交易中的机器学习：理论、模型、实践和算法交易 - 页 2753

新评论
 
Maxim Kuznetsov #:

古典 SB 之外的历史节点值得特别关注


包括，但有必要确定其性质，并以某种方式对其进行总体描述，以便使用包括 MO 在内的适当方法

在我看来，在这种情况下，分形理论更接近本体

 
Valeriy Yastremskiy #:

分形主义将提供什么？

分形数列的特性能给人启示

一直在读曼德尔布罗特（Mandelbrot）的书，总体来说还不错，你可以开始看到这一理论所描述的 "模式"。

这些模式各不相同，但具有共同的属性

当然，预测能力尚未得到证实。

 
Maxim Dmitrievsky #:

但有必要对其性质进行定义，并以某种方式对其进行一般性描述，以便使用适当的方法，包括国防部的方法

在我看来，在这种情况下，分形理论更接近本体

它已经是分形的、自相似的......

在分钟级上的图形完全相同：

在任何起点上都是一样的： -))

价格倾向于最小化偏差（毕竟，市场在各个层面和时间范围内都在讨价还价），因此要注意这些偏差最大的地方

 
Maxim Kuznetsov #:

而且它已经是分形的、自相似的.....

在细微尺度上完全相同的图表：

而且从任何起点出发都是双向的 :-)

价格倾向于最小化偏差（毕竟，市场在各个层面和时间范围内都在讨价还价），因此要注意这些偏差最大的地方。

你知道自己在做什么，甚至还发明了一个指标。

我有兴趣在 MO 的框架内处理这个问题。以及其他属性。也许我以后会做点什么。

好吧，我先走了，以后我会写一些例子的。
 

小补充：SB 与经典 SB 的一般区别在于禁止平飞。出于经济原因，不可能沿着地平线长时间移动。

 
Maxim Dmitrievsky #:

分形序列的特性可以让我们深入了解

一直在读曼德尔布罗特的书，总体上还不错，你可以开始看到这一理论所描述的 "模式"。

这些模式各不相同，但具有共同属性

当然，预测能力尚未得到证实。

在我们的案例中，这些特性很难或甚至不可能形式化。虽然有必要在这个方向上进行探索，但在我们的案例中是否有效，目前还没有答案。但对于其他情况，包括天气情况，它是有效的。

 
Maxim Kuznetsov #:

古典 SB 之外的历史节点值得特别关注


彗星

;)

 

另一种确定参考点的方法，通过 7-9 度的多项式（不是 2-3，但也不要过多，否则我们会在不经意间抹平）：

- 取一个相当大的历史记录（很多很多条）

- 以某种方式定义或指定多项式阶数的奇偶性

- 为条形图分配权重--从旧条形图的最小权重到新条形图的最大权重。线性或指数加权，只要不相等即可。

- 应用 ISC

我们将在特殊点（顶点和拐点）附近搜索有效的条形图。

 
Maxim Kuznetsov #:

另一种确定参考点的方法是通过 7-9 度的多项式（不是 2-3 度，但也不能过大，否则我们会在不经意间抹平）：

- 取一个相当大的历史记录（很多很多条）

- 以某种方式确定或指定多项式阶数的奇偶性

- 为条形图分配权重--从旧条形图的最小权重到新条形图的最大权重。可以是线性加权，也可以是指数加权，最重要的是它们不应该相等。

- 推动 ISC

瞧 - 我们在特殊点（顶点和拐点）附近搜索有效的条形图

这些汇集点将是分岔汇集点，在这些汇集点之后，我们应该寻找吸引点，并根据它们调整窗口，直到下一次分岔。

在非线性动力学或其他方面。

将这一窗口置于 MO 中，并对近期进行预测。

只有在这块自折线图的中间位置之后，吸引子才会清晰，在此之前，任何吸引子都不会清晰，或者会有更大或更小的吸引子发生作用。

也许有一种算法简单的方法可以在训练示例中考虑到所有因素，而无需担心这个问题。

 
Maxim Dmitrievsky #:

这些剧目将是分岔剧目，在这些剧目之后，我们应该寻找吸引物，并根据它们调整窗口，直到下一次分岔为止

在非线性动力学或其他方面。

将这一窗口置于 MO 中，并对近期进行预测。

吸引子只有在这块自折线图的中间位置之后才会清晰，在此之前什么都不会清晰，或者会有更大的吸引子发生作用。

我不知道你为什么对 Windows 如此着迷。关于 WINDOWS - 这是对微软公司说的 :-)

您选择了一个参照点，这就是您应该考虑的地方。您关心的是您的个人账户/系列/交易的个人命运。这才是最重要的。

账户活得越久，你就必须挖得越深。你自己，当你穿着短裤时，认为一周接近永恒；现在，一周就像一眨眼；

1...274627472748274927502751275227532754275527562757275827592760...3399
新评论