패턴이 오랫동안 나타나지 않은 경우 패턴이 나타난 후 예측 가능한 (동반되는) 가격 움직임이 있을 것이라고 예상할 수 있습니까? 이 패턴이 모든 사람에게 표시되고 따라서 시장의 비효율성을 제거했습니다.
나는 시간이 지남에 따라 이러한 과도기 상태를 평가하기 위한 메트릭의 개발(더 가능성 있는 예측에서 동등하게 가능성이 높거나 심지어 부정적인 예측까지)이 그러한 패턴의 검색 및 선택에 기여할 수 있으며 이를 고려할 수 있는 모델은 꽤 효과적이다.
나는 이 방향으로 일하지만 수학적 장치와 이론적 지식이 부족합니다.
상단을 돌파한 후의 움직임과 같이 매우 단순한 패턴으로만 작업할 수 있습니다. 빈도가 좋은 확률 추정치로 사용되기에 충분해야 한다는 의미에서.
내 관찰에 따르면, 패턴의 마크업이 완전히 공식화되면 시장의 비효율성(SB와 다르다는 의미에서)이 무의미해진다. 상대적으로 말하자면, 스프레드 내에서. 패턴의 구성을 복잡하게 만들고 싶은 자연스러운 욕구가 있지만 이는 일반적으로 샘플 크기의 감소와 결과의 불안정으로 이어집니다.
내 관찰에 따르면, 패턴의 마크업이 완전히 공식화되면 시장의 비효율성(SB와 다르다는 의미에서)이 무의미해진다. 상대적으로 말하자면, 스프레드 내에서. 패턴의 구성을 복잡하게 만들고 싶은 자연스러운 욕구가 있지만 이는 일반적으로 샘플 크기의 감소와 결과의 불안정으로 이어집니다.
문제는 이러한 관찰을 어떻게 더 잘 공식화하여 결과를 신속하게 얻고 규칙성이 있거나 없는 패턴을 폐기/분류할 수 있는지입니다.
충분해, 얼마? 샘플에 5%에서 약 15%가 있고 간단한 "패턴"이 선택되고 훈련을 위한 샘플(예: 15k 예제)이 너무 작은가요?
패턴 조각으로 계산하는 것이 좋습니다. 피크의 동일한 침투(작업에 중요함)는 1년에 수백 번 이상 발생하지 않습니다. 나는 그것을 한계라고 부를 것이다. 더 복잡한 패턴을 만들려고 시도하는 경우 - 예를 들어 일부 조건을 충족하는 피크의 연속 침투 쌍을 취하면 그 수는 연간 수십으로 측정할 수 있습니다. 그리고 이것은 이미 충분하지 않습니다.
문제는 이러한 관찰을 어떻게 더 잘 공식화하여 결과를 신속하게 얻고 규칙성이 있거나 없는 패턴을 폐기/분류할 수 있는지입니다.
주어진 유형의 가능한 모든 패턴 구성을 통한 순환과 같은 것입니까? 나는 같은 피크 브레이크 아웃으로 비슷한 일을 한 번했습니다. 원칙적으로, 당신은 무언가를 생각해낼 수 있습니다. 오직 열거만이 (일반적인 경우) 반복적이지 않고 재귀적일 것입니다. 다시 말하지만, 대부분의 패턴은 복잡성과 희귀성으로 인해 의미가 없습니다. 의미 있는 패턴 목록을 수동으로 수집하고 일반적인 루프에서 최적의 패턴을 선택하는 것이 더 쉬울 것입니다.
주기적으로 발생하고 발생 후 특정 가격 변동을 수반하는 패턴을 발견했다고 가정합니다.
패턴의 발생 빈도와 후속 이벤트 사이의 관계에 대해 연구한 사람이 있습니까?
그러한 용어가 있는 경우 확률 클러스터에 대해 이야기하고 있습니다.
패턴이 오랫동안 나타나지 않은 경우 패턴이 나타난 후 예측 가능한 (동반되는) 가격 움직임이 있을 것이라고 예상할 수 있습니까? 이 패턴이 모든 사람에게 표시되고 따라서 시장의 비효율성을 제거했습니다.
나는 시간이 지남에 따라 이러한 과도기 상태를 평가하기 위한 메트릭의 개발(더 가능성 있는 예측에서 동등하게 가능성이 높거나 심지어 부정적인 예측까지)이 그러한 패턴의 검색 및 선택에 기여할 수 있으며 이를 고려할 수 있는 모델은 꽤 효과적이다.
나는 이 방향으로 일하지만 수학적 장치와 이론적 지식이 부족합니다.
상단을 돌파한 후의 움직임과 같이 매우 단순한 패턴으로만 작업할 수 있습니다. 빈도가 좋은 확률 추정치로 사용되기에 충분해야 한다는 의미에서.
내 관찰에 따르면, 패턴의 마크업이 완전히 공식화되면 시장의 비효율성(SB와 다르다는 의미에서)이 무의미해진다. 상대적으로 말하자면, 스프레드 내에서. 패턴의 구성을 복잡하게 만들고 싶은 자연스러운 욕구가 있지만 이는 일반적으로 샘플 크기의 감소와 결과의 불안정으로 이어집니다.
증분과 같은 기능을 제공하되 더 많은 정보를 제공합니다. 예를 들어, 전체 기록에 대한 평균 가격을 찾고 나머지를 뺍니다. 값의 확산은 최대이어야 하지만 새 데이터에서 알려진 범위 내에 있어야 합니다.
스프레드 거래 이론이 생각납니다. 그리고 어떤 곳에서는 주제에 대한 멋진 기사의 풍부함으로 판단할 때 상당히 복잡한 수학이 있습니다.
그러나 히스토리에만 고정성이 있을 때 z-스코어와 같은 것이 될까요? 물론 정상성을 줄이려는 시도를 원칙적으로 피할 수는 없지만 그것 없이는 실제로 흥정을 할 수 없습니다.
스프레드 거래 이론이 생각납니다. 그리고 어떤 곳에서는 주제에 대한 멋진 기사의 풍부함으로 판단할 때 상당히 복잡한 수학이 있습니다.
그러나 히스토리에만 고정성이 있을 때 z-스코어와 같은 것이 될까요? 물론 정상성을 줄이려는 시도를 원칙적으로 피할 수는 없지만 그것 없이는 실제로 흥정을 할 수 없습니다.
상단을 돌파한 후의 움직임과 같이 매우 단순한 패턴으로만 작업할 수 있습니다. 빈도가 좋은 확률 추정치로 사용되기에 충분해야 한다는 의미에서.
충분해, 얼마? 샘플에 5%에서 약 15%가 있고 간단한 "패턴"이 선택되고 훈련을 위한 샘플(예: 15k 예제)이 너무 작은가요?
내 관찰에 따르면, 패턴의 마크업이 완전히 공식화되면 시장의 비효율성(SB와 다르다는 의미에서)이 무의미해진다. 상대적으로 말하자면, 스프레드 내에서. 패턴의 구성을 복잡하게 만들고 싶은 자연스러운 욕구가 있지만 이는 일반적으로 샘플 크기의 감소와 결과의 불안정으로 이어집니다.
문제는 이러한 관찰을 어떻게 더 잘 공식화하여 결과를 신속하게 얻고 규칙성이 있거나 없는 패턴을 폐기/분류할 수 있는지입니다.
충분해, 얼마? 샘플에 5%에서 약 15%가 있고 간단한 "패턴"이 선택되고 훈련을 위한 샘플(예: 15k 예제)이 너무 작은가요?
패턴 조각으로 계산하는 것이 좋습니다. 피크의 동일한 침투(작업에 중요함)는 1년에 수백 번 이상 발생하지 않습니다. 나는 그것을 한계라고 부를 것이다. 더 복잡한 패턴을 만들려고 시도하는 경우 - 예를 들어 일부 조건을 충족하는 피크의 연속 침투 쌍을 취하면 그 수는 연간 수십으로 측정할 수 있습니다. 그리고 이것은 이미 충분하지 않습니다.
문제는 이러한 관찰을 어떻게 더 잘 공식화하여 결과를 신속하게 얻고 규칙성이 있거나 없는 패턴을 폐기/분류할 수 있는지입니다.
주어진 유형의 가능한 모든 패턴 구성을 통한 순환과 같은 것입니까? 나는 같은 피크 브레이크 아웃으로 비슷한 일을 한 번했습니다. 원칙적으로, 당신은 무언가를 생각해낼 수 있습니다. 오직 열거만이 (일반적인 경우) 반복적이지 않고 재귀적일 것입니다. 다시 말하지만, 대부분의 패턴은 복잡성과 희귀성으로 인해 의미가 없습니다. 의미 있는 패턴 목록을 수동으로 수집하고 일반적인 루프에서 최적의 패턴을 선택하는 것이 더 쉬울 것입니다.
왜요?
의미 있는 실제 데이터가 거의 없습니다.
위협. 임의의 환경에서 데이터를 생성하면 연신율이 나타납니다. 이것은 실수입니다. 데이터 유출이 있고 있습니다. 211개의 막대는 211개 이상을 의미합니다.
여기요!
진실은 저 너머에 있습니다... (Fox Mulder "The X-Files")
당신은 분명히 목표에 가깝습니다. 당신은 여전히 밀어붙일 필요가 있습니다.