ФорумРазделы

Поиск текущего момента в истории - страница 2

Новый комментарий
ivandurak:

...

если даже просто глупо сложить все в кучу с коэффициентами, то получим некоторое число характерезующее рассматриваемый участок, ну а дальше дело техники Спирман Пирсон ...

А вот складывать думаю бессмысленно, т.к. одим числом невозможно охарактеризовать полученный участок, ведь такое же число может соответствовать совершенно другой комбинации параметров. Тут надо сравнивать поэлементно, и по каждому элементу получать как бы степень похожести в %. А потом уже результаты всех этих сравнений можно и складывать, получая в итоге число, характеризующее подобие этих участков.
f.t.:

спасибо. попробую в другой форме поделится. возможно она у вас не вызовет отрицательных реакций.

то что хочет сделать топикстартер, может выглядеть вот так:



Не совсем . Далее предполагается под найденный участок сгенерировать стратегию или взять готовую из заранее подготовленной базы . На сколько я понимаю вы выбираете окно для поиска от линии до линии чисто субьективно и прогоняете его по истории в поисках совпадений .

Более точно, чего хотелось бы в идеале находится здесь https://www.mql5.com/ru/forum/5101

Если можно пару слов о способе поиска совпадений в любом случае спасибо .

То Roman


Спз обязательно гляну, хотя копаться в чужом коде еще та веселуха .

Господа

Задача проста как апельсин. Необходимо составить портрет рынка, для своевременного отличия лица от ануса. На текущий момент список такой

1 дисперсия

2 угол наклона линейной регрессии

3 число пересечений с линией регрессии

4 тиковой обьем

5 число бар выше линии линейной регрессии

6 число бар ниже линии линейной регрессии

Дальше как то фантазия иссякла а надо еще штук 10 . Да забыл добавить, признаки должны быть легко формализуемы.

Господа ПЛЗ. Где то очень интенсивно притормаживаю. Вопрос касаемся SOM. Если можно на конкретном примере .

Предположим есть карта состоящая из 50Х60 нейронов (прямоугольные ячейки). Берем случайно обучающий вектор пусть его размерность равна 5 Х1={х1,х2,х3,х4,х5}.Общая длина обучающей выборки предположим 5000 векторов. Предположим наиболее близкий к входному вектору нейрон имеет индекс 25,30 я его нашел, благо детеныш в школе уже геометрию проходит. А дальше все моя нейросетка больше не оптимизируется . Собственно далее куча вопросов .

1 Как вычислить индексы нейронов подлежащие обучению на 1 шаге.

2 Как вычислить индексы нейронов подлежащие обучению на 2 шаге.

3 Сколько всего шагов обучения должно быть для входного вектора Х1.

4 если тормозну с правилом обучения Кохонена спрошу еще.

ПС Статью читал, доп литературу читал, коды смотрел, вывод требуется пендель.

http://fx-zone.org.ua/viewtopic.php?f=5&t=21#p60

это наверное то что вы имеете ввиду, что движение всегда повторяется... вот тут человек периодически выкидывает нечто подобное... попробуйте уточнить

yes_321:

это наверное то что вы имеете ввиду, что движение всегда повторяется

Это другая вещь, используется экстраполяция.

Пробовал искать похожие участки с помощью нормировки и минимизации ошибки. Брал последние N баров, значения цен приводил в диапазон от 0 до 1 и гнал по истории разных таймфреймов с целью найти участок с минимальной ошибкой.

Результаты неудовлетворительные. Идеи, которые не успел проверить: кроме нормировки к 0-1 вычетать регрессию, длину выборку брать по 2-3 точкам зигзага.

Еще возможно стоит генерить промежуточные таймфреймы для сравнения.

12
Новый комментарий