Обсуждение статьи "Пример сетевого анализа причинно-следственных связей (CNA) и модели векторной авторегресси для прогнозирования рыночных событий"
Если с этим советником у вас возникнут проблемы, вы можете попробовать с этим (это более старая версия, и графики не совпадают, но я просто попробовал его и он работает).
Пожалуйста, сообщайте мне, когда советник не работает должным образом, потому что время от времени я форматирую компьютер и теряю все остальные версии.
Файлы:
CNA_final_v7.mq5
181 kb
Этот не выдает ошибок, и именно его я буду использовать для начала работы.
Файлы:
Mi_bot_007.mq5
181 kb
Вы упускаете торговые возможности:
- Бесплатные приложения для трейдинга
- 8 000+ сигналов для копирования
- Экономические новости для анализа финансовых рынков
Регистрация
Вход
Вы принимаете политику сайта и условия использования
Если у вас нет учетной записи, зарегистрируйтесь
Опубликована статья Пример сетевого анализа причинно-следственных связей (CNA) и модели векторной авторегресси для прогнозирования рыночных событий:
В настоящей статье представлено подробное руководство по реализации сложной торговой системы с использованием сетевого анализа причинно-следственных связей (CNA) и векторной авторегрессии (VAR) в MQL5. В ней излагаются теоретические основы этих методов, предлагаются подробные объяснения ключевых функций торгового алгоритма, а также приводится пример кода для реализации.
В мире алгоритмического трейдинга новый подход набирает популярность как среди профессионалов, так и среди трейдеров: Сетевой анализ причинно-следственных связей для прогнозирования рыночных событий. Этот сложный метод сочетает в себе мощь причинно-следственных выводов, теории сетей и прогностической аналитики для прогнозирования значимых рыночных событий с беспрецедентной точностью.
Представьте себе финансовый рынок как обширную, взаимосвязанную сеть. Каждая цепочка представляет собой взаимосвязь между различными рыночными переменными - ценами на акции, экономическими показателями, геополитическими событиями и многим другим. Традиционный анализ часто фокусируется на корреляциях, но, как известно любому опытному трейдеру, корреляция не всегда подразумевает причинно-следственную связь.
Именно здесь вступает в действие сетевой анализ причинно-следственных связей. Он направлен на то, чтобы раскрыть истинные причинно-следственные внутри этой сложной сети. Таким образом, он обеспечивает трейдерам более глубокое понимание динамики рынка, позволяя им предвидеть события, которые могут быть незаметны для обычного анализа.
Автор: Javier Santiago Gaston De Iriarte Cabrera