또 다른 문제가 있습니다. 이것은 반복과 프랙탈리티입니다. 이러한 것들이 분석에 도움이 되는 것처럼 보이지만 실제로는 현재 작업 중인 계층 구조의 채널(현재 위치)을 알 수 없습니다. 여기에 예가 있습니다. 나중에 (시간이 지나면) 채널을 그렸지만 모두 기록과 완벽하게 일치합니다. 즉, 미래에는 가격이 이전 채널에 따라 움직일 것입니다. 하지만 어떻게? 그리고 그 그림은 그릴 수 있는 것의 극히 일부일 뿐입니다.
... 마지막 빨간색 채널은 분명히 "탈출은 일반적으로 새 채널의 중간이 됨" 원칙입니다.
... 돌파인지 추세선 수정인지 어떻게 알 수 있나요?
동의한다. 마지막 하락세의 하단 경계선은 더 높게 그려질 수 있었습니다. 우리는 터치 포인트와 하락세 의 상한선 분석에 관심이 있기 때문에 이것에서 거의 변화가 없었을 것입니다. 하락 추세의 하단 경계는 일반적으로 이전 채널 상단 경계(녹색 점 3)의 이전 상승 추세의 세 번째 터치 포인트에서 시작됩니다.
하락추세의 상단 경계선을 터치하는 두 번째 지점을 기다리지 않고 이전 채널(검정색 경계선이 있는 노란색 원)을 돌파하는 대가로 연기를 설정하고 목표를 절반 이상으로 설정하는 것이 좋습니다. 이전 채널의 너비. 또는 마우스로 가격 움직임을 추적하십시오. 잘못된 브레이크아웃이 존재하므로 항상 정지가 필요합니다. 입력에 대한 다른 옵션에 대해 생각해 보겠습니다.
gpwr : 예를 들어 두 개의 빨간색 패턴은 눈에 똑같이 보이지만 두 번째 패턴은 첫 번째 패턴에 비해 시간적으로 거의 2배 늘어납니다. 가격 축을 따른 움직임도 진폭이 다릅니다. 지그재그 정점을 취하려고 하면 한 패턴이 다른 패턴보다 더 많은 정점을 갖게 되고 네트워크가 질식하게 됩니다. 생각?
채널을 원하십니까 아니면 패턴을 원하십니까? 패턴이면 리드 타임과 진폭을 상대 값으로(정규화). 지그재그는 작은 것을 제외하고는 전혀 필요하지 않으며 작은 근사치가 더 좋습니다. 그런 다음 2차원 상관기라도 기존 이미지 인식기로 밀어넣습니다. 창이 다르기 때문에 특정 크기 범위에서 검색하고 "이전 패턴"인지 "다음 패턴이 이미 시작되었는지"를 끊임없이 결정해야 합니다. 모든 IMHO. 테스트가 필요합니다. 직접 해보고 싶지만 시간이 없습니다.
채널 내부의 패턴 - 나중에 자세히 설명합니다. 가격 패턴 자체는 채널이나 지지/저항 수준 에 연결되지 않은 경우 의미가 없습니다. 따라서 네트워크 사용자의 주요 단점은 네트워크가 이를 파악하고 이러한 수준을 찾을 것이라고 생각하여 어떤 수준에도 묶이지 않은 가격을 취합니다. 또한 신경망 네트워크 작성자는 네트워크 자체가 시간에 따라 선형 또는 비선형적으로 압축되거나 늘어나는 패턴을 찾을 것이라고 생각하여 네트워크 입력에 기록의 일정한 섹션을 제출합니다. 예, 그러한 네트워크가 우리 두뇌에 존재합니다. 인공 네트워크는 아직 거의 같은 크기의 레이블이 지정된 예제에 대해 훈련된 숫자 인식기까지 성장하지 않았습니다.
>따라서 네트워크 사용자의 주요 단점은 네트워크가 이를 파악하고 이러한 수준을 찾을 것이라고 생각하여 어떤 수준에도 묶이지 않은 가격을 취합니다.
그런 일을 따로 주면 찾을 수 있을 것 같아요. 보통 하는 일이 다를 뿐입니다.
> 또한 신경망 네트워크 작성자는 네트워크 자체가 시간에 따라 선형 또는 비선형적으로 압축되거나 늘어나는 패턴을 찾을 것이라고 생각하여 네트워크 입력에 기록의 일정한 섹션을 제출합니다.
선형 왜곡은 정규화에 의해 최소화되고 비선형 왜곡은 범위 표현으로 전환하여 최소화할 수 있다고 생각하지만 동시에 이것이 중요하다면 임펄스/수정을 구별할 수 없게 될 것입니다.
따라서 우리는 둘 다 네트워크 자체가 채널과 같은 구조를 식별할 수 없다는 데 동의합니다. 이에 따라 작업을 설정해야 합니다. 그녀에게 조언하십시오. 가격이 두 번째로 닿기 전에 마지막 채널의 최종선을 그렸습니다. 첫 번째 접촉점에서 무한한 수의 직선을 그을 수 있었지만, 아래쪽 경계로 밝혀진 것은 위쪽 경계선과 평행하게 이어지는 직선이었습니다.
패턴 왜곡을 확인하기 위해 이전 하락 추세를 확장하고 현재 하락 추세에 중첩했습니다.
유사한 패턴을 자동으로 찾는 문제는 우리가 미리 알지 못한다는 것입니다.
현재 패턴의 길이입니다. 예를 들어, 이 논의에서 패턴은 채널에 연결되고 시작은 다소 정의됩니다. 패턴을 채널에 연결하지 않으면 어디서부터 시작해야 할까요?
과거와 비교하여 현재 패턴의 왜곡. 어떤 종류의 부드러운 기능으로 현재 패턴을 설명하고, 한 마디씩 압축하고, 이전의 모든 패턴과 비교한 다음, 다시 한 마디씩 압축하는 등의 작업이 필요합니다. 그런 다음 막대 위로 늘어납니다. 한마디로 시간이 많이 걸릴 것입니다. 또는 시각 피질의 원리에 따라 작동하는 네트워크를 만드십시오.
이 경우 일정 기간의 지그재그 표시기가 매우 유용할 수 있으며,
1) 우리는 피크 사이의 거리를 측정합니다. 이러한 지표의 도움으로 시장 소음에서 추상화할 수 있습니다.
2) 그런 다음 우리는 이러한 값을 서로 나누어 비교하고 비율을 도출합니다(첫 번째 직선은 다음 직선보다 2배 높고 추세에서 너무 많이 벗어남 등).
3) 그런 다음 이 "패턴" 뒤에 정확히 무엇이 있어야 하는지 기록하고 추적을 시작합니다.
장점은 상대 값이 시장 변동성 요인을 평준화할 수 있다는 것입니다. 수치의 크기에 관계없이 한동안 하락할 것이라는 것을 확실히 알고 있습니다.
노이즈를 고려하지 않기 때문에 지그재그 표시기가 적합 합니다. 프랙탈 표시 기도 저렴합니다.
누가 이 흥미를 프로그래밍할 것인가?
주제는 흥미롭지만 자동화하기에는 너무 복잡합니다.
첫째, 게시한 그림의 아름다움에도 불구하고 그래픽 구성 에 부정확한 부분이 많습니다. 예를 들어 마지막 빨간색 채널은 "파손은 일반적으로 새 채널의 중간이 됨"이라는 원칙에 따라 명확하게 조정됩니다. 더 높게 그려야 합니다.
두 번째로 어려운 순간은 잘못된 탈출입니다. 이것이 고장인지 또는 추세선의 수정인지 확인하는 방법은 무엇입니까? 역사에서 이것은 눈에 띄게 볼 수 있지만 실제로는 그렇지 않습니다.
나는 오랫동안 채널 거래에 관심이 있었고 이 문제에 대한 어떤 생각도 흥미롭습니다.
또 다른 문제가 있습니다. 이것은 반복과 프랙탈리티입니다. 이러한 것들이 분석에 도움이 되는 것처럼 보이지만 실제로는 현재 작업 중인 계층 구조의 채널(현재 위치)을 알 수 없습니다. 여기에 예가 있습니다. 나중에 (시간이 지나면) 채널을 그렸지만 모두 기록과 완벽하게 일치합니다. 즉, 미래에는 가격이 이전 채널에 따라 움직일 것입니다. 하지만 어떻게? 그리고 그 그림은 그릴 수 있는 것의 극히 일부일 뿐입니다.
따라서 이전 페이지의 예측은 매우 정확하게 작동했습니다. 빨간색 패턴이 거의 끝났습니다. 이제 상향 붕괴가 예상됩니다.
... 마지막 빨간색 채널은 분명히 "탈출은 일반적으로 새 채널의 중간이 됨" 원칙입니다.
... 돌파인지 추세선 수정인지 어떻게 알 수 있나요?
동의한다. 마지막 하락세의 하단 경계선은 더 높게 그려질 수 있었습니다. 우리는 터치 포인트와 하락세 의 상한선 분석에 관심이 있기 때문에 이것에서 거의 변화가 없었을 것입니다. 하락 추세의 하단 경계는 일반적으로 이전 채널 상단 경계(녹색 점 3)의 이전 상승 추세의 세 번째 터치 포인트에서 시작됩니다.
하락추세의 상단 경계선을 터치하는 두 번째 지점을 기다리지 않고 이전 채널(검정색 경계선이 있는 노란색 원)을 돌파하는 대가로 연기를 설정하고 목표를 절반 이상으로 설정하는 것이 좋습니다. 이전 채널의 너비. 또는 마우스로 가격 움직임을 추적하십시오. 잘못된 브레이크아웃이 존재하므로 항상 정지가 필요합니다. 입력에 대한 다른 옵션에 대해 생각해 보겠습니다.
채널을 원하십니까 아니면 패턴을 원하십니까? 패턴이면 리드 타임과 진폭을 상대 값으로(정규화). 지그재그는 작은 것을 제외하고는 전혀 필요하지 않으며 작은 근사치가 더 좋습니다. 그런 다음 2차원 상관기라도 기존 이미지 인식기로 밀어넣습니다. 창이 다르기 때문에 특정 크기 범위에서 검색하고 "이전 패턴"인지 "다음 패턴이 이미 시작되었는지"를 끊임없이 결정해야 합니다. 모든 IMHO. 테스트가 필요합니다. 직접 해보고 싶지만 시간이 없습니다.
채널을 원하십니까 아니면 패턴을 원하십니까?
채널 내부의 패턴 - 나중에 자세히 설명합니다. 가격 패턴 자체는 채널이나 지지/저항 수준 에 연결되지 않은 경우 의미가 없습니다. 따라서 네트워크 사용자의 주요 단점은 네트워크가 이를 파악하고 이러한 수준을 찾을 것이라고 생각하여 어떤 수준에도 묶이지 않은 가격을 취합니다. 또한 신경망 네트워크 작성자는 네트워크 자체가 시간에 따라 선형 또는 비선형적으로 압축되거나 늘어나는 패턴을 찾을 것이라고 생각하여 네트워크 입력에 기록의 일정한 섹션을 제출합니다. 예, 그러한 네트워크가 우리 두뇌에 존재합니다. 인공 네트워크는 아직 거의 같은 크기의 레이블이 지정된 예제에 대해 훈련된 숫자 인식기까지 성장하지 않았습니다.
>따라서 네트워크 사용자의 주요 단점은 네트워크가 이를 파악하고 이러한 수준을 찾을 것이라고 생각하여 어떤 수준에도 묶이지 않은 가격을 취합니다.
그런 일을 따로 주면 찾을 수 있을 것 같아요. 보통 하는 일이 다를 뿐입니다.
> 또한 신경망 네트워크 작성자는 네트워크 자체가 시간에 따라 선형 또는 비선형적으로 압축되거나 늘어나는 패턴을 찾을 것이라고 생각하여 네트워크 입력에 기록의 일정한 섹션을 제출합니다.
선형 왜곡은 정규화에 의해 최소화되고 비선형 왜곡은 범위 표현으로 전환하여 최소화할 수 있다고 생각하지만 동시에 이것이 중요하다면 임펄스/수정을 구별할 수 없게 될 것입니다.
가격이 현재 채널의 하단 경계선에 닿아 이 경계선이 결국 올바르게 구축되었음을 확인했습니다. 높은 확률로 이 하락 추세 패턴은 끝나고 우리는 상승 추세를 시작했으며 이는 상단 경계의 붕괴로 확인될 것입니다.
>따라서 네트워크 사용자의 주요 단점은 네트워크가 이를 파악하고 이러한 수준을 찾을 것이라고 생각하여 어떤 수준에도 묶이지 않은 가격을 취합니다.
그런 일을 따로 주면 찾을 수 있을 것 같아요. 보통 하는 일이 다를 뿐입니다.
> 또한 신경망 네트워크 작성자는 네트워크 자체가 시간에 따라 선형 또는 비선형적으로 압축되거나 늘어나는 패턴을 찾을 것이라고 생각하여 네트워크 입력에 기록의 일정한 섹션을 제출합니다.
선형 왜곡은 정규화에 의해 최소화되고 비선형 왜곡은 범위 표현으로 전환하여 최소화할 수 있다고 생각하지만 동시에 이것이 중요하다면 임펄스/수정을 구별할 수 없게 될 것입니다.
따라서 우리는 둘 다 네트워크 자체가 채널과 같은 구조를 식별할 수 없다는 데 동의합니다. 이에 따라 작업을 설정해야 합니다. 그녀에게 조언하십시오. 가격이 두 번째로 닿기 전에 마지막 채널의 최종선을 그렸습니다. 첫 번째 접촉점에서 무한한 수의 직선을 그을 수 있었지만, 아래쪽 경계로 밝혀진 것은 위쪽 경계선과 평행하게 이어지는 직선이었습니다.
패턴 왜곡을 확인하기 위해 이전 하락 추세를 확장하고 현재 하락 추세에 중첩했습니다.
유사한 패턴을 자동으로 찾는 문제는 우리가 미리 알지 못한다는 것입니다.