Une corrélation nulle entre les échantillons ne signifie pas nécessairement qu'il n'y a pas de relation linéaire. - page 7
Vous manquez des opportunités de trading :
- Applications de trading gratuites
- Plus de 8 000 signaux à copier
- Actualités économiques pour explorer les marchés financiers
Inscription
Se connecter
Vous acceptez la politique du site Web et les conditions d'utilisation
Si vous n'avez pas de compte, veuillez vous inscrire
Je ne comprends pas.
Nous avons donc ici l'USDJPY. La fourchette est de 83,15 à 85,9.
Et la fourchette euras est de 1,31 à 1,37.
Comment convertir l'USDJPY dans la fourchette de l'EUR ?
USDJPY ' = EURUSD.min + (Var - USDJPY.min) / (USDJPY.max - USDJPY.min) * (EURUSD.max - EURUSD.min)
.
Avec la régression linéaire et le RMS, la normalisation semble être correcte. ( ?)
Nous avons donc ici l'USDJPY. La fourchette est de 83,15 à 85,9.
Et la fourchette euras est de 1,31 à 1,37.
Comment convertir l'USDJPY dans la fourchette de l'EUR ?
USDJPY ' = EURUSD.min + (Var - USDJPY.min) / (USDJPY.max - USDJPY.min) * (EURUSD.max - EURUSD.min)
Théoriquement, c'est possible. En pratique, c'est presque suicidaire : il faut chercher le min et le max sur chaque fenêtre et transformer chaque fois sur toute la longueur de l'échantillon. Ne serait-il pas plus simple de simplement prolagarithmiser UNE fois ?
Avec la régression linéaire et le RMS, je pense avoir écrit la normalisation correctement. ( ?)
En théorie, il est possible de le faire. En pratique, il est presque suicidaire de chercher un minimum et un maximum sur chaque fenêtre et de faire une transformation à chaque fois sur toute la longueur de l'échantillon. Ne serait-il pas plus simple de ne faire qu'un seul prolagarithme de temps ?
Qu'est-ce qui vous fait penser que la régression linéaire est définie par max et min ? Et quel en est l'effet pratique ?
C'est la deuxième voie. La régression linéaire est y = kx + b, vous trouvez les coefficients k et b.
La question est : pourquoi est-il pire que le logarithme ?
.
P.S. : disons qu'il y a trois façons de normaliser. Comment quantifier ce qui est le mieux ;-) ?
La voiture comptera. Sa tête est en fer :-).
C'est la deuxième voie. La régression linéaire est y = kx + b, les coefficients k, b sont trouvés.
La question qui se pose ici est la suivante : en quoi est-ce pire que le logarithme ?
La régression est recherchée par MNC, pas comme vous l'avez écrit.
La régression est recherchée par le CSI, pas comme vous l'avez écrit.
J'ai énuméré deux façons.
La première est avec min et max.
Le second est un registre linéaire. Je n'ai écrit nulle part comment le calculer.
Je n'ai pas écrit comment chercher la régression.
J'ai énuméré deux façons.
La première est avec min et max.
Le second est un registre linéaire. Je n'ai écrit nulle part comment le calculer.
Je pensais que vous écriviez des équivalents de la même chose.
L'option de régression est erronée. L'option de conversion est meilleure, mais aussi mauvaise.
Quel est l'intérêt ? Dites-moi la méthodologie de développement - et je vous dirai ce que vous obtenez.
Si Mq4-indicator correspondait à Mathcad, quel pourrait être l'intérêt de l'argument ?
Le fait que l'indicateur ait montré la même chose est un diagnostic clair. "Santé".
.
Si vous le pouvez, écrivez ce que vous pensez du calcul dont parle hrenfx.
Lorsqu'on prend deux fenêtres décalées et qu'on y compte séparément la ligne et le RMS - et le corr.
La méthode est naïve, mais d'une certaine manière elle suscite la sympathie).
Quant à ce que dit hrenfx (si je comprends bien), on peut l'appeler en termes de trader : recherche de modèles sur l'historique. L'ensemble des fenêtres prêtes de l'histoire (modèles) est comparé à la fenêtre actuelle. S'il coïncide, alors nous savons en quelque sorte quoi faire, si nous supposons que l'histoire se répète...
Quant à ce que dit hrenfx (si j'ai bien compris bien sûr), cela pourrait être en termes de traders. appelez la recherche de modèles sur l'histoire.
Il s'agit de calculer les caractéristiques de l'échantillon de BP.
C'est évident :-) - Obtenez un graphique - et "branchez-vous" dessus.
Construire l'espérance de l'autocorrélation.
.
L'idée des modèles se situe à un autre niveau.
Ces deux idées ne se contredisent donc pas.
Construire l'espérance de l'autocorrélation.