Представление графика в виде ломанной линии и распознавание образа ( формы ) ломанной в целом и отдельных ее фрагментов. Является ли такой подход к автоматическому трейдингу перспективным и реализуемым ?
Это совершенно другой подход к торговле, который не может быть описан в рамках математической статистики.
Не согласен. Для каждого образа, на основе которого оценивается рынок, необходимо сделать статистический анализ поведения рынка при появлении этого образа на истории, построить распределение, определить его параметры. Далее можно опять-таки статистически определить оптимальные параметры образа. Имея эти данные в базе данных образов можно с известной точностью определять вероятность ошибки/успеха при принятии решений.
"这次访问的目的是什么？- 午餐" (c) "黑衣人"
好的。
:-)))
如果研究人员提出一个实验，让老鼠在迷宫中奔跑，如果老鼠跑错了方向，研究人员更倾向于相信老鼠生病了，而不是认为这一经历推翻了他的理论。
Является ли такой подход к автоматическому трейдингу перспективным и реализуемым ?
Это совершенно другой подход к торговле, который не может быть описан в рамках математической статистики.
Не согласен. Для каждого образа, на основе которого оценивается рынок, необходимо сделать статистический анализ поведения рынка при появлении этого образа на истории, построить распределение, определить его параметры. Далее можно опять-таки статистически определить оптимальные параметры образа. Имея эти данные в базе данных образов можно с известной точностью определять вероятность ошибки/успеха при принятии решений.
我认为估计模式的统计特征在实践中是相当有问题的，尽管在互联网上可以不断找到关于尝试这样做的信息。例如，这里介绍的是最新版本："MQL4：自学专家顾问" 这种方法指的是神经元网络。但由于某些原因，我从未发现这种系统的任何量化特征。也许我只是看错了？
而我认为这里的问题是，如果你根据相当严格的参数选择模式进行估计，你可能根本没有足够的历史来估计个别模式的参数。或者说，如果你要统计估计所有可以有条件地归结为模式概念的条形组合，那么我认为你要么会有大量的所有可能的模式修改，彼此之间的差异是非常小的统计学上的不显著值，要么模式的统计估计会非常模糊（估计的差异很大）。而在未来，真实交易中的自动机将很难理解出现在最新条形图上的基数中的现有模式修改现在属于哪一种。为了使一个模式具有统计学意义，我认为我们需要在我们的工作货币对上有历史，而我们没有，所有这些都要保证市场在没有被训练的样本中按照同样的规则进行游戏（在未来）。在这方面，一个简单的线性回归渠道在统计上更有保证。看看什么更可靠？市场状况信息总是用标准的简单算法在历史上的最后300根柱子上计算出来的，或者这些柱子最近获得的信息与过去5年历史上出现的100个头肩底形态的平均值相似（很有关联）？在我看来，回归更可靠，因为它是一种经过充分研究和锻炼的数学技术，与模式识别相比，后者对其他各种因素有太多的依赖。
然而我认为模式识别任务可以简化为更简单的趋势线任务（沿极值绘制的倾斜阻力/支撑线）。那就是许多经典的模式可以用一组趋势线的突破来代替，这将意味着走出模式的工作。但在这里也不是那么容易。例如，在这个文件中，我们可以看到一个收敛的三角形的动态https://c.mql5.com/mql4/forum/2006/08/triangle.zip。
你可以看到8月8日汇合三角形的出口。但是根据这个三角形的经典描述，突破应该是只向上的。但实际上，价格有涨有跌，也就是说，牛市和熊市都得到了他们的钱。这个例子立即否定了 "聚合三角形 "这种模式的意义。
所给图表中的趋势线是在没有考虑到最后2个柱子的情况下绘制的。这就是为什么当一条趋势线被打破时，可以清楚地看到哪条趋势线被打破。
一个更完整的上个月的趋势线动态版本可以在这里找到"MQL4: A picture for metaquotes forum" solandr 31.08.2006 08:02 (一个多卷RAR档案。 总共有16个部分。在你下载完所有部分后，将zip扩展名改为rar，并在WinRAR3.50中解压。对于交易初学者来说，观看这部动画片是非常有用的，例如ACDSee，可以了解市场趋势在一段时间内可能发生的变化，以及如何才能将你的风险降到最低。
在我看来，用趋势线工作要比用多参数模式工作容易得多，因为多参数模式需要在历史数据上捕捉，然后收集统计数据。趋势线要简单得多!我甚至在我的EA中试验过它们。我用它们取代了一个确认的振荡器，甚至是赫斯特指示器！"。 而总的来说，获得的结果是非常有意义的，明显不同于完全随机的结果。目前，我决定暂时推迟在我的专家顾问中使用趋势线，因为根据我的观察，赫斯特指标的计算提供的信息与趋势线大致相同，但使用的是更正规的计算算法，在MTS的创建和实际使用方面更有效率。
神经网络最有可能在以下领域发挥作用：你可以提前计算出未来可能发生的所有组合，并根据噪声中的这些组合找到一个或另一个变体的确认。例如，事先知道（在测试区记录了初步情况，或在适合情况的数学模型基础上计算了所有可能的信号变体）一个物体接近另一个物体时所有可能的信号变体，在未来（在实际使用以这种方式训练的物体时）有可能从可用的信号变体中找到最接近的，并在建立以神经元网训练的系统时对该物体的进一步行动做出相应决定。但所有这些都是在数据库中可用的情况的限制下进行的，并将根据曾经记录的算法进行演变。我担心外汇在这方面的变化更大 :o(
Yurixx，我认为你不同意这一点是不对的。
为什么不呢？我的意思是你为什么这么想？
显然，在夏天，科学只是在度假;o)。而现在一个学年已经开始，有一些更合适的科学论坛的地位。
http://www.lib.mexmat.ru/forum/viewtopic.php?t=3254&sid=a6468f00350c4e81f1b818be89ec1869
谢谢你的链接，我明天会阅读。