웨이브 분석에 대해서는 별도의 포스트에서 작성하겠습니다. 그건 그렇고, 그것은 패턴에 의한 거래 (IMHO)의 특수한 경우에 불과한 웨이브 분석이며, 웨이브에 대해 독점적으로 말하는 것보다 단어의 넓은 의미로 말하는 것이 더 논리적입니다. 파도의 구성도 모호하지 않기 때문입니다.
패턴의 분석은 (내가 그렇게 말할 수 있다면) 시리즈의 프랙탈 정도 또는 프랙탈의 차원과 유사하다는 의견이 있습니다.
추세를 더 원활하게 변경해야 합니다. 탐색할 수 있는 방향에 대한 생각이 있지만, 이것을 코딩하기 위해서는 분명히 충분한 두뇌가 없습니다.
다양한 부동 조건과 이러한 조건이 적용되는 샘플의 부동 길이로 인해 부피가 엄청나기 때문입니다.
식별됩니다.
1-첫 번째 돌은 패턴이 두 축을 따라 완전히 다른 크기를 가질 수 있다는 것입니다.
또한 패턴은 조건이며 개별 연구마다 많이 설정할 수 있습니다.
그리고 패턴(패턴 포인트의 수 또는 자유도의 수)이 길수록 검증을 위한 전력 비용이 더 빠르게 증가합니다.
2 - 같은 패턴은 마지막 대응의 끝 이후에 엄격하게 순차적으로 갈 필요가 없습니다.
그리고 휴식과 함께 갈 수 있습니다. 또는 넓은 획으로 다음 패턴에 맞출 수도 있습니다. 사실 플랫 트렌드처럼요.
그렇기 때문에 그들을 식별하기가 어렵습니다. 트렌드와 플랫 모두에 관련된 섹션이 있습니다.
두 문제 모두 특정 작업의 프레임워크 내에서만 해결할 수 있습니다.
일반적으로 아이디어는 최소 TF에서 각 조건 패턴에 대해 검색하는 것이었습니다.
예를 들어 Gartley 나비인 5포인트의 특정 패턴을 가정해 보겠습니다. 그리고 우리는 가장자리에서 역사를 살펴보고 첫 번째 것을 찾았습니다.
이 첫 번째 것의 가장자리에서 더 멀리, 우리는 두 번째 것을 계속 찾는 식으로 계속합니다. 또한 각 패턴은 새 행이 됩니다(일부 유사성
비선형 TF) 정확히 동일한 조건에서 동일한 패턴을 찾고 있습니다. 등등, 추상 옥타브 증가.
또한 이력에서 패턴의 통계적 유의성을 동시에 계산할 수 있습니다(그러나 이 계산 방법에서는 여전히 불필요하다고 생각합니다).
결과적으로 가장 낮은 차수의 첫 번째 패턴을 취합니다. 예를 들어 20개의 막대로 구성되어 있다고 가정해 보겠습니다. 다음으로 상위 패턴의 첫 번째 패턴을 취합니다. 경로는 25개로 구성됩니다.
가장 낮은 패턴(본질적으로 명목상 25개 막대 중) 또한 가장 높은 패턴 등 나란히 놓고 비교해보면 비슷한 모양을 하고 있음을 알 수 있습니다.
그러나 다른 수의 자체 "막대"로 구성되고 다른 진폭은 다른 차수의 프랙탈과 유사합니다.
이 정보에서 확인하려는 초기 패턴을 선택할 때 춤을 춰야 하는 것 같습니다. 여기 또는 나중에 역사에
패턴 자체의 조건 변화에 따라 다양한 수준의 프랙털리티에서 패턴 처리의 특성이 어떻게 변하는지 실행하고 관찰하십시오.
또는 다양한 수준의 프랙털에서 막대 수와 진폭에 따른 크기 변화를 비교합니다. 이전 TF에서 패턴을 식별할 수 있습니다.
형성되기 전에도 하위 계층에서 어떻게 형성되었는지에 대한 정보를 통해.
또는 다른 것, 원한다면 더 자세히 생각할 수 있습니다. 헤드숄더나 트라이앵글 등 잘 알려진 패턴인 것 같지만,
예, 최소한 동일한 파도가 통계적으로 유의미한 패턴으로 밝혀지지만 그 크기는 여전히 유동적이며 조정해야 합니다.
그리고 잘 알려진 패턴의 포인트 수를 보면 3~6개 정도로 구성되어 있습니다. 그리고 그것들은 경험으로 얻은 것입니다.
사람들의. 그러나 이전에는 컴퓨터가 없었고 사람들은 더 빠르게 패턴을 찾을 수 있었지만 여전히 더 친숙한 패턴만 눈에 띕니다.
통계적으로 유의미한 패턴이 훨씬 더 많은 것 같지만 잘 알려진 것과 같은 뚜렷한 형태가 없습니다.
그리고 형태가 없는 개체는 눈으로 찾기가 더 어렵습니다. 하지만 기계의 시대에는 이것을 확인할 수 있다고 생각합니다.
나는 거미에 누군가가 이미 패턴을 고르고 있었던 것을 기억합니다. 그리고 그는 패턴이 드물수록 수행될 가능성이 더 높다고 말했습니다.
따라서 패턴의 희소성은 패턴이 구성되고 형성되는 점의 수가 증가한다는 것입니다. 그리고 포인트의 수가 더 많기 때문에 그것을 찾기 위해 히스토리가 필요합니다
점점 덜 일반적입니다. 그러나 구현 가능성은 더 높습니다. 퇴색하려는 충동 또는 반대로 무한정 성장할 수는 없습니다.
예측할 수 있게 되며 충동이 발생한 후 모든 사람이 거품을 자르기 시작하여 비효율/효율의 균형이 균일해집니다.
그러나 또한 시장의 관성(또는 글로벌 추세 등)의 존재로 인해 이 동일한 충동은 원칙적으로 감쇠 없이는 항상 갈 수 없습니다.
매우 유용한 것 파동 분석))))
웨이브 분석에 대해서는 별도의 포스트에서 작성하겠습니다. 그건 그렇고, 그것은 패턴에 의한 거래 (IMHO)의 특수한 경우에 불과한 웨이브 분석이며, 웨이브에 대해 독점적으로 말하는 것보다 단어의 넓은 의미로 말하는 것이 더 논리적입니다. 파도의 구성도 모호하지 않기 때문입니다.
패턴의 분석은 (내가 그렇게 말할 수 있다면) 시리즈의 프랙탈 정도 또는 프랙탈의 차원과 유사하다는 의견이 있습니다.
추세를 더 원활하게 변경해야 합니다. 탐색할 수 있는 방향에 대한 생각이 있지만, 이것을 코딩하기 위해서는 분명히 충분한 두뇌가 없습니다.
다양한 부동 조건과 이러한 조건이 적용되는 샘플의 부동 길이로 인해 부피가 엄청나기 때문입니다.
식별됩니다.
1-첫 번째 돌은 패턴이 두 축을 따라 완전히 다른 크기를 가질 수 있다는 것입니다.
또한 패턴은 조건이며 개별 연구마다 많이 설정할 수 있습니다.
그리고 패턴(패턴 포인트의 수 또는 자유도의 수)이 길수록 검증을 위한 전력 비용이 더 빠르게 증가합니다.
2 - 같은 패턴은 마지막 대응의 끝 이후에 엄격하게 순차적으로 갈 필요가 없습니다.
그리고 휴식과 함께 갈 수 있습니다. 또는 넓은 획으로 다음 패턴에 맞출 수도 있습니다. 사실 플랫 트렌드처럼요.
그렇기 때문에 그들을 식별하기가 어렵습니다. 트렌드와 플랫 모두에 관련된 섹션이 있습니다.
두 문제 모두 특정 작업의 프레임워크 내에서만 해결할 수 있습니다.
일반적으로 아이디어는 최소 TF에서 각 조건 패턴에 대해 검색하는 것이었습니다.
예를 들어 Gartley 나비인 5포인트의 특정 패턴을 가정해 보겠습니다. 그리고 우리는 가장자리에서 역사를 살펴보고 첫 번째 것을 찾았습니다.
이 첫 번째 것의 가장자리에서 더 멀리, 우리는 두 번째 것을 계속 찾는 식으로 계속합니다. 또한 각 패턴은 새 행이 됩니다(일부 유사성
비선형 TF) 정확히 동일한 조건에서 동일한 패턴을 찾고 있습니다. 등등, 추상 옥타브 증가.
또한 이력에서 패턴의 통계적 유의성을 동시에 계산할 수 있습니다(그러나 이 계산 방법에서는 여전히 불필요하다고 생각합니다).
결과적으로 가장 낮은 차수의 첫 번째 패턴을 취합니다. 예를 들어 20개의 막대로 구성되어 있다고 가정해 보겠습니다. 다음으로 상위 패턴의 첫 번째 패턴을 취합니다. 경로는 25개로 구성됩니다.
가장 낮은 패턴(본질적으로 명목상 25개 막대 중) 또한 가장 높은 패턴 등 나란히 놓고 비교해보면 비슷한 모양을 하고 있음을 알 수 있습니다.
그러나 다른 수의 자체 "막대"로 구성되고 다른 진폭은 다른 차수의 프랙탈과 유사합니다.
이 정보에서 확인하려는 초기 패턴을 선택할 때 춤을 춰야 하는 것 같습니다. 여기 또는 나중에 역사에
패턴 자체의 조건 변화에 따라 다양한 수준의 프랙털리티에서 패턴 처리의 특성이 어떻게 변하는지 실행하고 관찰하십시오.
또는 다양한 수준의 프랙털에서 막대 수와 진폭에 따른 크기 변화를 비교합니다. 이전 TF에서 패턴을 식별할 수 있습니다.
형성되기 전에도 하위 계층에서 어떻게 형성되었는지에 대한 정보를 통해.
또는 다른 것, 원한다면 더 자세히 생각할 수 있습니다. 헤드숄더나 트라이앵글 등 잘 알려진 패턴인 것 같지만,
예, 최소한 동일한 파도가 통계적으로 유의미한 패턴으로 밝혀지지만 그 크기는 여전히 유동적이며 조정해야 합니다.
그리고 잘 알려진 패턴의 포인트 수를 보면 3~6개 정도로 구성되어 있습니다. 그리고 그것들은 경험으로 얻은 것입니다.
사람들의. 그러나 이전에는 컴퓨터가 없었고 사람들은 더 빠르게 패턴을 찾을 수 있었지만 여전히 더 친숙한 패턴만 눈에 띕니다.
통계적으로 유의미한 패턴이 훨씬 더 많은 것 같지만 잘 알려진 것과 같은 뚜렷한 형태가 없습니다.
그리고 형태가 없는 개체는 눈으로 찾기가 더 어렵습니다. 하지만 기계의 시대에는 이것을 확인할 수 있다고 생각합니다.
나는 거미에 누군가가 이미 패턴을 고르고 있었던 것을 기억합니다. 그리고 그는 패턴이 드물수록 수행될 가능성이 더 높다고 말했습니다.
따라서 패턴의 희소성은 패턴이 구성되고 형성되는 점의 수가 증가한다는 것입니다. 그리고 포인트의 수가 더 많기 때문에 그것을 찾기 위해 히스토리가 필요합니다
점점 덜 일반적입니다. 그러나 구현 가능성은 더 높습니다. 퇴색하려는 충동 또는 반대로 무한정 성장할 수는 없습니다.
예측할 수 있게 되며 충동이 발생한 후 모든 사람이 거품을 자르기 시작하여 비효율/효율의 균형이 균일해집니다.
그러나 또한 시장의 관성(또는 글로벌 추세 등)의 존재로 인해 이 동일한 충동은 원칙적으로 감쇠 없이는 항상 갈 수 없습니다.
논리 및 충동 또는 일련의 충동 후에 시장을 따르는 원칙에 따라 수익을 올릴 수 있어야 합니다.
이 두 가지 사례로 인해 시장은 이러한 상태들 사이에서 지속적으로 균형을 이루며 균형의 한계에 도달하는 경향이 있어 거대한 표본과의 유사성을 보여줍니다.
그를 무작위로. 그러나 동시에 특정 순간에는 무작위가 아닐 수도 있습니다. 따라서 이 모든 것 때문에 균형이 맞지 않을 때
침체 후 충동 및 그 반대의 경우 충동 후 침체 및 평형으로 돌아가려는 욕구,이 불균형 자체는 될 수 없습니다.
무기한 길다. 따라서 3-6-10 막대의 패턴 길이는 통계적 이점을 얻기에 충분합니다. 비록 떠 있지만.
즉, 패턴의 포인트 수가 증가함에 따라 완료율도 증가하게 되는데, 이는 베팅 시 위험도를 높일 수 있음을 의미하며,
폴란드 위치로 입력하거나 마틴 애호가의 경우 손실 후 더 높은 계수로 내기를 늘릴 수 있습니다.
손실 후 패턴을 해결할 가능성이 이미 높기 때문에 다음 패턴을 해결할 확률이 높아집니다.
그러나 동시에 포인트 수가 증가함에 따라 역사상 이 패턴의 희귀성도 증가하고 거래는 더 뚱뚱하지만 더 드물다는 것이 밝혀져 궁극적으로 평준화됩니다.
부분적으로는 이 패턴을 해결할 가능성이 더 크다는 이점이 있습니다.
따라서 패턴이 짧을수록 덜 굵어집니다. 왜냐하면 패턴을 해결할 확률이 더 낮기 때문입니다. 그러나 더 자주 동일한 패턴에 나타날 것입니다.
역사의 조각.
패턴의 길이와 패턴의 "수율", "통계적 유의성", 해결할 확률 사이에 약간의 타협이 있다고 생각합니다.
또는 당신이 그것을 부르고 싶은 무엇이든. 그리고 이 최적의 값은 크지 않은 숫자에 불과하므로 길이가 30포인트인 패턴을 만드십시오. 예를 들어,
리소스 집약적일 뿐만 아니라 의미가 없습니다.
이 때문에 패턴의 매개변수를 목적 함수로 설정하면 또 다른 흥미로운 사실이 열립니다.
필요한 수익의 수준을 설정하거나 그 반대로 합리적인 수익을 설정하면 필요한 패턴의 매개변수를 변경할 수 있습니다.
Henium이 포럼 중 하나에서 이야기한 것(글쎄요, 아니면 제 생각에는 그렇게 생각하지 않을 수도 있습니다). 그는 내기의 크기를 통해 그것을 구축했습니다.
--------------------------------------------------
이 모든 것과 함께 패턴은 그래픽 그림 자체가 아니라 조건의 집합이라는 것을 이해해야 합니다. 누가 가질 수도 있고 없을 수도 있습니다.
이러한 조건의 바로 그 형태, 또는 오히려 이러한 조건이 이끌어 낼 형태와 공통점이 있습니다. 그래서 위에서 비교에 대해 이야기할 때
다른 수준의 프랙탈에서 패턴의 모양, 그러면 아마도 이것이 의미가 있고 아마도 이 비교는 조건을 설정할 때 더 넓은 의미로 이루어져야 할 것입니다.
패턴은 그 형태와 관련이 없으며 결과적으로 동일한 조건이 다른 패턴에 완전히 다른 형태의 패턴을 제공합니다.
프랙탈리티 수준. 즉, 프랙탈은 획일적인 형태로 나타나지 않고 다른 방식으로 나타날 것입니다 (비과학적인 방식으로 제시했지만 의미는 분명하다고 생각합니다)
예를 들어, 시리즈는 모양과 크기, 구성 요소 수 면에서 모두 프랙탈일 수 있습니다. 크기가 프랙탈일 수 있음 - 각각에 5개의 막대로 구성됨
수준이지만 모양이 같지 않습니다. 또는 그림의 영역에 프랙탈리티가 있지만 동시에 다음과 같이 윤곽선에 흐림이 있습니다.
진폭과 "시간적" 경계에서. 그래서 패턴의 한 형태만 비교하는 것만으로는 부족하다고 생각합니다. 그리고 아마도 그 형태는 전혀 그렇지 않을 것입니다
패턴 조건을 설정할 때 "휘발성 프랙탈리티"가 더 중요합니다. 확인해야 합니다.
==================================================== =================================================
추신.
그러나이 분기의 본질은 파동 분석에 전혀 없습니다. 여기에서 생각은 완전히 다르게 돌아갔습니다. 이러한 생각이 그러한 주제를 가진 분기에 위치하게 된 것은 그렇게되었습니다. 그리고 4페이지부터 읽어야 합니다.