创造一个积极的IO - 页 7

新评论
 
yosuf:
因此，我们应该尝试找到一个能够描述，甚至暂时能够描述报价历史的函数，并具有实际用途的可接受的准确性。我想知道与会者对为这个问题专门开辟一个主题的意见。
正如前面所说，如果你发现这样的功能，它很可能会被所有人知道。由于它将被大家所熟知，它的存在很快就会被交易者的行动所需要。那为什么要找它呢......？
 
LeoV:

我同意可以这样做。但这可能无法在某一天发挥作用.....))))。

有一天，地球可能会掉进一个黑洞 )
 
LeoV:

通过研究神经网络和优化/训练各种FC（有和没有神经网络），你应该知道过去的积极MO如何轻易地变成未来的消极MO...))))

适应故事，使用神经网络，你可以把100%的故事适应到顶--并在这个故事上进行交易）），而且在未来也不可能成功。

这是关于别的东西。假设，看着2009年某一周的报价，我有一个好 主意。我在没有任何优化和神经网络的情况下对算法进行了编程--直到今天还能得到正向45C的平衡曲线。这毕竟不是一个配件。

 
  • 具有正期望报酬的系统的例子。

1）在外汇市场上，一种套利交易。在股票市场上--"买入并持有"。

2) 套利

3) 内幕消息:)

在其他情况下，正的预期报酬是不能保证的。

 
yosuf:
因此，我们应该尝试找到一个能够描述，甚至暂时能够描述报价历史的函数，并具有实际用途的可接受的准确性。我想听听与会者对为这个问题专门设立一个主题的意见。此外，这个函数的特性应能澄清在这里和现在出现的许多问题，这些问题由于其根本性而使与会者感到兴奋。
优素福，所以你似乎已经找到了它。(18)被称为。 还是我搞错了？
 
Alligator:

例如，像这样。
我的系统在过去有一个适度的高MO，假设连续损失的数量是5。
我让所有的参数都保持不变，但根据计算，我的系统在未来将没有太大的问题。
连续9-10次失败的交易。我正在做类似安全系数的事情。另外，纯粹从实践上看，我不认为即使是
即使是这个选项（连输9场）也是可能的。

一系列损失的大小可以计算，但没有考虑到所有参数的精确算法。基本上，其大小取决于TR和SL。它越小，这个系列就越长。
但是问题来了：这个系列之后会有什么？另一个系列，规模较小？
 
jelizavettka:
优素福，所以你似乎已经找到了它。(18)被称为。 还是我搞错了？
不，你不是，但我决定用简单的例子来展示和证明它的潜力，当参与者为这个功能举手时，我才会完全公开它的外观。这样，对手就能相信它的简单、优雅和追求价格的成功的必然性。
 
当然，我很抱歉，但从理论上讲，你正试图从所有市场参与者那里夺走利润。
 
DmitriyN:
一系列损失的大小可以计算出来，但没有确切的算法可以考虑到所有参数。基本上，其大小取决于TR和SL。它越小，这个系列就越长。
但是问题来了：这个系列之后会有什么？另一个系列，规模较小？


同样，可能有很多选择。

例如，如果有这样一个系列（连续10次失利--虽然我希望你能理解这个概率）。

我的账户总共损失了20-30%（捡起来），决定关闭它。

对于剩下的70-80%，我开了一个新账户。

 

而我决定通过套期保值者的 情绪来确定趋势， 套期保值者的持仓特点是逆势而为。

这些大人物比我们更清楚趋势是什么)

1234567891011121314...25
新评论