연습을 통해 Forex에 대한 나만의 이해를 키울 수 있으며, garch는 필요한 문제를 해결하지 못합니다. garch는 많은 문제를 쉽게 해결하고 간단한 방법으로 복잡한 MO에 필적하는 결과를 제공함을 잘 알 수 있습니다. 그러나 garch에 대한 입력은 가격이 제한되어 있으며 충분하지 않다고 생각합니다. 저것들. MO 모델을 사용하고 가격을 제공하고 예측을 garch에서 얻은 예측과 비교하면 서로 열등하지 않은 것으로 판명될 수 있습니다. 그러나 MO 모델에 훨씬 더 많은 입력을 제공하면 상당한 이점을 얻을 수 있습니다.
일반적으로 garch 및 기타 기계 학습 모델은 공통점이 많으며, garch를 사용하면 생각보다 MO에 훨씬 더 가깝습니다. 두 경우(MO 및 garch) 모두 가격을 취하여 모든 종류의 변환을 수행하여 예측자(일반 모델의 경우 지표, garch의 경우 아리마 변환)를 생성하고 이를 기반으로 가격을 시도로 모델링합니다. 이익을 예측합니다. 또한 MO에는 모든 것이 정상인지 확인하기 위한 교차 검증이 있으며, garch의 경우에도 내부 통계 검사가 유사하게 있습니다. 일반적으로 접근 방식은 두 경우 모두 매우 유사하지만(모델의 모든 요구 사항을 충족하고 미래를 예측하기 위해 가격으로 무언가를 수행함) 문제를 해결하는 방법이 약간 다릅니다.
그러나 분명히 가격은 너무 무작위이고 발견된 패턴은 매우 작습니다. 모델을 훈련하는 데 얼마나 많은 시간을 할애하든, 그 추정치는 여전히 이상적인 것과는 거리가 멀고 무작위 추측과 비교했을 때 추정치보다 몇 퍼센트만 더 높습니다. 때때로 당신은 운이 좋고, 이러한 발견된 종속성은 비록 작지만 오랫동안 존재하며 이익을 가져옵니다. 그러나 그들은 항상 갑자기 사라집니다. 이것이 현재 나에게 주요 문제입니다. 재무제표 와 같은 일부 외부 지표를 찾는 것입니다. 이에 따라 발견된 종속성이 안정적이고 갑자기 사라지지 않도록 매우 좋은 추정으로 모델을 훈련할 수 있습니다.
연습을 통해 Forex에 대한 나만의 이해를 키울 수 있으며, garch는 필요한 문제를 해결하지 못합니다. garch는 많은 문제를 쉽게 해결하고 간단한 방법으로 복잡한 MO에 필적하는 결과를 제공함을 잘 알 수 있습니다. 그러나 garch에 대한 입력은 가격이 제한되어 있으며 충분하지 않다고 생각합니다. 저것들. MO 모델을 사용하고 가격을 제공하고 예측을 garch에서 얻은 예측과 비교하면 서로 열등하지 않은 것으로 판명될 수 있습니다. 그러나 MO 모델에 더 많은 입력을 제공하면 상당한 이점을 얻을 수 있습니다.
일반적으로 garch 및 기타 기계 학습 모델은 공통점이 많으며, garch를 사용하면 생각보다 MO에 훨씬 더 가깝습니다. 두 경우(MO 및 garch) 모두 가격을 취하여 모든 종류의 변환을 수행하여 예측자(일반 모델의 경우 지표, garch의 경우 아리마 변환)를 생성하고 이를 기반으로 가격을 시도로 모델링합니다. 이익을 예측합니다. 또한 MO에는 모든 것이 정상인지 확인하기 위한 교차 검증이 있으며, garch의 경우에도 내부 통계 검사가 유사하게 있습니다. 일반적으로 접근 방식은 두 경우 모두 매우 유사하지만(모델의 모든 요구 사항을 충족하고 미래를 예측하기 위해 가격으로 무언가를 수행함) 문제를 해결하는 방법이 약간 다릅니다.
그러나 분명히 가격은 너무 무작위이고 발견된 패턴은 매우 작습니다. 모델을 훈련하는 데 얼마나 많은 시간을 할애하든, 그 추정치는 여전히 이상적인 것과는 거리가 멀고 무작위 추측과 비교했을 때 추정치보다 몇 퍼센트만 더 높습니다. 때때로 당신은 운이 좋고, 이러한 발견된 종속성은 비록 작지만 오랫동안 존재하며 이익을 가져옵니다. 그러나 그들은 항상 갑자기 사라집니다. 이것이 현재 나에게 주요 문제입니다. 재무제표 와 같은 일부 외부 지표를 찾는 것입니다. 이에 따라 발견된 종속성이 안정적이고 갑자기 사라지지 않도록 매우 좋은 추정으로 모델을 훈련할 수 있습니다.
연습을 통해 Forex에 대한 나만의 이해를 키울 수 있으며, garch는 필요한 문제를 해결하지 못합니다. garch는 많은 문제를 쉽게 해결하고 간단한 방법으로 복잡한 MO에 필적하는 결과를 제공함을 잘 알 수 있습니다. 그러나 garch에 대한 입력은 가격이 제한되어 있으며 충분하지 않다고 생각합니다. 저것들. MO 모델을 사용하고 가격을 제공하고 예측을 garch에서 얻은 예측과 비교하면 서로 열등하지 않은 것으로 판명될 수 있습니다. 그러나 MO 모델에 더 많은 입력을 제공하면 상당한 이점을 얻을 수 있습니다.
일반적으로 garch 및 기타 기계 학습 모델은 공통점이 많으며, garch를 사용하면 생각보다 MO에 훨씬 더 가깝습니다. 두 경우(MO 및 garch) 모두 가격을 취하여 모든 종류의 변환을 수행하여 예측자(일반 모델의 경우 지표, garch의 경우 아리마 변환)를 생성하고 이를 기반으로 가격을 시도로 모델링합니다. 이익을 예측합니다. 또한 MO에는 모든 것이 정상인지 확인하기 위한 교차 검증이 있으며, garch의 경우에도 내부 통계 검사가 유사하게 있습니다. 일반적으로 접근 방식은 두 경우 모두 매우 유사하지만(모델의 모든 요구 사항을 충족하고 미래를 예측하기 위해 가격으로 무언가를 수행함) 문제를 해결하는 방법이 약간 다릅니다.
그러나 분명히 가격은 너무 무작위이고 발견된 패턴은 매우 작습니다. 모델을 훈련하는 데 얼마나 많은 시간을 할애하든, 그 추정치는 여전히 이상적인 것과는 거리가 멀고 무작위 추측과 비교했을 때 추정치보다 몇 퍼센트만 더 높습니다. 때때로 당신은 운이 좋고, 이러한 발견된 종속성은 비록 작지만 오랫동안 존재하며 이익을 가져옵니다. 그러나 그들은 항상 갑자기 사라집니다. 이것이 현재 나에게 주요 문제입니다. 재무제표 와 같은 일부 외부 지표를 찾는 것입니다. 이에 따라 발견된 종속성이 안정적이고 갑자기 사라지지 않도록 매우 좋은 추정으로 모델을 훈련할 수 있습니다.
금융 시장의 입력 데이터는 항상 자신의 이해 관계를 가진 사람들에 의해 형성되며 동일한 조건에서 다른 시간에 다릅니다.
이것은 H1까지의 TF에서 특히 두드러집니다. 우리는 상대적으로 작은 개인 그룹의 위시리스트에 의해 형성된 임의 의 고정되지 않은 프로세스를 얻습니다.
D1 이상에서는 대수의 법칙이 작용하기 시작하고, 국가, 대기업, 정치의 투자에 의해 운동의 방향이 형성된다.
작은 기간에 패턴을 찾는 것은 무의미합니다. 패턴이 없습니다. 형성되고 우리가 패턴으로 정의한 것은 사실 물 위의 원입니다. 존재하고 없었습니다. 우리는 웨이브의 시작 부분을 포착하고 잘라낼 수 있으며 유사한 웨이브의 다음 발생을 기다릴 수 있지만 이것은 전혀 발생하지 않을 수 있습니다.
처음에는 목표 변수에 미치는 영향에 대한 명확성이 없기 때문에 큰 시간 프레임에서는 많은 요인을 고려해야 합니다. 그러나 근본적인 것은 움직임의 근원이 무작위적인 과정이 아니라 결정론적인 것이며, 오랜 기간 동안 개발되어 완성될 때까지 의도적으로 유지된다는 것입니다. 우리는 이해하지 못하거나 알지 못할 수도 있지만 MO의 도움으로 이러한 움직임을 영원하지 않지만 수명이 수년 동안 지속될 수 있는 패턴 형태로 포착하려고 시도할 수 있습니다.
이로부터 MO와 GARCH는 하나의 거래 시스템으로 함께 가져와야 하는 오히려 보완적인 수단이 됩니다.
금융 시장의 입력 데이터는 항상 자신의 이해 관계를 가진 사람들에 의해 형성되며 동일한 조건에서 다른 시간에 다릅니다.
이것은 H1까지의 TF에서 특히 두드러집니다. 우리는 상대적으로 작은 개인 그룹의 위시리스트에 의해 형성된 임의 의 고정되지 않은 프로세스를 얻습니다.
D1 이상에서는 대수의 법칙이 작용하기 시작하고, 국가, 대기업, 정치의 투자에 의해 운동의 방향이 형성된다.
작은 기간에 패턴을 찾는 것은 무의미합니다. 패턴이 없습니다. 형성되고 우리가 패턴으로 정의한 것은 사실 물 위의 원입니다. 존재하고 없었습니다. 우리는 웨이브의 시작 부분을 포착하고 잘라내고 유사한 웨이브가 다음에 나타날 때까지 기다릴 수 있지만 이것은 전혀 발생하지 않을 수도 있습니다.
처음에는 목표 변수에 미치는 영향에 대한 명확성이 없기 때문에 큰 시간 프레임에서는 많은 요인을 고려해야 합니다. 그러나 근본적인 것은 움직임의 근원이 무작위적인 과정이 아니라 결정론적인 것이며, 오랜 기간 동안 개발되어 완성될 때까지 의도적으로 유지된다는 것입니다. 우리는 이해하지 못하거나 알지 못할 수도 있지만 MO의 도움으로 이러한 움직임을 영원하지 않지만 수명이 수년 동안 지속될 수 있는 패턴 형태로 포착하려고 시도할 수 있습니다.
이로부터 MO와 GARCH는 하나의 거래 시스템으로 함께 가져와야 하는 다소 보완적인 도구입니다.
다들 이해를 못하시겠지만 어느 시점을 잡아도 상관없다는 글을 쓰는것도 지겹고 리스크는 어딜가나 똑같고 스캘핑에 대한 스프레드와 커미션 빼고는 별차이가 없지만 이건 또 다른 종류의 부정적인 요소입니다. 모든 시계열 은 몇 가지 변수, 아마도 2개로 설명됩니다. 이것들은 지속성(허스트)과 변동성(프랙탈 차원)입니다. 그게 다야. 이를 통해 MO로도, 다른 것으로도 간단하고 신뢰할 수 있는 모델을 구축할 수 있습니다. 계속해서 작동하는 모델을 구축하는 것은 결코 불가능하다는 결론이 나옵니다. 인용 부호는 무작위이고 비주기적 주기가 자발적으로 형성되므로 주기에서 주기로의 전환 순간은 동일한 조건에서 예측되지 않습니다. 이를 위해 이러한 주기를 하나의 더 큰 것의 구성 요소로 보려면 표시의 축척을 변경해야 합니다. . 나는 이해가 기초라고 믿습니다. 그것 없이는 시장을 확률론적 시스템으로 올바른 방식으로 생각하는 것이 일반적으로 불가능합니다. 비주기적 주기 내에서는 단순한 모델도 잘 작동하며 주기가 변경되면 항상 모든 것이 무너집니다. 주기마다 시장은 항상 새롭고 다릅니다. 그리고 TF는 어떻습니까?
소규모 TF에서는 소규모 그룹의 사람들이 원하는 것이 우선이고 큰 그룹에서는 모든 것이 결정된다는 사실에 대해 이 사려 깊은 쓰레기를 어디서 얻을 수 있습니까? 이런 적이 없었고 이것은 일반적으로 하늘의 손가락입니다. 시장은 모든 것이 모든 것과 상호 연결되어 있는 다른 메커니즘이므로 모든 TF(투자 범위)의 규모 불변입니다.
어떤 종류의 결정론에 대해 이야기하면 모든 TF가 서로에 대한 의존성에 관한 것입니다. 인용문이 하나만 있기 때문에 이벤트 규모의 표현만 변경하면 프랙탈을 따라 작은 것에서 큰 것으로 이동하는 것과 같습니다. 그 반대.
금융 시장의 입력 데이터는 항상 자신의 이해 관계를 가진 사람들에 의해 형성되며 동일한 조건에서 다른 시간에 다릅니다.
이것은 H1까지의 TF에서 특히 두드러집니다. 우리는 상대적으로 작은 개인 그룹의 위시리스트에 의해 형성된 임의 의 고정되지 않은 프로세스를 얻습니다.
D1 이상에서는 대수의 법칙이 작용하기 시작하고, 국가, 대기업, 정치의 투자에 의해 운동의 방향이 형성된다.
작은 기간에 패턴을 찾는 것은 무의미합니다. 패턴이 없습니다. 형성되고 우리가 패턴으로 정의한 것은 사실 물 위의 원입니다. 존재하고 없었습니다. 우리는 웨이브의 시작 부분을 포착하고 잘라내고 유사한 웨이브가 다음에 나타날 때까지 기다릴 수 있지만 이것은 전혀 발생하지 않을 수도 있습니다.
처음에는 목표 변수에 미치는 영향에 대한 명확성이 없기 때문에 큰 시간 프레임에서는 많은 요인을 고려해야 합니다. 그러나 근본적인 것은 움직임의 근원이 무작위적인 과정이 아니라 결정론적인 것이며, 오랜 기간 동안 개발되어 완성될 때까지 의도적으로 유지되었다는 것입니다. 우리는 이해하지 못하거나 알지 못할 수도 있지만 MO의 도움으로 이러한 움직임을 영원하지 않지만 수명이 수년 동안 지속될 수 있는 패턴 형태로 포착하려고 시도할 수 있습니다.
이로부터 MO와 GARCH는 하나의 거래 시스템으로 함께 가져와야 하는 다소 보완적인 도구입니다.
모든 TF에서 임의의 비정상 프로세스입니다. 비정상적 결정론적 구성요소와 비정상적 무작위 구성요소를 포함합니다( 모든 TF 에서도 마찬가지).
누군가의 "위시리스트"와 다른 쓰레기를 무작위성과 비정상성에 대한 "설명자"로 사용하는 것은 완전히 넌센스입니다.
프로세스에 대한 모든 정보는 프로세스 자체에 포함됩니다(이력 차트에서 "모든 것을 고려한 가격"). 작업은 자신의 목적에 사용할 수 있는 프로세스에서 필요한 정보를 추출하는 것입니다. 작업은 어렵지만 해결할 수 있습니다.
모든 국가의 경제는 재화와 서비스의 생산이며 이는 매우 결정적이며 극도로 관성적인 과정입니다. 그러한 프로세스가 수십 년 동안 완전히 안정적인 예를 찾을 수 있습니다. 어떤 국가의 1년에 몇 퍼센트의 총생산(GDP) 변화는 성공이거나 재앙입니다. 국내 생산량이 10% 감소하면 사회적 폭발이 일어날 수 있다.
우리가 보고 있는 것은 이 결정론적 과정에 대한 거품입니다. 오늘날이 거품은 실물 경제에서 점점 더 멀어지고 있지만 거시 경제학 수준, 분기별 자연 경제 지표 수준에서 수만 명이있는 모든 것이 동일하게 유지됩니다.
매우 큰 기간이 있습니다. 감사합니다. 하지만 지금은 이러한 예측 변수를 고정할 곳이 없습니다. 이것은 아마도 한 달에 한 번 거래를 열 수 있는 대형 주식 플레이어를 위한 것입니다. 포럼 어딘가에 비슷한 데이터를 가진 누군가가 몇 달에 한 번씩 일종의 지수를 예측하는 주제가 있었습니다.
모든 국가의 경제는 재화와 서비스의 생산이며 이는 매우 결정적이며 극도로 관성적인 과정입니다. 그러한 프로세스가 수십 년 동안 완전히 안정적인 예를 찾을 수 있습니다. 어떤 국가의 1년에 몇 퍼센트의 총생산(GDP) 변화는 성공이거나 재앙입니다. 국내 생산량이 10% 감소하면 사회적 폭발이 일어날 수 있다.
우리가 보고 있는 것은 이 결정론적 과정에 대한 거품입니다. 오늘날이 거품은 실물 경제에서 점점 더 멀어지고 있지만 거시 경제학 수준, 분기별 자연 경제 지표 수준에서 수만 명이있는 모든 것이 동일하게 유지됩니다.
그리고 다시 당신의 근거 없는 연설: "매우 결정적", "극도의 관성"... "거품"이라고? "모든 것이 동일하게 유지됩니다"? 머리 속으로 그림을 그렸나 봐요, 이 그림이 현실과 얼마나 어울리지 않는지 전혀 신경 쓰지 않고 묘사합니다.
글쎄요, 당신은 일종의 "경제학자"와 같으며 이해하는 것처럼 보여야 하지만 ... 아니요.
Скоро в календаре не останется нечёрных рабочих дней недели, которыми журналисты называют дни обрушения курса рубля. У нас уже были "чёрный вторник" в 1994 г., "чёрный понедельник" в 1998 г., "чёрная пятница" в 2008 г., снова "чёрный вторник" в 2014 г… Хорошо, что биржа не работает по воскресеньям и субботам — хоть в выходные граждане могут...
오늘 제 의견은 가까운 장래에 이러한 동일한 추세가 불확실하기 때문에 추세가 아닌 편차를 거래해야한다는 것입니다.
편차를 거래하는 장치가 있습니다. 이것은 고주파 거래를 시작으로 금융 시장에서 널리 사용되는 GARCH입니다. 꿈의 한계는 최대 100핍입니다. 따라서 H1까지의 TF에서 15-20핍이 포착되었으며 다음 신호를 기다리고 있습니다. 시장에 있는 시간이 짧을수록 Expert Advisor는 더 좋습니다.
가르치
연습을 통해 Forex에 대한 나만의 이해를 키울 수 있으며, garch는 필요한 문제를 해결하지 못합니다.
garch는 많은 문제를 쉽게 해결하고 간단한 방법으로 복잡한 MO에 필적하는 결과를 제공함을 잘 알 수 있습니다. 그러나 garch에 대한 입력은 가격이 제한되어 있으며 충분하지 않다고 생각합니다. 저것들. MO 모델을 사용하고 가격을 제공하고 예측을 garch에서 얻은 예측과 비교하면 서로 열등하지 않은 것으로 판명될 수 있습니다. 그러나 MO 모델에 훨씬 더 많은 입력을 제공하면 상당한 이점을 얻을 수 있습니다.
일반적으로 garch 및 기타 기계 학습 모델은 공통점이 많으며, garch를 사용하면 생각보다 MO에 훨씬 더 가깝습니다.
두 경우(MO 및 garch) 모두 가격을 취하여 모든 종류의 변환을 수행하여 예측자(일반 모델의 경우 지표, garch의 경우 아리마 변환)를 생성하고 이를 기반으로 가격을 시도로 모델링합니다. 이익을 예측합니다.
또한 MO에는 모든 것이 정상인지 확인하기 위한 교차 검증이 있으며, garch의 경우에도 내부 통계 검사가 유사하게 있습니다.
일반적으로 접근 방식은 두 경우 모두 매우 유사하지만(모델의 모든 요구 사항을 충족하고 미래를 예측하기 위해 가격으로 무언가를 수행함) 문제를 해결하는 방법이 약간 다릅니다.
그러나 분명히 가격은 너무 무작위이고 발견된 패턴은 매우 작습니다. 모델을 훈련하는 데 얼마나 많은 시간을 할애하든, 그 추정치는 여전히 이상적인 것과는 거리가 멀고 무작위 추측과 비교했을 때 추정치보다 몇 퍼센트만 더 높습니다.
때때로 당신은 운이 좋고, 이러한 발견된 종속성은 비록 작지만 오랫동안 존재하며 이익을 가져옵니다. 그러나 그들은 항상 갑자기 사라집니다. 이것이 현재 나에게 주요 문제입니다. 재무제표 와 같은 일부 외부 지표를 찾는 것입니다. 이에 따라 발견된 종속성이 안정적이고 갑자기 사라지지 않도록 매우 좋은 추정으로 모델을 훈련할 수 있습니다.
연습을 통해 Forex에 대한 나만의 이해를 키울 수 있으며, garch는 필요한 문제를 해결하지 못합니다.
garch는 많은 문제를 쉽게 해결하고 간단한 방법으로 복잡한 MO에 필적하는 결과를 제공함을 잘 알 수 있습니다. 그러나 garch에 대한 입력은 가격이 제한되어 있으며 충분하지 않다고 생각합니다. 저것들. MO 모델을 사용하고 가격을 제공하고 예측을 garch에서 얻은 예측과 비교하면 서로 열등하지 않은 것으로 판명될 수 있습니다. 그러나 MO 모델에 더 많은 입력을 제공하면 상당한 이점을 얻을 수 있습니다.
일반적으로 garch 및 기타 기계 학습 모델은 공통점이 많으며, garch를 사용하면 생각보다 MO에 훨씬 더 가깝습니다.
두 경우(MO 및 garch) 모두 가격을 취하여 모든 종류의 변환을 수행하여 예측자(일반 모델의 경우 지표, garch의 경우 아리마 변환)를 생성하고 이를 기반으로 가격을 시도로 모델링합니다. 이익을 예측합니다.
또한 MO에는 모든 것이 정상인지 확인하기 위한 교차 검증이 있으며, garch의 경우에도 내부 통계 검사가 유사하게 있습니다.
일반적으로 접근 방식은 두 경우 모두 매우 유사하지만(모델의 모든 요구 사항을 충족하고 미래를 예측하기 위해 가격으로 무언가를 수행함) 문제를 해결하는 방법이 약간 다릅니다.
그러나 분명히 가격은 너무 무작위이고 발견된 패턴은 매우 작습니다. 모델을 훈련하는 데 얼마나 많은 시간을 할애하든, 그 추정치는 여전히 이상적인 것과는 거리가 멀고 무작위 추측과 비교했을 때 추정치보다 몇 퍼센트만 더 높습니다.
때때로 당신은 운이 좋고, 이러한 발견된 종속성은 비록 작지만 오랫동안 존재하며 이익을 가져옵니다. 그러나 그들은 항상 갑자기 사라집니다. 이것이 현재 나에게 주요 문제입니다. 재무제표 와 같은 일부 외부 지표를 찾는 것입니다. 이에 따라 발견된 종속성이 안정적이고 갑자기 사라지지 않도록 매우 좋은 추정으로 모델을 훈련할 수 있습니다.
연습을 통해 Forex에 대한 나만의 이해를 키울 수 있으며, garch는 필요한 문제를 해결하지 못합니다.
garch는 많은 문제를 쉽게 해결하고 간단한 방법으로 복잡한 MO에 필적하는 결과를 제공함을 잘 알 수 있습니다. 그러나 garch에 대한 입력은 가격이 제한되어 있으며 충분하지 않다고 생각합니다. 저것들. MO 모델을 사용하고 가격을 제공하고 예측을 garch에서 얻은 예측과 비교하면 서로 열등하지 않은 것으로 판명될 수 있습니다. 그러나 MO 모델에 더 많은 입력을 제공하면 상당한 이점을 얻을 수 있습니다.
일반적으로 garch 및 기타 기계 학습 모델은 공통점이 많으며, garch를 사용하면 생각보다 MO에 훨씬 더 가깝습니다.
두 경우(MO 및 garch) 모두 가격을 취하여 모든 종류의 변환을 수행하여 예측자(일반 모델의 경우 지표, garch의 경우 아리마 변환)를 생성하고 이를 기반으로 가격을 시도로 모델링합니다. 이익을 예측합니다.
또한 MO에는 모든 것이 정상인지 확인하기 위한 교차 검증이 있으며, garch의 경우에도 내부 통계 검사가 유사하게 있습니다.
일반적으로 접근 방식은 두 경우 모두 매우 유사하지만(모델의 모든 요구 사항을 충족하고 미래를 예측하기 위해 가격으로 무언가를 수행함) 문제를 해결하는 방법이 약간 다릅니다.
그러나 분명히 가격은 너무 무작위이고 발견된 패턴은 매우 작습니다. 모델을 훈련하는 데 얼마나 많은 시간을 할애하든, 그 추정치는 여전히 이상적인 것과는 거리가 멀고 무작위 추측과 비교했을 때 추정치보다 몇 퍼센트만 더 높습니다.
때때로 당신은 운이 좋고, 이러한 발견된 종속성은 비록 작지만 오랫동안 존재하며 이익을 가져옵니다. 그러나 그들은 항상 갑자기 사라집니다. 이것이 현재 나에게 주요 문제입니다. 재무제표 와 같은 일부 외부 지표를 찾는 것입니다. 이에 따라 발견된 종속성이 안정적이고 갑자기 사라지지 않도록 매우 좋은 추정으로 모델을 훈련할 수 있습니다.
금융 시장의 입력 데이터는 항상 자신의 이해 관계를 가진 사람들에 의해 형성되며 동일한 조건에서 다른 시간에 다릅니다.
이것은 H1까지의 TF에서 특히 두드러집니다. 우리는 상대적으로 작은 개인 그룹의 위시리스트에 의해 형성된 임의 의 고정되지 않은 프로세스를 얻습니다.
D1 이상에서는 대수의 법칙이 작용하기 시작하고, 국가, 대기업, 정치의 투자에 의해 운동의 방향이 형성된다.
작은 기간에 패턴을 찾는 것은 무의미합니다. 패턴이 없습니다. 형성되고 우리가 패턴으로 정의한 것은 사실 물 위의 원입니다. 존재하고 없었습니다. 우리는 웨이브의 시작 부분을 포착하고 잘라낼 수 있으며 유사한 웨이브의 다음 발생을 기다릴 수 있지만 이것은 전혀 발생하지 않을 수 있습니다.
처음에는 목표 변수에 미치는 영향에 대한 명확성이 없기 때문에 큰 시간 프레임에서는 많은 요인을 고려해야 합니다. 그러나 근본적인 것은 움직임의 근원이 무작위적인 과정이 아니라 결정론적인 것이며, 오랜 기간 동안 개발되어 완성될 때까지 의도적으로 유지된다는 것입니다. 우리는 이해하지 못하거나 알지 못할 수도 있지만 MO의 도움으로 이러한 움직임을 영원하지 않지만 수명이 수년 동안 지속될 수 있는 패턴 형태로 포착하려고 시도할 수 있습니다.
이로부터 MO와 GARCH는 하나의 거래 시스템으로 함께 가져와야 하는 오히려 보완적인 수단이 됩니다.
금융 시장의 입력 데이터는 항상 자신의 이해 관계를 가진 사람들에 의해 형성되며 동일한 조건에서 다른 시간에 다릅니다.
이것은 H1까지의 TF에서 특히 두드러집니다. 우리는 상대적으로 작은 개인 그룹의 위시리스트에 의해 형성된 임의 의 고정되지 않은 프로세스를 얻습니다.
D1 이상에서는 대수의 법칙이 작용하기 시작하고, 국가, 대기업, 정치의 투자에 의해 운동의 방향이 형성된다.
작은 기간에 패턴을 찾는 것은 무의미합니다. 패턴이 없습니다. 형성되고 우리가 패턴으로 정의한 것은 사실 물 위의 원입니다. 존재하고 없었습니다. 우리는 웨이브의 시작 부분을 포착하고 잘라내고 유사한 웨이브가 다음에 나타날 때까지 기다릴 수 있지만 이것은 전혀 발생하지 않을 수도 있습니다.
처음에는 목표 변수에 미치는 영향에 대한 명확성이 없기 때문에 큰 시간 프레임에서는 많은 요인을 고려해야 합니다. 그러나 근본적인 것은 움직임의 근원이 무작위적인 과정이 아니라 결정론적인 것이며, 오랜 기간 동안 개발되어 완성될 때까지 의도적으로 유지된다는 것입니다. 우리는 이해하지 못하거나 알지 못할 수도 있지만 MO의 도움으로 이러한 움직임을 영원하지 않지만 수명이 수년 동안 지속될 수 있는 패턴 형태로 포착하려고 시도할 수 있습니다.
이로부터 MO와 GARCH는 하나의 거래 시스템으로 함께 가져와야 하는 다소 보완적인 도구입니다.
다들 이해를 못하시겠지만 어느 시점을 잡아도 상관없다는 글을 쓰는것도 지겹고 리스크는 어딜가나 똑같고 스캘핑에 대한 스프레드와 커미션 빼고는 별차이가 없지만 이건 또 다른 종류의 부정적인 요소입니다. 모든 시계열 은 몇 가지 변수, 아마도 2개로 설명됩니다. 이것들은 지속성(허스트)과 변동성(프랙탈 차원)입니다. 그게 다야. 이를 통해 MO로도, 다른 것으로도 간단하고 신뢰할 수 있는 모델을 구축할 수 있습니다. 계속해서 작동하는 모델을 구축하는 것은 결코 불가능하다는 결론이 나옵니다. 인용 부호는 무작위이고 비주기적 주기가 자발적으로 형성되므로 주기에서 주기로의 전환 순간은 동일한 조건에서 예측되지 않습니다. 이를 위해 이러한 주기를 하나의 더 큰 것의 구성 요소로 보려면 표시의 축척을 변경해야 합니다. . 나는 이해가 기초라고 믿습니다. 그것 없이는 시장을 확률론적 시스템으로 올바른 방식으로 생각하는 것이 일반적으로 불가능합니다. 비주기적 주기 내에서는 단순한 모델도 잘 작동하며 주기가 변경되면 항상 모든 것이 무너집니다. 주기마다 시장은 항상 새롭고 다릅니다. 그리고 TF는 어떻습니까?
소규모 TF에서는 소규모 그룹의 사람들이 원하는 것이 우선이고 큰 그룹에서는 모든 것이 결정된다는 사실에 대해 이 사려 깊은 쓰레기를 어디서 얻을 수 있습니까? 이런 적이 없었고 이것은 일반적으로 하늘의 손가락입니다. 시장은 모든 것이 모든 것과 상호 연결되어 있는 다른 메커니즘이므로 모든 TF(투자 범위)의 규모 불변입니다.
어떤 종류의 결정론에 대해 이야기하면 모든 TF가 서로에 대한 의존성에 관한 것입니다. 인용문이 하나만 있기 때문에 이벤트 규모의 표현만 변경하면 프랙탈을 따라 작은 것에서 큰 것으로 이동하는 것과 같습니다. 그 반대.
금융 시장의 입력 데이터는 항상 자신의 이해 관계를 가진 사람들에 의해 형성되며 동일한 조건에서 다른 시간에 다릅니다.
이것은 H1까지의 TF에서 특히 두드러집니다. 우리는 상대적으로 작은 개인 그룹의 위시리스트에 의해 형성된 임의 의 고정되지 않은 프로세스를 얻습니다.
D1 이상에서는 대수의 법칙이 작용하기 시작하고, 국가, 대기업, 정치의 투자에 의해 운동의 방향이 형성된다.
작은 기간에 패턴을 찾는 것은 무의미합니다. 패턴이 없습니다. 형성되고 우리가 패턴으로 정의한 것은 사실 물 위의 원입니다. 존재하고 없었습니다. 우리는 웨이브의 시작 부분을 포착하고 잘라내고 유사한 웨이브가 다음에 나타날 때까지 기다릴 수 있지만 이것은 전혀 발생하지 않을 수도 있습니다.
처음에는 목표 변수에 미치는 영향에 대한 명확성이 없기 때문에 큰 시간 프레임에서는 많은 요인을 고려해야 합니다. 그러나 근본적인 것은 움직임의 근원이 무작위적인 과정이 아니라 결정론적인 것이며, 오랜 기간 동안 개발되어 완성될 때까지 의도적으로 유지되었다는 것입니다. 우리는 이해하지 못하거나 알지 못할 수도 있지만 MO의 도움으로 이러한 움직임을 영원하지 않지만 수명이 수년 동안 지속될 수 있는 패턴 형태로 포착하려고 시도할 수 있습니다.
이로부터 MO와 GARCH는 하나의 거래 시스템으로 함께 가져와야 하는 다소 보완적인 도구입니다.
모든 TF에서 임의의 비정상 프로세스입니다. 비정상적 결정론적 구성요소와 비정상적 무작위 구성요소를 포함합니다( 모든 TF 에서도 마찬가지).
누군가의 "위시리스트"와 다른 쓰레기를 무작위성과 비정상성에 대한 "설명자"로 사용하는 것은 완전히 넌센스입니다.
프로세스에 대한 모든 정보는 프로세스 자체에 포함됩니다(이력 차트에서 "모든 것을 고려한 가격"). 작업은 자신의 목적에 사용할 수 있는 프로세스에서 필요한 정보를 추출하는 것입니다. 작업은 어렵지만 해결할 수 있습니다.
모든 국가의 경제는 재화와 서비스의 생산이며 이는 매우 결정적이며 극도로 관성적인 과정입니다. 그러한 프로세스가 수십 년 동안 완전히 안정적인 예를 찾을 수 있습니다. 어떤 국가의 1년에 몇 퍼센트의 총생산(GDP) 변화는 성공이거나 재앙입니다. 국내 생산량이 10% 감소하면 사회적 폭발이 일어날 수 있다.
우리가 보고 있는 것은 이 결정론적 과정에 대한 거품입니다. 오늘날이 거품은 실물 경제에서 점점 더 멀어지고 있지만 거시 경제학 수준, 분기별 자연 경제 지표 수준에서 수만 명이있는 모든 것이 동일하게 유지됩니다.
http://my-files.ru/9iyzd6
포럼 어딘가에 비슷한 데이터를 가진 누군가가 몇 달에 한 번씩 일종의 지수를 예측하는 주제가 있었습니다.
여기에서 찾았습니다. https://www.mql5.com/en/forum/40739(FRED 도 포함). 주제는 흥미롭습니다. 언젠가는 이 데이터를 사용하여 월별 TF에서 유로화를 예측하려고 할 것입니다.
보다 밀접하게 지표를 수정(다시 그릴 수 있음)할 수 있습니다.
모든 국가의 경제는 재화와 서비스의 생산이며 이는 매우 결정적이며 극도로 관성적인 과정입니다. 그러한 프로세스가 수십 년 동안 완전히 안정적인 예를 찾을 수 있습니다. 어떤 국가의 1년에 몇 퍼센트의 총생산(GDP) 변화는 성공이거나 재앙입니다. 국내 생산량이 10% 감소하면 사회적 폭발이 일어날 수 있다.
우리가 보고 있는 것은 이 결정론적 과정에 대한 거품입니다. 오늘날이 거품은 실물 경제에서 점점 더 멀어지고 있지만 거시 경제학 수준, 분기별 자연 경제 지표 수준에서 수만 명이있는 모든 것이 동일하게 유지됩니다.
그리고 다시 당신의 근거 없는 연설: "매우 결정적", "극도의 관성"... "거품"이라고? "모든 것이 동일하게 유지됩니다"? 머리 속으로 그림을 그렸나 봐요, 이 그림이 현실과 얼마나 어울리지 않는지 전혀 신경 쓰지 않고 묘사합니다.
글쎄요, 당신은 일종의 "경제학자"와 같으며 이해하는 것처럼 보여야 하지만 ... 아니요.
S.Yu의 글 을 마스터해보세요. 글라지예프 . 이것은 상황을 이해하는 데 유용합니다.
오늘 제 의견은 가까운 장래에 이러한 동일한 추세가 불확실하기 때문에 추세가 아닌 편차를 거래해야한다는 것입니다.
편차를 거래하는 장치가 있습니다. 이것은 고주파 거래를 시작으로 금융 시장에서 널리 사용되는 GARCH입니다. 꿈의 한계는 최대 100핍입니다. 따라서 H1까지의 TF에서 15-20핍이 포착되었으며 다음 신호를 기다리고 있습니다. 시장에 있는 시간이 짧을수록 Expert Advisor는 더 좋습니다.