이 글에서는 잘 알려진 베르누이 기법을 알아보고 이를 트레이딩과 관련한 데이터 배열을 설명하는 데 어떻게 사용할 수 있는지 보여드리겠습니다. 그런 다음 이 모든 것이 스스로 적응하는 트레이딩 시스템을 만드는 데에 사용될 것입니다. 우리는 또한 베르누이 공식의 특별한 경우인 보다 일반적인 알고리즘을 찾아보고 관련된 응용 프로그램을 찾아볼 것입니다.
우리가 수학의 언어로 트레이딩의 내역과 백테스트를 설명할 수 있는 가능성을 분석 하려면 먼저 이러한 분석의 목적과 분석에 따른 가능한 결과를 이해해야 합니다. 이러한 분석에 어떤 부가적인 가치가 있을까요? 사실 당장 명확한 답변을 드리는 것은 불가능합니다. 그러나 점차 간단하고 효과적인 솔루션으로 이어질 수 있는 해답이 있습니다. 이를 위해 먼저 더 자세한 내용을 살펴볼 필요가 있습니다. 이전 기사의 내용을 상기해 보면 다음과 같은 질문이 생깁니다:
모든 전략을 트레이딩의 프랙탈 설명으로 축소할 수 있을까요?
가능하다면 이것이 어디에 유용할까요?
항상 가능한 것이 아니라면 축소 가능성의 조건은 무엇일까요?
환원성 조건이 충족되면 환원 알고리즘을 개발합니다.
전략을 설명하는 다른 옵션을 고려하세요. 일반화
이 모든 질문에 대한 답변은 다음과 같습니다. 일부 전략을 프랙탈 설명으로 축소할 수 있습니다. 제가 이 알고리즘을 개발한 사람으로서 이에 대해 자세히 설명하겠습니다. 이는 범용 프랙탈이기 때문에 다른 용도로도 적합합니다. 이제 다음 질문에 대해 생각해보고 답해 봅시다: 난수와 확률 이론의 언어로 거래 내역이란 무엇을 말하는 것일까요? 답은 간단합니다: 이는 고립된 엔티티 또는 벡터의 집합으로 특정 기간에 특정 확률과 시간 활용 계수를 갖는 발생입니다. 이러한 각 엔티티의 주요 특징은 발생의 확률입니다. 시간 사용 계수는 사용 가능한 시간 중 트레이딩에 사용되는 시간을 결정하는 데 도움이 되는 보조 값입니다. 다음 그림이 아이디어를 이해하는 데 도움이 될 것입니다:
새로운 기고글 조합론과 트레이딩 확률(4부): 베르누이 논리 가 게재되었습니다:
이 글에서는 잘 알려진 베르누이 기법을 알아보고 이를 트레이딩과 관련한 데이터 배열을 설명하는 데 어떻게 사용할 수 있는지 보여드리겠습니다. 그런 다음 이 모든 것이 스스로 적응하는 트레이딩 시스템을 만드는 데에 사용될 것입니다. 우리는 또한 베르누이 공식의 특별한 경우인 보다 일반적인 알고리즘을 찾아보고 관련된 응용 프로그램을 찾아볼 것입니다.
우리가 수학의 언어로 트레이딩의 내역과 백테스트를 설명할 수 있는 가능성을 분석 하려면 먼저 이러한 분석의 목적과 분석에 따른 가능한 결과를 이해해야 합니다. 이러한 분석에 어떤 부가적인 가치가 있을까요? 사실 당장 명확한 답변을 드리는 것은 불가능합니다. 그러나 점차 간단하고 효과적인 솔루션으로 이어질 수 있는 해답이 있습니다. 이를 위해 먼저 더 자세한 내용을 살펴볼 필요가 있습니다. 이전 기사의 내용을 상기해 보면 다음과 같은 질문이 생깁니다:
이 모든 질문에 대한 답변은 다음과 같습니다. 일부 전략을 프랙탈 설명으로 축소할 수 있습니다. 제가 이 알고리즘을 개발한 사람으로서 이에 대해 자세히 설명하겠습니다. 이는 범용 프랙탈이기 때문에 다른 용도로도 적합합니다. 이제 다음 질문에 대해 생각해보고 답해 봅시다: 난수와 확률 이론의 언어로 거래 내역이란 무엇을 말하는 것일까요? 답은 간단합니다: 이는 고립된 엔티티 또는 벡터의 집합으로 특정 기간에 특정 확률과 시간 활용 계수를 갖는 발생입니다. 이러한 각 엔티티의 주요 특징은 발생의 확률입니다. 시간 사용 계수는 사용 가능한 시간 중 트레이딩에 사용되는 시간을 결정하는 데 도움이 되는 보조 값입니다. 다음 그림이 아이디어를 이해하는 데 도움이 될 것입니다:
작성자: Evgeniy Ilin