Идея автоматической торговли привлекательна тем, что торговый робот может без устали работать 24 часа в сутки и семь дней в неделю. Робот не знает усталости, сомнений и страха, ему не ведомы психологические проблемы. Достаточно четко формализовать торговые правила и реализовать их в виде алгоритмов, и робот готов неустанно трудиться. Но прежде...
附加一个破折号，用于趋势过滤。
我指的是像马云那样的ATR计算，使用的是平均法。事实证明，如果在平均期的末尾有大的数值，然后它们离开了这个时期，这时曲线就会下降，尽管在前缘一切都很平静。也就是说，这些数值在现实中已不存在，但它们影响了指标的行为，这是错误的。
Chinky在这里建议了一个很好的选择，你也可以把它作为一个趋势检测器。你可以把它重新加工一下。
你对波动性的看法是正确的。下午好!
再一次，这个主题的最初想法有点走偏了。它不再是 "寻找..."，但创造了***。我明白，如果我们创建一个EA进行测试，即检查模式并确认其性能，或者不检查。而且我们应该检查下一个，而不是进一步创造什么。以我的愚见，专家顾问应该在找到至少20-30个模式后才能创建。但我认为，专家顾问不再是这个分支的主题 - 它将是类似 "一个创新的决策系统..."...:):):)
问候，RomFil
P.S. 在配对交易中的规律性的想法呢？我有一个非常好的想法，适用于任何时间框架。准备分享，条件是由EA进行仪器验证。
Romfil，你是对的。看看现在的情况。我们在Rails中发现了某种模式，但就像其他所有的想法一样，它在一个地方有效，而在另一个地方却不适用。也就是说，我们需要对市场进行一些特征划分：趋势-平坦，不同的振幅和频率。 我想做这样一个分离器，那么它将帮助我们更慎重地测试任何策略。
我们将继续测试不同的策略。正如你所建议的，我们将制作基于指标的EA来测试该策略。让我们测试一下你的策略。
关于成吉思汗的想法。看看这幅画。如果我们制作2-3个具有不同最小距离的指标实例，并将它们合并为一个，那么我们就会看到小的运动，但我们也知道我们是在哪个全球趋势中工作。
也就是说，我们现在正在创建一个检查想法的通用工具。而改善EA中的止损也是这样的工具。
弗拉基米尔，你好！
我对这个问题有点不理解。关于时间框架，我习惯于考虑日线走势，在H1上，一切都可以看到，你可以快速测试。20年的时间--我采取了最大的时间间隔，不包括直到1999年的一小时时间框架上的每日运动。引文的来源是标准的DC。
把这个想法传播出去，我们可以改变一些东西。
我部分同意，但在我看来，停止和接管是最不应该玩的东西。我可以不停地谈论战略思维和正确的做事方式，但我想你能告诉我的比我更多......- 所以我不会谈论它。我只想指出，我们已经开始偏离了预定的路径......。:)
我无法用几句话告诉你这个想法。今晚我将尝试描述它的大部分内容，并发布一个 "想法 "的指标。
问候，RomFil
我刚刚在普通券商的报价档案中试了一下，从Metaquotes的历史记录后，英镑兑美元的看盘价达到了2019年4月30日。就这样了。
在H1上试了一下，直到2015年，没有再进一步。在更高的时间框架内，英镑的故事可以追溯到1992年。
只是想指出，他们已经开始偏离了预定的道路......。:)
如果你不尝试在实践中分析模式，那么模式的意义何在？
我特别同意你的观点，不是需要1-2个参数，而是需要很多。所以我再问一次，你对在自动化系统中使用大数据有什么看法？还是我们在谈论一种不同的提取方法？软件？
哦，我明白了，这是个手鼓舞!我不知道这个软件的噱头是什么，直到最后也没有弄明白复杂的检索报价。但尝试从Metaquotes服务器下载五角星，你也会得到H1的长期历史。
然后更新图表
如果你不尝试在实践中分析一个模式，那么这个模式的意义何在？
而具体到不是需要1-2个参数，而是需要很多参数--这里我是同意的。所以我再次问，你对大数据在自动化系统中的应用有什么看法？由于对 "大数据 "有不同的理解，人们对它的讨论无休止。对 "大 "字没有共同的理解......。:)
但实际上我个人认为：重要的不是数据的数量，而是决策系统！！。
我已经在私人信件中回答了这个问题（你一定是在错误的背景下理解了我的这句话），我在这里重复一下（摘自互联网上某个网站上的争议背景）。
好吧...如果你有兴趣，那么让我给你讲讲我的看法：
1）指标是昨天的世纪！终端屏幕是信息的主要来源。但屏幕上有什么呢？可能有区域指标等等。
2）我所看到的方式。(1) 有一个带有神经网络预测器的图形，大约有200-300个，也许更多--这些预测器对历史本身+随着每个刻度 的到来，通过调整到AI本身定义的目标函数来修改它们的读数。(2）所有这些预测器+一个屏幕（不仅是一个，而是来自不同时间和深度的屏幕的时间序列），无论是否有指标，都被送入一个多层非常深的网络的输入（这是现有的；网络必须很大，大约有几千万个神经元）；（3）然后你为人工智能设置一个标准，它在输入的基础上找到最佳目标函数。
好了，就这样吧......。:):):)这只是一般意义上的，但每个元素都应该包括整个复杂的计算和信息处理。
总的来说，我可以说，即使现在使用120个输入和一个输出的深度神经网络，我也可以在70-75%的情况下预测下一个栏的方向。而且说实话，这不是极限，我还可以再挤出几个百分点。但这只是方向。 这个方向的大小可以通过我在过去几页的主题中概述的想法来尝试确定。
问候，RomFil。
P.S. 所以这就是数据量--它是 "大 "还是仍然不够？
哦，我明白了，这是个手鼓舞!我不知道这个程序的诀窍是什么，我还没有弄清楚关于获取报价的棘手部分。但尝试从Metaquotes服务器下载五参数，你也会得到H1的长期历史。
然后更新图表
这里有另一项更正...:)