1. 기대치가 0이고 상관관계가 0이거나 교대 하는 정규 분포 확률 변수가 있다고 가정합니다. 통합 후 시계열의 아날로그를 얻습니다. 시리즈가 충분히 길면 방향성 가격 움직임의 임의의 긴 세그먼트를 식별할 수 있습니다. 우리는 그러한 추세를 확률적이 라고 부를 것입니다. 이러한 계열에 대해 장기간에 걸쳐 통계적으로 안정적으로 수익을 낼 수 있는 TS를 구축하는 것이 근본적으로 불가능하다는 점에 기초하여 캐주얼 시스템을 사용하여 확률적 추세를 식별하는 것은 불가능하다는 결론을 내립니다. 2. 기대치가 0이고 양의 상관도가 있는 정규 분포 확률 변수가 있다고 가정합니다. 시리즈가 충분히 길면 방향성 가격 움직임의 임의의 긴 세그먼트를 식별할 수 있습니다. 우리는 그러한 경향을 결정적 이라고 부를 것입니다. 디지털 저역 통과 필터 또는 그 파생물의 도움으로 결정론적 경향의 선택이 기본적으로 가능합니다. 예를 들어, 기간이 다른 두 이동 평균 의 교집합은 평활 시계열의 도함수에 대한 근사치에 불과합니다. 수학에서 요구하는 대로 이것이 작동한다는 것은 분명합니다. 도함수는 0보다 크며, 이는 함수가 증가하고 작으면 감소함을 의미합니다. 여기에서 이것이 양수 FAC가 있는 시리즈에만 작동하고 모든 통화 시리즈에 모든 기간에 음수 FAC가 있다는 것을 아는 사람은 거의 없습니다! 그리고 결과적으로 시장에 나와있는 방법이 작동하지 않거나 작동하지만 우연히 ...
우리는 주제를 계속합니다. 시계열 분석의 주요 업무 시계열과 무작위 표본을 형성하는 일련의 관측치 간의 근본적인 차이점은 다음과 같습니다. • 첫째, 무작위 표본의 요소와 달리 시계열의 구성원은 독립적이지 않습니다. • 둘째, 시계열의 구성원이 반드시 균등하게 분포되어 있지는 않습니다. 이는 임의 표본의 통계 분석 속성과 규칙을 시계열로 확장할 수 없음을 의미합니다. 한편, 시계열 구성원들의 상호의존성은 관찰된 값을 기반으로 분석된 지표의 예측값을 구성하기 위한 고유한 특정 기반을 만듭니다. 시계열 값이 형성되는 영향을받는 주요 요인의 분류. 일반적으로 이러한 요인의 4 가지 유형이 구별됩니다. 1. 장기적으로 분석된 특성의 변화에 있어 일반적인 (장기적으로) 경향을 형성합니다. 일반적으로 이 추세는 일반적으로 단조로운 하나 또는 다른 비임의 함수(인수는 시간임)의 도움으로 설명됩니다. 이 기능을 추세 기능 또는 간단히 추세 라고 합니다. 2. 계절적, 분석된 형질의 변동을 형성하며 연중 특정 시기에 주기적으로 반복됩니다. 이 함수는 주기적이어야 하기 때문에(주기는 "계절"의 배수임) 고조파(삼각 함수)는 분석 표현에 참여하며, 주기성은 일반적으로 문제의 내용에 따라 결정됩니다. 3. 경제 또는 인구 통계학적 특성(Kondratiev 파, 인구 통계학적 "구덩이" 등)의 장기 주기 작용으로 인해 분석된 특성의 주기적(기회적), 형성적 변화. 4. 임의(비정기), 회계 및 등록이 불가능합니다. 시계열 값의 형성에 미치는 영향은 계열 요소의 확률론적 특성을 결정하고 결과적으로 용어를 확률 변수에 대한 관찰로 해석해야 할 필요성을 결정합니다. 무작위 변수("잔차", "오차")를 사용하여 무작위 요인의 영향 결과를 표시합니다. 물론 어떤 시계열의 값을 형성하는 과정에 네 가지 유형의 요소가 모두 동시에 참여할 필요는 전혀 없습니다. 이 유형의 요인이 특정 계열의 값 형성에 관여하는지 여부에 대한 결론은 문제의 내용 본질 분석과 연구 중인 시계열의 특수 통계 분석을 기반으로 할 수 있습니다. . 그러나 모든 경우에 무작위 요인의 필수 참여가 가정됩니다. 따라서 일반적으로 데이터 생성 모델(요인의 영향에 대한 추가 블록 다이어그램 포함)은 전체 또는 일부 요인의 합처럼 보입니다.
1. 기대치가 0이고 상관관계가 нулевой или знакопеременной 하는 정규 분포 확률 변수가 있다고 가정합니다. 통합 후 시계열의 아날로그를 얻습니다. 시리즈가 충분히 길면 방향성 가격 움직임의 임의의 긴 세그먼트를 식별할 수 있습니다. 우리는 그러한 추세를 확률적이 라고 부를 것입니다. 이러한 계열에 대해 장기간에 걸쳐 통계적으로 안정적으로 수익을 낼 수 있는 TS를 구축하는 것이 근본적으로 불가능하다는 점에 기초하여 캐주얼 시스템을 사용하여 확률적 추세를 식별하는 것은 불가능하다는 결론을 내립니다. 2. 기대치가 0이고 양의 상관도가 있는 정규 분포 확률 변수가 있다고 가정합니다. 시리즈가 충분히 길면 방향성 가격 움직임의 임의의 긴 세그먼트를 식별할 수 있습니다. 우리는 그러한 경향을 결정적 이라고 부를 것입니다. 디지털 저역 통과 필터 또는 그 파생물의 도움으로 결정론적 경향의 선택이 기본적으로 가능합니다. 예를 들어, 기간이 다른 두 이동 평균의 교집합은 평활 시계열의 도함수에 대한 근사치에 불과합니다. 수학에서 요구하는 대로 이것이 작동한다는 것은 분명합니다. 도함수는 0보다 크며, 이는 함수가 증가하고 작으면 감소함을 의미합니다. 여기에서 이것이 양수 FAC가 있는 시리즈에만 작동하고 모든 통화 시리즈에 모든 기간에 음수 FAC가 있다는 것을 아는 사람은 거의 없습니다! 그리고 결과적으로 시중에 나와 있는 방법이 통하지 않거나 통하는데 우연히...
우리는 주제를 계속합니다. 시계열 분석의 주요 업무 시계열과 무작위 표본을 형성하는 일련의 관측치 간의 근본적인 차이점은 다음과 같습니다. • 첫째, 무작위 표본의 요소와 달리 시계열의 구성원은 독립적이지 않습니다. • 둘째, 시계열의 구성원이 반드시 균등하게 분포되어 있지는 않습니다. 이는 임의 표본의 통계 분석 속성과 규칙을 시계열로 확장할 수 없음을 의미합니다. 한편, 시계열 구성원들의 상호의존성은 관찰된 값을 기반으로 분석된 지표의 예측값을 구성하기 위한 고유한 특정 기반을 만듭니다. 시계열 값이 형성되는 영향을받는 주요 요인의 분류. 일반적으로 이러한 요인의 4 가지 유형이 구별됩니다. 1. 장기적으로 분석된 특성의 변화에 있어 일반적인 (장기적으로) 경향을 형성합니다. 일반적으로 이 추세는 일반적으로 단조로운 하나 또는 다른 비임의 함수(인수는 시간임)의 도움으로 설명됩니다. 이 기능을 추세 기능 또는 간단히 추세 라고 합니다. 2. 계절적, 분석된 형질의 변동을 형성하며 연중 특정 시기에 주기적으로 반복됩니다. 이 함수는 주기적이어야 하기 때문에(주기는 "계절"의 배수임) 고조파(삼각 함수)는 분석 표현에 참여하며, 주기성은 일반적으로 문제의 내용에 따라 결정됩니다. 3. 경제 또는 인구 통계학적 특성(Kondratiev 파, 인구 통계학적 "구덩이" 등)의 장기 주기 작용으로 인해 분석된 특성의 주기적(기회적), 형성적 변화. 4. 임의(비정기), 회계 및 등록이 불가능합니다. 시계열 값의 형성에 미치는 영향은 계열 요소의 확률론적 특성을 결정하고 결과적으로 용어를 확률 변수에 대한 관찰로 해석해야 할 필요성을 결정합니다. 무작위 변수("잔차", "오차")를 사용하여 무작위 요인의 영향 결과를 표시합니다. 물론 어떤 시계열의 값을 형성하는 과정에 네 가지 유형의 요소가 모두 동시에 참여할 필요는 전혀 없습니다. 이 유형의 요인이 특정 계열의 값 형성에 관여하는지 여부에 대한 결론은 문제의 내용 본질 분석과 연구 중인 시계열의 특수 통계 분석을 기반으로 할 수 있습니다. . 그러나 모든 경우에 무작위 요인의 필수 참여가 가정됩니다. 따라서 일반적으로 데이터 생성 모델(요인의 영향에 대한 추가 블록 다이어그램 포함)은 전체 또는 일부 요인의 합처럼 보입니다.
Neutron 글쎄, 이 빌어먹을 구부러진 놈!!! :))))))))))))))) 저를 믿으십시오, 그것은 당신이 생각하는 것보다 훨씬 쉽습니다 ...
그란 Neutron , 기대값이 0이고 상관도가 양수인 계열만 결정론적으로 인식될 수 있다는 것을 올바르게 이해했습니까?
아니오, 평균이 0이고 양의 상관도가 있는 정규 분포 확률 변수의 통합으로 생성된 추세는 결정적입니다.
나는 정말로 이해하지 못했다. 결정론적 급수의 개념이 존재하지 않는다는 것이 밝혀졌습니까? 차례대로 가봅시다. 당신의 말에서 나는 다음을 이해했습니다. 우리에게는 우리가 알지 못하는 특성이 있는 시리즈가 있습니다. 가장 먼저 할 일은 위에 나열된 매개변수(예상 및 양의 상관도)의 준수 여부를 확인하고 조건이 충족되면 통합을 진행합니다.
그란 나는 정말로 이해하지 못했다. 결정론적 급수의 개념이 존재하지 않는다는 것이 밝혀졌습니까? 차례대로 가봅시다. 당신의 말에서 나는 다음을 이해했습니다. 우리에게는 우리가 알지 못하는 특성이 있는 시리즈가 있습니다. 가장 먼저 할 일은 위에 나열된 매개변수(예상 및 양의 상관도)의 준수 여부를 확인하고 조건이 충족되면 통합을 진행합니다.
아니면 시리즈를 즉시 통합하여 특성을 살펴볼까요?
아니면 일련의 임의 변수를 이러한 매개변수와 통합하고 있습니까? 하지만 어떻게?
Sergey, 우리가 운영하는 시계열(가격 계열)은 이미 통합된 1차 계열(원칙적으로)입니다. 연속적인 차이를 취함으로써 우리는 고정된 일련의 잔차를 얻을 것이며, 그 속성에 대해 연구할 것입니다. 이것은 올바른 움직임입니다. 포지션을 개설할 때 사실 우리는 상품 요율의 절대값이 아니라 포지션이 유지되는 동안 예상되는 증분으로 작동합니다. 우리는 다양한 차이점을 가지고 일합니다. 나는 이미 모든 다양한 거래 전략이 포지션을 연 후 가격 움직임의 방향을 예측하는 하나의 행동으로 귀결된다고 말했습니다 ... 결정적 경향을 감지하기 위한 기준을 도출하기에는 너무 이르다. 일관성 있고 가능하다면 내부적으로 모순되지 않는 가격 책정 그림을 구축해야 최적의 예측 모델을 구축하는 방법이 명확해질 것입니다. 나는 희망.
2. 기대치가 0이고 양의 상관도가 있는 정규 분포 확률 변수가 있다고 가정합니다.
시리즈가 충분히 길면 방향성 가격 움직임의 임의의 긴 세그먼트를 식별할 수 있습니다. 우리는 그러한 경향을 결정적 이라고 부를 것입니다. 디지털 저역 통과 필터 또는 그 파생물의 도움으로 결정론적 경향의 선택이 기본적으로 가능합니다. 예를 들어, 기간이 다른 두 이동 평균 의 교집합은 평활 시계열의 도함수에 대한 근사치에 불과합니다. 수학에서 요구하는 대로 이것이 작동한다는 것은 분명합니다. 도함수는 0보다 크며, 이는 함수가 증가하고 작으면 감소함을 의미합니다. 여기에서 이것이 양수 FAC가 있는 시리즈에만 작동하고 모든 통화 시리즈에 모든 기간에 음수 FAC가 있다는 것을 아는 사람은 거의 없습니다! 그리고 결과적으로 시장에 나와있는 방법이 작동하지 않거나 작동하지만 우연히 ...
우리는 주제를 계속합니다.
시계열 분석의 주요 업무
시계열과 무작위 표본을 형성하는 일련의 관측치 간의 근본적인 차이점은 다음과 같습니다.
• 첫째, 무작위 표본의 요소와 달리 시계열의 구성원은 독립적이지 않습니다.
• 둘째, 시계열의 구성원이 반드시 균등하게 분포되어 있지는 않습니다.
이는 임의 표본의 통계 분석 속성과 규칙을 시계열로 확장할 수 없음을 의미합니다. 한편, 시계열 구성원들의 상호의존성은 관찰된 값을 기반으로 분석된 지표의 예측값을 구성하기 위한 고유한 특정 기반을 만듭니다.
시계열 값이 형성되는 영향을받는 주요 요인의 분류.
일반적으로 이러한 요인의 4 가지 유형이 구별됩니다.
1. 장기적으로 분석된 특성의 변화에 있어 일반적인 (장기적으로) 경향을 형성합니다. 일반적으로 이 추세는 일반적으로 단조로운 하나 또는 다른 비임의 함수(인수는 시간임)의 도움으로 설명됩니다. 이 기능을 추세 기능 또는 간단히 추세 라고 합니다.
2. 계절적, 분석된 형질의 변동을 형성하며 연중 특정 시기에 주기적으로 반복됩니다. 이 함수는 주기적이어야 하기 때문에(주기는 "계절"의 배수임) 고조파(삼각 함수)는 분석 표현에 참여하며, 주기성은 일반적으로 문제의 내용에 따라 결정됩니다.
3. 경제 또는 인구 통계학적 특성(Kondratiev 파, 인구 통계학적 "구덩이" 등)의 장기 주기 작용으로 인해 분석된 특성의 주기적(기회적), 형성적 변화.
4. 임의(비정기), 회계 및 등록이 불가능합니다. 시계열 값의 형성에 미치는 영향은 계열 요소의 확률론적 특성을 결정하고 결과적으로 용어를 확률 변수에 대한 관찰로 해석해야 할 필요성을 결정합니다. 무작위 변수("잔차", "오차")를 사용하여 무작위 요인의 영향 결과를 표시합니다.
물론 어떤 시계열의 값을 형성하는 과정에 네 가지 유형의 요소가 모두 동시에 참여할 필요는 전혀 없습니다. 이 유형의 요인이 특정 계열의 값 형성에 관여하는지 여부에 대한 결론은 문제의 내용 본질 분석과 연구 중인 시계열의 특수 통계 분석을 기반으로 할 수 있습니다. . 그러나 모든 경우에 무작위 요인의 필수 참여가 가정됩니다. 따라서 일반적으로 데이터 생성 모델(요인의 영향에 대한 추가 블록 다이어그램 포함)은 전체 또는 일부 요인의 합처럼 보입니다.
좋아, 계속하자:
기대치가 0이고 양의 상관도가 있는 정규 분포 확률 변수가 있다고 가정합니다. 시리즈가 충분히 길면 방향성 가격 움직임의 임의의 긴 섹션을 식별할 수 있습니다. 우리는 그러한 경향을 결정적이라고 부를 것입니다.
Neutron , 기대값이 0이고 상관도가 양수인 계열만 결정론적으로 인식될 수 있다는 것을 올바르게 이해했습니까?
2. 기대치가 0이고 양의 상관도가 있는 정규 분포 확률 변수가 있다고 가정합니다.
시리즈가 충분히 길면 방향성 가격 움직임의 임의의 긴 세그먼트를 식별할 수 있습니다. 우리는 그러한 경향을 결정적 이라고 부를 것입니다. 디지털 저역 통과 필터 또는 그 파생물의 도움으로 결정론적 경향의 선택이 기본적으로 가능합니다. 예를 들어, 기간이 다른 두 이동 평균의 교집합은 평활 시계열의 도함수에 대한 근사치에 불과합니다. 수학에서 요구하는 대로 이것이 작동한다는 것은 분명합니다. 도함수는 0보다 크며, 이는 함수가 증가하고 작으면 감소함을 의미합니다. 여기에서 이것이 양수 FAC가 있는 시리즈에만 작동하고 모든 통화 시리즈에 모든 기간에 음수 FAC가 있다는 것을 아는 사람은 거의 없습니다! 그리고 결과적으로 시중에 나와 있는 방법이 통하지 않거나 통하는데 우연히...
우리는 주제를 계속합니다.
시계열 분석의 주요 업무
시계열과 무작위 표본을 형성하는 일련의 관측치 간의 근본적인 차이점은 다음과 같습니다.
• 첫째, 무작위 표본의 요소와 달리 시계열의 구성원은 독립적이지 않습니다.
• 둘째, 시계열의 구성원이 반드시 균등하게 분포되어 있지는 않습니다.
이는 임의 표본의 통계 분석 속성과 규칙을 시계열로 확장할 수 없음을 의미합니다. 한편, 시계열 구성원들의 상호의존성은 관찰된 값을 기반으로 분석된 지표의 예측값을 구성하기 위한 고유한 특정 기반을 만듭니다.
시계열 값이 형성되는 영향을받는 주요 요인의 분류.
일반적으로 이러한 요인의 4 가지 유형이 구별됩니다.
1. 장기적으로 분석된 특성의 변화에 있어 일반적인 (장기적으로) 경향을 형성합니다. 일반적으로 이 추세는 일반적으로 단조로운 하나 또는 다른 비임의 함수(인수는 시간임)의 도움으로 설명됩니다. 이 기능을 추세 기능 또는 간단히 추세 라고 합니다.
2. 계절적, 분석된 형질의 변동을 형성하며 연중 특정 시기에 주기적으로 반복됩니다. 이 함수는 주기적이어야 하기 때문에(주기는 "계절"의 배수임) 고조파(삼각 함수)는 분석 표현에 참여하며, 주기성은 일반적으로 문제의 내용에 따라 결정됩니다.
3. 경제 또는 인구 통계학적 특성(Kondratiev 파, 인구 통계학적 "구덩이" 등)의 장기 주기 작용으로 인해 분석된 특성의 주기적(기회적), 형성적 변화.
4. 임의(비정기), 회계 및 등록이 불가능합니다. 시계열 값의 형성에 미치는 영향은 계열 요소의 확률론적 특성을 결정하고 결과적으로 용어를 확률 변수에 대한 관찰로 해석해야 할 필요성을 결정합니다. 무작위 변수("잔차", "오차")를 사용하여 무작위 요인의 영향 결과를 표시합니다.
물론 어떤 시계열의 값을 형성하는 과정에 네 가지 유형의 요소가 모두 동시에 참여할 필요는 전혀 없습니다. 이 유형의 요인이 특정 계열의 값 형성에 관여하는지 여부에 대한 결론은 문제의 내용 본질 분석과 연구 중인 시계열의 특수 통계 분석을 기반으로 할 수 있습니다. . 그러나 모든 경우에 무작위 요인의 필수 참여가 가정됩니다. 따라서 일반적으로 데이터 생성 모델(요인의 영향에 대한 추가 블록 다이어그램 포함)은 전체 또는 일부 요인의 합처럼 보입니다.
Neutron 글쎄, 이 빌어먹을 구부러진 놈!!! :)))))))))))))))
저를 믿으십시오, 그것은 당신이 생각하는 것보다 훨씬 쉽습니다 ...
친구야, 왜 분포가 정상이라는 생각을 했어? 모든 구석에서 결국 그들은 무거운 꼬리에 대해 소리를 지르고 있습니다 ...
(실제로는 로그노멀입니다.)
그리고 모든 것은 모든 결과와 함께 물류 방정식과 같은 것으로 설명됩니다.
이에 대한 또 다른 확인은 그라스 실험입니다(정확히 기억나지는 않지만 프랙탈 차원 또는 Hurst ..)
PS 덧붙여서, G. Haken의 "정보와 자기 조직화. 복잡한 시스템에 대한 거시적 접근"이라는 아름다운 책이 있습니다.
PS Северный Ветер , а что такое Н-волатильность ?
여기 http://forum.fxclub.org/showthread.php?t=32942&page=9 , 페이지 중간쯤에 원본 소스에서 간단히 발췌한 내용이 있습니다.
링크 주셔서 감사합니다. 그리고 주제가 흥미롭습니다.
거기 사람들이 왜 그렇게 이상한지 이해가 안 돼요. 동전에 관한 가지가 홍수에 빠졌습니다. 무엇을 위해?
이 주제에 관심이 있는 사람은 거의 없는 것 같지만 그냥 혀를 찰싹 긁적입니다.
H-변동성에 대해 모든 것을 이해하기에는 너무 간결하지만 아이디어를 얻기에는 충분합니다.
흥미롭게도 논문 자체에 대한 액세스가 열려 있습니까? 인터넷을 통해 얻을 수 있습니까?
그란
Neutron , 기대값이 0이고 상관도가 양수인 계열만 결정론적으로 인식될 수 있다는 것을 올바르게 이해했습니까?
아니오, 평균이 0이고 양의 상관도가 있는 정규 분포 확률 변수의 통합으로 생성된 추세는 결정적입니다.
... 친구야, 분포가 정상이라는 생각은 왜 들었니? 모든 구석에서 결국 그들은 무거운 꼬리에 대해 소리를 지르고 있습니다 ...
(실제로는 로그정규입니다.)
확실하게. 분포가 정상일 필요는 없습니다. 실제로는 2-모수 지수 분포로 잘 근사됩니다. 이것은 매우 두꺼운 꼬리를 제공합니다.
Neutron 글쎄, 이 빌어먹을 구부러진 놈!!! :)))))))))))))))
저를 믿으십시오, 그것은 당신이 생각하는 것보다 훨씬 쉽습니다 ...
사실이 아니다! 당신은 Forex에 대한 환상을 품고 있습니다. 더 쉽게 작동하지 않습니다.
확인했습니다.
그란
Neutron , 기대값이 0이고 상관도가 양수인 계열만 결정론적으로 인식될 수 있다는 것을 올바르게 이해했습니까?
아니오, 평균이 0이고 양의 상관도가 있는 정규 분포 확률 변수의 통합으로 생성된 추세는 결정적입니다.
나는 정말로 이해하지 못했다. 결정론적 급수의 개념이 존재하지 않는다는 것이 밝혀졌습니까? 차례대로 가봅시다. 당신의 말에서 나는 다음을 이해했습니다. 우리에게는 우리가 알지 못하는 특성이 있는 시리즈가 있습니다.
가장 먼저 할 일은 위에 나열된 매개변수(예상 및 양의 상관도)의 준수 여부를 확인하고 조건이 충족되면 통합을 진행합니다.
아니면 시리즈를 즉시 통합하여 특성을 살펴볼까요?
아니면 일련의 임의 변수를 이러한 매개변수와 통합하고 있습니까? 하지만 어떻게?
...
H-변동성에 대해 모든 것을 이해하기에는 너무 간결하지만 아이디어를 얻기에는 충분합니다.
흥미롭게도 논문 자체에 대한 액세스가 열려 있습니까? 인터넷을 통해 얻을 수 있습니까?
시작점 http://forex.kbpauk.ru/showflat.php?Cat=0&Board=mts&Number=139469&page=0&fpart=all
거미 자체는 책 섹션에 논문을 가지고 있지만 등록이 필요합니다. 나도 있다.
그란
나는 정말로 이해하지 못했다. 결정론적 급수의 개념이 존재하지 않는다는 것이 밝혀졌습니까? 차례대로 가봅시다. 당신의 말에서 나는 다음을 이해했습니다. 우리에게는 우리가 알지 못하는 특성이 있는 시리즈가 있습니다.
가장 먼저 할 일은 위에 나열된 매개변수(예상 및 양의 상관도)의 준수 여부를 확인하고 조건이 충족되면 통합을 진행합니다.
아니면 시리즈를 즉시 통합하여 특성을 살펴볼까요?
아니면 일련의 임의 변수를 이러한 매개변수와 통합하고 있습니까? 하지만 어떻게?
Sergey, 우리가 운영하는 시계열(가격 계열)은 이미 통합된 1차 계열(원칙적으로)입니다. 연속적인 차이를 취함으로써 우리는 고정된 일련의 잔차를 얻을 것이며, 그 속성에 대해 연구할 것입니다. 이것은 올바른 움직임입니다. 포지션을 개설할 때 사실 우리는 상품 요율의 절대값이 아니라 포지션이 유지되는 동안 예상되는 증분으로 작동합니다. 우리는 다양한 차이점을 가지고 일합니다. 나는 이미 모든 다양한 거래 전략이 포지션을 연 후 가격 움직임의 방향을 예측하는 하나의 행동으로 귀결된다고 말했습니다 ...
결정적 경향을 감지하기 위한 기준을 도출하기에는 너무 이르다. 일관성 있고 가능하다면 내부적으로 모순되지 않는 가격 책정 그림을 구축해야 최적의 예측 모델을 구축하는 방법이 명확해질 것입니다. 나는 희망.
시작점 http://forex.kbpauk.ru/showflat.php?Cat=0&Board=mts&Number=139469&page=0&fpart=all
거미 자체는 책 섹션에 논문을 가지고 있지만 등록이 필요합니다. 나도 있다.
감사합니다. 등록이 있지만 "필요할 때"만 갑니다. IMHO 매우 어둡습니다.
이미 흔들렸다.