Но строит ее отвратительно.) Однако, для многих приложений и этого более чем достаточно.
Тем не менее, ЕМА остается лучшим среди прочих "стандартных" МАшек абсолютно по всем параметрам. Единственно, у нее с периодом сглаживанием нелады - он реально ничему не соответствует. Из за этого сравнивать ЕМА с другими МА при одинаковых Т абсолютно некорректно и бессмысленно.
индикатор по полиному и индикатор машка сравнивать за тот же период тоже не корректно.
Да методом МНК ! Что там сложного ? Задаешь свою параболу, и по ней в экселе аппроксимируешь прямую. По идее, даже можно вывести непосредственно формулу.
И, дружище, ты бы нормальное имя себе завел вместо твоего дурацкого ника... А то непонятно, какой струк ты там смокчать предлагаешь...
Да методом МНК ! Что там сложного ? Задаешь свою параболу, и по ней в экселе аппроксимируешь прямую. По идее, даже можно вывести непосредственно формулу.
имелось ввиду , как сделать в mql, средствами библиотеки ALGLIB.
Georgiy Merts:
И, дружище, ты бы нормальное имя себе завел вместо твоего дурацкого ника... А то непонятно, какой струк ты там смокчать предлагаешь...
имелось ввиду , как сделать в mql, посредстваими библиотеки ALGLIB.
лингвист чтоли? )))
Ну, не то, чтобы лингвист, но интересуюсь.
Вот, хотя бы такой ник - и то гораздо лучше. Просто с твоим старым - помогать было как-то неинтересно. А даже с вот этим новым - куда лучше.
Лично я сделал регрессию без применения ALGLIB, тогда ее еще не было. Прикрепляю класс LSMCore - ядро аппроксимации, вычисляет по массиву точек коэффициенты в полиноминальной регрессии от нулевой до третьей степени по выбору.
Необходимо пронаследоваться от этого класса, и перегрузить функции:
virtualuint _N() = 0; // Число точекvirtualdouble _X(uint uiIdx) = 0; // Значение X точки с индексом uiIdxvirtualdouble _Y(uint uiIdx) =0; // Значение Y точки с индексом uiIdx
После этого - вызываешь функцию _CountLSM(ELSMType ltType);
Она принимает тип регрессии - от флета до кубика, и возвращает коэффициенты полинома в структуре SLSMPowers.
Пользуйся. Все приведенные выше графики аппроксимаций - используют именно этот класс.
Лично я сделал регрессию без применения ALGLIB, тогда ее еще не было. Прикрепляю класс LSMCore - ядро аппроксимации, вычисляет по массиву точек коэффициенты в полиноминальной регрессии от нулевой до третьей степени по выбору.
Необходимо пронаследоваться от этого класса, и перегрузить функции числа элементов, и получения пар X-Y.
Писатели.)) Проще через ДЛЛ стороннюю библиотек вызвать и далее никогда с этим не заморачиваться.
Вот, хотя бы такой ник - и то гораздо лучше. Просто с твоим старым - помогать было как-то неинтересно. А даже с вот этим новым - куда лучше.
Лично я сделал регрессию без применения ALGLIB, тогда ее еще не было. Прикрепляю класс LSMCore - ядро аппроксимации, вычисляет по массиву точек коэффициенты в полиноминальной регрессии от нулевой до третьей степени по выбору.
Необходимо пронаследоваться от этого класса, и перегрузить функции:
После этого - вызываешь функцию _CountLSM(ELSMType ltType);
Она принимает тип регрессии - от флета до кубика, и возвращает коэффициенты полинома в структуре SLSMPowers.
Пользуйся. Все приведенные выше графики аппроксимаций - используют именно этот класс.
Для авторизации и пользования сайтом MQL5.com необходимо разрешить использование файлов Сookie.
Пожалуйста, включите в вашем браузере данную настройку, иначе вы не сможете авторизоваться.
Вы вошли в аккаунт. Двухфакторная аутентификация отключена. Настройте её заново и отсканируйте новый QR-код или продолжите с отключённой двухфакторной аутентификацией.
Но строит ее отвратительно.) Однако, для многих приложений и этого более чем достаточно.
Тем не менее, ЕМА остается лучшим среди прочих "стандартных" МАшек абсолютно по всем параметрам. Единственно, у нее с периодом сглаживанием нелады - он реально ничему не соответствует. Из за этого сравнивать ЕМА с другими МА при одинаковых Т абсолютно некорректно и бессмысленно.
я в этой библиотеке нашел только линейную регрессию.
http://alglib.sources.ru/dataanalysis/
как использовать метод МНК в алглибе, задавая свою функцию?
здесь писали, что в алглибе можно делать регрессию на любую функцию.
я в этой библиотеке нашел только линейную регрессию.
http://alglib.sources.ru/dataanalysis/
как использовать метод МНК в экселе, задавая свою функцию?
Чтобы использовать МНК, Вы должны свою функцию предварительно линеаризовать.
Чтобы использовать МНК, Вы должны свою функцию предварительно линеаризовать.
как?
как линеаризовать функцию y=ax2+bx+c?
как линеаризовать функцию y=ax2+bx+c?
Да методом МНК ! Что там сложного ? Задаешь свою параболу, и по ней в экселе аппроксимируешь прямую. По идее, даже можно вывести непосредственно формулу.
И, дружище, ты бы нормальное имя себе завел вместо твоего дурацкого ника... А то непонятно, какой струк ты там смокчать предлагаешь...
Да методом МНК ! Что там сложного ? Задаешь свою параболу, и по ней в экселе аппроксимируешь прямую. По идее, даже можно вывести непосредственно формулу.
имелось ввиду , как сделать в mql, средствами библиотеки ALGLIB.
И, дружище, ты бы нормальное имя себе завел вместо твоего дурацкого ника... А то непонятно, какой струк ты там смокчать предлагаешь...
лингвист чтоли? )))
имелось ввиду , как сделать в mql, посредстваими библиотеки ALGLIB.
лингвист чтоли? )))
Ну, не то, чтобы лингвист, но интересуюсь.
Вот, хотя бы такой ник - и то гораздо лучше. Просто с твоим старым - помогать было как-то неинтересно. А даже с вот этим новым - куда лучше.
Лично я сделал регрессию без применения ALGLIB, тогда ее еще не было. Прикрепляю класс LSMCore - ядро аппроксимации, вычисляет по массиву точек коэффициенты в полиноминальной регрессии от нулевой до третьей степени по выбору.
Необходимо пронаследоваться от этого класса, и перегрузить функции:
После этого - вызываешь функцию _CountLSM(ELSMType ltType);
Она принимает тип регрессии - от флета до кубика, и возвращает коэффициенты полинома в структуре SLSMPowers.
Пользуйся. Все приведенные выше графики аппроксимаций - используют именно этот класс.
Ну, не то, чтобы лингвист, но интересуюсь.
Вот, хотя бы такой ник - и то гораздо лучше.
Лично я сделал регрессию без применения ALGLIB, тогда ее еще не было. Прикрепляю класс LSMCore - ядро аппроксимации, вычисляет по массиву точек коэффициенты в полиноминальной регрессии от нулевой до третьей степени по выбору.
Необходимо пронаследоваться от этого класса, и перегрузить функции числа элементов, и получения пар X-Y.
Писатели.)) Проще через ДЛЛ стороннюю библиотек вызвать и далее никогда с этим не заморачиваться.
Ну, не то, чтобы лингвист, но интересуюсь.
Вот, хотя бы такой ник - и то гораздо лучше. Просто с твоим старым - помогать было как-то неинтересно. А даже с вот этим новым - куда лучше.
Лично я сделал регрессию без применения ALGLIB, тогда ее еще не было. Прикрепляю класс LSMCore - ядро аппроксимации, вычисляет по массиву точек коэффициенты в полиноминальной регрессии от нулевой до третьей степени по выбору.
Необходимо пронаследоваться от этого класса, и перегрузить функции:
После этого - вызываешь функцию _CountLSM(ELSMType ltType);
Она принимает тип регрессии - от флета до кубика, и возвращает коэффициенты полинома в структуре SLSMPowers.
Пользуйся. Все приведенные выше графики аппроксимаций - используют именно этот класс.
вы не знаете в какой момент флет сменится трендом.