NS 는 기존 TS의 패턴 또는 필터링 신호를 검색합니다. 아니면 검색이 아니라 분류, 나는 예측을 믿지 않고 미래를 알 수 없고 외삽할 수도 없습니다. 아직 미래가 없기 때문입니다! 그러나 분류는 다른 문제입니다. 특정 출력(패턴 \ 패턴)이 있고 이 출력의 특성(무언가 \ 입력의 매개변수)이 있습니다. 분류의 아주 좋은 예는 피셔의 붓꽃(유형 및 유형의 매개변수)입니다. 유형을 결정하고 매개변수에 따라 IMHO가 시장에 적합하고(실제로 반전, 추세 등 또는 TS 신호의 필터링), 특성 집합을 가진 수익성 있는 신호와 특성 집합을 가진 손실 신호가 있으므로 분리합니다. 겨에서 밀)
두 번째 변형(다시 IMHO) 총 다각화 - 3 TS - 추세, 카운터, 비지시자, 예를 들어 균형 축소 + 여러 통화 쌍에 따라 세 가지 또는 서로 대체하지만 초기에는 3 TS에 대한 전술 최소한 0이어야 합니다. 즉, . 병합하지 마십시오. 이 접근 방식은 중앙 은행의 포트폴리오를 컴파일하는 것과 유사하지만 다른 증권으로 분산하는 대신 몇 가지 전술과 여러 통화가 있습니다.
옵션 3 - 수동 거래 + 시장 비전 개발 (직관은 결국 머리의 최고의 NS를 - BRAIN이라고 함)
NS는 기존 TS의 패턴 또는 필터링 신호를 검색합니다. 아니면 검색이 아니라 분류, 나는 예측을 믿지 않고 미래를 알 수 없고 외삽할 수도 없습니다. 아직 미래가 없기 때문입니다! 그러나 분류는 또 다른 문제입니다. 특정 출력(패턴 \ 패턴)이 있고 이 출력의 특성(무언가 \ 입력의 매개변수)이 있습니다. 분류의 아주 좋은 예는 피셔의 붓꽃(유형 및 유형의 매개변수)입니다. 유형을 결정하고 매개변수에 따라 IMHO가 시장에 적합하고(실제로 반전, 추세 등 또는 TS 신호의 필터링), 특성 집합을 가진 수익성 있는 신호와 특성 집합을 가진 손실 신호가 있으므로 분리합니다. 겨에서 밀)
동의합니다. 이를 위해서는 신경망을 계층적으로 만들어야 합니다.
예, 그리고 나는 평소 지그재그로 분류하고 싶었지만 어떤 이유로 가치가 없다는 의구심이 있습니다)
실례합니다만 NS가 무엇인가요?
여기
여기
공식을 아는 사람은 NS가 필요하지 않습니다.
글쎄, 뭐가 그렇게 냉소적이야 =)
그렇다면 " Grail "은 성공적인 거래를 위한 이상적인 용어와 거리가 멀다는 것을 인정해야 합니다.)
여기
여기여기
내 생각에 전망은 패턴에 있습니다. 그리고 신경망이나 클러스터 표시기 의 도움으로 또는 없이 검색하는 방법은 실제로 중요하지 않습니다.
내 생각에 전망은 패턴에 있습니다.
물론 법률상 이상주의자라면 다른 방법이 없다고 할 수 있음)
그리고 신경망이나 클러스터 표시기의 도움으로 또는 없이 검색하는 방법은 실제로 중요하지 않습니다.
뭔가 사실이 아니라고 말합니다 =)
NS 는 기존 TS의 패턴 또는 필터링 신호를 검색합니다. 아니면 검색이 아니라 분류, 나는 예측을 믿지 않고 미래를 알 수 없고 외삽할 수도 없습니다. 아직 미래가 없기 때문입니다! 그러나 분류는 다른 문제입니다. 특정 출력(패턴 \ 패턴)이 있고 이 출력의 특성(무언가 \ 입력의 매개변수)이 있습니다. 분류의 아주 좋은 예는 피셔의 붓꽃(유형 및 유형의 매개변수)입니다. 유형을 결정하고 매개변수에 따라 IMHO가 시장에 적합하고(실제로 반전, 추세 등 또는 TS 신호의 필터링), 특성 집합을 가진 수익성 있는 신호와 특성 집합을 가진 손실 신호가 있으므로 분리합니다. 겨에서 밀)
두 번째 변형(다시 IMHO) 총 다각화 - 3 TS - 추세, 카운터, 비지시자, 예를 들어 균형 축소 + 여러 통화 쌍에 따라 세 가지 또는 서로 대체하지만 초기에는 3 TS에 대한 전술 최소한 0이어야 합니다. 즉, . 병합하지 마십시오. 이 접근 방식은 중앙 은행의 포트폴리오를 컴파일하는 것과 유사하지만 다른 증권으로 분산하는 대신 몇 가지 전술과 여러 통화가 있습니다.
옵션 3 - 수동 거래 + 시장 비전 개발 (직관은 결국 머리의 최고의 NS를 - BRAIN이라고 함)
NS는 기존 TS의 패턴 또는 필터링 신호를 검색합니다. 아니면 검색이 아니라 분류, 나는 예측을 믿지 않고 미래를 알 수 없고 외삽할 수도 없습니다. 아직 미래가 없기 때문입니다! 그러나 분류는 또 다른 문제입니다. 특정 출력(패턴 \ 패턴)이 있고 이 출력의 특성(무언가 \ 입력의 매개변수)이 있습니다. 분류의 아주 좋은 예는 피셔의 붓꽃(유형 및 유형의 매개변수)입니다. 유형을 결정하고 매개변수에 따라 IMHO가 시장에 적합하고(실제로 반전, 추세 등 또는 TS 신호의 필터링), 특성 집합을 가진 수익성 있는 신호와 특성 집합을 가진 손실 신호가 있으므로 분리합니다. 겨에서 밀)
동의합니다. 이를 위해서는 신경망을 계층적으로 만들어야 합니다.
예, 그리고 나는 평소 지그재그로 분류하고 싶었지만 어떤 이유로 가치가 없다는 의구심이 있습니다)
동의합니다. 이를 위해서는 신경망을 계층적으로 만들어야 합니다.