파선의 형태로 그래프를 표현하고 파선의 이미지(모양)를 전체적으로 인식하고 그 조각들을 분리합니다.
자동화된 거래에 대한 이러한 접근 방식이 유망하고 실현 가능합니까?
이것은 수학적 통계의 틀 내에서 설명할 수 없는 완전히 다른 거래 접근 방식입니다. 엘리엇 파동 이론과 유사합니다. 정성적 평가(역사에서 파도를 세는 예의 사진)는 상당히 설득력 있고 정교하지만 실제 거래에서 의사 결정에 대한 정량적 평가에 관해서는 여기에 막다른 골목이 있습니다. 원칙적으로 Vladislav는 처음에 이에 대해 이미 말했습니다. 패턴 인식은 숫자만 필요한 자동 장치보다 손으로 연주하는 데 더 적합합니다. 이 스레드에는 완전히 반대 의견을 갖고 Elliot에 따라 거래 지표를 개발한T1000 의 메시지가 있습니다. 그는 꽤 성공적으로 거래했다고 말합니다. 그는 또한 이 스레드에서 2년 전 Elliot의 MT3에 대한 Expert Advisor의 첫 번째 버전을 게시했으며 OpenSource 프로젝트의 프레임워크 내에서 개선 작업을 원하는 사람들에게 제안했습니다. 사실, 지금까지 이것을 기꺼이 하는 사람은 없었습니다. 아마도 당신은 시도 할 것입니다? 또한 그는 파도를 계산하는 주요 지표 StdDevChan을 같은 스레드에서 인용했습니다. 나는 그것을 좋아했고 내 Expert Advisor에 어떻게든 적용하려고 노력했지만 아직까지는 큰 성공을 거두지 못했습니다.
Представление графика в виде ломанной линии и распознавание образа ( формы ) ломанной в целом и отдельных ее фрагментов.
Является ли такой подход к автоматическому трейдингу перспективным и реализуемым ?
이것은 수학적 통계의 틀 내에서 설명할 수 없는 완전히 다른 거래 접근 방식입니다. 엘리엇 파동 이론과 유사합니다. 정성적 평가는 상당히 설득력 있고 정교하지만 정량적 평가의 경우 여기에 막다른 골목이 있습니다. 원칙적으로 Vladislav는 처음에 이에 대해 이미 말했습니다. 패턴 인식은 숫자만 필요한 자동 장치보다 손으로 연주하는 데 더 적합합니다. 이 스레드에는 완전히 반대 의견을 갖고 Elliot에 따라 거래 지표를 개발한 T1000 의 메시지가 있습니다. 그는 꽤 성공적으로 거래했다고 말합니다.
설명할 수 없는 이유는 무엇입니까? 다음은 이 그림에 대한 설명입니다. 모든 것이 논리적입니다.
파란색 지그재그는 기본 시간 프레임(H4)에 빌드된 지그재그이고 빨간색 지그재그는 D1에 빌드됩니다. 규칙 1 - H4의 새로운 고점이 이전 고점을 초과하는 한 상승세는 계속됩니다. 규칙 2 - H4의 새로운 고점이 이전 고점을 초과하지 않은 경우 상승 추세에서 조정 단계가 시작되었을 수 있습니다. 규칙 3 - H4의 새로운 저점이 이전 저점을 돌파한 경우 D1에서 통합이 발생했을 수 있습니다. 규칙 4 - 가격이 D1 저점을 돌파한 경우 - 상승 추세의 반전(강력한 후퇴)이 시작되었습니다. 규칙 5 - D1의 이전 고점보다 낮은 D1의 새로운 고점 - D1의 반전(깊은 풀백)은 당연한 결과입니다.
제가 너무 엄밀히 설명하지 못한 느낌이 드는데, 제가 하고 싶은 말이 직관적으로 명확했으면 좋겠습니다.
설명할 수 없는 이유는 무엇입니까? 다음은 이 그림에 대한 설명입니다. 모든 것이 논리적입니다.
물론 모든 것이 매우 명확하게 설명되어 있으며 이것은 특히 좋은 추세에서 많은 수의 거래자가 거래하는 방식입니다. 그러나 시장 진입에 대한 구체적인 결정은 무엇을 기준으로만 할 것인가? 설명된 규칙에 기초해서만? 여기서 수학이란? 차트의 마지막 3분의 1을 손으로 닫으면 대부분의 거래자는 이론적으로 가격이 지금 하락하거나 상당한 롤백을 해야 한다고 말할 수 있습니다. 그러나 우리가 볼 수 있듯이 그녀는 여전히 내려가지 않고 더 올라갔습니다. 그리고 제가 알기로는 차트 샘플의 처음 2/3의 데이터 샘플에서 빨간색 선의 고가는 왼쪽에 있으며 이는 가격 롤백/반전의 근접성에 대한 거래자의 가정만 확인할 수 있습니다. 그리고 여기서 모든 것은 트레이더가 롤백/반전을 얼마나 상상했는지 또는 상상하지 않았는지에 달려 있습니다. 일반적으로 이것은 자동 거래의 적용 가능성에 대한 연구를 위한 미개척 분야입니다 ;o))), 수동 거래의 경우 이 방법이 상인이 널리 사용하는 다른 방법보다 나쁘지는 않습니다.
Представление графика в виде ломанной линии и распознавание образа ( формы ) ломанной в целом и отдельных ее фрагментов. Является ли такой подход к автоматическому трейдингу перспективным и реализуемым ?
이것은 수학적 통계의 틀 내에서 설명할 수 없는 완전히 다른 거래 접근 방식입니다.
동의하지 않는다. 시장을 추정하는 기준이 되는 각 이미지에 대해 이 이미지가 히스토리에 나타날 때 의 시장 행동을 통계적으로 분석하고 분포를 구축하고 매개변수를 결정해야 합니다. 그런 다음 이미지의 최적 매개변수를 다시 통계적으로 결정할 수 있습니다. 이미지 데이터베이스에 이 데이터가 있으면 알려진 정확도로 결정을 내릴 때 오류/성공 확률을 결정할 수 있습니다.
solandr 30.08.06 08:12 얻은 결과를 바탕으로 다음과 같은 결론을 내릴 수 있습니다. 1. 현재 이용 가능한 전문가는 "소음 의존적"입니다. 즉, 다른 출처에서 얻은 견적에 대해 전문가는 최종 이익과 거래 자체의 측면에서 결과에 상당한 차이를 보여줍니다. 2. 시스템의 매개변수뿐만 아니라 이 Expert Advisor에서도 발생하는 거래 알고리즘 자체도 선택(이력에 맞게)하는 것이 가능합니다. 유일하게 확인된 오실레이터의 매개변수는 3개월 전 초기에 시각적 그림과 장중 거래를 여는 논리에 기초하여 선택되었으며 그 이후로 변경되지 않았습니다. 모든 성과는 거래 알고리즘을 수정하여 수행되었습니다.
내 그림에서 큰 하락 없이 꾸준한 성장이 2004년 1월 말부터 시작됩니다. 그리고 Alpari의 다소 동질적인 데이터는 2004년 중반부터 시작됩니다. 내가 이해하는 한 최대 하락은 2004년 11월에 해당합니다. 즉, 따옴표의 출처를 바꾸는 가장 중요한 우연의 일치에 대해 말할 수 있다면 세심한주의를 기울여야합니다. 그래서 '유리한 기간'이라는 개념을 사용했습니다. 사진에는 끝이 보이지 않는데 얼마나 오래 갈 수 있을까요? 물론 질문은 수사학적입니다.
Представление графика в виде ломанной линии и распознавание образа ( формы ) ломанной в целом и отдельных ее фрагментов. Является ли такой подход к автоматическому трейдингу перспективным и реализуемым ?
Это совершенно другой подход к торговле, который не может быть описан в рамках математической статистики.
동의하지 않는다. 시장을 추정하는 기준이 되는 각 이미지에 대해 이 이미지가 히스토리에 나타날 때의 시장 행동을 통계적으로 분석하고 분포를 구축하고 매개변수를 결정해야 합니다. 다음으로, 이미지의 최적 매개변수를 다시 통계적으로 결정할 수 있습니다. 이미지 데이터베이스에 이 데이터가 있으면 알려진 정확도로 결정을 내릴 때 오류/성공 확률을 결정할 수 있습니다.
나는 패턴의 통계적 특성에 대한 평가가 실제적인 측면에서 다소 모호하다고 생각하지만, 이를 수행하려는 시도에 대한 정보는 인터넷에서 끊임없이 발견됩니다. 예를 들어, 마지막 최신 버전은 "MQL4: Self-Learning EXPERT" 입니다. 이 방법은 신경망을 나타냅니다. 사실, 어떤 이유로 나는 그러한 시스템 운영의 양적 특성을 어디에서도 보지 못했습니다. 그냥 보기 안좋은거 아닐까요?
그리고 여기서 문제는 상당히 엄격한 매개변수를 기반으로 평가할 패턴을 선택하면 개별 패턴의 매개변수를 평가하기에 충분한 기록이 없을 수도 있다는 것입니다. 또는 패턴의 개념에 조건부로 귀속될 수 있는 막대의 모든 조합에 대한 통계적 평가를 수행하면 매우 작은 차이로 서로 다른 패턴의 수많은 다양한 수정이 있을 것이라고 생각합니다. 통계적으로 유의하지 않은 양, 또는 패턴의 통계적 추정치가 강하게 퍼질 것입니다(추정의 큰 편차). 그리고 미래에는 실제 거래에서 기계가 데이터베이스에서 사용 가능한 패턴 중 현재 마지막 막대에 나타난 패턴에 속할 수 있는지 이해하기가 매우 어려울 것입니다. 어떤 패턴이 통계적 의미를 갖기 위해서는 우리가 갖고 있지 않은 작동 통화 쌍에 대한 기록이 필요하며, 이 모든 것이 시장이 동일한 규칙과 그렇지 않은 샘플에 따라 작동할 것이라는 보장이 필요하다고 생각합니다. 훈련(미래에). 이와 관련하여 단순 선형 회귀 채널이 통계적으로 훨씬 더 잘 제공됩니다. 더 안정적인 것이 무엇인지 확인하십시오. 과거 300개의 막대에 대해 항상 표준 복잡하지 않은 알고리즘에 따라 계산되는 시장 상태에 대한 정보 또는 예를 들어 마지막 순간에 도달한 막대가 유사하다는 정보(상관성이 양호함) 100개 이상의 인스턴스에서 평균된 머리 패턴에 - 지난 5년 동안의 역사에 존재하는 어깨? 제 생각에는 회귀가 다양한 다른 요인에 너무 많은 종속성이 있는 이미지 인식에 비해 잘 연구되고 입증된 수학적 기술이기 때문에 더 신뢰할 수 있습니다.
그러나 내 생각에 패턴 인식 작업은 추세선(경사 저항/극한값을 따라 그려지는 지지선)의 더 간단한 문제를 해결하는 것으로 축소될 수 있습니다. 즉, 많은 클래식 패턴을 추세선 세트로 대체할 수 있으며, 추세선을 깨면 패턴이 완성됩니다. 여기에서도 모든 것이 그렇게 간단하지는 않습니다. 예를 들어, 이 파일에서 수렴 삼각형의 역학을 볼 수 있습니다. https://c.mql5.com/mql4/forum/2006/08/triangle.zip 8월 8일 수렴삼각형 출구가 보인다. 이 삼각형의 고전적인 설명에 따르면 이제서야 침투가 위쪽으로만 발생해야 했습니다. 그러나 실제로는 가격이 오르락 내리락했습니다. 즉, 황소와 곰이 모두 돈을 쳤습니다. 이 예는 즉시 "수렴 삼각형" 패턴의 의미를 그대로 지웁니다.
위의 차트에서 추세선은 마지막 2개의 막대를 고려하지 않고 작성됩니다. 이 때문에 추세선이 깨졌을 때 어떤 추세선을 꺾었는지 명확하게 알 수 있습니다. 지난 달의 추세선 역학 개발에 대한 보다 완전한 버전은 여기에 게시됩니다. "MQL4: Image for the forum on metaquotes" solandr 08/31/2006 08:02 (Multi-volume RAR archive. 총 16개 부분. 이후) 모든 부품을 다운로드하고 zip 확장자를 rar로 교체하고 WinRAR3.50으로 압축을 풉니다.) 초보 거래자가 이 만화를 익히는 데 매우 유용합니다(예: ACDSee 프로그램을 통해 시장 분위기가 어떻게 바뀔 수 있는지 이해) 시간과 위험을 최소화하기 위해 할 수 있는 일.
제 생각에는 과거 데이터에서 포착한 다음 통계를 수집해야 하는 다중 매개변수 패턴보다 추세선으로 작업하는 것이 훨씬 쉽습니다. 추세선 - 훨씬 쉽습니다! 나는 Expert Advisor에서 그것들을 실험하기도 했습니다. 그들은 확인 오실레이터와 심지어 Hurst 지수 자체를 대체했습니다! 그리고 일반적으로 결과는 완전히 무작위와는 분명히 다른 매우 의미 있는 결과였습니다. 그러나 내 관찰에 따른 Hurst 지수의 계산은 추세선과 거의 동일한 정보를 제공하지만 보다 공식화된 기준에 기초한 정보를 제공하기 때문에 잠시 동안 Expert Advisor에서 추세선 사용을 연기했습니다. 생성 및 실용화 측면에서 보다 효율적인 계산 알고리즘 MTS.
음, 신경망은 미래에 발생할 수 있는 모든 종류의 조합을 미리 계산할 수 있고 노이즈의 이러한 조합을 기반으로 단순히 하나 또는 다른 옵션의 확인을 찾을 수 있는 영역에서 가장 유용할 것입니다. 예를 들어, 한 물체가 다른 물체에 접근할 때, 미래에 신호의 가능한 모든 변형을 미리 알고(테스트 장소에서 이전에 기록했거나 수학적 모델의 적절한 상황에 기초하여 가능한 모든 신호 변형을 계산한 경우) 이 방법으로 훈련된 객체가 실제로 사용됨) 사용 가능한 신호 변형에서 가장 근접한 것을 찾고 신경망에서 훈련된 시스템이 설치된 객체의 필요한 추가 작업에 대해 적절한 결정을 내리는 것이 가능합니다. 그러나 이 모든 것은 데이터베이스에서 사용 가능한 상황이 발생하고 한 번 기록된 알고리즘에 따라 발전한다는 사실의 틀 내에서 작동합니다. 나는 Forex가 이와 관련하여 더 다양하다는 것을 두려워합니다 :o(
자동화된 거래에 대한 이러한 접근 방식이 유망하고 실현 가능합니까?
이것은 수학적 통계의 틀 내에서 설명할 수 없는 완전히 다른 거래 접근 방식입니다. 엘리엇 파동 이론과 유사합니다. 정성적 평가(역사에서 파도를 세는 예의 사진)는 상당히 설득력 있고 정교하지만 실제 거래에서 의사 결정에 대한 정량적 평가에 관해서는 여기에 막다른 골목이 있습니다. 원칙적으로 Vladislav는 처음에 이에 대해 이미 말했습니다. 패턴 인식은 숫자만 필요한 자동 장치보다 손으로 연주하는 데 더 적합합니다. 이 스레드에는 완전히 반대 의견을 갖고 Elliot에 따라 거래 지표를 개발한 T1000 의 메시지가 있습니다. 그는 꽤 성공적으로 거래했다고 말합니다. 그는 또한 이 스레드에서 2년 전 Elliot의 MT3에 대한 Expert Advisor의 첫 번째 버전을 게시했으며 OpenSource 프로젝트의 프레임워크 내에서 개선 작업을 원하는 사람들에게 제안했습니다. 사실, 지금까지 이것을 기꺼이 하는 사람은 없었습니다. 아마도 당신은 시도 할 것입니다? 또한 그는 파도를 계산하는 주요 지표 StdDevChan을 같은 스레드에서 인용했습니다. 나는 그것을 좋아했고 내 Expert Advisor에 어떻게든 적용하려고 노력했지만 아직까지는 큰 성공을 거두지 못했습니다.
Является ли такой подход к автоматическому трейдингу перспективным и реализуемым ?
이것은 수학적 통계의 틀 내에서 설명할 수 없는 완전히 다른 거래 접근 방식입니다. 엘리엇 파동 이론과 유사합니다. 정성적 평가는 상당히 설득력 있고 정교하지만 정량적 평가의 경우 여기에 막다른 골목이 있습니다. 원칙적으로 Vladislav는 처음에 이에 대해 이미 말했습니다. 패턴 인식은 숫자만 필요한 자동 장치보다 손으로 연주하는 데 더 적합합니다. 이 스레드에는 완전히 반대 의견을 갖고 Elliot에 따라 거래 지표를 개발한 T1000 의 메시지가 있습니다. 그는 꽤 성공적으로 거래했다고 말합니다.
설명할 수 없는 이유는 무엇입니까? 다음은 이 그림에 대한 설명입니다. 모든 것이 논리적입니다.
파란색 지그재그는 기본 시간 프레임(H4)에 빌드된 지그재그이고 빨간색 지그재그는 D1에 빌드됩니다. 규칙 1 - H4의 새로운 고점이 이전 고점을 초과하는 한 상승세는 계속됩니다.
규칙 2 - H4의 새로운 고점이 이전 고점을 초과하지 않은 경우 상승 추세에서 조정 단계가 시작되었을 수 있습니다.
규칙 3 - H4의 새로운 저점이 이전 저점을 돌파한 경우 D1에서 통합이 발생했을 수 있습니다.
규칙 4 - 가격이 D1 저점을 돌파한 경우 - 상승 추세의 반전(강력한 후퇴)이 시작되었습니다.
규칙 5 - D1의 이전 고점보다 낮은 D1의 새로운 고점 - D1의 반전(깊은 풀백)은 당연한 결과입니다.
제가 너무 엄밀히 설명하지 못한 느낌이 드는데, 제가 하고 싶은 말이 직관적으로 명확했으면 좋겠습니다.
여러분, "지능형 시스템의 지식 기반"/ T.A. Gavrilova, V. F. Khorosevsky, "Peter", 2000. 384 p.
이 책은 "이미지 인식 다운로드"를 검색하면 반드시 찾을 수 있습니다.
Rosh , 비밀이 아니라면 어떤 원칙에 따라 "고문-중재인"의 작업을 구축할 계획입니까?
물론 모든 것이 매우 명확하게 설명되어 있으며 이것은 특히 좋은 추세에서 많은 수의 거래자가 거래하는 방식입니다. 그러나 시장 진입에 대한 구체적인 결정은 무엇을 기준으로만 할 것인가? 설명된 규칙에 기초해서만? 여기서 수학이란? 차트의 마지막 3분의 1을 손으로 닫으면 대부분의 거래자는 이론적으로 가격이 지금 하락하거나 상당한 롤백을 해야 한다고 말할 수 있습니다. 그러나 우리가 볼 수 있듯이 그녀는 여전히 내려가지 않고 더 올라갔습니다. 그리고 제가 알기로는 차트 샘플의 처음 2/3의 데이터 샘플에서 빨간색 선의 고가는 왼쪽에 있으며 이는 가격 롤백/반전의 근접성에 대한 거래자의 가정만 확인할 수 있습니다. 그리고 여기서 모든 것은 트레이더가 롤백/반전을 얼마나 상상했는지 또는 상상하지 않았는지에 달려 있습니다. 일반적으로 이것은 자동 거래의 적용 가능성에 대한 연구를 위한 미개척 분야입니다 ;o))), 수동 거래의 경우 이 방법이 상인이 널리 사용하는 다른 방법보다 나쁘지는 않습니다.
그런 다음 그의 계정에서 통계를 가져왔습니다. http://forum.alpari-idc.ru/post292222-2020.html
마에
플러스로 마감된 각 거래에 대한 하락을 반영합니다.
예를 들어, 210포인트의 이익으로 마감되기 전에 티켓 674604가 있는 주문은 최대 102포인트까지 하락했습니다. 수익성 있는 수주일수록 하락폭이 작음을 알 수 있다.
http://forum.alpari-idc.ru/attachment.php?attachmentid=14491&d=1132511997
MFE는 반대입니다.
주문이 마감될 수 있는 최대 이익으로 표시되며 결국 손실로 마감됩니다. 주문 972916은 최대 12핍의 유동 이익을 갖고 251핍의 손실로 마감되었습니다.
http://forum.alpari-idc.ru/attachment.php?attachmentid=14492&d=1132512227
포지션은 주로 무브먼트에 대해 오픈되고 오버스테이가 허용되는 것을 볼 수 있습니다.
나는 그에게 그것에 대해 경고했고 그는 개의치 않았다. 4월의 추세는 대회 참가자들의 예금에 큰 타격을 입혔습니다.
Является ли такой подход к автоматическому трейдингу перспективным и реализуемым ?
이것은 수학적 통계의 틀 내에서 설명할 수 없는 완전히 다른 거래 접근 방식입니다.
동의하지 않는다. 시장을 추정하는 기준이 되는 각 이미지에 대해 이 이미지가 히스토리에 나타날 때 의 시장 행동을 통계적으로 분석하고 분포를 구축하고 매개변수를 결정해야 합니다. 그런 다음 이미지의 최적 매개변수를 다시 통계적으로 결정할 수 있습니다. 이미지 데이터베이스에 이 데이터가 있으면 알려진 정확도로 결정을 내릴 때 오류/성공 확률을 결정할 수 있습니다.
얻은 결과를 바탕으로 다음과 같은 결론을 내릴 수 있습니다.
1. 현재 이용 가능한 전문가는 "소음 의존적"입니다. 즉, 다른 출처에서 얻은 견적에 대해 전문가는 최종 이익과 거래 자체의 측면에서 결과에 상당한 차이를 보여줍니다.
2. 시스템의 매개변수뿐만 아니라 이 Expert Advisor에서도 발생하는 거래 알고리즘 자체도 선택(이력에 맞게)하는 것이 가능합니다. 유일하게 확인된 오실레이터의 매개변수는 3개월 전 초기에 시각적 그림과 장중 거래를 여는 논리에 기초하여 선택되었으며 그 이후로 변경되지 않았습니다. 모든 성과는 거래 알고리즘을 수정하여 수행되었습니다.
내 그림에서 큰 하락 없이 꾸준한 성장이 2004년 1월 말부터 시작됩니다. 그리고 Alpari의 다소 동질적인 데이터는 2004년 중반부터 시작됩니다. 내가 이해하는 한 최대 하락은 2004년 11월에 해당합니다. 즉, 따옴표의 출처를 바꾸는 가장 중요한 우연의 일치에 대해 말할 수 있다면 세심한주의를 기울여야합니다. 그래서 '유리한 기간'이라는 개념을 사용했습니다. 사진에는 끝이 보이지 않는데 얼마나 오래 갈 수 있을까요? 물론 질문은 수사학적입니다.
Является ли такой подход к автоматическому трейдингу перспективным и реализуемым ?
Это совершенно другой подход к торговле, который не может быть описан в рамках математической статистики.
동의하지 않는다. 시장을 추정하는 기준이 되는 각 이미지에 대해 이 이미지가 히스토리에 나타날 때의 시장 행동을 통계적으로 분석하고 분포를 구축하고 매개변수를 결정해야 합니다. 다음으로, 이미지의 최적 매개변수를 다시 통계적으로 결정할 수 있습니다. 이미지 데이터베이스에 이 데이터가 있으면 알려진 정확도로 결정을 내릴 때 오류/성공 확률을 결정할 수 있습니다.
나는 패턴의 통계적 특성에 대한 평가가 실제적인 측면에서 다소 모호하다고 생각하지만, 이를 수행하려는 시도에 대한 정보는 인터넷에서 끊임없이 발견됩니다. 예를 들어, 마지막 최신 버전은 "MQL4: Self-Learning EXPERT" 입니다. 이 방법은 신경망을 나타냅니다. 사실, 어떤 이유로 나는 그러한 시스템 운영의 양적 특성을 어디에서도 보지 못했습니다. 그냥 보기 안좋은거 아닐까요?
그리고 여기서 문제는 상당히 엄격한 매개변수를 기반으로 평가할 패턴을 선택하면 개별 패턴의 매개변수를 평가하기에 충분한 기록이 없을 수도 있다는 것입니다. 또는 패턴의 개념에 조건부로 귀속될 수 있는 막대의 모든 조합에 대한 통계적 평가를 수행하면 매우 작은 차이로 서로 다른 패턴의 수많은 다양한 수정이 있을 것이라고 생각합니다. 통계적으로 유의하지 않은 양, 또는 패턴의 통계적 추정치가 강하게 퍼질 것입니다(추정의 큰 편차). 그리고 미래에는 실제 거래에서 기계가 데이터베이스에서 사용 가능한 패턴 중 현재 마지막 막대에 나타난 패턴에 속할 수 있는지 이해하기가 매우 어려울 것입니다. 어떤 패턴이 통계적 의미를 갖기 위해서는 우리가 갖고 있지 않은 작동 통화 쌍에 대한 기록이 필요하며, 이 모든 것이 시장이 동일한 규칙과 그렇지 않은 샘플에 따라 작동할 것이라는 보장이 필요하다고 생각합니다. 훈련(미래에). 이와 관련하여 단순 선형 회귀 채널이 통계적으로 훨씬 더 잘 제공됩니다. 더 안정적인 것이 무엇인지 확인하십시오. 과거 300개의 막대에 대해 항상 표준 복잡하지 않은 알고리즘에 따라 계산되는 시장 상태에 대한 정보 또는 예를 들어 마지막 순간에 도달한 막대가 유사하다는 정보(상관성이 양호함) 100개 이상의 인스턴스에서 평균된 머리 패턴에 - 지난 5년 동안의 역사에 존재하는 어깨? 제 생각에는 회귀가 다양한 다른 요인에 너무 많은 종속성이 있는 이미지 인식에 비해 잘 연구되고 입증된 수학적 기술이기 때문에 더 신뢰할 수 있습니다.
그러나 내 생각에 패턴 인식 작업은 추세선(경사 저항/극한값을 따라 그려지는 지지선)의 더 간단한 문제를 해결하는 것으로 축소될 수 있습니다. 즉, 많은 클래식 패턴을 추세선 세트로 대체할 수 있으며, 추세선을 깨면 패턴이 완성됩니다. 여기에서도 모든 것이 그렇게 간단하지는 않습니다. 예를 들어, 이 파일에서 수렴 삼각형의 역학을 볼 수 있습니다. https://c.mql5.com/mql4/forum/2006/08/triangle.zip
8월 8일 수렴삼각형 출구가 보인다. 이 삼각형의 고전적인 설명에 따르면 이제서야 침투가 위쪽으로만 발생해야 했습니다. 그러나 실제로는 가격이 오르락 내리락했습니다. 즉, 황소와 곰이 모두 돈을 쳤습니다. 이 예는 즉시 "수렴 삼각형" 패턴의 의미를 그대로 지웁니다.
위의 차트에서 추세선은 마지막 2개의 막대를 고려하지 않고 작성됩니다. 이 때문에 추세선이 깨졌을 때 어떤 추세선을 꺾었는지 명확하게 알 수 있습니다.
지난 달의 추세선 역학 개발에 대한 보다 완전한 버전은 여기에 게시됩니다. "MQL4: Image for the forum on metaquotes" solandr 08/31/2006 08:02 (Multi-volume RAR archive. 총 16개 부분. 이후) 모든 부품을 다운로드하고 zip 확장자를 rar로 교체하고 WinRAR3.50으로 압축을 풉니다.) 초보 거래자가 이 만화를 익히는 데 매우 유용합니다(예: ACDSee 프로그램을 통해 시장 분위기가 어떻게 바뀔 수 있는지 이해) 시간과 위험을 최소화하기 위해 할 수 있는 일.
제 생각에는 과거 데이터에서 포착한 다음 통계를 수집해야 하는 다중 매개변수 패턴보다 추세선으로 작업하는 것이 훨씬 쉽습니다. 추세선 - 훨씬 쉽습니다! 나는 Expert Advisor에서 그것들을 실험하기도 했습니다. 그들은 확인 오실레이터와 심지어 Hurst 지수 자체를 대체했습니다! 그리고 일반적으로 결과는 완전히 무작위와는 분명히 다른 매우 의미 있는 결과였습니다. 그러나 내 관찰에 따른 Hurst 지수의 계산은 추세선과 거의 동일한 정보를 제공하지만 보다 공식화된 기준에 기초한 정보를 제공하기 때문에 잠시 동안 Expert Advisor에서 추세선 사용을 연기했습니다. 생성 및 실용화 측면에서 보다 효율적인 계산 알고리즘 MTS.
음, 신경망은 미래에 발생할 수 있는 모든 종류의 조합을 미리 계산할 수 있고 노이즈의 이러한 조합을 기반으로 단순히 하나 또는 다른 옵션의 확인을 찾을 수 있는 영역에서 가장 유용할 것입니다. 예를 들어, 한 물체가 다른 물체에 접근할 때, 미래에 신호의 가능한 모든 변형을 미리 알고(테스트 장소에서 이전에 기록했거나 수학적 모델의 적절한 상황에 기초하여 가능한 모든 신호 변형을 계산한 경우) 이 방법으로 훈련된 객체가 실제로 사용됨) 사용 가능한 신호 변형에서 가장 근접한 것을 찾고 신경망에서 훈련된 시스템이 설치된 객체의 필요한 추가 작업에 대해 적절한 결정을 내리는 것이 가능합니다. 그러나 이 모든 것은 데이터베이스에서 사용 가능한 상황이 발생하고 한 번 기록된 알고리즘에 따라 발전한다는 사실의 틀 내에서 작동합니다. 나는 Forex가 이와 관련하여 더 다양하다는 것을 두려워합니다 :o(