برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید

09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Parallel functions for MTS

دانلود کتاب توابع موازی برای MTS

مشخصات کتاب

Parallel functions for MTS

دسته بندی: علمی-مردمی
ویرایش:  
 
سری:  
 
ناشر:  
سال نشر:  
تعداد صفحات: 0 
زبان: English 
فرمت فایل : DOC (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 265 کیلوبایت

قیمت کتاب (تومان) : 38,000

میانگین امتیاز به این کتاب :
تعداد امتیاز دهندگان : 10

در صورت تبدیل فایل کتاب Parallel functions for MTS به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.

توجه داشته باشید کتاب توابع موازی برای MTS نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.

توضیحاتی در مورد کتاب توابع موازی برای MTS

این ارائه برای جزئیات یک ابزار اضافی طراحی شده است که می تواند مورد استفاده قرار گیرد تا سیستم های معاملاتی را خود انطباق پذیرتر کند و بنابراین به شرایط فعلی بازار پاسخ دهد. یکی دیگر. میانگین‌های متحرک، انحراف استاندارد، شکست‌ها، شبکه‌های عصبی و غیره همگی به برخی از حرکت‌های تاریخی قیمت برای تولید سیگنال‌های خرید و فروش متکی هستند. این تکنیک برنامه‌نویسی با استفاده از خود سیستم برای تنظیم پارامترهای معاملاتی خود، مفهوم خود انطباقی را یک قدم جلوتر می‌برد. در ابتدا می‌خواهم تاکید کنم که این یک تکنیک برنامه‌نویسی است که باید به شیوه‌ای متفاوت برای هر سیستمی که در آن استفاده می‌شود اعمال شود. این یک تابع یا برنامه افزودنی نیست که بتوان آن را برای هر سیستمی اعمال کرد. همچنین، از آنجایی که برنامه نویسی درگیر در کاربرد این تکنیک می تواند کاملاً درگیر و گسترده باشد، باید تأکید کرد که این یک راه حل نیست - همه برای سیستم های متوسط یا ضعیف در واقع، احتمالاً نتایج یک سیستم ضعیف را بدتر می‌کند، زیرا متغیرها دائماً به مقادیر شدید بازنشانی می‌شوند و نوسانات ارزشی سیستم را واضح‌تر می‌کند. سیستم‌هایی که به این تکنیک بهترین پاسخ را می‌دهند، سیستم‌هایی هستند که ماهیت قوی دارند. و نسبت به مجموعه ای مترقی از متغیرهای ورودی سودآور باقی بماند. چنین سیستمی باید یک الگوی منحنی زنگی را زمانی که نتایج یک بهینه‌سازی روی ورودی‌های بحرانی انجام می‌شود، نشان دهد. سیستم‌هایی که به بهینه‌سازی مکرر به خوبی پاسخ می‌دهند، این تکنیک را در بهبود عملکرد و هموارسازی منحنی‌های ارزش ویژه مفید خواهند یافت.

توضیحاتی درمورد کتاب به خارجی

This presentation is designed to detail an additional tool which can be used to make trading systems more self adaptive and therefore more responsive to current market conditions.If a system uses back data to any degree it can be regarded as being self adaptive to one degree or another. Moving averages, standard deviations, breakouts, neural networks, etc. all rely on some historical price movement to generate buy and sell signals.This programming technique takes the self adaptive concept one step farther by using the system itself to adjust its own trading parameters for each trade.I wish to emphasize at the beginning that this is a programming technique which must be applied in a different manner to each and every system on which it is used. It is not a canned function or add on program which can be applied to any system.Also, since the programming involved in the application of this technique can be quite involved and extensive, it should be emphasized that this is not a fix - all for mediocre or poor systems. In fact, it will probably worsen the results of a poor system since the variables will constantly be reset to extreme values, making the equity swings of the system even more pronounced.Systems which respond best to this technique are those which are considered robust in nature and remain profitable over a progressive set of input variables. Such a system should show a bell curve pattern when the results of an optimization over the critical inputs is performed. Systems which respond well to frequent optimization will find this technique useful in improving performance and smoothing out equity curves.