저것들. 템플릿 높이를 압축하거나 늘립니다.... ? - 흥미로운 옵션. 그러나 30-50% 이하로 압축하고 늘일 필요가 있다고 생각합니다. 그렇지 않으면 Amer의 휘발성 시간에 대한 패턴을 찾으려고 할 수 있습니다. 예를 들어 세션. 그리고 그곳에서 다른 법이 작동하고 다른 플레이어가 있습니다. 압축과 장력을 최대 30~50%로 하여 작동시키면 발견된 패턴의 수 증가가 그리 크지 않을 것이며 이는 예측에 큰 영향을 미치지 않을 수 있으므로 무시할 수 있습니다.. 그러나 이것은 확인해야 합니다.
그리고 기성품 외부 제품을 사용하지 않고 MT 코드에서이 압축을 구현하는 방법이 전혀 명확하지 않습니다 ...
다른 tf에서 검색
M1과 M5에서도 이미 다른 패턴이있는 것 같습니다. 그리고 그들에게서 같은 패턴을 찾는 것은 잘못된 것입니다. 패턴은 비슷할 수 있지만 이러한 형태의 그래프를 생성한 이유는 다릅니다.
도서관 : 2개의 가격 차트를 비교할 수 있는 다른 옵션이 없습니다. 또 어떤 옵션이 있을까요...?
두 개의 가격 배열이 있고 각각 5개의 가격이 있다고 가정해 보겠습니다. 첫 번째 a1,a2,a3,a4,a5 두 번째 b1,b2,b3,b4,b5
1) 가격 차트는 추세가 제거될 수 있습니다. 회전된 위치에서 수평으로 놓습니다. 이것은 선형 회귀 로 수행할 수 있습니다. 찾아 원래 가격 시리즈 대신 오류 배열을 사용합니다. 이 단계가 패턴 검색에 도움이 될지 여부는 모르겠습니다. 그 영향을 자세히 연구하지 않았습니다. 지금까지 이 단계를 직접 사용하지 않았습니다.
2) 여러 가격을 패턴이라고 부를 수 있습니다. 이 가격이 형성하는 수치에 대한 수학적 설명이 있어야 합니다. 예를 들어, 각 막대에서 가격 인상을 찾을 수 있으며 이러한 인상은 이미 일종의 패턴 설명으로 사용될 수 있습니다. 첫 번째 패턴은 공식 a5-a4, a4-a3, a3-a2, a2-a1에 의해 얻어집니다. 두 번째 - b5-b4, b4-b3, b3-b2, b2-b1
3) 패턴의 "유사성" - 상관관계(직접 확인하지 않음) 또는 피타고라스 정리에 따른 데카르트 거리(확인됨, 잘 작동함) - 제곱근(((a5-a4)-(b5-b4))^2 + ((a4-a3)-(b4-b3))^2 + ((a3-a2)-(b3-b2))^2 + ((a2-a1)-(b2-b1))^2 ) 글쎄, 또는 다른 어떤 것이 더 나은 옵션이 있어야 한다고 생각합니다.
저것들. 템플릿 높이를 압축하거나 늘립니다.... ? - 흥미로운 옵션. 그러나 30-50% 이하로 압축하고 늘일 필요가 있다고 생각합니다. 그렇지 않으면 Amer의 휘발성 시간에 대한 패턴을 찾으려고 할 수 있습니다. 예를 들어 세션. 그리고 그곳에서 다른 법이 작동하고 다른 플레이어가 있습니다. 압축과 장력을 최대 30~50%로 하여 작동시키면 발견된 패턴의 수 증가가 그리 크지 않을 것이며 이는 예측에 큰 영향을 미치지 않을 수 있으므로 무시할 수 있습니다.. 그러나 이것은 확인해야 합니다.
그리고 기성품 외부 제품을 사용하지 않고 MT 코드에서이 압축을 구현하는 방법이 전혀 명확하지 않습니다 ...
M1과 M5에도 이미 다른 패턴이있는 것 같습니다. 그리고 그들에게서 같은 패턴을 찾는 것은 잘못된 것입니다. 패턴은 비슷할 수 있지만 이러한 형태의 그래프를 생성한 이유는 다릅니다.
더 나은 이해를 위해서는 신성한 프랙탈을 연구하는 것이 좋습니다. 특히, 이미 썼듯이 이것들은 스케일링과 자기친화성
스케일링은 정의에 따라 서로 다른 시간 간격으로 형성된 유사한 패턴입니다. 1분 따옴표를 사용하여 주어진 승수로 합성 시간 프레임의 배열을 구축하고 이 배열을 사용하여 현재 패턴과 유사한 패턴을 검색할 수 있습니다.
자기 친화성 - 패턴은 유사하지만 완전히 동일하지는 않습니다. 이것은 "유사성" 기준을 선택할 때 주요 문제이며 상관 관계는 여기에 적합하지 않습니다.
그 차이는 수축/신장보다 패턴의 기울기(회귀선의 각도)에서 더 많이 나타납니다. 현재 패턴을 기반으로 LR을 구축한 다음 검색할 때 다른 영역에서 인용문을 가져와서 LR 기울기를 현재 패턴의 LR 기울기로 변경한 결과 유사한 패턴을 더 자주 찾았습니다. 예측을 구성할 때 예측 곡선은 현재 패턴의 LR의 기울기를 고려하여 변환되었습니다.
더 나아가. 프랙탈의 자기 친화성(자기 유사성)에는 또 다른 흥미로운 특징이 있습니다. 정확히 동일하지만 큰 패턴 내부에 더 작은 것이 형성됩니다. 검색 알고리즘 - (예를 들어) 1시간 TF의 마지막 500개 막대를 10개 막대로 이동하고 테스터에서 분 또는 5분 단위로 실행하고 1시간 패턴과 유사한 패턴을 찾습니다. 발견됨 - 우리는 1시간에서 5분 패턴으로 마지막 10개 막대를 예상합니다. 이것이 예측입니다. 이렇게하려면 경사 각도를 고려하십시오. reg. 이것이 내가 한 방법입니다.
아직 연속된 패턴 그룹에 대해 교차 검증을 수행하지 않았지만 주제가 흥미로운 것 같습니다.
2개의 가격 배열이 있고 각각 5개의 가격이 있다고 가정해 보겠습니다. 첫 번째 a1,a2,a3,a4,a5 두 번째 b1,b2,b3,b4,b5
1) 가격 차트는 추세를 제거할 수 있습니다. 회전된 위치에서 수평으로 놓습니다. 이것은 선형 회귀 로 수행할 수 있습니다. 찾아 원래 가격 시리즈 대신 오류 배열을 사용합니다. 이 단계가 패턴 검색에 도움이 될지 여부는 모르겠습니다. 그 영향을 자세히 연구하지 않았습니다. 지금까지 이 단계를 직접 사용하지 않았습니다.
2) 여러 가격을 패턴이라고 부를 수 있습니다. 이 가격이 형성하는 수치에 대한 수학적 설명이 있어야 합니다. 예를 들어, 각 막대에서 가격 인상을 찾을 수 있으며 이러한 인상은 이미 일종의 패턴 설명으로 사용될 수 있습니다. 첫 번째 패턴은 공식 a5-a4, a4-a3, a3-a2, a2-a1에 의해 얻어집니다. 두 번째 - b5-b4, b4-b3, b3-b2, b2-b1
3) 패턴의 "유사성" - 상관관계(직접 확인하지 않음) 또는 피타고라스 정리에 따른 데카르트 거리(확인됨, 잘 작동함) - 제곱근(((a5-a4)-(b5-b4))^2 + ((a4-a3)-(b4-b3))^2 + ((a3-a2)-(b3-b2))^2 + ((a2-a1)-(b2-b1))^2 ) 글쎄, 또는 다른 어떤 것이 더 나은 옵션이 있어야 한다고 생각합니다.
흥미로운 기능이 발견되었습니다. 차트가 아니라 RSI 표시기로 패턴을 검색할 수 있습니다. 차트를 어떻게 추세를 줄이고 회전하든 상관없이 차트에 구축된 RSI가 거의 동일한 결과를 보여주기 때문에 이것은 흥미롭습니다. 그래프를 각도만큼 회전할 필요가 없습니다. 그러나 출력(예측)에서는 여전히 LR의 기울기를 고려하여 변환해야 합니다. 또한 수신된 지표에 대해 상호 상관 관계 및 기타 유용한 정보를 구축할 수 있습니다.
막심 드미트리예프스키박사 상인 제가 만든 지표처럼 역사의 패턴을 찾기 위해 많은 시간을 보내셨을 것 같습니다. 계속 사용합니까 아니면 신경망으로 전환합니까? 템플릿 검색이 유망하지 않은 것으로 판명 되었습니까? 아니면 이러한 접근 방식의 효과는 여전히 동일하고 차이점은 속도에만 있습니까?
막심 드미트리예프스키박사 상인 제가 만든 지표처럼 역사의 패턴을 찾기 위해 많은 시간을 보내셨을 것 같습니다. 계속 사용합니까 아니면 신경망으로 전환합니까? 템플릿 검색이 유망하지 않은 것으로 판명 되었습니까? 아니면 이러한 접근 방식의 효과는 여전히 동일하고 차이점은 속도에만 있습니까?
패턴 작업을 포기했습니다. 내가 원하는 예상 결과를 즉시 제공하지 않았습니다. 나중에 주제로 돌아갑니다. 그리고 많은 발명과 행동이 필요하고, 힘들고 당신이 그것을 할 때까지 분명하지 않습니다. 그 전에 친구와 나는 Weierstrass-Mandelbrot 함수에 따라 프랙탈 분석 주제에 대해 개발을 했지만 거기에서도 상관 관계가 사용되었고, 나는 매번 정상적인 패턴을 찾았습니다. 이제 컨볼루션을 마스터하거나 패턴을 검색하는 다른 새로운 방법을 생각해 낸 다음 반환합니다. .. 간단히 말해서 상관 관계에 부딪쳤습니다.
막심 드미트리예프스키 : 패턴 작업을 포기했습니다. 내가 원하는 예상 결과를 즉시 제공하지 않았습니다. 나중에 주제로 돌아갑니다. 그리고 많은 발명과 행동이 필요하고, 힘들고 당신이 그것을 할 때까지 분명하지 않습니다. 그 전에 친구와 나는 Weierstrass-Mandelbrot 함수에 따라 프랙탈 분석 주제에 대해 개발을 했지만 거기에서도 상관 관계가 사용되었고, 나는 매번 정상적인 패턴을 찾았습니다. 이제 컨볼루션을 마스터하거나 패턴을 검색하는 다른 새로운 방법을 생각해 낸 다음 반환합니다. .. 간단히 말해서 상관 관계에 부딪쳤습니다.
여기에 관심이 있으시면 100 년 전에 프랙탈 분석에 대한 소개 비디오를 녹화했습니다. 내 관점에서 패턴 분석과 직접적인 관련이 있습니다.
그것은 일반적인 상관 관계에있는 것 같습니다 - tk. 뉴런 간의 연결 가중치는 NS의 동일한 응답으로 이 라인을 따라 신호를 반복하는 횟수에서 증가합니다. 라인이 +에 있었다면 - 0에 가깝게 유지될 것입니다. 이는 본질적으로 일반적인 평균입니다. 그런 다음 이 가중치를 사용하여 예측 변수의 입력 조합과 훈련 기간 동안의 평균의 유사성을 찾습니다.
아직 그만두지 않았고 패턴에서 더 많은 이익을 얻기 위해 다른 알고리즘을 시도하고 있습니다. 뉴런에 비해 이 접근 방식은 더 많은 기회를 제공합니다. 이전에 저는 시간의 영향(예: 유사한 패턴이 발견된 기간에 따른 유사성 감소)과 다양한 다른 트릭. 뉴런에서는 그렇게 할 수 없습니다. 내 뉴런은 가격만으로 수익성 있게 거래하는 방법을 결코 배울 수 없었습니다. 그리고 패턴 모델은 여기에서 선택이 분명했습니다. :)
그러나 뉴런은 다른 지표에 사용될 수 있습니다. 그러나 학습 목표와 지표가 올바르게 선택되면 뉴런, 숲 또는 선형 모델과 같은 모든 것이 작동하는 것은 중요하지 않습니다.
저것들. 패턴을 다루는 경우 패턴의 "유사성"을 평가하는 방법을 만드는 데 많은 시간을 할애해야 하며 주제에 대한 유용한 정보를 많이 찾지 못할 것이며 많은 실험을 해야 합니다.
그리고 지표를 다루는 경우 지표 자체와 학습 목표를 선택하는 데 많은 시간이 소요됩니다. 모델(뉴런, 포리스트, 부스팅)을 선택하고 훈련하는 데 많은 시간이 걸리지 않습니다.
막심 드미트리예프스키 : 패턴 작업을 포기했습니다. 내가 원하는 예상 결과를 즉시 제공하지 않았습니다. 나중에 주제로 돌아갑니다. 그리고 많은 발명과 행동이 필요하고, 힘들고 당신이 그것을 할 때까지 분명하지 않습니다. 그 전에 친구와 나는 Weierstrass-Mandelbrot 함수에 따라 프랙탈 분석 주제에 대해 개발을 했지만 거기에서도 상관 관계가 사용되었고, 나는 매번 정상적인 패턴을 찾았습니다. 이제 컨볼루션을 마스터하거나 패턴을 검색하는 다른 새로운 방법을 생각해 낸 다음 반환합니다. .. 간단히 말해서 상관 관계에 부딪쳤습니다.
남은 옵션은 하나뿐입니다. 신랑에게 도움을 요청하십시오) 그는 실제 남자가 거래하는 방법을 가르 칠 것입니다 .... 결국 패턴과 과학은 중요하지 않지만 용기와 힘 ... 그리고 실제 체첸 수염은 필요합니다 ... 그러면 시장은 융통성없고 원칙적인 전사를 저항하지 않을 것입니다 ...
미니엄으로 차트의 아핀 변환을 수행해야 합니다. 패턴이 다른 각도로 기울어지기 때문입니다(자체 아핀 구조),
저것들. 템플릿 높이를 압축하거나 늘립니다.... ? - 흥미로운 옵션. 그러나 30-50% 이하로 압축하고 늘일 필요가 있다고 생각합니다. 그렇지 않으면 Amer의 휘발성 시간에 대한 패턴을 찾으려고 할 수 있습니다. 예를 들어 세션. 그리고 그곳에서 다른 법이 작동하고 다른 플레이어가 있습니다.
압축과 장력을 최대 30~50%로 하여 작동시키면 발견된 패턴의 수 증가가 그리 크지 않을 것이며 이는 예측에 큰 영향을 미치지 않을 수 있으므로 무시할 수 있습니다.. 그러나 이것은 확인해야 합니다.
그리고 기성품 외부 제품을 사용하지 않고 MT 코드에서이 압축을 구현하는 방법이 전혀 명확하지 않습니다 ...
다른 tf에서 검색
M1과 M5에서도 이미 다른 패턴이있는 것 같습니다. 그리고 그들에게서 같은 패턴을 찾는 것은 잘못된 것입니다. 패턴은 비슷할 수 있지만 이러한 형태의 그래프를 생성한 이유는 다릅니다.
2개의 가격 차트를 비교할 수 있는 다른 옵션이 없습니다. 또 어떤 옵션이 있을까요...?
두 개의 가격 배열이 있고 각각 5개의 가격이 있다고 가정해 보겠습니다.
첫 번째 a1,a2,a3,a4,a5
두 번째 b1,b2,b3,b4,b5
1) 가격 차트는 추세가 제거될 수 있습니다. 회전된 위치에서 수평으로 놓습니다. 이것은 선형 회귀 로 수행할 수 있습니다. 찾아 원래 가격 시리즈 대신 오류 배열을 사용합니다. 이 단계가 패턴 검색에 도움이 될지 여부는 모르겠습니다. 그 영향을 자세히 연구하지 않았습니다. 지금까지 이 단계를 직접 사용하지 않았습니다.
2) 여러 가격을 패턴이라고 부를 수 있습니다. 이 가격이 형성하는 수치에 대한 수학적 설명이 있어야 합니다. 예를 들어, 각 막대에서 가격 인상을 찾을 수 있으며 이러한 인상은 이미 일종의 패턴 설명으로 사용될 수 있습니다.
첫 번째 패턴은 공식 a5-a4, a4-a3, a3-a2, a2-a1에 의해 얻어집니다.
두 번째 - b5-b4, b4-b3, b3-b2, b2-b1
3) 패턴의 "유사성" - 상관관계(직접 확인하지 않음) 또는 피타고라스 정리에 따른 데카르트 거리(확인됨, 잘 작동함) -
제곱근(((a5-a4)-(b5-b4))^2 + ((a4-a3)-(b4-b3))^2 + ((a3-a2)-(b3-b2))^2 + ((a2-a1)-(b2-b1))^2 )
글쎄, 또는 다른 어떤 것이 더 나은 옵션이 있어야 한다고 생각합니다.
저것들. 템플릿 높이를 압축하거나 늘립니다.... ? - 흥미로운 옵션. 그러나 30-50% 이하로 압축하고 늘일 필요가 있다고 생각합니다. 그렇지 않으면 Amer의 휘발성 시간에 대한 패턴을 찾으려고 할 수 있습니다. 예를 들어 세션. 그리고 그곳에서 다른 법이 작동하고 다른 플레이어가 있습니다.
압축과 장력을 최대 30~50%로 하여 작동시키면 발견된 패턴의 수 증가가 그리 크지 않을 것이며 이는 예측에 큰 영향을 미치지 않을 수 있으므로 무시할 수 있습니다.. 그러나 이것은 확인해야 합니다.
그리고 기성품 외부 제품을 사용하지 않고 MT 코드에서이 압축을 구현하는 방법이 전혀 명확하지 않습니다 ...
M1과 M5에도 이미 다른 패턴이있는 것 같습니다. 그리고 그들에게서 같은 패턴을 찾는 것은 잘못된 것입니다. 패턴은 비슷할 수 있지만 이러한 형태의 그래프를 생성한 이유는 다릅니다.
더 나은 이해를 위해서는 신성한 프랙탈을 연구하는 것이 좋습니다. 특히, 이미 썼듯이 이것들은 스케일링과 자기친화성
스케일링은 정의에 따라 서로 다른 시간 간격으로 형성된 유사한 패턴입니다. 1분 따옴표를 사용하여 주어진 승수로 합성 시간 프레임의 배열을 구축하고 이 배열을 사용하여 현재 패턴과 유사한 패턴을 검색할 수 있습니다.
자기 친화성 - 패턴은 유사하지만 완전히 동일하지는 않습니다. 이것은 "유사성" 기준을 선택할 때 주요 문제이며 상관 관계는 여기에 적합하지 않습니다.
그 차이는 수축/신장보다 패턴의 기울기(회귀선의 각도)에서 더 많이 나타납니다. 현재 패턴을 기반으로 LR을 구축한 다음 검색할 때 다른 영역에서 인용문을 가져와서 LR 기울기를 현재 패턴의 LR 기울기로 변경한 결과 유사한 패턴을 더 자주 찾았습니다. 예측을 구성할 때 예측 곡선은 현재 패턴의 LR의 기울기를 고려하여 변환되었습니다.
더 나아가. 프랙탈의 자기 친화성(자기 유사성)에는 또 다른 흥미로운 특징이 있습니다. 정확히 동일하지만 큰 패턴 내부에 더 작은 것이 형성됩니다. 검색 알고리즘 - (예를 들어) 1시간 TF의 마지막 500개 막대를 10개 막대로 이동하고 테스터에서 분 또는 5분 단위로 실행하고 1시간 패턴과 유사한 패턴을 찾습니다. 발견됨 - 우리는 1시간에서 5분 패턴으로 마지막 10개 막대를 예상합니다. 이것이 예측입니다. 이렇게하려면 경사 각도를 고려하십시오. reg. 이것이 내가 한 방법입니다.
아직 연속된 패턴 그룹에 대해 교차 검증을 수행하지 않았지만 주제가 흥미로운 것 같습니다.
2개의 가격 배열이 있고 각각 5개의 가격이 있다고 가정해 보겠습니다.
첫 번째 a1,a2,a3,a4,a5
두 번째 b1,b2,b3,b4,b5
1) 가격 차트는 추세를 제거할 수 있습니다. 회전된 위치에서 수평으로 놓습니다. 이것은 선형 회귀 로 수행할 수 있습니다. 찾아 원래 가격 시리즈 대신 오류 배열을 사용합니다. 이 단계가 패턴 검색에 도움이 될지 여부는 모르겠습니다. 그 영향을 자세히 연구하지 않았습니다. 지금까지 이 단계를 직접 사용하지 않았습니다.
2) 여러 가격을 패턴이라고 부를 수 있습니다. 이 가격이 형성하는 수치에 대한 수학적 설명이 있어야 합니다. 예를 들어, 각 막대에서 가격 인상을 찾을 수 있으며 이러한 인상은 이미 일종의 패턴 설명으로 사용될 수 있습니다.
첫 번째 패턴은 공식 a5-a4, a4-a3, a3-a2, a2-a1에 의해 얻어집니다.
두 번째 - b5-b4, b4-b3, b3-b2, b2-b1
3) 패턴의 "유사성" - 상관관계(직접 확인하지 않음) 또는 피타고라스 정리에 따른 데카르트 거리(확인됨, 잘 작동함) -
제곱근(((a5-a4)-(b5-b4))^2 + ((a4-a3)-(b4-b3))^2 + ((a3-a2)-(b3-b2))^2 + ((a2-a1)-(b2-b1))^2 )
글쎄, 또는 다른 어떤 것이 더 나은 옵션이 있어야 한다고 생각합니다.
흥미로운 기능이 발견되었습니다. 차트가 아니라 RSI 표시기로 패턴을 검색할 수 있습니다. 차트를 어떻게 추세를 줄이고 회전하든 상관없이 차트에 구축된 RSI가 거의 동일한 결과를 보여주기 때문에 이것은 흥미롭습니다. 그래프를 각도만큼 회전할 필요가 없습니다. 그러나 출력(예측)에서는 여전히 LR의 기울기를 고려하여 변환해야 합니다. 또한 수신된 지표에 대해 상호 상관 관계 및 기타 유용한 정보를 구축할 수 있습니다.
막심 드미트리예프스키 박사 상인
제가 만든 지표처럼 역사의 패턴을 찾기 위해 많은 시간을 보내셨을 것 같습니다.
계속 사용합니까 아니면 신경망으로 전환합니까? 템플릿 검색이 유망하지 않은 것으로 판명 되었습니까? 아니면 이러한 접근 방식의 효과는 여전히 동일하고 차이점은 속도에만 있습니까?
막심 드미트리예프스키 박사 상인
제가 만든 지표처럼 역사의 패턴을 찾기 위해 많은 시간을 보내셨을 것 같습니다.
계속 사용합니까 아니면 신경망으로 전환합니까? 템플릿 검색이 유망하지 않은 것으로 판명 되었습니까? 아니면 이러한 접근 방식의 효과는 여전히 동일하고 차이점은 속도에만 있습니까?
패턴 작업을 포기했습니다. 내가 원하는 예상 결과를 즉시 제공하지 않았습니다. 나중에 주제로 돌아갑니다. 그리고 많은 발명과 행동이 필요하고, 힘들고 당신이 그것을 할 때까지 분명하지 않습니다. 그 전에 친구와 나는 Weierstrass-Mandelbrot 함수에 따라 프랙탈 분석 주제에 대해 개발을 했지만 거기에서도 상관 관계가 사용되었고, 나는 매번 정상적인 패턴을 찾았습니다. 이제 컨볼루션을 마스터하거나 패턴을 검색하는 다른 새로운 방법을 생각해 낸 다음 반환합니다. .. 간단히 말해서 상관 관계에 부딪쳤습니다.
여기에 관심이 있으시면 100 년 전에 프랙탈 분석에 대한 소개 비디오를 녹화했습니다. 내 관점에서 패턴 분석과 직접적인 관련이 있습니다.
그리고 단순 NN(단순 MLP)은 어떤 원칙에 따라 예측을 작성합니까?
그것은 일반적인 상관 관계에있는 것 같습니다 - tk. 뉴런 간의 연결 가중치는 NS의 동일한 응답으로 이 라인을 따라 신호를 반복하는 횟수에서 증가합니다. 라인이 +에 있었다면 - 0에 가깝게 유지될 것입니다. 이는 본질적으로 일반적인 평균입니다. 그런 다음 이 가중치를 사용하여 예측 변수의 입력 조합과 훈련 기간 동안의 평균의 유사성을 찾습니다.
아직 그만두지 않았고 패턴에서 더 많은 이익을 얻기 위해 다른 알고리즘을 시도하고 있습니다.
뉴런에 비해 이 접근 방식은 더 많은 기회를 제공합니다. 이전에 저는 시간의 영향(예: 유사한 패턴이 발견된 기간에 따른 유사성 감소)과 다양한 다른 트릭. 뉴런에서는 그렇게 할 수 없습니다.
내 뉴런은 가격만으로 수익성 있게 거래하는 방법을 결코 배울 수 없었습니다. 그리고 패턴 모델은 여기에서 선택이 분명했습니다. :)
그러나 뉴런은 다른 지표에 사용될 수 있습니다. 그러나 학습 목표와 지표가 올바르게 선택되면 뉴런, 숲 또는 선형 모델과 같은 모든 것이 작동하는 것은 중요하지 않습니다.
저것들. 패턴을 다루는 경우 패턴의 "유사성"을 평가하는 방법을 만드는 데 많은 시간을 할애해야 하며 주제에 대한 유용한 정보를 많이 찾지 못할 것이며 많은 실험을 해야 합니다.
그리고 지표를 다루는 경우 지표 자체와 학습 목표를 선택하는 데 많은 시간이 소요됩니다. 모델(뉴런, 포리스트, 부스팅)을 선택하고 훈련하는 데 많은 시간이 걸리지 않습니다.
패턴 작업을 포기했습니다. 내가 원하는 예상 결과를 즉시 제공하지 않았습니다. 나중에 주제로 돌아갑니다. 그리고 많은 발명과 행동이 필요하고, 힘들고 당신이 그것을 할 때까지 분명하지 않습니다. 그 전에 친구와 나는 Weierstrass-Mandelbrot 함수에 따라 프랙탈 분석 주제에 대해 개발을 했지만 거기에서도 상관 관계가 사용되었고, 나는 매번 정상적인 패턴을 찾았습니다. 이제 컨볼루션을 마스터하거나 패턴을 검색하는 다른 새로운 방법을 생각해 낸 다음 반환합니다. .. 간단히 말해서 상관 관계에 부딪쳤습니다.
남은 옵션은 하나뿐입니다. 신랑에게 도움을 요청하십시오) 그는 실제 남자가 거래하는 방법을 가르 칠 것입니다 .... 결국 패턴과 과학은 중요하지 않지만 용기와 힘 ... 그리고 실제 체첸 수염은 필요합니다 ... 그러면 시장은 융통성없고 원칙적인 전사를 저항하지 않을 것입니다 ...
카흐 스타일 거래 규칙 ...........