Да, пока эта величина фиксирована, но позже мы превратим её в параметр и найдём оптимальное значение (как у Винса, только для произвольной ТС и в аналитическом виде, что бы не оптимизатор гонять днями, а иметь коротенькую формулку - подставил в неё котир и получил оптимальное f).
...
Тогда встает понятная задача - конкретизировать параметры SL исходя из параметров сохранности капитала. Таковыми могут быть:
损失的可能性只有在我们进入市场的那一刻才会出现。在那一刻，我们假设我们知道:):
(因为预测的准确性对Lot没有影响，这似乎是一种耻辱 :) )
迈克尔，我已经从你的帖子中分离出主要的（我认为）和新鲜的想法，即：在计算手数时，你可以考虑到概率的价值。我曾经有过这样的想法，但...但这种变体更适合于动态TS，你可能正好有一个，你怎么看？
一切都是正确的。只有这种正确性需要被证明，我们将这样做。我目前的推理不包含SL 和TP 订单，现在还不是输入它们的时候。我们将考虑一个没有保护性订单的TS的最一般情况，它自己开仓和平仓，从数学的角度来看，它的整个生命是由 h 抽头的绝对值和符号分布决定的。
最简单的证明是试图通过一个优化器找到比交易系统更好的止损。文斯给出的都是抽象的计算方法，与报价无关。此外，像往常一样，假设一个静止的BP。真正的TS是在现有的范围内工作，而不是在固定的范围内工作。给我举出一个不这样假设的MM。一个在真实的VR上有利可图的TS一定比在有奇怪假设（静止性）的VR上产出更差。 当某些东西被证明时，讨论那些在证明系统内无法证明的假设是非常重要的，这通常是静止性假设。
并非所有的事情都是如此明显的MM。也许值得在这里打探一下。
Хотя на мой пост не обратили внимания, еще раз настаиваю, что SL и ТР не имеют никакого отношения к ТС.
那么TS是做什么的？如果SL和TP过着他们自己的、独立的生活。这很有趣。
如果有可能通过一个根据当前报价做出决定的交易系统找到比出场更好的SL，那么与SL相比，这个TS有一个缺点。
我认为在术语和目标方面存在一些混淆。
SL TR是对外汇中极端交易条件的反应，例如连接中断。
所以你有一个绝对的策略，比如说，只有连接失败才是可怕的？你是否只在极端条件下关闭订单？
Да, пока эта величина фиксирована, но позже мы превратим её в параметр и найдём оптимальное значение (как у Винса, только для произвольной ТС и в аналитическом виде, что бы не оптимизатор гонять днями, а иметь коротенькую формулку - подставил в неё котир и получил оптимальное f).
太好了！！！。这只是一个梦想成真。而且我怀疑这将是一个像Shepherd's.... 那样的功能紊乱的东西。
米哈伊尔，我刚刚从你的帖子中强调了一个基本的（在我看来）和新鲜的想法，即：在计算手数时，你可以考虑到概率的价值。我曾经有过这样的想法，但...
安纳托利，非常感谢你，但我认为洛特和FidelityPrediction之间的相关性的想法比我要早得多 :)
嗨，米哈伊尔!
谢谢你响应我的请求，参加一般性讨论。
当然，你在刚才的帖子中所表达的一切都很正确。但我们还是按顺序来吧（按我的顺序：-）事实上，有很多条路可以通向真理，不幸的是，我们无法涵盖所有的路，而且这也没有必要。因此，我将继续走我已经概述的道路，只考虑到你的批评意见，而省略细节......
我认为谢尔盖是对的：奥林匹斯山是一个，但每个登山者都有权利选择自己的路线。我们的业务是恭敬地帮助开路的人。
"我的 "不是很新的假设，即SL通过Lot（即通过一次交易的最大资本损失%）与预测的可靠性有关，可能在 "攀升 "过程中使用g.n。
但这个变体更适合于动态TS，对你来说似乎也是如此，你怎么看？
安纳托利，给我们提供你对 "动态TS "的定义，也许这对作者的工作有帮助。
不是垃圾，我们可以在另一个分支或私下里继续这个话题。
继续前进。
提醒大家注意。
我们得到了一个表达式，它显示了我们的存款增量 K[n] 与它的起始值 K[n] 之间的相对值，通过任意的TS的 n 次交易，它是通过其贿赂的值h[i] 定义的。符号P 代表大括号相互之间的乘积。暂时就这些了。问题是，我们不能用这种形式提出的存款增长的表达方式进一步发展。但我们可以尝试一个技巧，特别是回顾一下，点贿赂的值h[i] 是整数，在大量交易的情况下，我们总是可以找到每笔贿赂中具有相同点数的贿赂组。因此，将乘积中的术语重新组合成 "利益堆积"，并利用通过重新排列乘积中的术语，乘积不发生变化的事实。然后，该表达式可以表示为：。
看，我们能够从一个连续的产品转变为具有相同参数h[j] 的组的产品。这些组已经可以用简单的表达式来代替，指数g[j] 等于组中的元素数（见表达式右侧的存款增量）。
我们需要研究由此产生的极值表达式，即作为f 的函数，每个时间单位的存款增量最大化。为了做到这一点，我们将利用这样一个事实来简化表达式：如果我们通过放大镜（比喻）看 "花瓶"，平滑函数的极值（这就是我们感兴趣的）不会移动。在我们的案例中，我们使用一个对数函数作为放大镜。它的好处是，它是单调的，并将量级的乘积转换为它们的总和（不转移极值）。
为了简单起见，我们用S 表示利润的对数，并注意到g[j] 只不过是这种规模（参数）的贿赂数量（数目）的分布函数（DF）。例如，这里是随机抽取的TC的FR看起来是怎样的。
我们看到，贿赂既可能是输的，也可能是赢的（正面）。你也可以注意到，用小秋千的贿赂明显多于用大秋千的，等等。要找到这样一个TS的MO并不难。
你可以看到，MO=10点，这个抽象的TS将能够为佣金低于10点的工具产生利润。我们暂时不考虑所有关于遍历性等问题，因为我们考虑的是所建议的方法的一个例子。
因此，所有这些都是为以下事实做准备：为了找到最佳存款 f，我们需要知道某个TS的技巧数量的分布规律（最好是以分析形式）。知道了这一点，我们把得到的FR的表达式代入利润对数的公式，并寻找它的最大值。例如，对于这种情况，贿赂的分布规律是高斯的，用分析的形式写下来并不困难。
或为利润的对数。
但同样不清楚该如何处理这种表达......。但我们可以做第二个技巧，从总和到积分。要做到这一点，只需将所得之和除以相同的数字，我们将把它视为等于一个点（简单地说--一个），或者是相同的--沿标轴递减dh 的步骤。
我故意走到积分的无限极限，因为贿赂的FR没有限制，最一般的TS的贿赂可以采取任何数值（在这种情况下， h 是在整个实数领域定义的，这不符合现实，但它不是本金，不影响结果，但允许从和到积分 - 他们有时采取）。积分前的 1/dh 被省略，因为它完全等于1。
现在我们可以在问题中引入一个阻止因素。
稍后...
M1kha1l писал(а) >> Чтобы не флудить, мы можем продолжить обсуждение интересующщей Вас темы в др. ветке или в личке.
不可能！我坚持认为你在这个问题上 "忽悠 "了，不要消磨智力潜力 :-)
grasn wrote(a)>> Great!这只是一个梦想成真。而且我怀疑它将像牧羊人一样功能紊乱。
继续前进。
让我提醒你。
我们得到了一个表达式，它显示了我们的存款增量 K[n] 与它的起始值 K[n] 之间的相对值，通过 n个 交易，对于一个任意的TS。
更准确地说，是一个任意的但有利可图的 系统。任何关于SL和TR的理论，如果不参考特定的特定的TS，就没有意义。另一个TS将给出SL和TR的其他值。
对 中子
我有一个非常简单的想法。由于我刚刚开始研究这个问题，我还没有足够的时间来详细研究，我还没有准备好展示公式，但从概念上 看是这样的。如果我在寻找一个与特定策略无关的SL的 "通用 "解决方案，我认为有必要确定市场的 "模型"（引号）。只有在这种情况下，我们才有希望找到可以接受的东西（Sl和TP是相关的--这是一个医学事实）。
问题的定义
使用TP的计算值和TP预期触发的时间窗口长度，确定最可能的SL水平。很明显，修改 SL和TP水平 是可能的，但这将是在未来。
市场模式
采用的市场模式非常简单。它是两个过程的 "叠加"：伯努利过程（"动量正 "和 "动量负"）和一个非常复杂的增量模数分布，类似于对数正态（从远处看:o)）。它的工作原理很简单--产生一个正或负的脉冲，然后将其乘以（加速）一些正值（包括零），这些正值来自于接近市场回归者的分布。但这些复刊非常复杂，分布也不清楚，所以我决定用这些复刊的一些平均值来取代它们。
保持简单：知道了TP的 "等待时间"，我们可以用这样一个简单的模型（基于平均返回者）来代替市场。
例如，对于像这样的一个系列的一个片段
该模型将是如下的
这是用冲动写成的市场模型 :o)。一切都是微不足道的，对于每个（滑动的）时间窗口，我们收集从该窗口的运动开始的@impuls@的总经过。它将说明在选定的运动 "量子 "内的所有(+)和(-)：o)。
TP水平
在获得了外部TP水平后，知道了当前的开盘水平和报价过程的平均增量值，就可以将数据转移到模型中。
SL级别
此外，在每个滑动的时间窗口内，我们计算所有可能的带有（+）和（-）符号的总运动。即：我们找到极端点，与当前情况和TP（包括运动方向）进行比较。绘制其分布图成为可能（顺便说一下，它似乎是分析性的）。进一步说，这几乎是简单的--我们采取最大可能性的方法，得到最可能的SL水平的情况。不要忘记考虑到统计数字的高低、排放，当然还有--停电、断电、海啸和火山喷发。
对方法的调整
如果窗口的值比较大，那么有可能（也许有必要）不使用平均增量x(i)-x(i-1)，而是随机地产生这些增量，但要符合分布。
技术合作交易的分布
你不需要知道它（大多数时候这是不可能的），它被市场模型所取代，它是为正确的窗口计算的。
PS：现在轮到你批评了:o)。
嗨，Sergei!
非常有趣。更不用说相关了。而即使是现在，在早期阶段，你也可以看到它是如何在实践中应用的。
然而，也许你有一些其他的惊喜在等着我？好吧，我期待着续集的到来。
继续前进。
提醒大家注意。
我们得到了一个表达式，它显示了我们的存款增量 K[n] 与它的起始值K[n] 的相对值，通过任意的TS的 n 次交易，它是通过其贿赂值h[i] 定义的。
还是起始值K[0]？
奇怪的是，你没有把它作为一篇文章来介绍。好吧，这是你的事，我很乐意看续集。