Ti stai perdendo delle opportunità di trading:
- App di trading gratuite
- Oltre 8.000 segnali per il copy trading
- Notizie economiche per esplorare i mercati finanziari
Registrazione
Accedi
Accetti la politica del sito e le condizioni d’uso
Se non hai un account, registrati
Vladimir, sai cosa disgusta ZZ del pacchetto TTR
a volte disegna tali inadeguatezze
пример zz <- TTR::ZigZag(HL = cbind(d$X.HIGH.,d$X.LOW.) ,change = 0.0009,percent = F)E in generale, più lo guardo, più mi sembra inadeguato.Questo e in MT con un zigzag
È normale per voi?
È normale per voi?
No, certo che no.
Perché succede questo allora?
allora perché sta succedendo questo?
Beh, apparentemente non tutti i casi sono presi in considerazione nell'algoritmo, che altro si può dire?
Per quanto riguarda la normalizzazione TF invariante per il modello ...
prendiamo la serie, identifichiamo i punti di rottura importanti.
lascia solo i punti estremi, cancella il resto
normalizzare
ora prendete le distanze tra i punti di rottura nella prima serie, create una nuova serie da esse e normalizzate anche
in questo modo avremo una serie normalizzata, sia in ampiezza che in tempo (frequenze).
Tutto ciò che serve è mantenere uniforme il numero di estremi nel modello, tutto il resto è normalizzato.
Così, il modello può essere alimentato con dati, anche di un minuto o di una settimana, e lo vedrà come la stessa cosa, sarà invariante al TF.
Si può addestrare un modello per tutti i TF in una volta sola
=============================================
Per coloro che non hanno capito cos'è e a cosa serve
Questo sarà uno e lo stesso modello per il modello perché è uno e lo stesso modello
Per quanto riguarda la normalizzazione TF invariante per il modello ...
prendiamo la serie, identifichiamo i punti di rottura importanti.
lascia solo i punti estremi, cancella il resto
normalizzare
ora prendete le distanze tra i punti di rottura nella prima serie, create una nuova serie da esse e normalizzate anche
in questo modo avremo una serie normalizzata, sia in ampiezza che in tempo (frequenze).
Tutto ciò che serve è mantenere uniforme il numero di estremi nel modello, tutto il resto è normalizzato.
Così, il modello può essere alimentato con dati, anche di un minuto o di una settimana, e lo vedrà come la stessa cosa, sarà invariante al TF.
Si può allenare un modello per tutti i TF in una volta sola
=============================================
Per coloro che non hanno capito cos'è e a cosa serve
Questo sarà uno e lo stesso modello per il modello perché è uno e lo stesso modello.
non funziona
non funziona
cosa non funziona? la normalizzazione? sei in debito di sonno o cosa?).
Eseguire questa ZZ nel NS
dovrebbe essere fatto in una finestra scorrevole ma n estremi, non tutti, questa è la prima cosa
secondo, tutto quello che ho scritto è stato fatto per prevedere una linea di tendenza, non solo per divertimento...
Tutte queste trasformazioni sono state fatte per un certo compito.