興味深い考えだ!しかし、私には、変位が定量化されたものは運動の幾何学的形状を反映していないように思えるので、シーケンスの選択が誤っていることに注意したい。そして、無限のサンプルで確率論の観点から最終的に回復を行うことはない。しかし、この方法では図形(パターン)を識別することはできない......。つまり、できるかもしれないが、再構築の操作が必要になる。
フーリエ級数は、可能性があり、私は将来的に試してみますが、実際には規則性はまだ区別されるように、ただ、どこでも、異なる周期で異なっていない。ここで私は、フーリエ級数がどのくらいの時間働くかを分析しようとしただけなのだ。実際、このような深く多角的な分析は1つの記事では不可能である。計算には多くのパワーと時間が必要だ。それに、このプログラムは最終版ではないので、もっと機能を追加するつもりだ。今のところ、表面的にはバーのシフトについては、HighとLowの値を一列に追加できますし、平均価格も追加できます。でも、それほど良くなるとは思わない。結果は式の自由度に依存する。それに、超クールなものになるとは思っていない。最終的な目標は、単純に1回の分析時間が長くなるにつれて分析の質を高めることであり、システムはこのタスクに対処する。そして、履歴から規則性を見つけることさえできる。ただ、それを見せていないだけだ)
フーリエ級数を将来試してみるかもしれない。実際、規則性はまだ強調されている。ここで私は、フーリエ級数がどのくらい機能するかを大まかに分析しようとしただけである。実際、このような深く多用途な分析は1つの記事では不可能だ。計算には多くのパワーと時間が必要だ。それに、このプログラムは最終版ではないので、もっと機能を追加するつもりだ。今のところ、表面的にはバーのシフトについては、HighとLowの値を一列に追加できますし、平均価格も追加できます。でも、それほど良くなるとは思わない。結果は式の自由度に依存する。それに、超クールなものになるとは思っていない。最終的な目標は、単純に1回の分析時間が長くなるにつれて分析の質を高めることであり、システムはこのタスクに対処する。そして、履歴から規則性を見つけることさえできる。ただ、それを見せていないだけだ)
私はあなたと議論するつもりはありません、私の主要な高等教育は、本質的にシーケンシャルデータの処理に結びついている(私はすべての微妙な情報を開示することはできません - 今はそれが続いている)、したがって、私は単に "3-7-エース "の組み合わせを選択するあなたの戦略から離れて、常に(少なくとも高い確率で)動作する場所を持っている数字に目を向けることをお勧めします、彼らはあなたの方法と唯一の2つの共通の欠点を持っています - 価格の浮動範囲と信号の形成期間。あなたの手法でも、基本的には、計算された頻繁な市場パターン(数字)に作業TFとボラティリティを調整する必要があります - そして、聖杯は あなたのポケットの中にあります。そして、この目的のために、あなたの方法は、非常に高速であるため、その後、5つの連続したTF(例えば、1、2、3、4、5分)とボラティリティの3つの範囲(単純な係数1、0.8、0.5を介してボラティリティを正規化する)であなたの式を再計算し、いくつかのバリエーションで、あなたは最大関数を持っている場合、それは現時点では市場がそのような期間とボラティリティの比率を持っていることを意味します。残念なことに、この比率が少なくとももう1計算期間続くことを保証するものではありません。そこで、セプストラル分析に注目することをお勧めします。セプストラル分析では、1つのパラメータ-基準モデルへの準拠のしきい値と、このモデルがバーで形成される最大の長さ-だけを決定する必要があります。さて、テクニカル分析の理論家は多くのモデルを描いてきました。
は、特定の既存のシーケンスが、既知のファミリーからのある公式によって記述できるという考えを悪用し、そしてブルートフォースに従う......。
まあ、そうなのだが、この考え方は、この公式の不可避的なエラーは別の公式によって考慮できるという考え方によって補完されている。しかし、必然的にまた誤差が生じ、それを3つ目の式で考慮しようとする。
確率論的アプローチ(例えば回帰)では、誤差は避けられないが、「よく」 整理されている (定常過程)と仮定される。
ただ、この考え方は、この公式の不可避的なエラーは別の公式によって考慮することができるという考え方によって補完される。しかし、必然的にまた誤差が生じ、それを3つ目の公式で考慮しようとする。
確率論的アプローチ(例えば回帰)では、誤差は避けられないが、「よく」 整理されている (定常過程)と仮定する。
残念ながら、回帰は物理的過程、つまり明確なパターンがあるか、少なくとも十分に強い慣性モーメントがあるような事柄によく当てはまりますが、マネーの世界では、価格がある方向に動く確率しかありません - そして、いくつかの戦略について、単純なトレーダーに対する私の試算によると、この確率は50/50と非常に密接に一致しており、非常に大きな期間で、短い期間で15回連続で黒字になり、その後「ゼロ」になることを除けば、問題はないようです !
その結果、理論的には誰もが億万長者になったように見えるが、実際にはドレインに次ぐドレイン......。
は、特定の既存のシーケンスが、既知のファミリーからのある公式によって記述できるという考えを悪用し、そしてブルートフォースに従う......。
同じ「オプティマイザーによるオプティマイゼーション」を横から見ている :-)
市場の物理を 利用しない限り、すべては最適化であり、どのようなシステムも、まずある分野でテストし、次に別の分野でテストする。その点、私は最適化をまったく使っていない。ただ、現場に合わせるだけです。ここでも、このフィッティングはいくつかの段階を経て行われ、さらに最高のバリアントだけを残すフィルターがたくさんあるということだ。基本的には、選択されたプロットのパターンを自動的に検索する。バリアントがきれいであればあるほど、それはバリアントである可能性が高くなり、偶然の産物ではなくなる。

- 無料取引アプリ
- 8千を超えるシグナルをコピー
- 金融ニュースで金融マーケットを探索
新しい記事「パターン検索への総当たり攻撃アプローチ」はパブリッシュされました:
本稿では、市場パターンを検索し、特定されたパターンに基づいてエキスパートアドバイザーを作成し、これらのパターンが有効であるかどうかを確認します。
ニューラルネットワークは本質的に一種の総当たり攻撃でもあります。しかし、そのアルゴリズムは単純な総当たり攻撃アルゴリズムとは大きく異なります。特定のニューラルネットワークアーキテクチャとその要素の詳細は提供しませんが、一般的な説明を提供しようとします。特定のアーキテクチャに固執する場合、事前にアルゴリズムの機能が制限されます。固定アーキテクチャは修復不可能な制限です。ニューラルネットワークは、私たちの場合、可能な戦略の一種のアーキテクチャです。その結果、ニューラルネットワークの構成は常にネットワークマップを持つ特定のファイルに対応します。これは常に特定のユニットのコレクションを指します。アイテムのパラメータを設定すると、プリンターがそれを生成するという、3Dプリンターの場合と同じです。したがって、ニューラルネットワークは、マップなしでは意味をなさない一般的なコードです。これは、高度なプログラミング言語を使用して、そのすべての機能を利用せずに空のプロジェクトを作成するようなものです。その結果、空のテンプレートは何もしません。ニューラルネットワークについても同じです。総当たり攻撃とは異なり、ニューラルネットワークは戦略にほぼ無制限の変動性、任意の数の基準、およびより高い効率を提供できます。このアプローチの唯一の欠点は、効率がコードの品質に大きく依存することです。システムの複雑さが増すと、プログラムのリソース集約度が高まる可能性があります。その結果、私たちの戦略は、同等のネットワークマップに変換されます。強引なアプローチでも同じことが行われますが、ここではいくつかの数字の単純なシーケンスを使用します。このシーケンスはネットワークマップよりもはるかに単純で、計算も簡単ですが、効率の点でも制限があります。以下のスキームは、上記の説明を表示します。
作者: Evgeniy Ilin