une stratégie commerciale basée sur la théorie des vagues d'Elliott - page 86

Nouveau commentaire
 
2 Rosh

Question sur l'algorithme forcé. Certainement je veux croire que vous avez pensé comment dans un seul et même cycle sauf pour les coefficients a et b pour trouver aussi RMS, mais à cela je n'ai pas encore pensé (en général je suppose que j'ai deviné cette façon que vous comptez, c'est-à-direVraiment, selon cet algorithme, en principe, nous ne comptons qu'un seul canal le plus important et les autres sont reçus par procuration, mais il n'est pas possible de s'occuper de RMS dans le même cycle, car il devrait être compté pour chaque canal en exécutant tout son nombre de barres, et cela augmentera encore le temps et je pense que ce sera environ 100-300 ms pour 3000 barres.
Je voudrais que vous me rassuriez en me disant que vous ne vous trompez pas et qu'il est encore possible d'intégrer RMS dans ce cycle.
 
2 Jhonny
Bien sûr, je veux croire que vous avez inventé comment trouver RMS dans le même cycle en plus des coefficients a et b

Je peux vous encourager et vendre le secret pour un petit prix : D(E) = D(Y) - a^2*D(X)
Ici, X et Y sont des variables aléatoires pour lesquelles la régression Y = a*X + b est calculée.
E - erreur de régression, c'est-à-dire la déviation de Y par rapport à la ligne de régression
D(E), D(Y) et D(X) sont des dispersions des quantités correspondantes. À propos, le RMS d'une erreur = racine carrée de D(E).
Il n'est donc pas nécessaire de construire une série d'erreurs et de les additionner par une simple sommation pour calculer la RMS. Tu dois être plus paresseux.

Mais n'en parlez à personne d'autre ! :-)
Bonne chance.
 
Mais n'en parlez à personne d'autre ! :-)


:-D Eh bien, je ne le ferai pas. Merci beaucoup.
 
Double poste
 
:-D Eh bien, je ne le dirai pas. Merci beaucoup.


:))
 
Le RMS est la racine carrée de la variance. RMS[N]=(D[N])^0.5 , où N est le nombre d'éléments dans l'échantillon (ne tenez pas compte des coefficients d'ajustement de Student, cela n'a pas d'importance).
Désignons par S[N] la somme des carrés des écarts Si, où i=1,...N, puis D[N]=S[N]/N.
RMS2/3[N]=({D[N]-D[2N/3]}/{N-2N/3})^0.5
Tous les rapports (pour la régression linéaire, pour la parabole, RMS, énergies cinétique et potentielle, RMS à partir de la parabole, somme des gradients à partir de la parabole et autres caractéristiques du canal non encore conçues) sont calculés pour toute barre (canal de lecture de longueur donnée) par des formules analytiques simples.
L'ensemble de ces paramètres est calculé en une seule fois.
J'étais seulement trop paresseux pour calculer les indicateurs de Hearst en utilisant des algorithmes accélérés en raisonnant qu'ils sont calculés pour certains canaux.
Vrai, encore une erreur quelque part, les résultats sont très importants jusqu'à présent.
 
Nous devrons voir comment la situation évolue. <br / translate="no">


Eh bien, il y a une sorte de petit retournement de situation ici.

 
Quelques minutes plus tard

 
Rosh, pardonnez-moi de vous mettre le nez dedans, mais il me semble que l'écart type 2/3 utilisant les coefficients A et B trouvés pour l'ensemble de l'échantillon est erroné
.
StDev=GetStDevFromArraysZ(k_bar,lastBar, a_CH, b_CH);///fonction de calcul de la valeur efficace, la première et la dernière barre et les coefficients A et B sont transmis<br/ translate="no"> n=k_bar-lastBar ;
tempBar=k_bar-n*2.0/3.0 ;
lastBar2=MathRound(tempBar);//ici vous recalculez la première et la dernière barre pour 2/3
StDev23=GetStDevFromArraysZ(k_bar,lastBar2,a_CH,b_CH);//et substituez A et B trouvés pour l'échantillon entier dans la fonction



C'est peut-être ainsi que la déclaration de Vladislav doit être interprétée
.
Une autre chose que je fais - je sélectionne la période pour l'approximation (pas l'échantillon entier, mais environ 2/3, j'extrapole le dernier tiers et je le compare avec les prix réels obtenus ; si nous restons dans l'intervalle de confiance, nous utiliserons cette approximation pour d'autres extrapolations, mais cela est lié à la mise en œuvre et aux méthodes d'augmentation de la stabilité des algorithmes itératifs).


Mais j'ai compris que nous construisons un canal aux 2/3 et que nous vérifions comment les données du dernier tiers s'y insèrent, et si elles s'y insèrent, alors le canal est construit sur toute sa longueur.
 
Image avec probabilités pour un canal. La ligne rouge correspond à un mouvement à la hausse, la ligne bleue à un mouvement à la baisse. Quant à cette image pour toutes les chaînes, soit l'indicateur est plein de bugs, soit les méthodes de sélection des chaînes devraient être reconsidérées :).




D(E) = D(Y) - a^2*D(X)

Hmm, je ne connaissais pas cette formule. Mais un stylo et du papier et sans cela, ça aide :)
1...798081828384858687888990919293...309
Nouveau commentaire
Raison: