MQL5.커뮤니티의 발전 기록

트레이딩을 위한 조합론과 확률 이론(3부): 첫 번째 수학적 모델

앞서 살펴본 주제에 대해 논리적으로 연속적인 내용을 다루자면 그것은 아마도 트레이딩 작업을 위한 다기능 수학적 모델의 개발일 것입니다. 이 글에서 저는 프랙탈을 설명하는 최초의 수학적 모델의 개발과 관련된 전체의 과정을 처음부터 설명하겠습니다. 이 모델은 중요한 빌딩 블록이 되어야 하며 다 기능적이고 보편적이어야 합니다. 그리고 모델은 우리의 아이디어를 더욱 발전시키기 위한 이론적 기반을 구축할 것입니다.

트레이딩을 위한 조합론과 확률 이론(1부): 기본 사항

이번 시리즈에서는 거래와 가격 책정 과정을 설명하기 위해 확률 이론을 실제로 적용하는 방법에 대해 알아보겠습니다. 첫 번째 기사에서는 조합론과 확률의 기초를 살펴볼 것입니다. 그리고 확률 이론의 틀에서 프랙탈을 적용하는 방법의 첫 번째 예를 분석할 것입니다.

모집단 최적화 알고리즘: 개미 군집 최적화(ACO)

이번에는 개미 군집 최적화 알고리즘을 분석해 보겠습니다. 이 알고리즘은 매우 흥미롭고 복잡합니다. 이 글에서는 새로운 유형의 ACO를 만들기 위한 시도를 할 것입니다.

트레이딩을 위한 조합론과 확률 이론(1부): 기본 사항

이번 시리즈에서는 거래와 가격 책정 과정을 설명하기 위해 확률 이론을 실제로 적용하는 방법에 대해 알아보겠습니다. 첫 번째 기사에서는 조합론과 확률의 기초를 살펴볼 것입니다. 그리고 확률 이론의 틀에서 프랙탈을 적용하는 방법의 첫 번째 예를 분석할 것입니다.

트레이딩을 위한 조합론과 확률 이론(2부): 범용 프랙탈

이 기사에서 우리는 프랙탈에 대해 계속 알아보고 모든 자료를 요약하는 데 집중할 것입니다. 이를 위해 이전의 모든 개발 내용을 간결하게 정리하여 거래에 실제로 적용하기에 편리하고 이해하기 쉬운 형태로 만들 것입니다.

모집단 최적화 알고리즘: 개미 군집 최적화(ACO)

이번에는 개미 군집 최적화 알고리즘을 분석해 보겠습니다. 이 알고리즘은 매우 흥미롭고 복잡합니다. 이 글에서는 새로운 유형의 ACO를 만들기 위한 시도를 할 것입니다.