文章 "自适应算法（第四部分）：附加功能和测试"
这种方法的结果并不理想。而马丁格尔通常与高风险相关，但也与高收益相关。
我早就注意到，熵、分布等抽象概念不太适合市场。抽象概念的复杂性会增加，但结果却不会。
这种方法的结果并不理想。而马丁格尔通常与高风险和高收益联系在一起。
我早就注意到，熵、分布等抽象概念不太适合市场。抽象概念的复杂性会增加，但结果却不会。
结果看似不大。但在某个地方，有一个模型可以在不做调整的情况下显示任何市场和大时间间隔的收入，也许我错过了什么？
如果收入是指击败银行存款，这是可能的。但在那里，利息会不断累积，而在这里，缩水是利润的 2-3 倍。而且在报告期结束时，结果还是未知数。
我写的是我在屏幕上看到的情况
如果您说的收入是指击败银行存款，那是有可能的。但在那里，利息是不断累积的，而在这里，提款是利润的 2-3 倍。而且在报告期结束时，结果还是未知数。
我计划大幅削减银行存款。是的，现在是有缩水，但可以大大减少。在最新的修改中，我成功地在参数不变的情况下，将一种工具的缩水率降低了 10 倍，与文章中的版本相比是如此。
我只是就我所看到的发表评论，没有进行任何深入分析:)
这种方法的结果并不理想。而马丁格尔通常与高风险联系在一起，但也与盈利性联系在一起。
我早就注意到，熵、分布等抽象概念不太适合市场。抽象概念的复杂性会增加，但结果却不会。
我也这么认为。
对于网格 TS，首先应该看测试者图表上的资产净值线，而不是余额，在文章所举的例子中，我认为没什么可看的--一般来说，TS 的行为是不可预测的。
只是就我所看到的发表了评论，没有进行任何深入分析）
我理解你的问题，但并不总是很清楚在做什么、为什么做、追求什么目标，因此需要评论。从外部看问题有助于了解可能犯错的地方。
我也这么认为。
对于网格 TS，您首先应该看的是测试者图表上的资产净值线，而不是余额，在文章给出的例子中，我认为没有什么可看的--TS 的行为完全不可预测
不可预测，但在对 56 种交易工具进行 18 年的测试中，它在没有优化的情况下显示出了优势。那么可预测的行为会是什么呢？
不可预测，但在对 56 种交易工具进行的 18 年测试中，它在没有优化的情况下显示出了优势。那么什么是可预测的行为呢？
可以预见的是，文章中讨论的 TS 只是取决于起始存款。
SZY：有句话说，如果你在河岸上坐的时间长了，你就能看到路过的敌人的尸体......我认为，18 年的测试期重复了这句话。
可以预见的是，文章中讨论的 TS 仅取决于起始存款
SZY：俗话说，久坐河边见过客......在我看来，18 年的测试期大约重复了这句话。
新文章 自适应算法（第四部分）：附加功能和测试已发布：
我将继续采用最少的必要功能来充实算法，并测试结果。 其获利能力十分低下，但文章展示的全自动盈利交易的模型，是在不同的行情基本面及完全不同的金融产品上进行。
在上一篇文章中，我演示了该算法如何生成开仓信号，并在若干尺度上同时分析，从而定义最大趋势尺度。 基本操作算法已讲述过了。 价格序列图表并非由一个尺度构成。 同一时刻在若干尺度上显示出趋势，而在其他尺度上则可能是横盘。 此功能应是为了获取盈利。
在此，趋势部分是片段，趋势持续概率超过 50％，而横盘部分，其趋势反转概率超过 50％。 换言之，如果前一块正在增长，那么在趋势部分中，新块也将以高于 50％ 的概率增长。 在横盘图表上，增长块大概率其后会紧随下跌块。 我在文章“什么是趋势，以及基于趋势或横盘的行情结构”中详细讲述所提议的定义。
图例 1. 不同尺度上的趋势和横盘
图例 1 在尺度为 0.00061 时 32 个块上显示出清晰可见的看跌趋势。 在尺度为 0.00131 时 32 个块上几乎不存在这种趋势。 在大多数情况下，并发的尺度上会即有趋势，也有横盘。
作者：Maxim Romanov