rsi : 그러나 포트폴리오 테스트의 문제는 최고조에 달할 것입니다. 작업은 다시 거대해질 것입니다 :-(.
맞습니다. 이 모델 L(k)=[V(k),а(k)]는 실제로 매우 복잡합니다. 다양한 통화 쌍의 속도와 가속도 + 상호 상관 관계를 고려하고 거기에 거래량을 입력하십시오. 복잡하기 쉽기 때문에 가장 간단한 벽돌을 먼저 파악하기만 하면 됩니다. 그래서 저는 모두에게 충분한 공간이 있다고 말했습니다 :-)
Prival , 레이더가 보는 항공기 궤적과 그 궤적, 특히 두 번째 궤적에서 파생물을 얻는 방법을 간단히 보여줄 수 있습니까? 한 가지는 규칙적인 "좋은" 함수의 수치적 미분이고, 다른 한 가지는 이산화 간격(분)이 급격하게 변할 수 있는 간격보다 분명히 훨씬 더 큰 확률적 과정입니다.
"각도에서 속도 추정" 기사에서:
Д(t),V(t),a(t) – детерминированные составляющие соответственно дальности, скорости и ускорения;
여기 공개 언론(첨부)의 기사가 있습니다. 기사 말미에 우리 연구에 대해 언급되어 있습니다. 그리고 공기 물체(VO)의 실제 TDCH(도플러 주파수 궤적)의 ACF가 제공됩니다(도플러 주파수는 속도에 정비례함)(그림 1 참조). 9. 내가 게시한 ACF와 시각적으로 비교하십시오( '임의의 흐름과 FOREX이론' 또는 여기에서는 '임의의 흐름과 FOREX 이론' ). 이 곡선을 보고 눈을 의심하고 20번을 다시 확인했습니다. (ACF를 다른 방식으로 빌드했는데 이제 3번째 방식으로 확인했는데 오류가 없습니다.)
알파, 베타 및 시그마는 ACF(이 방정식에 삽입됨)의 형태로 표시되며, 이것은 2차의 관성 링크입니다. 물리적으로는 일정 정도 진동을 하며 외부 에너지가 공급되지 않으면 진동이 사라진다. 충동이 오면 (진동) 새로운 수준으로 이동할 수 있으며, 다시 진동이 있을 것입니다.
샘플링 깊이를 변경하면 다양한 변동이 추적됩니다(빠름, 느림 및 기사에서 이에 대해 설명함). 말하자면 전체 움직임은 서로 다른 진동(알파, 베타, 시그마)이 있는 이러한 모든 진동으로 구성됩니다. 움직임의 다차원성과 다차원성.
최적의 처리를 위해서는 각 진동에 대해 고유한 필터가 있어야 합니다. 그러나 이것은 무한한 수의 칼만 필터입니다. 이 기사에서 다른 통화의 관계), 그들 사이에는 상관 관계가 있으며 이것은 또한 모델에 넣을 수 있고, 이 움직임을 평가하고 Forex 에너지를 주머니에 넣을 수 있습니다. 전부는 아닙니다. 약간의 꼬집음이면 충분합니다 :-).
추신 : 나는 공식 (10)을 의심했습니다. 뭔가 잘못되었습니다. 뭔가가 맞지 않습니다. 그리고 책은 똑같습니다. 오타처럼 보입니다. 나는 Tikhonov에 가서 이것 때문에 갔지만 그의 아이디어는 계속되고 그의 학생 Kharisov, Yarlykov가 있습니다. 아카데미에서 그들을 잡는 것이 어려울뿐입니다. 극단적 인 경우 Tver의 Bogdanov에 갈 것입니다 (이 글의 저자 기사, 이 작품의 감독자이자 내 논문의 감독자).
Mathemat : 1. 인용 과정(그리고 그것의 첫 번째 차이점까지도)의 경우, 과정 자체가 고정된 것처럼 보이지 않고 에르고딕한 것처럼 보이지 않기 때문에 이것은 매우 의심스럽습니다. 2. 우리의 평범함, Prival 은 어디에 있는가?
1. ACF는 Y-mu용으로 구축되었으며, 즉 "추세" mu=y(x)=a+b*x는 이전에 견적 프로세스에서 제거되었습니다. 따라서 프로세스 MU = const(정상 조건 중 하나는 우리의 경우 0). Kalman의 경우 "추세"를 결정하는 데 문제가 없습니다. 이것은 속도의 결정론적 구성 요소입니다. "추세"를 제거한 후 나머지는 속도의 변동 성분입니다. 나는 변동 요소가 에르고딕 과정이 아니라는 데 동의하지만, 그(과정)가 진동 링크에 해당하는 영역이 있으며 역사상 많은 부분(평평한 것)이 있을 것이라고 생각합니다. 일치하지 않는 영역이 있으므로 필터에 다른 모델을 넣어야 합니다. 이상적으로는 무한대인 많은 SUCH 필터가 있어야 합니다. 내가 물리학을 설명했을 때 "수신기의 손잡이를 어떻게 돌리고 스테이션(추세)에 도달하여 잡고 있습니다. 스테이션이 사라졌습니다. 뉴스가 울릴 때까지 손잡이를 돌리고, 뉴스가 해결되고, 사라졌습니다. 다시, 가서 켜십시오. 음, 이와 같은 것입니다. 공식에서"
이것은 100억에서 1000억 개의 Kalman 필터가 병렬로 작동하고 각 필터는 인용문을 수신하며 인용문 흐름이 중첩 모델에 해당하면 모든 것이 정상임을 의미합니다. 우리는 뉴스, 추세, 플랫 등을 듣습니다. 신호가 사라졌습니다(필터 출력의 불일치가 임계값을 초과함). 노브를 계속 돌리고 진행 중인 프로세스와 가장 일치하는 나머지 99개(십억-1)에서 필터를 찾으십시오(여기에 내포된 모델).
내가 당신의 관심을 끌고 싶은 유일한 것은 아무도 Kotelnikov 정리를 취소하지 않았다는 것입니다. 따옴표가 분당 1 회 수신되면 (우리는 분 단위로 작업합니다) 연구에 사용할 수있는 프로세스는 적어도 2분, 실제로 샘플링 속도는 최대 주파수의 5-8배 높은 것이 좋습니다. TS의 작업을 뉴스에 맞게 디자인(방향)하려면 진드기로 전환해야 합니다.
2. 정규성이 가능하며 "직선 수평 비행"이라고 말하는 조건을주의 깊게 읽으십시오. 이것은 MOJ = const를 의미하며이 시간 간격 내에서 어떤 섹션을 취하든 변경되지 않습니다. 따옴표에서 그러한 사이트를 찾아 보십시오(MOJ=const로 한 시간 내에 +-1 pip). 글쎄, 신이 그에게이 사이트를 축복합니다 :-) 연구의 본질과 관련이없는 기사의 추가 문구.
이것은 100억에서 1000억 개의 칼만 필터가 병렬로 작동하고 각각이 인용을 수신한다는 것을 의미합니다. 인용 흐름이 중첩 모델에 해당하면 모든 것이 정상입니다. 우리는 뉴스, 추세, 플랫 등을 듣습니다. 신호가 사라졌습니다(필터 출력의 불일치가 임계값을 초과함). 노브를 계속 돌리고 진행 중인 프로세스와 가장 일치하는 나머지 99개(십억-1)에서 필터를 찾으십시오(여기에 내포된 모델).
거래의 주요 문제는 모델이 어느 정도 안정적으로 인식될 때까지는 모델의 지속 및 파괴 확률이 거의 동일하다는 것입니다. 이 규칙이 모든 100-1000억 Kalman 필터 에 적용될 것입니다.
이것은 100억에서 1000억 개의 칼만 필터가 병렬로 작동하고 각각이 인용을 수신한다는 것을 의미합니다. 인용 흐름이 중첩 모델에 해당하면 모든 것이 정상입니다. 우리는 뉴스, 추세, 플랫 등을 듣습니다. 신호가 사라졌습니다(필터 출력의 불일치가 임계값을 초과함). 노브를 계속 돌리고 진행 중인 프로세스와 가장 일치하는 나머지 99개(십억-1)에서 필터를 찾으십시오(여기에 내포된 모델).
거래의 주요 문제는 모델이 어느 정도 안정적으로 인식될 때까지는 모델의 지속 및 파괴 확률이 거의 동일하다는 것입니다. 이 규칙이 모든 100-1000억 Kalman 필터에 적용될 것입니다.
글쎄요, 너무 가혹한 표현이라고 생각합니다. 사실, 모델의 기대 수명에 대한 통계를 제공하는 연구는 없습니다. 또한 모델 인식에 필요한 정보의 양(=지연 시간)에 대한 데이터가 없습니다. 이러한 모델을 도입하고 사용하는 사람들조차도 그러한 연구를 수행하거나 출판하지 않는 것을 선호합니다. 분명히 전략에 양수 mo가 있으면 확률이 균등화되기 전에 모델이 여전히 인식된다고 믿어집니다.
그리고 그러한 전략이 있습니다. 그들은 살아 있습니다. 베터' 를 보세요. 그의 Expert Advisor는 실제로 내가 구현하고 싶었던 것을 수행합니다. 피벗 포인트 를 인식하고 웨이브의 시작 부분에 들어갑니다. 그리고 위아래로. 여기에 예측과 이전 인식이 있습니다.
Prival 프로그램과 관련하여 저는 다음과 같이 말하고 싶습니다. 흥미롭습니다. 아이디어는 거기에 있고 평행선은 그리 멀지 않습니다. 불행히도 나는 수학을 이해하지 못했고 할 일이 많았지만 전환 행렬이 고정된 것이 아니라면 아마도 그 과정에서 해결책이 있을 것입니다. 그러나 결제 부분에서는 그렇게 광범위하게 필요하지 않을 것입니다. 직접 계산 프로세스에만 100-1000억 개의 필터 계산이 필요한 경우 틱을 잊어버릴 수 있습니다. 그러나 역의 문제도 있습니다. 변화하는 시장 상황에 맞게 매개변수를 어떻게든 조정해야 합니다.
따라서 메모리 측면과 컴퓨팅 주기 측면 모두에서 리소스를 정확하게 추정해야 합니다. 그런 다음 5-10시간의 하나의 결제 주기가 나타날 수 있습니다. 그러면 어떤 소식이 있습니까? 일 플레이 또는 몇 주 동안에만 그리고 남아 있습니다. :-)
적응형 F를 구성하는 옵션이 있으며, 여러 필터의 병렬 계산이 계산 비용 측면에서 적응을 초과하는 경우로 전환됩니다. 저것들. 행렬 Ф(t, ACF, L)은 시간, ACF 매개변수 및 L - 일부 흐름 속성에 따라 다릅니다. 그러나 이것은 이미 비선형 필터링의 영역입니다. 저는 당분간 선형 필터링의 틀 안에 머물고 싶습니다. 특징적인 영역에서 ACF 통계를 수집하십시오(안정된 시장, 세션 열기, 보도 자료 , 매개변수가 다른 여러 트렌드, 매개변수가 다른 여러 아파트). 10-16 필터 정도면 충분하다고 생각합니다. 불일치가 나타나면 모델과의 불일치가 나타나면 결정을 내려야합니다 (시장의 임계점은 결정 지점입니다). 이 시점에서 Wald의 통계적 결정 기능으로 전환합니다. 어찌보면 정답은 없지만 분명한 길과 목표는 있을 뿐입니다.
예, 인식 시간은 기능 및 모델 집합의 품질에 따라 다릅니다. 그것은 심지어 즉각적일 수도 있습니다. 예를 들어(집합으로 가정해 봅시다) 간격 작업을 담당하는 2개의 필터가 있습니다. (1 위로 1 아래로). 전체 모델 세트에서 선택이 명확합니다. + 기호는 매우 강력합니다 :-).
나는 속도와 가격의 가속에 대해 이야기하는 것이 가능한지 의심스럽습니다. 적어도 항공기의 속도와 가속도와 같은 맥락에서 말입니다.
속도와 가속도가 다르다는 데 동의합니다. 그러나 그들은 여기 저기에 있습니다. 이 접근 방식을 통해 예측할 수 있습니다.
그러나 포트폴리오 테스트의 문제는 최고조에 달할 것입니다. 작업은 다시 거대해질 것입니다 :-(.
"각도에서 속도 추정" 기사에서:
Д(t),V(t),a(t) – детерминированные составляющие соответственно дальности, скорости и ускорения;
DV(t), Da(t)는 속도와 가속도의 변동 성분입니다.
여기 공개 언론(첨부)의 기사가 있습니다. 기사 말미에 우리 연구에 대해 언급되어 있습니다. 그리고 공기 물체(VO)의 실제 TDCH(도플러 주파수 궤적)의 ACF가 제공됩니다(도플러 주파수는 속도에 정비례함)(그림 1 참조). 9. 내가 게시한 ACF와 시각적으로 비교하십시오( '임의의 흐름과 FOREX 이론' 또는 여기에서는 '임의의 흐름과 FOREX 이론' ). 이 곡선을 보고 눈을 의심하고 20번을 다시 확인했습니다. (ACF를 다른 방식으로 빌드했는데 이제 3번째 방식으로 확인했는데 오류가 없습니다.)
알파, 베타 및 시그마는 ACF(이 방정식에 삽입됨)의 형태로 표시되며, 이것은 2차의 관성 링크입니다. 물리적으로는 일정 정도 진동을 하며 외부 에너지가 공급되지 않으면 진동이 사라진다. 충동이 오면 (진동) 새로운 수준으로 이동할 수 있으며, 다시 진동이 있을 것입니다.
샘플링 깊이를 변경하면 다양한 변동이 추적됩니다(빠름, 느림 및 기사에서 이에 대해 설명함). 말하자면 전체 움직임은 서로 다른 진동(알파, 베타, 시그마)이 있는 이러한 모든 진동으로 구성됩니다. 움직임의 다차원성과 다차원성.
최적의 처리를 위해서는 각 진동에 대해 고유한 필터가 있어야 합니다. 그러나 이것은 무한한 수의 칼만 필터입니다. 이 기사에서 다른 통화의 관계), 그들 사이에는 상관 관계가 있으며 이것은 또한 모델에 넣을 수 있고, 이 움직임을 평가하고 Forex 에너지를 주머니에 넣을 수 있습니다. 전부는 아닙니다. 약간의 꼬집음이면 충분합니다 :-).
추신 : 나는 공식 (10)을 의심했습니다. 뭔가 잘못되었습니다. 뭔가가 맞지 않습니다. 그리고 책은 똑같습니다. 오타처럼 보입니다. 나는 Tikhonov에 가서 이것 때문에 갔지만 그의 아이디어는 계속되고 그의 학생 Kharisov, Yarlykov가 있습니다. 아카데미에서 그들을 잡는 것이 어려울뿐입니다. 극단적 인 경우 Tver의 Bogdanov에 갈 것입니다 (이 글의 저자 기사, 이 작품의 감독자이자 내 논문의 감독자).
인용 과정(그리고 그것의 첫 번째 차이점까지도)의 경우, 과정 자체가 고정된 것처럼 보이지 않고 에르고딕한 것처럼 보이지 않기 때문에 이것은 매우 의심스럽습니다. 두번째:
우리는 어디에 정상성을 가지고 있습니까, Prival ?
1. 인용 과정(그리고 그것의 첫 번째 차이점까지도)의 경우, 과정 자체가 고정된 것처럼 보이지 않고 에르고딕한 것처럼 보이지 않기 때문에 이것은 매우 의심스럽습니다.
2. 우리의 평범함, Prival 은 어디에 있는가?
1. ACF는 Y-mu용으로 구축되었으며, 즉 "추세" mu=y(x)=a+b*x는 이전에 견적 프로세스에서 제거되었습니다. 따라서 프로세스 MU = const(정상 조건 중 하나는 우리의 경우 0). Kalman의 경우 "추세"를 결정하는 데 문제가 없습니다. 이것은 속도의 결정론적 구성 요소입니다. "추세"를 제거한 후 나머지는 속도의 변동 성분입니다. 나는 변동 요소가 에르고딕 과정이 아니라는 데 동의하지만, 그(과정)가 진동 링크에 해당하는 영역이 있으며 역사상 많은 부분(평평한 것)이 있을 것이라고 생각합니다. 일치하지 않는 영역이 있으므로 필터에 다른 모델을 넣어야 합니다. 이상적으로는 무한대인 많은 SUCH 필터가 있어야 합니다. 내가 물리학을 설명했을 때 "수신기의 손잡이를 어떻게 돌리고 스테이션(추세)에 도달하여 잡고 있습니다. 스테이션이 사라졌습니다. 뉴스가 울릴 때까지 손잡이를 돌리고, 뉴스가 해결되고, 사라졌습니다. 다시, 가서 켜십시오. 음, 이와 같은 것입니다. 공식에서"
이것은 100억에서 1000억 개의 Kalman 필터가 병렬로 작동하고 각 필터는 인용문을 수신하며 인용문 흐름이 중첩 모델에 해당하면 모든 것이 정상임을 의미합니다. 우리는 뉴스, 추세, 플랫 등을 듣습니다. 신호가 사라졌습니다(필터 출력의 불일치가 임계값을 초과함). 노브를 계속 돌리고 진행 중인 프로세스와 가장 일치하는 나머지 99개(십억-1)에서 필터를 찾으십시오(여기에 내포된 모델).
내가 당신의 관심을 끌고 싶은 유일한 것은 아무도 Kotelnikov 정리를 취소하지 않았다는 것입니다. 따옴표가 분당 1 회 수신되면 (우리는 분 단위로 작업합니다) 연구에 사용할 수있는 프로세스는 적어도 2분, 실제로 샘플링 속도는 최대 주파수의 5-8배 높은 것이 좋습니다. TS의 작업을 뉴스에 맞게 디자인(방향)하려면 진드기로 전환해야 합니다.
2. 정규성이 가능하며 "직선 수평 비행"이라고 말하는 조건을주의 깊게 읽으십시오. 이것은 MOJ = const를 의미하며이 시간 간격 내에서 어떤 섹션을 취하든 변경되지 않습니다. 따옴표에서 그러한 사이트를 찾아 보십시오(MOJ=const로 한 시간 내에 +-1 pip). 글쎄, 신이 그에게이 사이트를 축복합니다 :-) 연구의 본질과 관련이없는 기사의 추가 문구.
그리고 일반적으로 손가락이 아프지 않습니다 :-) 헤드폰을 착용하십시오.
MQL에서 Kolman 필터를 만들어야 합니다. MathCad에서 보이는 방법은 다음과 같습니다.
인덱스 "T", "-1" - 전치 연산, 역행렬 계산. 이들은 모두 행렬(배열)이며 행렬 대수에 따라 프로그래밍해야 합니다. http://alglib.sources.ru/matrixops/
C에는 코드 조각이 있지만 확인해야 합니다. 모든 것이 matkad에서 작동합니다.
로쉬 내가 당신에게 묻는 것입니다. 직장에서 이것을 할 수 있을지 모르겠지만, 이것은 아마도 여가 시간에 마스터에게 가치 있는 일입니다. 목표는 계산의 최대 속도와 정확도입니다. 행렬 H 유형 정수(0 또는 1로 구성됨). 나머지는 더블입니다.
또는 이것을 처리할 수 있는 사람은 그냥 고개를 끄덕입니다. 자세한 단계별 지침을 작성하려고 합니다(MQL 프로그래밍 경험이 있음).
이것은 100억에서 1000억 개의 칼만 필터가 병렬로 작동하고 각각이 인용을 수신한다는 것을 의미합니다. 인용 흐름이 중첩 모델에 해당하면 모든 것이 정상입니다. 우리는 뉴스, 추세, 플랫 등을 듣습니다. 신호가 사라졌습니다(필터 출력의 불일치가 임계값을 초과함). 노브를 계속 돌리고 진행 중인 프로세스와 가장 일치하는 나머지 99개(십억-1)에서 필터를 찾으십시오(여기에 내포된 모델).
거래의 주요 문제는 모델이 어느 정도 안정적으로 인식될 때까지는 모델의 지속 및 파괴 확률이 거의 동일하다는 것입니다. 이 규칙이 모든 100-1000억 Kalman 필터 에 적용될 것입니다.
이것은 100억에서 1000억 개의 칼만 필터가 병렬로 작동하고 각각이 인용을 수신한다는 것을 의미합니다. 인용 흐름이 중첩 모델에 해당하면 모든 것이 정상입니다. 우리는 뉴스, 추세, 플랫 등을 듣습니다. 신호가 사라졌습니다(필터 출력의 불일치가 임계값을 초과함). 노브를 계속 돌리고 진행 중인 프로세스와 가장 일치하는 나머지 99개(십억-1)에서 필터를 찾으십시오(여기에 내포된 모델).
거래의 주요 문제는 모델이 어느 정도 안정적으로 인식될 때까지는 모델의 지속 및 파괴 확률이 거의 동일하다는 것입니다. 이 규칙이 모든 100-1000억 Kalman 필터에 적용될 것입니다.
글쎄요, 너무 가혹한 표현이라고 생각합니다. 사실, 모델의 기대 수명에 대한 통계를 제공하는 연구는 없습니다. 또한 모델 인식에 필요한 정보의 양(=지연 시간)에 대한 데이터가 없습니다. 이러한 모델을 도입하고 사용하는 사람들조차도 그러한 연구를 수행하거나 출판하지 않는 것을 선호합니다. 분명히 전략에 양수 mo가 있으면 확률이 균등화되기 전에 모델이 여전히 인식된다고 믿어집니다.
그리고 그러한 전략이 있습니다. 그들은 살아 있습니다. 베터' 를 보세요. 그의 Expert Advisor는 실제로 내가 구현하고 싶었던 것을 수행합니다. 피벗 포인트 를 인식하고 웨이브의 시작 부분에 들어갑니다. 그리고 위아래로. 여기에 예측과 이전 인식이 있습니다.
Prival 프로그램과 관련하여 저는 다음과 같이 말하고 싶습니다. 흥미롭습니다. 아이디어는 거기에 있고 평행선은 그리 멀지 않습니다. 불행히도 나는 수학을 이해하지 못했고 할 일이 많았지만 전환 행렬이 고정된 것이 아니라면 아마도 그 과정에서 해결책이 있을 것입니다. 그러나 결제 부분에서는 그렇게 광범위하게 필요하지 않을 것입니다. 직접 계산 프로세스에만 100-1000억 개의 필터 계산이 필요한 경우 틱을 잊어버릴 수 있습니다. 그러나 역의 문제도 있습니다. 변화하는 시장 상황에 맞게 매개변수를 어떻게든 조정해야 합니다.
따라서 메모리 측면과 컴퓨팅 주기 측면 모두에서 리소스를 정확하게 추정해야 합니다. 그런 다음 5-10시간의 하나의 결제 주기가 나타날 수 있습니다. 그러면 어떤 소식이 있습니까? 일 플레이 또는 몇 주 동안에만 그리고 남아 있습니다. :-)
적응형 F를 구성하는 옵션이 있으며, 여러 필터의 병렬 계산이 계산 비용 측면에서 적응을 초과하는 경우로 전환됩니다. 저것들. 행렬 Ф(t, ACF, L)은 시간, ACF 매개변수 및 L - 일부 흐름 속성에 따라 다릅니다. 그러나 이것은 이미 비선형 필터링의 영역입니다. 저는 당분간 선형 필터링의 틀 안에 머물고 싶습니다. 특징적인 영역에서 ACF 통계를 수집하십시오(안정된 시장, 세션 열기, 보도 자료 , 매개변수가 다른 여러 트렌드, 매개변수가 다른 여러 아파트). 10-16 필터 정도면 충분하다고 생각합니다. 불일치가 나타나면 모델과의 불일치가 나타나면 결정을 내려야합니다 (시장의 임계점은 결정 지점입니다). 이 시점에서 Wald의 통계적 결정 기능으로 전환합니다. 어찌보면 정답은 없지만 분명한 길과 목표는 있을 뿐입니다.
예, 인식 시간은 기능 및 모델 집합의 품질에 따라 다릅니다. 그것은 심지어 즉각적일 수도 있습니다. 예를 들어(집합으로 가정해 봅시다) 간격 작업을 담당하는 2개의 필터가 있습니다. (1 위로 1 아래로). 전체 모델 세트에서 선택이 명확합니다. + 기호는 매우 강력합니다 :-).