是否有一个过程,其对一个部分的分析不允许预测下一个部分。 - 页 14

 
回到过去的交易是不可能的。
 

而且我没有任何未来的引言,我想你也没有。

但我可以向电网提供电网不知道的过去的测试引文。看看这些日期。

 
对于这种事情,你必须分析一下净值的走向。没有其他方法可以做到。
 

样本2011.10.01-2012.03.01 8890例,转发2012.03.01-2012.05.25 4828例。


 
18件事...
 

但市场可以做得更糟。

a) 传播,关于它的舌头已经被封住了),但即使不是这样,那么

b) 就我的理解,较小价差的条形图的方向比剧烈运动的方向更好预测。因此,寓意是:如果我们在预测小条形的方向时更成功,而在预测大条形的方向时更不成功,那么即使是具有正MO的方向预测,在点上也会出现负面的结果。也就是说,对资金流出的不良预测,简直可以吞噬掉一个单位的优秀成果。显然,我们需要一个明确的工作与停止,和 "智能 "停止,愚蠢地把一个停止在一个水平,可能,将不会工作...

 

alsu:

1.直18...

但在市场上,情况可能会变得更糟。

1.A)传播,关于它的舌头已经被封住了)但即使它不存在,那么

3.b)就我的理解,较小价差的条形图的方向比剧烈运动的方向更好预测。因此,寓意是:如果我们在预测小条形的方向时更成功,而在预测大条形的方向时更不成功,那么即使是具有正MO的方向预测也会在点上给出一个负面的结果。也就是说,对资金流出的不良预测,简直可以吞噬掉一个单位的优秀成果。显然,我们需要一个明确的工作与停止,这里需要 "聪明 "的停止。 停止在一个水平可能不会工作......

1.嗯,这当然不是圣杯,市场是不断变化的(几天前有效的模式今天就不灵了)。要求每天至少训练一次。

2.考虑到了价差。网格已被训练成不会对小于2个最大价差的仪器的移动做出反应。

3.有一封信。比起剧烈运动的方向,较小的价差的条形图的方向预测得更好(部分原因是样本中的条形图更多,部分原因是它们包含了关于这一过程的主要信息,我认为),而同时产生的几个条形图的方向甚至更好。特定条形图的颜色预测性很差。

一般来说,我认为把SL放在预测区域的可能运动规模的3sco。我们在没有SL和TP的情况下进行训练,并在有SL但没有TP的情况下进行交易,这样一来,胖尾巴可能带来的主要损失会更小(如果不能正确识别异常大的运动颜色,无论如何都会有)。这样一来,人们可以额外地将MO提高到电网所能提供的水平。

 

一般来说,纯粹是假设,尽管已经有一些发展,预测过程系统应该有两种状态--"知道 "和 "不知道"。在 "知道 "状态下,系统进行预测。在'不知道'的状态下,它不做预测,要么系统不知道过程的当前状态,要么系统知道在这种情况下'最好不要'做预测。随着时间的推移,如果这个过程改变了它的特点和内部关系,系统就会越来越多地处于 "不知道 "的状态,最后停止,事实上,预测是处于一个稳定的、持续的 "不知道 "的状态。这样的系统在任何情况下都是有价值的--只需调整/学习一次,你就可以 "忘记 "它的存在,因为最坏的情况是系统从 "不知道 "的状态。

一切都很好,但有一个BUT。模式逆转发生在金融市场上,当一个工具的当前状态的同一模式成为逆转效应的原因时,在这种情况下,早些时候人们必须买入--而现在人们必须卖出。因此,有必要对该系统进行持续的训练,以保持对这种最近因果模式逆转的了解。


据我所知,所有的现代预测系统都集中在一个恒定的 "知道 "状态,所以过程的特点和内部联系的轻微变化都会导致错误的预测。这表现在样本区以外的系统利润率降低。


请大家发表意见,同事们。

 
joo: 一般来说,我认为把SL放在预测区域的可能运动规模的3sco上。训练时不使用SL和TP,交易时使用SL但不使用TP,这样一来,厚尾巴可能带来的主要损失就会减少(如果不能正确识别异常大的运动颜色,无论如何都会是这样)。这样一来,人们可以额外地将MO提高到电网所能提供的水平。

我有一个纯理论的2*sqrt(2) RMS ))

当拉普拉斯分布和高斯分布的似然比通过一个临界点并使尖锐的离群点向拉普拉斯靠拢时,即只是粗尾巴,就可以得到这个比率。问题是在计算有效值预测方面,但这里也可以使用网格,只需去除昼夜季节性。

 
joo:

一般来说,纯粹是假设,虽然已经有一些发展,预测过程的系统应该有两种状态--"我知道 "和 "我不知道"。在 "知道 "的状态下,系统进行预测。在'不知道'的状态下,它不做预测,要么系统不知道过程的当前状态,要么系统知道在这种情况下'最好不要'做预测。随着时间的推移,如果这个过程改变了它的特点和内部关系,系统就会越来越多地处于 "不知道 "的状态,最后停止,事实上,预测是处于一个稳定的、持续的 "不知道 "的状态。这样的系统在任何情况下都是有价值的--只需调整/学习一次,你就可以 "忘记 "它的存在,因为最坏的情况是系统从 "不知道 "的状态。

一切都很好,但有一个BUT。模式逆转发生在金融市场上,当一个工具的当前状态的同一模式成为逆转效应的原因时,以前人们必须买入--而现在人们在这种情况下必须卖出。因此,有必要对该系统进行持续的训练,以保持对这种最近因果模式逆转的了解。


据我所知,所有的现代预测系统都集中在一个恒定的 "知道 "状态,所以过程的特点和内部联系的轻微变化都会导致错误的预测。这表现在样本区以外的系统利润率降低。


请大家发表意见,同事们。


当我们说同样的模式现在给出了相反的信号,有必要重新训练系统时,我们是不是在进行自欺欺人?也许没有将这种模式与信号联系起来的模式?例如,我们抛出一枚硬币,并注意到,在三枚尾巴之后,大多数时候会出现头。这是一个规律性的问题,还是因为缺乏大量的实验(可以更准确地评估统计数据),我们得出了错误的结论?我已经用图案折磨自己很长时间了,一直在思考这个问题。

顺便问一下,可以估计市场状况的价格历史深度是多少?

原因: