Discusión sobre el artículo "Pronosticación de series temporales (Parte 1): el método de descomposición modal empírica (EMD)"
Gracias por el artículo.
Corrí un TestEMD Validar en el TestEMD EA, lo que sugiere el comercio de un mes después de la optimización para el último año (InSampleDays = 365, OutSampleDays = 30), y obtuvo estas imágenes en D1 para 01.01.2018-27.03.2020.
EURUSD:
GBPUSD:
AUDUSD:
USDCHF:
USDJPY:
En general, sólo el EURUSD mostró resultados más o menos estables.
- www.mql5.com
GBPJPY:
EURCHF:
Muchas gracias por este interesante articulo pero no funciona los archivos , tienen fallas de sintaxis y variables no declaradas.
saludos
Thank you very much for this interesting article but the files don't work, they have syntax flaws and undeclared variables.
regards
Please, provide your error logs and specify exactly what you did.
Gracias a Stanislav por este artículo tan bueno. He descargado los códigos y me encuentro con un error al compilarlo.
El error dice: 'Offset' -se espera algún operador en la línea
buffers[0].set(Offset,sum);
Por favor, mostrar cómo resolver eso.
Gracias
Gracias a Stanislav por este artículo tan bueno. He descargado los códigos y cumplir con un error al compilarlo.
El error dice: 'Offset' -se espera algún operador en la línea
buffers[0].set(Offset,sum);
Por favor, muestra cómo solucionarlo.
Gracias
Acabo de descargar las fuentes de nuevo y compilado todos los indicadores y el experto sin ningún problema.
Estás haciendo algo mal. Asegúrate de que has extraído el contenido del archivo con la estructura de carpetas conservada.
Estos son los resultados cuando cambié la fecha desde 1-1-2020 hasta ahora
- Aplicaciones de trading gratuitas
- 8 000+ señales para copiar
- Noticias económicas para analizar los mercados financieros
Usted acepta la política del sitio web y las condiciones de uso
Artículo publicado Pronosticación de series temporales (Parte 1): el método de descomposición modal empírica (EMD):
En el artículo se analiza la teoría y el uso práctico del algoritmo de pronosticación de series temporales usando como base la descomposición modal empírica, y se propone su implementación en MQL, además de presentarse indicadores de prueba y expertos.
Un test único con estos ajustes en el periodo desde inicios de 2018 hasta febrero de 2020, es decir, en tiempo real para el 2019 e inicios de 2020, da los resultados siguientes:
Informe del experto TestEMD para EURUSD D1, 2018-2020
Como podemos ver, el sistema permanece en positivo, aunque los indicadores dejan margen para buscar mejoras. En concreto, resulta lógico presuponer que una reoptimización más frecuente en el modo paso a paso y una selección del tamaño del salto sean capaces de mejorar el funcionamiento del robot.
En general, podemos constatar que el algoritmo de EMD permite detectar en los marcos temporales mayores las oscilaciones primarias (generadoras de inercia, en cierto sentido), y también crear sobre su base un sistema comercial rentable.
Autor: Stanislav Korotky