2006年，当我第一次对外汇感兴趣时，我的第一个想法是将过去的N个柱子（当前模式）与同一报价的所有过去模式进行比较，使用相关系数作为相似性的衡量标准。这也是最近的邻居（SN）方法。与欧氏长度相比，相关系数的优势在于它考虑到了价格轴的扭曲。我已经用这种方法建立了一个专家顾问，在2-3个月的正向测试中显示了非凡的盈利能力（10к in 10М或类似的），但随后的2-3个月里却在不断地亏损。就这样的顺序：先是巨额盈利，然后完全亏损。我几次回到这个方法BS，做了邻居的委员会，等等，但结果是一样的。最后我很失望，把BS方法的代码放在了5号基地里。
该系统是基于这样的假设：报价中存在重复的模式。在这个主题的第9页，我描述了寻找这些模式的方法（未释放的编码）。还有其他方法。你也可以用最近的邻居方法来比较价格。阅读我以前的帖子。我不想重复自己。
为了避免单独开一个主题，我决定在这里描述我对模式的研究结果。也许它能节省某人的时间，给某人带来新的想法。
2006年，当我第一次对外汇感兴趣时，我的第一个想法是将过去的N个柱子（当前模式）与同一报价的所有过去模式进行比较，使用相关系数作为相似性的衡量标准。这也是最近的邻居（SN）方法。与欧氏长度相比，相关系数的优势在于它考虑到了价格轴的扭曲。我已经用这种方法建立了一个专家顾问，在2-3个月的正向测试中显示了非凡的盈利能力（10к in 10М或类似的），但随后的2-3个月里却在不断地亏损。就这样的顺序：先是巨额盈利，然后完全亏损。我几次回到这个方法BS，做了邻居的委员会，等等，但结果是一样的。最后我很失望，把BS方法的代码放在了5号基地里。
在2007-2008年，我对PNN感兴趣，特别是对GRNN感兴趣。其本质与BS相同，但不是选择某个（或少数，如委员会）相似的邻居，而是自动选择所有过去的模式，并通过指数函数（如exp(-measure_difference)）对其预测的影响进行加权。因此，历史上更多相似的部分的权重会呈指数级增加。你可以采取模式价格（减去平均数）并计算欧氏距离作为衡量差异的标准，或者采取一些指数的向量读数的差异。预测准确率比BS方法略高，为52%，而不是50.5%（我不记得确切数字）。
我的最后一个想法是使用我们的大脑用来转化信息的方法。我在5上详细描述了这些方法。其中的实质是找到当前价格可以被分解的模式（或基础函数）。喜欢
Price[i] = sum (a[k]*function[i][k], k=1...L) i=1...N
当然，我们可以用三角函数来代替寻基，并使用傅里叶变换。但用稀疏编码的方法寻找历史上的基础函数是更有视角的。这种方法的实质是通过ANC在各种长度为N的历史间隔中拟合上述线性模型的价格，其方式是在最少的非零系数a[k]，k=1...L时达到规定的误差。理想情况下，每个历史价格向量只包含一个基础函数（或模式）。在每一步，系数和函数本身都会被优化。有很多参数是事先不知道的。例如，图案的长度N，字典中基函数的数量L，我们的分解中非零系数的数量（我选择3，像每个价格段由旧图案的尾部、当前图案和新图案的开始组成）。重要的是N*L应该远远小于整个历史长度，否则算法将找到与过去的价格本身相等的模式，然后我们将有类似最近的邻居方法。例如，欧元兑美元H1的64个模式的字典，每64个柱子长，使用稀少的编码方法应用于1999-2010年的历史（74个柱子）训练，看起来如下
我注意到以下的规律性：词典中的模式越长，数量越多，细菌测试的利润就越高，这可以用过度训练来解释。但无论如何，在不同的N和L的情况下，远期测试看起来在零利润附近喋喋不休。开始对这些模式感到沮丧了。显然，它们在外汇中不是恒定的，或者换句话说，外汇对模式没有记忆--每次都有新的模式产生。
你对Echo State Network有什么经验吗？http://www.scholarpedia.org/article/Echo_state_network
你对回声州网络有什么经验吗？ https://www.mql5.com/go?link=http://www.scholarpedia.org/article/Echo_state_network
询问TheXpert 。他有经验。
我在谷歌上搜索了二进制信号的相关性，似乎更容易进行XOR并在结果中计算数字1。
你用了6个ZZ的膝盖，这就是问题所在：我不知道要用多少条（我用分形的条，从8到16）来分析
市场包含模式或规律性的假设是正确的，但这些规律性的出现与否没有明显的周期性。也就是说，技术分析是有效的，但没有人可以说在什么时候。 显然，寻找和分析模式类似于优化指标专家的任务，如果是这样，结果是我们浪费了时间--写一个自我优化的专家 更容易，他将根据当前的历史选择指标（策略）的选择。
我一直想为欧元做一些研究，但到目前为止，我还没有发现任何东西--可能是十字星有更多的规律性？
我当然读过，这就是我的意思。
那么我不明白你的问题。"我找不到任何理由 说明为什么你的系统应该工作"。理由是什么。
1.存在重复模式的假设的理由是什么？或
2.寻找这些模式的不连贯编码方法的原理是什么？
3.还是其他方面的理由？
我在谷歌上搜索了二进制信号的相关性，似乎更容易进行XOR并在结果中计算数字1。
你拿了ZZ的6个膝盖，这就是问题所在：你不知道要用多少条（我用分形的条，从8到16）来分析
市场包含模式或规律性的假设是正确的，但这些规律性的出现与否没有明显的周期性。也就是说，技术分析本身是有效的，但没有人可以说在什么时候。 显然，搜索和分析模式类似于优化指标专家的任务，如果是这样，结果是我们浪费了我们的时间 - 更容易写一个自我优化的专家，他将根据当前的历史选择指标（策略）的选择。
我有一个想法，就是搜索一下欧元，但我从来没有找到过--可能是十字架有更多的规律性？
在H1的时间框架内，6个膝盖向上和6个膝盖向下是相当足够的。自己判断。假设我们的最后一个膝盖zz是向上的膝盖。让我们给膝盖编号1v-6v，1n-6n。然后我们就有了这个比特的序列。
位1：-1 = 1v < 2v，1 = 1v > 2v
第2位：-1 = 1V < 3V，1 = 1V > 3V
...
第5位：-1 = 1v < 6v，1 = 1v > 6v
第6位：-1 = 2V < 3V，1 = 1V > 3V
以此类推，所有的膝盖都是向上和向下的。共30位。可由30位描述的模式数量=2^30。但并不是所有的比特都很重要。例如，将最近的膝关节1v与膝关节4v、5v和6v进行比较，在大多数情况下并不重要。但你不能事先确定哪些位子是重要的，哪些是不重要的。你需要通过历史进行优化，以便用尽可能少的非零（"重要"）位来描述每个模式。这就是需要很长时间的原因。在模式描述中加入更多的膝盖，会导致模式字典的过度教育和缺乏概括性。
"不严格 "地比较模式，并允许一些位不匹配，意味着这些位对该模式不重要，它们在我的系统中是无效的。零位完全不匹配。同样，这种基于ZZ的模式描述系统使用二进制比特，与我在上一页报告的基于未加载编码的模式寻找系统没有任何共同之处。在该系统中，模式-样本由价格本身组成，并符合当前的ISC模式。当前图案与典范图案的相似度由ISC误差来判断（尽管实际上比这更复杂）。
共30位。可由30位描述的模式数量=2^30。但并不是所有的比特都很重要。例如，将最近的膝关节1v与膝关节4v、5v和6v进行比较，在大多数情况下并不重要。
我又开始忙于对模式的统计研究，在历史上寻找与 "8位模式 "相匹配的模式，基本上无所谓如何...
我注意到一个有趣的特点：历史上有重复的（按我的算法）条形序列，不到30%的历史属于编码范围，这立即引发了之前宣布的结论：由于其罕见的出现，按模式交易很难实现....。
大约。
但如果按照我的编码算法，历史上的模式不多，那么超过60%的历史完全不包含可重复的部分，我们可以假设这60%的信息不会在未来出现
到目前为止有点混乱，我会再考虑一下。
起初我认为通过类比历史上的市场行为来使用所产生的模式会更符合逻辑，但我决定简单地用数字来显示这些模式。
指示条的高度是模式编号，空洞是历史上没有类似的组合，到目前为止，我得出以下结论--似乎这些模式是所谓的吸引者，从维基那里他们符合描述：".... 和奇数（不规则--通常是分形和/或在某些部分排列为坎特集；它们上的动态通常是混乱的）"。事实上，在设计模式搜索算法的最初阶段，我使用了康托尔集
SZZ：到目前为止还很混乱，我再想一想：)
有没有人注意到，往往两个欧元兑美元或英镑兑美元的盘面图是相似的？当然，并不总是如此，但往往昨天的模式在今天出人意料地重演，你可以尝试在此基础上获利。但是...
波峰和波谷虽然是重复的模式，但在时间上并不重合。例如，昨天中午的下跌是从下午2点15分开始的，而今天的下跌是在下午1点。有许多相似性标准--Spearman、Pearson、最小二乘法，但我不知道有什么标准可以比较X轴上有小扭曲的图形。有谁知道有这样的方法吗？
在这个世界上，你并不孤单。
起初我认为用历史上的市场行为进行类比得到的模式会更符合逻辑，但我决定直接用数字画出模式，结果是这样的。
指示条的高度是模式编号，空洞是历史上没有类似的组合，到目前为止，我得出以下结论--似乎这些模式是所谓的吸引者，从维基那里他们符合描述：".... 和奇数（不规则--通常是分形和/或在某些部分排列为坎特集；它们上的动态通常是混乱的）"。事实上，在设计模式搜索算法的最初阶段，我使用了康托尔集
ZS：到目前为止有点混乱，我会再考虑一下的 :)
基于DTW的模式？