在一起，我得到的回报是相同的价格。
现在想一想，如果我们用同样的指标而不是组件，并把它们加在一起，我们会得到什么？ 正是我们在神经网络的输出中得到的，当我们在一个随机数上训练它时)
试想一下，通过这样的分解可以产生多少个特征
你可以过滤数据，找到并提取不必要的（不良成分）。
你可以改变组件并把它们放回去，或者只留下它们
你可以让组件走得更快或更慢，或改变其振幅。
你可以相对于每一个组件进行分析，或者分析其中的两个或三个组件。
你可以分别预测各部分，在总的预测中加总（它们是相加的）。
预测一个组件与另一个组件的关系
有可能...
你可以...
有可能...
可以...
你可以...
这就是科学家在想弄清一些事情时的做法。
只是一个在真实市场中作为指标工作的神经网络，并很好地预测了资产运动。另外我还有一个实验性的，试图提供入口。 这里是过去10小时的最后四个信号，所有信号都是公开的。
干得好！！你增加了哪些新东西？
尝试将这些数据的数字化和会计逻辑系统化。我没有马上明白）从数字上看，股票交易指数、总收入、国家的中央银行利率、预测的总数字、机构估计、信用评级、行业数字、国家之间的贸易额......。那你是如何使用的呢？ 技术分析 是一首独立的歌曲...从根本上说。
哈博的好文章：神经网络会梦见电钱吗？
我不建议读它，我为自己保留了这个链接
分解（任何傅里叶、小波、普卡）的强大属性是可加性
这是任何线性分解的一个属性。如果你不能拿回信号，那么分解就错了。逻辑问题。任何模拟都可以分解成正弦波。这里的目的可能是不同的。隔离，按外部影响的标准来分离价格运动。那么它就有意义了。而且出现了对价格行为和预测进行更有意义的分析的可能性。
这是任何线性分解的一个属性。如果你不能拿回信号，那么分解就错了。这是一个逻辑问题。任何模拟信号都可以分解成正弦波。这里的目的可能是不同的。隔离，按外部影响的标准来分离价格运动。那么它就有意义了。而且出现了对价格行为和预测进行更有意义的分析的可能性。
它是什么意思？
那么，首先，数字化的基本数据立即成为技术分析的对象。
我们对技术面和基本面有不同的定义。基本=真实的数据，用社会既定的标准表示。Gasprom的资产负债表是基本数据。股票销售 和报价是技术性的。没有说服力，按照我的理解解释。
它知道什么？
价格走势是由许多因素决定的，分离出主要因素，并通过分解将其与价格走势联系起来。事实上，这就是工作中所做的事情。据我所知，相同类型的价格变化是通过对其分解的选择来区分和分离的。如果你不知道这些因素的本质，你可能不了解它们，但了解有可能确定并考虑到这些因素，你就会有很多理解。
干得好！！你增加了哪些新东西？