...можно сделать предположение о том, что функция траектории адекватно может быть представлена некоторой квадратичной формой - дальше почти просто: поиск экстремумов функционалов критериев качества для таких форм весьма исследованная область. То есть нужно делать отбор выборок, экстремальным образом удовлетворяющих критериям качества.
Вот собственно такую систему, которая ВСЕГДА получает правильный прогноз мы и получим в идеальном результате (это как цикл Карно - теоретически он есть, практически к нему можно лучше или хуже приблизиться).
А даёт ли стратегия прибыль при тестировании по ценам открытия (быстрый метод) ?
它也是如此。与M1（所有点数）的利润之差为5-10%。我只是认为，所有刻度线都能提供更可靠的结果，这就是为什么我不使用M1（快速方法）。
这非常好，这正是我所期望的。
测试方法的不同会影响到程序是否使用程序化的平仓或开仓的明确订单。因为在你的情况下，SL和TP接近，测试方法不应该影响它。
测试方法的不同会影响到程序是否使用软件平仓或开仓显性订单。由于你的情况是通过SL和TP进行平仓，所以测试方法不应该影响它。
当然，我们不应该忘记，除了不同的测试方法（所有刻度）和（快速方法），你会有共同优化的参数值的差异，除了在战略盈利能力上的差异！这一点。而且没有办法修复它:o)。如果我们可以在某种程度上调和不同测试方法的利润差异，那么，至少对我来说，与优化参数值 的差异共处是非常有问题的。）
弗拉迪斯拉夫，你能帮助并建议哪些文献（电子形式）值得阅读以处理上述信息？还是你指的是你推荐的Bulashev的教科书？也就是说，你所说的二次形式是指用一个常数、一个一阶项和一个二阶项组成的项之和来逼近价格序列？还是我没听清？将我假设的二次元形式转换为势能呢？这是如何做到的？我也还没有遇到过 :o(
而且你还说，你在Santiment主题中的Spider上有关于你的问题陈述的帖子。但我找得很辛苦，没能找到你的VG的帖子。如果不困难的话，请给我链接。
预先感谢您的详细答复!
1.在构建线性回归 通道时，你是使用直线方程，还是用一个包含二阶项的方程来近似价格序列，然后按照布拉舍夫书中所述，经过数学变换，将这个二阶方程还原为线性直线方程？请就对价格序列应用一阶和二阶近似方程的便利性发表意见。不同的方程式在结果（贸易本身）方面是否有可察觉的差异？
2.你说你在策略中使用标准差。你能解释一下你如何使用它吗？
提前感谢您的回答
弗拉迪斯拉夫，你能帮助并建议哪些文献（电子形式）值得阅读，以处理上述信息？还是你指的是你推荐的Bulashev的教科书？也就是说，你所说的二次形式是指用一个常数、一个一阶项和一个二阶项组成的项之和来逼近价格序列？还是我没听清？将我假设的二次元形式转换为势能呢？这是如何做到的？我也还没有遇到过 :o(
而且你还说，你在Santiment主题中的Spider上有关于你的问题陈述的帖子。但我找得很辛苦，没能找到你的VG的帖子。如果不困难的话，请给我链接。
预先感谢您的详细答复!
关于二次形式 ( F(x,t) = A*x^2+B*t^2 + C ) - 这是数学物理学、场论和优化理论在这些术语的数学意义上。所谓系统参数的优化，只是一类足够广泛的数学方法的结果，以获得满足一组矛盾约束的极端解决方案。我没有找到它的电子版，尽管我确信它存在。有很多文献--我甚至不能说从哪里开始。
关于一美分的话题--现在懒得去找了--当时没有进入方程式：决定不关注:)。
我可以在这里概述一下主要内容。
1.市场是由人控制的（即使他们有大量的资本，也无所谓）。
2.具有相同兴趣的人有相同的 "吸引区"（例如，具有类似心理类型的人更喜欢交易某些工具，这基本上提供了市场的特殊性 - 假设)
这似乎是一个僵局（许多人一开始就是这样），但如果我们再做一些假设，那么就有希望了。
人们倾向于在相同的情况下以相同的方式行事（类似决定中存在重复）。
让我们假设，市场上任何一群管理者的行为都来自于对利润最大化的渴望。我们还假设存在一些管理者（一个理想的系统），它总是能实现一个极端的结果。那么，行动必须来自于更强大的东西，而不是简单地想让市场朝一个方向发展的愿望。例子--几年前，日本支持奎德的干预相当成功。经过几次尝试后，日本宣布不再玩这种游戏了。而且他们在5-10分钟内扔了很多钱，试图阻止欧元的趋势。
此外，相应地，有可能假设存在某种外部力量，推动市场或形成市场管理者决策的前提条件。我们仍然可以假设（在我看来是非常合乎逻辑的），这种力量是许多组成因素的结果，并且有可能尝试设定任务和评估决定。
事实上，这样的系统，总是得到正确的预言，我们将得到一个理想的结果（它就像一个卡诺循环 - 理论上它存在，实际上它有可能接近它更好或更坏）。而在现实中，当然也有一些不确定的范围。
还有一点--所有这些都来自于市场的分形性质（这一假说的发展与有效市场假说相对立）--即来自于市场中存在非随机预测期的事实。也就是说，要在一个黑暗的房间里去寻找一只黑猫，就必须假设至少在黑暗房间的某些部分存在一定数量的黑猫:)。
好运和跟踪趋势。
弗拉迪斯拉夫，关于卡诺循环，我可以建议你的策略使用外力所做的功的计算，基于对白烛和黑烛的总结，例如通过开盘价和收盘价。因此，我理解，如果你把白色和黑色烛台的主体分别加起来，那么我们将有一个推定的比例，即向下做的工作比向上多多少，或者反之亦然。那么，我们可以根据这些数据假设，比如说，根据历史分析，系统处于其两个极端中的一个？那么，如果这不是一个秘密，你们是根据什么时间框架来进行这些计算的？那么计算的最佳条数 是多少呢？虽然我当然可以假设，这不是我们用哪个时间框架来计算和需要多少条的问题。那么你认为应该用哪个时间段来计算？因为根据我们进行计算的时间间隔，所有的结果都取决于它吗？也许，你在你使用的Murray指标中，取一个对应于P=64的时间段？也就是说，最好以64个交易日为周期进行计算？
弗拉迪斯拉夫，关于卡诺循环，我可以假设，在你的策略中，你使用了基于白烛和黑烛之和的外力做功的计算，例如通过开盘价和收盘价。因此，我理解，如果你把白色和黑色烛台的主体分别加起来，那么我们将有一个推定的比例，即向下的工作比向上的工作多多少，反之亦然。那么，我们可以根据这些数据假设，比如说，根据历史分析，系统处于其两个极端中的一个？那么，如果这不是一个秘密，你们是根据什么时间框架来进行这些计算的？那么计算的最佳条数是多少呢？虽然我当然可以假设，这不是我们用哪个时间框架来计算和需要多少条的问题。那么你认为应该用哪个时间段来计算？因为根据我们进行计算的时间间隔，所有的结果都取决于它吗？也许，你在你使用的Murray指标中，取一个对应于P=64的时间段？也就是说，最好以64个交易日为周期进行计算？
至于卡诺循环--它只是一个例子，作为一个极限值。至于Murray的尺寸--64是方法的开发者的建议。我无法判断这是否是最好的结果，但我用以下的估计来确定足够收敛方法的最小点： 我不记得确切的链接，我通过与计算持久性（Hurst系数>0.5）有关的分析文章查找。有关于市场的分形维度的估计。得出的结论是：许多类型的市场的赫斯特系数位于0.62-0.64的区域内，这又表示平均90天的时间序列的初始条件的损失。也就是说，时间上超过90天的扰动，其影响将是微乎其微的。现在，我把我的参考起点设定为不超过半年（确切的说是180天）--90天并不总是能提供足够的收敛信息，尽管也许这是实施的结果，对于其他算法和质量标准，90天就足够了--我还不知道。当我使用所有可用的历史来计算周期时，结果并没有更好--我只是在计算上花了更多时间。要计算的
小节数 是由结构本身决定的，八度也是为它而建的--所以我甚至不能说是在哪个时间点上计算的--电脑已经计算了很久了:)。这些方法不依赖于TF，所以你可以在任何TF上做，只要你有足够的半年历史。我不评估蜡烛图、守护神之类的东西--你会得到依赖噪音的方法。也就是说，结果将取决于引用的质量，而IMHO认为这并不理想。祝您好运，并祝您在趋势方面好运。
......我们可以做一个假设，即一个轨迹函数可以由某个二次方形式充分表示--这几乎是简单的：寻找这种形式的质量标准函数的极值是一个高度研究的领域。也就是说，人们必须以极端的方式选择满足质量标准的样本。
不同通道的一个相同的默里反转水平将处于不同的置信区间--你需要以某种方式将其切断，不是吗？而质量标准是势能--见关于二次形式--没有什么不寻常的。
我翻阅了关于这个问题的文献。我想，也许不是所有的东西都能在这个特定的案例中找到应用。但在我设法看了以下关于二次函数形式的假设的基础上。首先，我们先说说寻找这个最接近价格序列函数的方法。我想我可以取一个抛物线函数的形式
y(t)=A(t-t0)^2+B 其中y是价格，t是时间，t0是时间线上的一个点，抛物线有一个极点，A和B是系数。
然后是寻找这样的最佳系数A和B，使抛物线按势能最小的标准达到最佳。据我从审查的资料中了解，这种优化的本质如下。我们把抛物线的曲线想象成一条具有相同场势的直线。为了确定起见，让它为零。这种电势场的梯度将与抛物线预先垂直。那么势能最小化的问题就简化为找到这样一条抛物线，其中价格序列的各点与抛物线的曲线之间的最短距离的平方之和将是最小的。因此，我们需要优化抛物线的参数，找到价格系列的各点与抛物线之间的最短距离。最短的距离是沿着与抛物线成直角相交的直线的距离。所以我们需要解决寻找这些最短距离的问题。你能否分享一下，至少在方法上，你使用的是哪种方法。例如，我把寻找这些最短距离的过程想象成如下。
1.我们为现有的价格系列选择（计算的算法还不清楚）或多或少的真实抛物线，我们想对其进行近似。
我们用一个多边形来近似它，这个多边形有一条通过抛物线的每一点的切线的方程。点T的直线方程Y(t,T)=a(t-T)+b，其中a=2A(t-t0)，b=y(T)。
3.然后，对于价格系列中的一些选定的点，我们限制沿t和y轴的数值区域，其中存在一个从该点到抛物线的垂直线与抛物线本身的交点。
4.遍历位于多边形这个区域内的多边形的线段的方程，以获得与垂线的交点。做所需的迭代次数和近似次数，以得到从点到曲线的垂直长度计算的所需误差。
5.将这些片段的平方求和，从而得到目标函数的值。
6.接下来改变抛物线的参数，根据需要多次进行第2至5项的计算。目标函数的最小值对应于以最佳方式逼近价格序列的抛物线的参数值。
那么就有可能从得到的目标函数的最优值中计算出有条件的 "准分散 "和 "准SCO "参数。在此基础上，除了现有的抛物线外，我们还可以在价格图表上画出更多的抛物线，这些抛物线有条件地具有数字概率特征，并体现出具有相同趋势逆转概率的潜在场线。例如，70%、80%、90%的反转概率线。
弗拉迪斯拉夫，你认为我是在朝着理解你的战略的正确方向发展，还是我根本就不理解，走了一个完全不同的方向？
我已经忘记了VM的课程，我可能是错的，但你可以试试这个。
从一个点到抛物线的最短距离将是该点沿与法线重合的线的距离。
抛物线的法线可以通过第一个导数来计算，（导数是切线的倾斜角的切线）。
因此，可以构建一个方程组。
1.抛物线的方程。
2. 直线（法线）的方程（知道导数）。
3.属于直线（法线）方程的点
如果我们解决这个系统，就会得到一个严格的解决方案。