Discussão do artigo "Abordagem econométrica para a busca de padrões de mercado: Autocorrelação, Mapas de Calor e Gráficos de Dispersão" - página 2

Novo comentário
 
Maxim Dmitrievsky:

Olá, o MetaQuotes mudou a API python, portanto, essas funções não funcionam agora. Talvez mais tarde eu conserte isso e anexe um novo notebook

Além disso, você pode verificar a nova documentação neste site

Muito obrigado, Sr., por sua resposta rápida e sua cooperação é muito apreciada


aguardando seu novo arquivo.

 

Belo artigo! Obrigado por compartilhar seu trabalho!

Espero que você encontre algum tempo para corrigir o problema com a API do Python.


/Rasoul

 

Notebook fixo

Arquivos anexados:
Seasonal_exploration_inner.ipynb  4381 kb
 

Versão corrigida do notebook, devido a uma alteração na API do python

Arquivos anexados:
Seasonal_exploration_inner.ipynb  4381 kb
 
Maxim Dmitrievsky:

Versão corrigida do notebook, devido a uma alteração na API do python

Anexado ao artigo

 

Close[-1] = (Close[0]-Close[lag]) - ((Close[lag]-Close[lag*2]) - (Close[lag-1]-Close[lag*2-1])))

Se a mesma fórmula for aplicada aqui, a situação será semelhante à da previsão MA: quanto maior o período, mais precisa será a previsão MA um passo à frente.

O que fiz foi pegar a MA de um período grande, prever uma barra à frente e, em seguida, calcular a previsão de preço a partir disso. Calculei o erro de previsão (previsão de preço real). Calculei os incrementos de preço. Como resultado, o erro foi pior do que os incrementos. Portanto, você pode dizer que "hoje será como ontem" é a melhor previsão.

 
Rorschach:

Close[-1] = (Close[0]-Close[lag]) - ((Close[lag]-Close[lag*2]) - (Close[lag-1]-Close[lag*2-1])))

Se a mesma fórmula for aplicada aqui, a situação será semelhante à da previsão MA: quanto maior o período, mais precisa será a previsão MA um passo à frente.

O que fiz foi pegar a MA de um período grande, prever uma barra à frente e, em seguida, calcular a previsão de preço a partir disso. Calculei o erro de previsão (previsão de preço real). Calculei os incrementos de preço. Como resultado, o erro foi pior do que os incrementos. Portanto, você pode dizer que "hoje será como ontem" é a melhor previsão.
.

A autorregressão em uma série filtrada (específica, condicionalmente, horas) é usada lá. Os incrementos dos relógios vizinhos são tomados como regressores. Sim, essa é uma previsão de um passo à frente. Não fiz experimentos mais detalhados. Se você criar um símbolo personalizado no mt5 para o lobo aleatório, poderá testar com o bot do artigo. Infelizmente, não sou amigo deles. Talvez alguém crie um.
  
#property script_show_inputs
#include <Math\Stat\Math.mqh>
#include <rndxor128.mqh>//https://www.mql5.com/pt/articles/273
//--- parâmetros de entrada
input string   symbol_origin="EURUSD";// nome do símbolo, com base no qual o símbolo personalizado será criado 
input string   symbol_name="MySymbol";// nome do caractere do usuário 
input datetime From=D'2019.01.01';
input datetime To=D'2020.01.01';

void OnStart()
  {
   CustomSymbolCreate(symbol_name,"",symbol_origin);
   SymbolSelect(symbol_name,true);
   int count=100;//StdDev m1=sqrt(count)
   RNDXor128 xor;
   //xor.SRand(6);//(GetTickCount());
   MqlRates A[];
   double B[]; ArrayResize(B,count);
   int total=CopyRates(symbol_origin,PERIOD_M1,From,To,A);
   for(int i=0;i<total;i++)
     {for(int j=0;j<count;j++) {B[j]=(xor.Rand()<2147483648)?_Point:-_Point;}
      MathCumulativeSum(B);
      A[i].open=(i>0) ? A[i-1].close : 1.1;
      A[i].high=MathMax(B)+A[i].open;
      A[i].low=MathMin(B)+A[i].open;
      A[i].close=B[count-1]+A[i].open;
      A[i].tick_volume=count;
     }
   Print(CustomRatesReplace(symbol_name,From,To,A));
  }
Nas configurações do gráfico (Ctrl+O), você precisa selecionar o número necessário de barras.
 
Rorschach:
Nas configurações do gráfico (Ctrl+O), você precisa selecionar o número necessário de barras.

Mais tarde, usarei o mesmo método com regressão automática, carregarei as séries no python e criarei o modelo.

 

Obrigado por seus artigos, gostei muito de lê-los!

Observei que, neste exemplo, você definiu .diff(lag) depois de selecionar uma única hora em todo o artigo, o que significa que uma defasagem de 25 corresponde, na verdade, a uma defasagem de 25 dias.

A exceção é o gráfico 3D, no qual você aplica a defasagem antes de selecionar a hora. Isso foi intencional?

123
Novo comentário