Piligrimm 的软件产品 - 页 3

新评论
 

为什么测试的时间这么短？至少从2004年初开始展示。从2001年开始更好。而且在所有蜱虫上，质量为90%。

而现在你在卖一些没有任何意义的东西。

 
Piligrimm: 但市场是波动的，只有通过深度神经网络分析才能做出准确的预测。

这是我第一次听说深度神经网络 分析。那是什么？

 
Aleon:

为什么测试的时间这么短？至少从2004年初开始展示。从2001年开始更好。而且在所有蜱虫上，质量为90%。

而现在你在推销你不了解的东西。

我卖的是指标，不是交易系统。

如果你指的是 TRNSK 交易系统 的测试 ，我把它附在主题上，那么这个交易系统是专门为演示在TS中使用所提供的指标的可能性而创建的，用于介绍这个主题。这些指标可以相当有效地用于创建TS，这个例子表明，对于这个足够的测试者来说，所显示的时期，因为我目前提出的不是一个具有任何特定策略的交易系统，而是只有指标。当我将来把TS出售时，当然会对演示品和实物进行测试，在足够长的时间内确认它们的工作，以便能够做出客观的结论。

 
LeoV:
Piligrimm: 但市场是不稳定的，准确的预测只能通过深入分析与.

这是我第一次听到关于用.NET技术进行深度分析。它是什么？

我更愿意说以神经网络 为基础的专家系统的深度分析，因为神经网络只是专家系统的材料，而其核心是其运行的策略，而策略的有效性决定了预测的准确性。

 
LeoV:
Piligrimm: 但市场是波动的，只有通过深度神经网络分析才能做出准确的预测。

这是我第一次听说深度神经网络分析。那是什么鬼东西？

:-)

 
Integer:
LeoV:
Piligrimm: 但市场是波动的，只有通过深度神经网络分析才能做出准确的预测。

这是我第一次听说深度神经网络分析。那是什么鬼东西？

:-)

:))

 

这里是另一张照片，在这个时间点。黄线和粉线已经合并，这意味着会有一个短暂的平缓期。

 

皮尔格里姆

你试图出售一个黑盒子（几个盒子）而不透露它们的工作原理。指标是一打的，而你提供的指标并不比其他指标好。如果你使用任何指标和它的应用来建立TS，你必须知道它的工作原理，而你在这里没有得到。也许有人会买漂亮的图片，但我建议你展示能带来利润的交易策略并使用你的指标。它们已经在外汇市场上经过了多年的检验。


你在指标的基础上使用小波变换，但它们不能给出价格行为预言（这对盈利的TS非常重要），因为所有的小波都是在时域中定位的。我想解释一下，假设你定义在某一特定时间，一个时间序列可以表示为一组 "墨西哥帽 "或类似的东西，但这个函数在未来的预测没有意义，因为它在那里等于零。第二个例子，要说明的是，傅里叶分解（正弦波的基函数）只定位在频域，即通过定义正弦波（一组正弦波）的参数，你可以预测到未来的时间序列。

 
Prival:

皮尔格里姆

你试图出售一个黑盒子（几个盒子）而不透露它们的工作原理。指标是一打的，而你提供的指标并不比其他指标好。如果你使用任何指标和它的应用来建立TS，你必须知道它的工作原理，而你在这里没有得到。也许有人会买漂亮的图片，但我建议你展示能带来利润的交易策略并使用你的指标。它们已经在外汇市场上经过了多年的检验。


你在指标的基础上使用小波变换，但它们不能给出价格行为预言（这对盈利的TS非常重要），因为所有的小波都是在时域中定位的。我想解释一下，假设你定义在某一特定时间，一个时间序列可以表示为一组 "墨西哥帽 "或类似的东西，但这个函数在未来的预测没有意义，因为它在那里等于零。第二个例子，澄清一下，傅里叶分解（正弦波的基函数）只定位在频域，也就是说，通过定义正弦波（一组正弦波）的参数，你可以预测未来的时间序列。

当我开始学习交易时，我尝试了所有可用的指标，它们中的大多数只是显示模糊的图像，以非常抽象的方式反映市场事件。他们中的许多人专注于手工交易，将他们结合起来并形成一个单一的输入数据供神经网络进一步处理并不总是很方便。因此，我决定开发自己的，一方面在视觉上吸引人，另一方面 形式的数据进行进一步的处理，最重要的是，可以提高输入信号的信息价值，并创建一个可展示的从主信号派生出来的信号选择来使用，重叠了主信号变化的最大可能范围 。如你所知，市场上什么都有，但要选择必要的信号并去除干扰的信号却不那么容易。长期的时间序列实践经验在一定程度上帮助我做到了这一点。如果我们比较一下标准的ZigZag 指标和我的Trend指标，它的工作原理与ZigZag接近，但与它有很大的不同，它除了显示枢轴点外还显示趋势动态，那么使用Trend指标的下一个射线的神经网络预测要准确得多。所有4个最新的 指标都是相互补充制定的，一起使用时效果最佳。

至于指标的运作原理，如果你有任何问题，我愿意回答。

在这些指标的基础上，有许多策略，每个开发者都有自己的方法和关于如何交易的想法。此外，创建一个有效和有利可图的策略比编写任何指标或专家顾问要难得多，而且成本也高得多，实际上它是一个交易系统的算法，对它进行编程是一个技术问题。

小波变换只在第一个指标中使用，它主要面向手工交易。第二个指标是基于多项式的。 我已经在不同的主题中向你展示了多项式的例子。但离散化使用的不是标准的时间间隔，而是按照价格动态的比例进行动态重建，它与小波变换或傅里叶分解无关。这种方法使我能够在不损失信息内容的情况下有效地压缩输入信号，并为神经网络创建一个有代表性的样本。 因此，我没有输入例如2000条的历史，而只有100个样本；这按比例提高了学习速度。此外，这种抽样本身就是一个有效的过滤器，可以去除随机噪声和不重要的波动，因为只有信号极值才能进入采样点。作为这种压缩的结果，我能够以足够深的历史实时工作，并在每个新条形的到来时对M1进行预测，在3至15分钟的间隔内动态地重新训练神经网络，这取决于指定的学习精度和使用的策略。

这就是我提供的指标与标准指标之间的本质区别，这些指标很丰富，但它们并不以与神经网络的合作工作为导向。

 

新的实时滑梯，刚刚离开市场，还很温暖。正如我从指标读数 中预测的那样，它正在走向平坦。

12345678910...14
新评论