Yusuf, 이제 다시 초기 조건을 미래 계산 공식에 올바르게 입력하기 위해 몇 달 동안 정상적으로 잠을 잘 필요가 없습니다. 특성 수준에 바인딩됩니다.;)
제 생각에는 이것이 고려해야 할 마지막 중요한 사항은 아니지만 ...
글쎄, 그것은 간단하지 않습니다 ...
하지만 흥미롭습니다.
물론 실제 상황을 파악하기 위해 더 생각할 것이지만 이론의 예비 결과는 고무적입니다. 예를 들어, 2013년 초부터 거의 동일한 수의 긴 문서를 열 수 있었습니다. (192) 및 숏(190) 포지션을 취하고 0, 1이 많은 D1에서 이익을 유지합니다.
역사의 바 1383 모델링된 진드기 1765 시뮬레이션 품질 해당 사항 없음 그래프 불일치 오류 0 초기 보증금 10000.00 확산 전류 (20) 순이익 20503.92 총 이익 28009.00 총 손실 -7505.08 수익성 3.73 53.68 승리 예상 절대 드로다운 370.00 최대 드로다운 4099.12 (17.17%) 상대 하락률 17.17% (4099.12) 총 거래 382 숏포지션(%원) 192(93.23%) 롱포지션(%원) 190(96.84%) 수익성 있는 거래(전체의 %) 363(95.03%) 손실 거래(전체의 %) 19(4.97%) 가장 큰 수익성 있는 거래 79.76 무역 손실 -1757.36 중간 수익성 있는 거래 77.16 무역 손실 -395.00 최대 금액 연속 상금(이익) 187(14608.12) 연속 손실(손실) 17(-7444.64) 최고 연속 이익(승수) 14608.12 (187) 연속 손실(손실 수) -7444.64 (17) 평균 연속 승리 121 연속 손실 6
그러나 "현재 (j)"의 각 새로운 행위가 처음부터 시작되는 것이 아니라 모든 이전 행위에 의해 형성된 수준에서 시작된다는 점을 고려하면 글로벌 "미래"의 형성 그림이 더 정확할 것입니다.
그리고이 경우 포화가 발생하지 않습니다 !!! 그리고 맞습니다 ;)
이 경우 올렉이 올바르게 인식되었습니다. 단순함을 위해 n=1의 단순화된 버전에 대해 시간 t=0에서 단일 임펄스의 작용을 고려했지만, 사실 공간은 n차원이고 시스템 a의 임피던스는 실제 이 경우에도 P, N, B에 대한 관계는 흔들리지 않고 정규화 조건 P+N+B=1이 충족되지만 데이터는 모든 값을 취할 수 있습니다. 당신 말이 맞습니다. 실제로 새로운 동적 프로세스의 출현과 죽음으로 인해 포화는 절대 발생하지 않지만, 예를 들어 글로벌 뉴스의 형태로 갑자기 이벤트가 발생하면 그 특성을 주목하고 구별할 수 있습니다. 시장의 일반적인 행동에서 . 바로 이러한 이유로 모든 작업이 완료됩니다.
고려되는 시간 간격의 유한성으로 인해 특정 창 변환(존경받는(아이러니 없는) Yusuf의 이름)에 대해 말하는 것이 더 정확할 수 있습니까?
당신은 내가 실제로 미래가 현재의 창을 통해 과거로 침투한다고 생각하는 경향이 있다는 점을 정확하게 지적했습니다. 앞에서 설명한 것처럼 모든 것이 거의 번개 속도로 발생합니다. 그리고 우리가 파악했을 때 무언가를 변경하거나 조치를 취하기에는 이미 너무 늦었다는 것이 종종 드러납니다.
그러나 "현재 (j)"의 각 새로운 행위가 처음부터 시작되는 것이 아니라 모든 이전 행위에 의해 형성된 수준에서 시작된다는 점을 고려하면 글로벌 "미래"의 형성 그림이 더 정확할 것입니다.
그리고이 경우 포화가 발생하지 않습니다 !!! 그리고 맞습니다 ;)
이것은 비유적으로 말해서 단일 샷이 늘어나거나 시간이 지남에 따라 확산되는 델타 함수입니다.
선택됨 - 나는 그러한 해석을 본 적이 없습니다).
델타 함수의 고전적인 정의에서 벗어납니다.
고려되는 시간 간격의 유한성으로 인해 특정 창 변환(존경받는(아이러니 없는) Yusuf의 이름)에 대해 말하는 것이 더 정확할 수 있습니까?
선택됨 - 나는 그러한 해석을 본 적이 없습니다).
델타 함수의 고전적인 정의에서 벗어납니다.
고려된 시간 간격의 유한성으로 인해 특정 창 변환(존경받는(아이러니 없는) Yusuf의 이름)에 대해 말하는 것이 더 정확할 수 있습니까?
비유적으로 이렇게 표현합니다. ;)
물론 그것은 델타 함수의 고전적인 정의와 다릅니다. ;)
그래서 처음에 그 지점에 집중된 충동의 시간적 연장에 대해 이야기하는 것입니다. 결국 유수프의 변신은 바로 이러한 입장에서 볼 수 있다.
그러나 "현재 (j)"의 각 새로운 행위가 처음부터 시작되는 것이 아니라 모든 이전 행위에 의해 형성된 수준에서 시작된다는 점을 고려하면 글로벌 "미래"의 형성 그림이 더 정확할 것입니다.
그리고이 경우 포화가 발생하지 않습니다 !!! 그리고 맞습니다 ;)
Yusuf, 이제 다시 초기 조건을 미래 계산 공식에 올바르게 입력하기 위해 몇 달 동안 정상적으로 잠을 잘 필요가 없습니다. 특성 수준에 바인딩됩니다.;)
제 생각에는 이것이 고려해야 할 마지막 중요한 사항은 아니지만 ...
글쎄, 그것은 그렇게 간단하지 않습니다 ...
하지만 흥미롭습니다.
Yusuf, 이제 다시 초기 조건을 미래 계산 공식에 올바르게 입력하기 위해 몇 달 동안 정상적으로 잠을 잘 필요가 없습니다. 특성 수준에 바인딩됩니다.;)
제 생각에는 이것이 고려해야 할 마지막 중요한 사항은 아니지만 ...
글쎄, 그것은 간단하지 않습니다 ...
하지만 흥미롭습니다.
물론 실제 상황을 파악하기 위해 더 생각할 것이지만 이론의 예비 결과는 고무적입니다. 예를 들어, 2013년 초부터 거의 동일한 수의 긴 문서를 열 수 있었습니다. (192) 및 숏(190) 포지션을 취하고 0, 1이 많은 D1에서 이익을 유지합니다.
역사의 바 1383
모델링된 진드기 1765
시뮬레이션 품질 해당 사항 없음
그래프 불일치 오류 0
초기 보증금 10000.00
확산 전류 (20)
순이익 20503.92
총 이익 28009.00
총 손실 -7505.08
수익성 3.73
53.68 승리 예상
절대 드로다운 370.00
최대 드로다운 4099.12 (17.17%)
상대 하락률 17.17% (4099.12)
총 거래 382
숏포지션(%원) 192(93.23%)
롱포지션(%원) 190(96.84%)
수익성 있는 거래(전체의 %) 363(95.03%)
손실 거래(전체의 %) 19(4.97%)
가장 큰
수익성 있는 거래 79.76
무역 손실 -1757.36
중간
수익성 있는 거래 77.16
무역 손실 -395.00
최대 금액
연속 상금(이익) 187(14608.12)
연속 손실(손실) 17(-7444.64)
최고
연속 이익(승수) 14608.12 (187)
연속 손실(손실 수) -7444.64 (17)
평균
연속 승리 121
연속 손실 6
그러나 "현재 (j)"의 각 새로운 행위가 처음부터 시작되는 것이 아니라 모든 이전 행위에 의해 형성된 수준에서 시작된다는 점을 고려하면 글로벌 "미래"의 형성 그림이 더 정확할 것입니다.
그리고이 경우 포화가 발생하지 않습니다 !!! 그리고 맞습니다 ;)
선택됨 - 나는 그러한 해석을 본 적이 없습니다).
델타 함수의 고전적인 정의에서 벗어납니다.
고려되는 시간 간격의 유한성으로 인해 특정 창 변환(존경받는(아이러니 없는) Yusuf의 이름)에 대해 말하는 것이 더 정확할 수 있습니까?
당신은 내가 실제로 미래가 현재의 창을 통해 과거로 침투한다고 생각하는 경향이 있다는 점을 정확하게 지적했습니다. 앞에서 설명한 것처럼 모든 것이 거의 번개 속도로 발생합니다. 그리고 우리가 파악했을 때 무언가를 변경하거나 조치를 취하기에는 이미 너무 늦었다는 것이 종종 드러납니다.
그러나 "현재 (j)"의 각 새로운 행위가 처음부터 시작되는 것이 아니라 모든 이전 행위에 의해 형성된 수준에서 시작된다는 점을 고려하면 글로벌 "미래"의 형성 그림이 더 정확할 것입니다.
그리고이 경우 포화가 발생하지 않습니다 !!! 그리고 맞습니다 ;)
그러한 구성을 수행한 후 동일한 행위 "현재(j)"에 대해 우리는 글로벌 "미래"의 형성에 대한 다음 그림을 얻습니다 .
이 경우 포화가 발생하지 않습니다. 전환 프로세스가 끝나면 프로세스가 안정화되고 일정한 속도로 이동합니다. (여기서는 모든 행위가 동일하다는 것을 상기시켜 드립니다)
이 경우 이동은 개별 단계로 수행됩니다.
이처럼 FUTURE는 발전에 그치지 않고 전진, 발전, 발전합니다.
이러한 꾸준한 단조로운 움직임은 글로벌 진화 캐리어로 간주 될 수 있습니다.
또한 실험으로 다양한 유형의 변조를 도입하여 움직임의 특성에 미치는 영향을 평가할 수 있습니다.
변조는 개별 행위와 결과 프로세스 모두에 도입될 수 있습니다.
예를 들어, 완전히 복잡하지 않은 변조를 도입하면 매우 친숙한 움직임을 얻을 수 있습니다. :)
(그들은 현상의 본질에 대한 이해 부족과 "용어"의 어리 석음 뒤에 오해를 숨기려는 욕구를 분명히 나타내는 "변동성"이라고 불리는 그러한 운동에 대한 특별한 어리석은 이름을 생각해 냈습니다.)
특히 주의할 점은 이 변조된 프로세스를 구성할 때 임의 생성기가 사용되지 않았기 때문입니다!!!
이러한 모델 단순 변조 기능은 단순함에도 불구하고 비선형입니다.
.
이 간단한 예를 통해 앞에서 언급한 가중치 계수 자체를 결정하는 작업이 복잡하고 모호한 이유를 이해할 수 있기를 바랍니다.
효율성에 대해 어떻게 생각하십니까? 그래서 ? 다음이 의미하는 바를 명확히 하면 됩니다.
A- 유용한 작업.
Q - 소모된 에너지.
//---
추신 그것은 단지 회복 인자 입니다. ))
능률
효율성 계산을 망쳤습니다 .