Ответ: n1e = 21; p1e = 0.71; p2e = 0.17 (числа округлены). Он кажется достаточно очевидным − наша модель "увидела" смену направления (или коррекцию) движения цены в конце её участка. Это говорит о том, что переход к более сложной модели в данном случае был не напрасен.
不是时间。 而是来自于 我们想要利用的市场属性的变化。
在第一近似值上，反应速度应与系统对之做出反应的事件的速度相匹配。
反应速度越快越好。如果反应速度较低--则不好，我们没有时间做出反应。
也就是说，"有时"是不同的，取决于特定的系统。
"黄油就是黄油"。市场属性会随着时间而改变。你的某种算法会根据这些属性改变原始系统的参数，而这些参数通过对这些属性的依赖成为时间的函数。如果我们有函数 y=y(x) 和 x=x(t)，那么函数 y=y(x(t) 就已经是时间的函数了。你改变原始系统参数的算法显然需要调整（例如反应速率），这通常是通过为其引入 一些 参数 并进行选择来实现的。这些参数将是根据原始系统建立的新系统的参数。
让我们来谈谈术语。
如果我们谈论的是价格预测，那么我们就必须考虑到预测的可靠性
如何评估预测误差？
是第 1 项 + 第 2 项吗？这主要取决于具体的 TS，有的地方时间更重要，有的地方价格更重要，有的地方两个因素都重要。
TS 的权益就是对价格预测的评估。最好不仅通过完成一笔交易来进行评估，还可以通过未结交易中的策略来进行评估，这就是我上面所说的）。
Igor Makanu:
事实并非如此。
让我们忽略资本管理，尽管它是 TS 的重要组成部分。
对于交易而言，重要的不仅是预测价格将到达何处，而且还必须假设何时会发生，或者有必要考虑入市 前发生的情况，即有必要分析某种设置或模式。
但仅仅预测价格会突破这样或那样的水平......在主题论坛上，每个人都会这么做，但这些预测很少能帮助赚钱。
我同意，如果您假定预测一栏和每一栏的收盘价和开盘价，但这样的 TS 将在 TF D1 及以上版本中起作用。
是的，"入市 前发生的情况 "是一种价格分析，在此基础上对设置后的进一步行为进行预测（是否开仓）。
关于 "一栏 "是为了简化讨论，您可以从 D1 切换到 H1，"一栏预测 "将被称为 "24 栏预测"。"石油的石油市场属性随时间而变。你的某种算法会根据这些属性改变原始系统的参数，而这些参数通过对这些属性的依赖成为时间的函数。如果我们有函数 y=y(x) 和 x=x(t)，那么函数 y=y(x(t) 就已经是时间的函数了。你改变原始系统参数的算法显然需要调整（ 例如反应速率），这通常是通过为其引入 一些 参数 并进行选择来实现的。这些参数将是根据原始系统建立的新系统的参数。
主要思路是，天文时间尺度是线性的，但市场属性通常会发生极度非线性的变化。而交易者更经常重新计算模型。
关于反应速度的想法是，被利用事件的速度通常从历史中得知，并且近似恒定（例如相同的间隙），因此没有必要不断调整，只需选择一次有储备的反应速度即可。
我想不用我说，大家也都明白了）我只是觉得，有关 SLUP 的教科书，甚至有关 matstat 的教科书，都回避了这些细微差别。
其基本思想是，天文时间尺度是线性的，而市场属性通常以高度非线性的方式变化。而交易者更经常重新计算模型。
关于反应速度的想法是，利用事件的速度通常从历史中得知，并且近似恒定（例如相同的间隙），因此没有必要不断调整，只需选择一次有储备的反应速度即可。
我想不用我说，大家也都明白了）我只是觉得，在关于 SLUP 的教科书中，甚至在关于 Matstat 的教科书中，这些细微差别都被绕过了。
在 SLUPs 中，时间是一个极其抽象的对象。也许，我们只能说它是一维的，不可能展望未来。
我只是不同意您最初关于片断常量模型不适用的说法，并声称（从非常普遍的角度来看）我们只使用片断常量模型。粗略地说，无论我们从什么角度出发，我们最终都会得到一个带有一组参数（这些参数是恒定的，有时也会变化）的算法。除此以外，只有一种选择--胡乱交易。当然，这种说法没有实际用途，但这并不意味着它是错误的。
这主要取决于 TC 的具体情况，有的地方时间更重要，有的地方价格更重要，有的地方两个因素都重要。
TS 的权益是对价格预测的估计。最好不仅通过完成交易来进行（评估），还可以通过在公开交易中的策略来进行（这就是我上面所说的）。
;)
规范
@Aleksey Nikolayev 解释 "手指上"......最好不要露出中间那根 ))
文章中的示例 4
如果用脚本计算后得到以下结果：
N1E=31 P1E=0.7741935483870968 P2E=0.499786097834425
这些值与您从文章中计算出的值相比有何不同？
Ответ: n1e = 21; p1e = 0.71; p2e = 0.17 (числа округлены). Он кажется достаточно очевидным − наша модель "увидела" смену направления (или коррекцию) движения цены в конце её участка. Это говорит о том, что переход к более сложной модели в данном случае был не напрасен.
其基本思想是，天文时间尺度是线性的，而市场属性通常以高度非线性的方式变化。而交易者更经常重新计算模型。
关于反应速度的想法是，利用事件的速度通常从历史中得知，并且近似恒定（例如相同的间隙），因此没有必要不断调整，只需选择一次有储备的反应速度即可。
我想不用我说，大家也都明白了）我只是觉得，在关于 SLUP 的教科书中，甚至在关于 Matstat 的教科书中，这些细微差别都被绕过了。
一方面，您可以系统地（而且非常合理地）将价格和时间的尺度变为非线性和曲线尺度......（对于时间，情况很混乱，密度来回跳动）。
此外，在交易的经典中，只有两个工程师--你可以看到技术，技术人员不会撒谎。
基本面！ 其他一切都是表面的，都是管理者添加的。
@Aleksey Nikolayev 解释一下 "手指上"......最好不要露出中间那根 ))
文章中的例子 4
如果经过脚本计算后我得到了这样的结果：
N1E=31 P1E=0.7741935483870968 P2E=0.499786097834425
这些值与您从文章中计算出的值相比有何不同？
试着在相同的图表上运行脚本 "discret_prices.mq5"，并使用相同的参数（就像您运行脚本 "p1p2_model.mq5 "一样），看看离散化价格的情况是否与我的（以及文章中在欧元兑美元图表前给出的 1 和 -1 的序列）相似。我得到的 n=27，应该大于或等于n1e。
试着在相同的图表上运行脚本 "discret_prices.mq5"，并使用相同的参数（就像您运行脚本 "p1p2_model.mq5 "一样），看看离散价格的情况是否与我的相似（以及欧元兑美元图表前的文章中给出的 1 和 -1 的序列）。我得到的 n=27，应该大于或等于n1e。
图表是不同的，我只是在处理所提供的数学工具。
这就是为什么会出现这样的问题，如果根据 Bernouli 的方案，我的值为
会得到什么结果？
N1E=34069 P1E=0.5006604244327688 P2E=0.090909090909091
D1 图表本身，趋势清晰可见