Zufallsstromtheorie und FOREX - Seite 18
Sie verpassen Handelsmöglichkeiten:
- Freie Handelsapplikationen
- Über 8.000 Signale zum Kopieren
- Wirtschaftsnachrichten für die Lage an den Finanzmärkte
Registrierung
Einloggen
Sie stimmen der Website-Richtlinie und den Nutzungsbedingungen zu.
Wenn Sie kein Benutzerkonto haben, registrieren Sie sich
Ich wünschte, ich könnte während der Initialisierung Schatten auf BarsCount rückwärts zeichnen, weil sie auch Informationen tragen.
Aber alles ist sehr langsam, wenn ich daran arbeite :).
Und es gibt noch eine andere Frage - ob es ein Trend-Flat auf dem Forex gibt, oder ob es kein Trend-Flat auf dem Forex gibt. Es wurde viel darüber diskutiert, und es gibt so viele Menschen wie Meinungen.
Sie können Folgendes tun: "Jetzt müssen wir a*x+b durch etwas Sinnvolleres ersetzen, das den Trend tatsächlich aufhebt, z. B. 'ang PR (Din)-v1' ".
Definieren Sie die Referenzzeit. Und die Lösung in time_avg_v1.0. mq4 bezüglich der Abweichungen vom "Trend" hat mir sehr gut gefallen.
Der interessanteste Punkt dabei ist, dass der Korrelationskoeffizient ein grundsätzlich begrenzter Wert ist. Die erste Lösung für das Problem der Normalisierung des Induktors wurde vonYurixx in "Stochastic Resonance" vorgeschlagen. Ich kann das Bild nicht finden, verdammt noch mal.
Es gibt nicht mehr viel zu tun, um ihm beizubringen, mit den Marktextremen zu korrelieren. Aber es sieht so aus, als ob die Einstiegs-/Ausstiegspunkte in den Nullen dieses Indikators gesucht werden sollten.
P.S. Nein, nicht ganz. Negative Werte des Indikators (wenn es sich um eine Art ACF handelt) deuten nicht auf einen rückläufigen Trend hin. Es kann die ungezügeltste Wohnung sein.
P.S. Nein, nicht wirklich. Negative Werte des Indikators (wenn es sich dabei um eine Art ACF handelt) deuten nicht auf einen fallenden Trend hin. Es könnte die ungezügeltste Wohnung sein.
Und wieder - flach - wie viel ist es? 25p oder 50p. Was ist mit dem höheren Zeitrahmen? time_avg_v1. 0.mq4 liefert einige Zahlen zu dieser Frage.
OK, also die Passform ist irgendwie perfekt. Nun müssen wir a*x+b durch etwas Sinnvolleres ersetzen, das den Trend tatsächlich aufhebt, z. B. "ang PR (Din)-v1".
Ja, die Trends sind linear, aber sehr grob und nur auf den größten TFs, wie Wochen. Überzeugen Sie sich selbst.
Versuchen wir also zu verstehen, was der Autor (und nicht nur er) zu erreichen versucht, wenn er das Diagramm umdreht. Prival schlägt wahrscheinlich vor, dies zu tun, um zunächst unvorhersehbare regelmäßige Komponenten (Trend) aus den anfänglichen Quotierungen zu entfernen, so dass etwas übrig bleibt, das einem Zufallsprozess nahe kommt, dessen Erwartungswert nicht zu sehr von Null abweicht (in Bezug auf die Anzahl der s.c.o.), und dann die ACF-Eigenschaften dieses Prozesses zu analysieren (autokovarianisch und nicht autokorrelational), wobei ACF selbst verwendet wird, um eben jene Trends vorherzusagen, die uns unbekannt sind. Prival, wo bist du hin? Sagen Sie mir, ist das logisch oder nicht?
Eine Detrendierung ist nur dann sinnvoll, wenn die Abweichung der "Trendlinie" vom Graphen selbst nicht zu groß ist, was einen kleinen Wert für den Zeitraum der "Glättung" der Regression selbst (nicht des ACF) erfordert. Andernfalls kommt es innerhalb des Detrendierungsintervalls zu flachen lokalen Trends, und das ist genau das, was wir loswerden wollen. (Hypothese: Es könnte also sein, dass wir den Hurst-Koeffizienten des ursprünglichen Prozesses verringern und ihn damit näher an den Gauß-Koeffizienten bringen?
Schauen Sie sich nun die 5-Minuten an und sagen Sie mir, ob die Trends linear sind oder nicht? Das Thema "Stochastische Resonanz" scheint diese Vorstellung zu widerlegen, falls ein solches Phänomen existiert.
P.S. Übrigens, haben Sie schon einmal darauf geachtet, warum unser Induktor eine Eins auf dem Nullbalken anzeigt?
Kandidat,
P.S. Übrigens, haben Sie schon einmal darauf geachtet, warum unser Indikator eine Eins auf dem Nullbalken anzeigt?
Die Frage richtet sich zwar nicht an mich, aber da ich mich gerade mit dem Thema beschäftige...
Prival hat hier einmal versucht, über gesunden Menschenverstand zu sprechen. Der gesunde Menschenverstand oder der physikalische Sinn des ACF setzt seinen Wert also per definitionem mit eins gleich, weil er die Korrelation der Zeitprobe mit sich selbst anzeigt. Sein Absinken auf Null kann als praktischer Verlust der Korrelation der BP-Werte betrachtet werden, nachdem die entsprechende Anzahl von Balken von Null entfernt wurde. Nur verstehe ich immer noch nicht, was wir damit bezwecken wollen. Es sei darauf hingewiesen, dass Wikipedia eine andere Definition von AFC angibt, die, so wie ich sie verstehe, näher an Matemet liegt, aber hier betrachten wir nur die erste.
P.S. Privat habe ich immer noch nicht den inneren Antrieb, mit dem Programmieren anzufangen, weil ich keine klare Vorstellung von der Aufgabe habe. Übrigens halte ich mich nicht für einen MQL-Assistenten und war auch nie einer, aber die Praxis zeigt, dass alles kodiert werden kann, wenn man die Aufgabe versteht. Und es gibt Meister hier im Forum.
P.P.S. Ich assoziiere den Rückgang der Forumsaktivität mit dem Wunsch der Forumsnutzer, schnell probabilistische neuronale Netze zu lernen (Hoffnung, Prival unter ihnen), oder alle laufen, um ein echtes Konto zu eröffnen, während Sie noch die Signale von Better kostenlos nutzen können :-).
Ich habe gerade etwas freie Zeit. Ich werde versuchen, die Fragen heute Abend hier zu beantworten.
Versuchen Sie, die Frage "...probabilistisch ..." zu beantworten, mit welcher Wahrscheinlichkeit das bessere neuronale Netz eine Anpassung vornimmt?
Bis zum Abend werde ich versuchen, alles zu programmieren und meine Ideen in Bildern zu posten.
rsi versuchen, die Frage zu beantworten "...probabilistisch ..." auf die Wahrscheinlichkeit von dem, was die Better neuronales Netz einrichten?
Ich habe erst vor kurzem mit den Netzen begonnen (wie immer ohne Eile). Im Forum gibt es Experten zu diesem Thema (Vinin, Leo, klot und viele andere, darunter natürlich auch Better). (Allerdings sehe ich, dass es bereits einen neuen Thread zu diesem Thema gibt - nicht überraschend. ) Aber da Sie gefragt haben, werde ich es versuchen. Wie in dem Sprichwort: Wenn du selbst nichts kannst, dann lehre wenigstens die anderen! :-) Hier in der Filiale haben sich auch viele Leute versammelt, so dass ich hoffe, dass sie mich korrigieren werden, wenn ich einen Fehler mache.
Soweit ich es heute verstanden habe, wird beim Aufbau eines probabilistischen Netzes der Bayes'sche Ansatz verwendet, und jeder Ausgang des Netzes erhält eine Schätzung (und wird dann natürlich mit einem Schwellenwert oder mit anderen Ausgängen verglichen; Prival, vielleicht sind sogar zwei Schwellenwerte möglich :-)) einer hinreichenden Statistik in Form eines Skalars mit Genauigkeit bis zu einem konstanten Faktor, beschrieben durch eine Maximum-Likelihood-Funktion für den Eingangsvektor. Um die Frage zu beantworten: Das Netz (jeder Ausgang) wird auf die maximale Wahrscheinlichkeit des Eingangsvektors abgestimmt, um die Entscheidung (den Ausgang) zu treffen.
Das Netz selbst ist in der Regel dreischichtig - die Eingabeschicht, die radiale Schicht und die Ausgabeschicht. Vektoren für die Klassifizierung (im Fall von Better handelt es sich, wie wir bereits wissen, höchstwahrscheinlich um lineare Kombinationen mehrerer gleitender Durchschnitte, es können aber auch boolesche Funktionen verwendet werden). Die Anzahl der Ausgänge entspricht der erforderlichen Dimensionalität der Ausgangslösung. Zum Beispiel, 4, wenn wir Entscheidungen treffen müssen, kaufen, verkaufen, closebuy, closesell. Beim Training wird das "Winner takes all"-Prinzip angewandt, d.h. mehr als eine Ausgabe darf nicht in der Nähe des Maximums liegen. Dies ist der kreative Teil der Arbeit: Wir müssen die am besten geeignete Breite (sigma) und Anzahl der Neuronen in der mittleren Schicht finden. Einige Eingangsvektoren passen am ehesten zum erfolgreichen Kauf, andere zu anderen Ausgangsvektoren. Die Radialschicht heißt so, weil sie die so genannte Radialbasis - die glockenförmige Funktion des euklidischen Abstands (im allgemeineren Fall korrelierter Komponenten des Eingangsvektors - den Mahalanobis-Abstand) - anstelle der Sigmoid-Transformationsfunktion verwendet.
Wie wir sehen, ist dieser Ansatz dem "Hand"-Handel sehr ähnlich: Ein Händler bewertet den Eingangsvektor (Preis, TA-Muster, Indikatorwerte usw.) und trifft eine Entscheidung, wenn das Kriterium nach seiner Einschätzung erfüllt ist.
Was die Ausbildung betrifft, so habe ich sie noch nicht studiert. Es ist eine separate Frage, wenn ich sie verstehe, kann ich sie später einführen :-). Ich erinnere mich, dass ich schon vor der Meisterschaft geschrieben habe, dass mein Expert Advisor die Daten eines Jahres für das Training verwendet hat.
Candid, ich meinte die dynamische lineare Regression, d. h. einen Indikator, der den Wert des nächsten Balkens auf der Grundlage einer bestimmten Anzahl früherer Werte linear vorhersagt. Ich habe mich einmal dafür interessiert, als ich mit neuronalen Netzen spielte, und habe es sogar analytisch berechnet; es ist eine lineare Kombination von SMA und LWMA mit gleichen Perioden, eher klein, nicht 1000. Ich werde es mir merken - ich werde die Berechnungsformel oder den Indikator selbst posten.
Ich nenne es gleitende lineare Regression und ich habe einen solchen Indikator, ich kann ihn selbst teilen :)
Ich meine beim ersten Balken (der Null-Balken wird nicht verarbeitet)? Die Korrelation jedes Punktes mit sich selbst wird als eins angenommen, wobei davon ausgegangen wird, dass dies der maximal mögliche Grad der Korrelation ist. Diese Annahme ist weiterhin gerechtfertigt :). Aber da Sie das wahrscheinlich auch ohne mich wussten, scheint die Frage einen Hinweis zu enthalten, den ich noch nicht verstanden habe.
Prival hat versprochen, seine Meinung zu sagen, aber ich denke, die Idee ist nicht, nur die Zufallskomponente zu belassen, sondern den "langen" Trend zu entfernen und eine Reihe mit einem Erwartungswert von Null zu erhalten. Diese Reihe wird kürzere Trends enthalten, die dem erwarteten Spielhorizont entsprechen. Wenn man bedenkt, dass die Statistik (und nicht nur die R/S-Analyse) bevorzugt mit solchen Reihen arbeitet, erhält man eine mehr oder weniger korrekte Reduzierung des Problems auf die "Suche unter der Straßenlaterne".
Eine Detrendierung ist nur dann sinnvoll, wenn die Abweichung der "Trendlinie" vom Graphen selbst nicht zu groß ist, was einen kleinen Wert für die "Glättungsperiode" der Regression selbst erfordert (nicht ACF). Andernfalls kommt es zu flachen lokalen Trends innerhalb des Detrending-Intervalls, und das ist genau das, was wir loswerden wollen. (Hypothese: Es könnte also sein, dass wir den Hurst-Koeffizienten des ursprünglichen Prozesses verringern und ihn damit näher an den Gauß-Koeffizienten bringen?
Schauen Sie sich nun die 5-Minuten an und sagen Sie mir, ob die Trends linear sind oder nicht. Das Thema "Stochastische Resonanz" sollte diese Vorstellung widerlegen, falls ein solches Phänomen existiert.
Und jetzt - der Nachtisch :). Wie oben geschrieben, verstehe ich die Bedeutung des Detrendings genau umgekehrt, nämlich so, dass die Aufgabe nur darin besteht, die globalen Trends zu entfernen und die lokalen Trends zu erhalten, die dem gewählten Spielhorizont entsprechen. In diesem Sinne ist es ziemlich abwegig, von Zeitrahmen zu sprechen. Es handelt sich lediglich um eine Zeitreihe, die wir in verschiedenen Zeitrahmen betrachten können, aber die Trends als objektive Realität hängen nicht von der Wahl der Skala ab. Und hier ist, was ich plötzlich dachte - es gibt eine klare physikalische Bedeutung in linearen Transformationen: das Ergebnis einer solchen Transformation ist ein anderesInertialsystem, d.h. ein System, in dem die gleichen Kräfte wirken wie in dem ursprünglichen System. Bei einer nichtlinearen Transformation, wie wir sie aus der Physik kennen, entsteht eine Welt, in der "unlogische" und schwer zu beschreibende Kräfte auf unerwartete Weise auftreten und verschwinden können. Interessanterweise ist die Verwendung von Renditen ebenfalls eine lineare Transformation, aber die Bedingung der Nullerwartung wird mit einem wesentlich größeren Fehler erfüllt als bei der Detrendierung mit linearer Regression.