Terima kasih atas komentar Hanover. Bersama dengan pengalaman pengkodean Anda dan pemahaman pasar umum, saya tahu jauh di dalam Anda sudah melakukan suatu tempat di sanaOriginally Posted by ;
Terima kasih atas komentar Hanover. Bersama dengan pengalaman pengkodean Anda dan pemahaman pasar umum, saya tahu jauh di dalam Anda sudah melakukan suatu tempat di sanaOriginally Posted by ;
Terima kasih telah mengklarifikasi faktor-faktor ini. Saya akan memposting hasil saya besok dan saya sedang mengusahakannya. Kita dapat berbicara tentang bagaimana menggunakan data ini. Saya percaya bahwa cara terbaik adalah dengan melihat distribusi kemungkinan 5 dimensi (kemungkinan waktu pitpuncak dan jarak hadiah yang diamati sebagai tambahan dari 0-garis persilangan dan 0-baris kesempatan).Originally Posted by ;
1 Attachment (s)
Menunggu itu. Jangan membatasi diri Anda untuk menyandikan info baik imo. Heres apa yang biasanya saya lihat dalam hal jumlah 0 cross lineup.Originally Posted by ;
1 Attachment (s)
Bagaimana saya bisa menafsirkannya? Dapatkah Anda merujuk ke definisi tren pada M1 (atau mungkin lebih besar) kandil? BTW - Saya tidak merasa bahwa Anda menggunakan distribusi multidimensi tetapi lebih setelah pengenalan polaklasifikasi (sesuatu yang mirip dengan: jika dekorasi melintasi 0 antara [x1, x2] kutu dan jarak pit di dalam [y1, y2] dan garis terbuka memiliki sudah menyeberang antara [z1, z2] kali dan transaksi dalam arah tren, [t1 gt; 0.8], selanjutnya berdagang). Sekarang saya mengubah kode saya untuk memperbaiki asumsi yang salah. Kali ini saya melihat GU ticks untuk waktu antara 09:00 dan 10:00 (GMT) selama dua minggu. Ukuran sampel adalah 50.000 gt dan dengan demikian imho cukup besar untuk mendapatkan ukuran yang dapat diandalkan. Inilah yang baru saja saya lakukan: Mulailah dengan tik-tik dan perhatikan bahwa itu adalah hadiah (terbuka) Lihat dalam (Id 499) - centang daripada dekorasi (tutup) Tentukan dekorasi pendaftaran terbaik dan terendah untuk interval [ I: I 499] Tentukan apakah tinggi atau rendah yang terjadi pertama Hitung panjang sumbu terbuka bersama dengan panjang sumbu dekat (buka lt; menutup: buka sumbu span = terbuka - rendah, tutup sumbu = besar - tertutup; dan sebaliknya untuk buka gt; tutup) Perhatikan waktu untuk Anda rendah dan tinggi (diukur pada #ticks terjadi karena pub I) Hitung seberapa sering hiasan melintasi dekorasi terbuka (pada arah resp besar. Non, tergantung pada yang terjadi akhir) Tentukan waktu (diukur sebagai waktu tick lagi) dari salib terbuka terakhir di jalur kejadian puncak akhirbawah (tinggirendah). Ulangi prosedur untuk tick berikutnya (tick I 1) Distribusi dari 6 langkah ditunjukkan di bawah ini Karena saya tertarik dalam perdagangan lintas garis reseptif saya menghapus kejadian 0 waktuhadiah dari e statistik dan hanya mencetak histogram untuk kali, #occurences, dan hadiah gt; 0. Meskipun hasilnya terlihat mirip dengan gambar Sis.yphus diposting pada halaman 1, saya dapat melihat beberapa perbedaan. Selain itu ada beberapa perbedaan yang saya tidak tahu. Mengapa menunjukkan distribusi jarak pit dan puncak sumbu x yang sama dengan plot lainnya? Mengapa waktu puncakdistribusi jarak cukup berbeda dibandingkan dengan distribusi sumbu saya yang Dekat? Bagaimana dengan perbedaan antara 0 garis silang dan garis silang reseptif? Jika ada yang tertarik dengan kode R saya, saya dapat mempostingnya di sini ...Originally Posted by ;
2 Lampiran (s) Aplikasi yang paling sederhana untuk distribusi waktu bukatutup sumbu Anda adalah ide yang cukup tua. Saya dan yang lain menerjemahkannya di antara lelucon yang paling awal berjalan @forexfabrikasi(egi AMAZING dari Merlin). Karena sumbu terbuka (yang merupakan definisi retracement di arah berlawanan dari candlestick) terjadi dengan probabilitas tinggi pada paruh pertama dan sumbu dekat di paruh berikutnya seumur hidup lilin, Anda bisa memeriksa tinggirendah yang dibuat selama paruh pertama dan belijual jika yang tinggirendah terlampaui. Yang mensyaratkan bahwa kejadian dari semua waktu sumbu independen dari satu sama lain, sehingga distribusi waktu yang terjadi benar-benar menguntungkan kita. Saya membuat histogram 3D untuk menunjukkan hubungan waktu sumbu yang tertutup dan terbuka. Ini menguntungkan kita, sehingga gagasan itu bisa diterapkan (sementara ini bukan tujuan saya dengan analisis). Namun, itu adalah penjelasan yang masuk akal mengapa putusnya satu harijamTF apa pun untuk dua subdivisi dapat membantu ... PS: ... dan ketika tidak ada x2 lilin terakhir yang bergerak di atasdi bawah tertinggiterendah garis, maka sering kali adalah ide yang bagus untuk berdagang pada arah garis terendahtertinggi ini.
Memperkuat Psikologi Perdagangan dengan Nilai yang Diharapkan - Bagaimana Menghilangkan Lagi Ini merupakan kelanjutan dari persyaratan pemasukan mereka. Saya secara singkat menyentuh nilai yang diharapkan di sana mengenai mencapai tujuan harian Anda, tetapi saya ingin berbicara tentang manfaat memahami nilai yang Anda harapkan miliki dalam psikologi trading Anda sendiri, khususnya dalam hal perdagangan sistem hit rendah. Untuk orang-orang yang merengek: Nilai yang diharapkan = (Reward * Acquire Rate) - (Risk * Lose Rate) Sekarang, agar jumlah ini akurat, Anda harus benar-benar mengkonfirmasi sistem Anda sehingga Anda dapat mempercayai data yang diberikannya kepada Anda. Jumlah ini luar biasa. Ketika akurat, itu teman Anda, tetapi jika tidak akurat, itu bisa menjadi musuh terburuk Anda. Jumlah ini pada dasarnya memberi tahu Anda apa yang Anda lakukan setiap kali Anda melakukan perdagangan dengan program itu, tetapi seperti LTV (Nilai Waktu Kehidupan Klien) untuk perusahaan layanan atau yang serupa. LTV tidak berarti Anda akan membuat klien itu, tetapi itu berarti, itulah yang Anda buat untuk setiap pelanggan baru. Sama dengan EV. EV tidak memiliki hasil dari transaksi apa pun. Ini hanya mewakili apa yang Anda buat untuk setiap perdagangan yang ditempatkan dari waktu ke waktu. Satu sistem yang saya perdagangkan memiliki nilai yang diharapkan sebesar 42%, apa pun risikonya dalam suatu transaksi. Ini memberikan keyakinan besar ketika berdagang karena saya mengerti selama saya memasukkan pengaturan dengan benar, apa pun hasil dari transaksi tersebut, saya menambahkan 42% dari apa pun risikonya kembali ke akun saya, pada beberapa waktu kemudian. Jika Anda memahami bahwa angka Anda dan mereka akurat, Anda tidak pernah benar-benar mengalami kerugian.
Sepertinya beberapa pesanan pembelian besar-besaran memukul EURJPY. GU GJ EU semua meluncur sementara EJ membajak ... Menarik.
Ini disebut conditional likelihood dan imho, manajemen kemungkinan EURUSDD meninggalkan banyak hal yang diinginkan. Ini adalah dilema yang sama dengan kejanggalan Gambler.Originally Posted by ;
Ya, dalam beberapa hal, manfaat menggunakan fallacy penjudi itu tidak baik, tetapi dengan cara lain, saya percaya itu memiliki tujuan yang sah. Pertimbangkan TZ yang sebenarnya. (bukan zona fraktal) jika Anda memiliki satu bentuk PTZ, dan PTZ lain membentuk lilin sesudahnya, itu seperti melihat dua koin membalik di udara dalam waktu yang sama daripada menunggu yang pertama ke properti sebelum membalik kedua. Yang pertama belum mendarat (diverifikasi) sehingga kemungkinan belum turun tetapi jika ini masuk akal.Originally Posted by ;