从理论到实践 - 页 89

 
Renat Akhtyamov:
我也看到了另一个人。在开始时,他们起飞,然后停止。如果是在信号之前,这里我同意,很可能他们已经赚了,很可能他们已经支付了。然而,后者是非常值得怀疑的。

没有停止,我已经玩过了,我已经结束了。它不是资本密集型的。有关于提款的所有信息,在某些地方他们没有提款,例如在一个地方40万美元没有被提取,起诉是非常有问题的,因为管辖权不是俄罗斯。人们仍然在工作和退出,这是一个艰难的工作。

 
Maxim Dmitrievsky:

没有停止,我已经玩过了,我已经结束了。它不是资本密集型的。有关于提款的所有信息,在某些地方他们没有提款,例如在一个地方40万美元没有被提取,起诉是非常有问题的,因为管辖权不是俄罗斯。人们仍然在工作和退出,这是一个艰难的工作。

你最好开始锻炼你的记忆力。让我解释一下。

事实上,一句话是有记忆的,也就是说,如果它已经是趋势了,那么它就是趋势了。如果它是平的,那么它就是平的。

这很简单,如果...

 
Renat Akhtyamov:

你最好在记忆上下功夫。要澄清的是。

事实上,一句话是有记忆的,也就是说,如果它已经进入了一个趋势,那么它就会进入。如果它是平的,那么它就是平的。

这很简单,如果...


我已经用分形图进行手工交易5年了,所以我写到,它是有效的,但在研究中相当混乱。有时结构非常清晰,打开交易是一件很愉快的事,有时一切都很混乱,不清楚,那么最好不要交易。我有自己的软件,可以搜索到最佳的开仓方式。

我有自己的软件,搜索相关的结构,并使用Weierstrass-Mandelbrot fii进行预测,我在GPU上计算一切,我们与我的朋友一起实现。放弃了,因为在数学上很难充分比较2条曲线,通过相关关系并不能很好地发挥作用。

这就是它的样子。


 
Maxim Dmitrievsky:

我已经用分形图进行手工交易5年了,所以我写到,它是有效的,但在研究中相当混乱。有时结构非常清晰,打开交易是一件很愉快的事,有时一切都很混乱,不清楚,那么最好不要交易。我有自己的软件,我已经搜索到了。

我有自己的软件,搜索相关的结构,并使用Weierstrass-Mandelbrot fii进行预测,我在GPU上计算一切,我们与我的朋友一起实现。放弃了,因为在数学上很难充分比较2条曲线,通过相关关系并不能很好地发挥作用。

太深奥了...

但如果它起作用,那就没问题。

该图还没有完成。这当然很接近,但...
 
Renat Akhtyamov:

太玄乎了...

但如果它起作用,那就好。

该图表还没有完成。当然,这很近,但是......。

这是一个了不起的事情,整个终端。甚至还有一个预测库,以及对GPU上所有选定仪器的批量检索。

甚至有一个带引号的服务器。


 
Maxim Dmitrievsky:

这是一个了不起的事情,整个终端。甚至还有一个预测库和一个针对GPU上所有选定仪器的批处理检索。

甚至是一个带引号的服务器。

该系统非常简单,而且有充分的理由。简化一切,看在上帝的份上,远离底漆,用你的头脑,从一张干净的纸开始,从图表.....。

信号应该是相同的,不管是什么TF。无论什么时间段,信号都应该是一样的。

 
Renat Akhtyamov:
想想马克西姆,继续前进。保持简单,看在上帝的份上,远离底漆,用你的头脑,从一个干净的石板开始,从图表.....。


 
Vladimir:
谢谢你,罗曼,谢谢你的澄清。这条线正在被纠正,也许帖子的顺序已经改变了一段时间。在这种时候,我必须从IE浏览器切换到Mozilla Firefox,有帮助。
明白了。谢谢你的写作。
 
Dmitriy Skub:
是优素福吗?)
顺便说一下。类似的事情发生了。你把我的话说出来了...。:-)
 

我的想法是这样的。

在看到这里的人们完全的愚蠢和野蛮之后,我仍然会 有时 也许这将有助于那些刚刚阅读论坛并为这些或那些问题寻找一些新的解决方案的聪明人。

所以。

1.对阅读打勾数据的方法问题。

我最终为自己决定,以指数分布的时间间隔来 阅读打勾报价。并进一步考虑两个连续报价之间的平均值序列。它能给我什么?对我来说,这是使增量分布达到纯 "钟形 "形式的唯一方法,这非常重要。此外,正如我的研究表明的那样--价格运动过程的非标记性,即使采用这样一种接收刻度的方法,也不会以任何方式消失,也就是说,市场中存在 "记忆",在我的计算中必须考虑它。

2.关于计算必要的和足够的打勾报价取样量。

我是按以下方式进行的。我把我个人用第1段所述方法收集的蜱虫档案,在Excel中分析蜱虫增量。

例如,对于澳元兑美元,我得到一个直方图

和统计。

样品体积是 用我在这个主题中已经给出的公式从切比雪夫不等式中计算出来的 这个量涵盖了双边测试中99.8%的增量分布。也就是说,在每个计算步骤中,当收到下一个刻度时,我们可以肯定地知道,我们正在使用研究所需的最大可能的数据集。

而这种计算样本量的方法对任何tick阅读方法都是有效的,这证明了市场的自我相似性或零散性。