Yury Kirillov / Профиль
- Информация
10+ лет
опыт работы
|
0
продуктов
|
0
демо-версий
|
0
работ
|
0
сигналов
|
0
подписчиков
|
12 апреля 2018
https://www.mql5.com/ru/forum/235869
https://www.mql5.com/ru/forum/743/page7#comment_6991253
https://www.mql5.com/ru/forum/221552/page264#comment_6886667
Register by reference https://my.govpsfx.com/registration.php?ib=3821
And place up five of your advisers!
Внимание! Бесплатный VPS!
Зарегистрируйтесь по ссылке https://my.govpsfx.com/registration.php?ib=3821
И разместите пять своих советников!
-
35% (38)
-
12% (13)
-
22% (24)
-
11% (12)
-
14% (15)
-
17% (18)
-
13% (14)
-
9% (10)
-
8% (9)
-
10% (11)
-
24% (28)
-
28% (33)
-
16% (19)
-
19% (23)
-
13% (16)
-
25% (29)
-
3% (3)
-
31% (37)
-
26% (31)
-
8% (10)
-
5% (6)
-
16% (19)
-
14% (17)
Статья призвана познакомить читателя с методом эмпирической модовой декомпозиции. Данный метод является частью преобразования Гильберта-Хуанга и предназначен для анализа нелинейных нестационарных процессов. К статье приложен вариант программной реализации этого метода и кратко рассматриваются его особенности. Приведены простейшие примеры использования рассматриваемого метода.
Статья посвящена созданию программного инструмента, позволяющего производить оценку неизвестной плотности вероятности. Для реализации был выбран метод ядерной оценки плотности (Kernel Density Estimation). Статья содержит исходные коды программной реализации данного метода, примеры его использования и иллюстрации.
Статья призвана познакомить читателя с преобразованием Бокса-Кокса (Box-Cox Transformation). В статье кратко затрагиваются вопросы, связанные с его использованием и приводятся примеры, позволяющие оценить эффективность данного преобразования по отношению к случайным последовательностям и реальным котировкам.
В данной статье предпринимается попытка модернизации созданного ранее индикатора и кратко рассматривается метод оценки доверительных интервалов прогноза с помощью бутстрапа и квантилей. Приводится созданный в результате написания статьи прогнозирующий индикатор и скрипты, используемые для оценки погрешностей прогнозирования.
Статья знакомит читателя с моделями экспоненциального сглаживания, использующимися при краткосрочном прогнозировании временных рядов. Помимо этого затрагиваются вопросы, связанные с оптимизацией и оценкой результатов прогнозирования, приведены несколько примеров в виде скриптов и индикаторов. Статья будет полезной при первом знакомстве с принципами прогнозирования на базе моделей экспоненциального сглаживания.
В статье представлен класс, предназначенный для осуществления быстрой предварительной оценки характеристик различных временных рядов. При этом производится оценка статистических параметров, автокорреляционной функции, строится гистограмма и производится спектральная оценка временного ряда.