Rastgele Akış Teorisi ve FOREX - sayfa 18
Ticaret fırsatlarını kaçırıyorsunuz:
- Ücretsiz ticaret uygulamaları
- İşlem kopyalama için 8.000'den fazla sinyal
- Finansal piyasaları keşfetmek için ekonomik haberler
Kayıt
Giriş yap
Gizlilik ve Veri Koruma Politikasını ve MQL5.com Kullanım Şartlarını kabul edersiniz
Hesabınız yoksa, lütfen kaydolun
Yine de, başlatma sırasında, BarsCount'a gölgeler çizilirdi. Sonuçta, onlar da bilgi taşırlar.
Ama gerçekte, her şey çok yavaş :)
Ve soru şu: Forex'te düz bir trend var mı, yoksa Forex'te düz bir trend var mı? Çok tartışıldı ve kaç kişinin bu kadar çok fikri var.
Bunu "Şimdi a*x+b'yi daha anlamlı bir şeyle değiştirmelisiniz, trendi gerçekten kaldırmalısınız, örneğin, 'ang PR (Din)-v1' " gibi yapabilirsiniz.
Geri sayım süresini belirleyin. Ve benim için çözüm time_avg_v1.0'da. mq4, "trend"den sapmaları beğendi.
Buradaki en ilginç nokta, kt bağıntısının temelde sınırlı bir değer olmasıdır. İndükleyici normalleştirme problemine ilk çözüm Yurixx tarafından 'Stokastik Rezonans'ta önerildi. Resmi bulamıyorum, kahretsin.
Biraz kaldı - ona piyasa ekstremumları ile ilişki kurmayı öğretmek. Ama görünen o ki giriş/çıkış noktaları bu göstergenin sıfırlarında aranmalı.
Not: Hayır, pek değil. Göstergenin negatif değerleri (bir tür ACF ise) düşüş eğilimi göstermez. Bu en dizginsiz daire olabilir.
Not: Hayır, pek değil. Göstergenin negatif değerleri (bir tür ACF ise) düşüş eğilimi göstermez. Bu en dizginsiz daire olabilir.
Ve yine - düz - ne kadar? 25p veya 50p. Ve eski TF için? zaman_avg_v1. 0.mq4 bu konuda bazı rakamlar verir.
Yani, maç mükemmel görünüyor. Şimdi a*x+b'yi daha anlamlı bir şeyle değiştirmemiz gerekiyor, örneğin 'ang PR (Din)-v1' gibi trendi gerçekten ortadan kaldırıyoruz.
Evet, eğilimler doğrusaldır - ancak çok kaba ve yalnızca haftalar gibi en büyük zaman dilimlerinde. Kendin için gör.
O halde, dalın yazarının (ve sadece o değil) grafiğin trendini azaltarak neyi başarmaya çalıştığını anlamaya çalışalım. Prival muhtemelen bunu, ilk olarak tahmin edilemeyen düzenli bileşenleri (eğilim) ilk alıntılardan çıkarmak ve sonuç olarak, beklentisi sıfırdan çok fazla sapmayan (anlamında) rastgele bir sürece yakın bir şey bırakmak için yapmayı önerir. sayısı s.c.o. .) ve daha sonra, bu sürecin ACF özelliklerini analiz ederek ( otokovaryans , otokorelasyon değil), ACF'nin kendisini kullanarak bizim için bilinmeyen eğilimleri tahmin edin. Prival , nereye gittin? Söyle bana, mantıklı mı değil mi?
Eğilimden sapma, yalnızca " eğilim çizgisinin " grafiğin kendisinden sapması c'yi çok fazla aşmadığında anlamlıdır. k.o., regresyonun kendisinin (ACF değil) "yumuşatma" periyodunun küçük bir değerini belirler. Aksi takdirde, trend düşme aralığı içinde sadece kurtulmak istediğimiz küçük yerel trendler olacaktır. (Hipotez: yani orijinal sürecin Hurst katsayısını azaltarak onu Gauss'a yaklaştırıyor olabilir miyiz?)
Şimdi 5 dakikaya bakın ve trendlerin doğrusal olup olmadığını söyleyin. "Stokastik rezonans" konusu, böyle bir fenomen varsa, bu fikri çürütüyor gibi görünüyor.
PS Bu arada, göstergemizin neden sıfır çubuğunda bir tane gösterdiğine dikkat ettiniz mi?
kandida ,
PS Bu arada, göstergemizin neden sıfır çubuğunda bir tane gösterdiğine dikkat ettiniz mi?
Soru benim için olmasa da, konuyla ilgili casusluk yaptığım için ...
Prival bir şekilde burada sağduyuyu denedi. Bu nedenle, ACF'nin genel veya fiziksel anlamı, tanımı gereği, değerini sıfır çubuğunda bire eşitler, çünkü. zaman örneğinin kendisiyle korelasyonunu gösterir. Sıfıra düşmesi, karşılık gelen çubuk sayısı kadar sıfırdan ayrıldıktan sonra VR değerlerinde pratik bir korelasyon kaybı olarak yorumlanabilir. Ancak şimdiye kadar bundan ne elde etmek istediğimizi hala çözemedim. Wikipedia'nın, anladığım kadarıyla Matemet'in kalbine daha yakın olan başka bir AFK tanımını verdiğini not ediyorum, ancak burada sadece ilkini ele alıyoruz.
PS Prival, kodlamaya başlamak için hala içsel bir başlangıç dürtüm yok çünkü. sorunu anlamakta netlik yok. Bu arada, kendimi bir MQL ustası olarak görmüyorum ve hiçbir zaman olmadım, ancak uygulama gösteriyor ki, görevi anlarsanız her şeyi kodlayabilirsiniz. Ve forumda ustalar var.
PPS Forumdaki aktivitedeki azalmayı, forum üyelerinin olasılıksal sinir ağlarını hızlı bir şekilde inceleme arzusuyla ilişkilendiriyorum (umarım Prival onların arasındadır) veya herkes gerçek hesaplar açmak için acele ederken, bir ay boyunca Better'in sinyallerini kullanabilirsiniz. Bedava :-).
Sadece biraz boş vaktim var. Akşama kadar burada ortaya çıkan soruları cevaplamaya çalışacağım.
rsi "...olasılıklı .." sorusuna cevap vermeye çalışın. sinir ağı neyi Daha İyi ayarlıyor?
Akşama kadar her şeyi programlamaya ve fikirlerimi resimlere koymaya çalışacağım.
rsi "...olasılıklı .." sorusuna cevap vermeye çalışın. sinir ağı neyi Daha İyi ayarlıyor?
Ağlarda, yeni başladım (her zamanki gibi, yavaş). Forumun bu durumda armatürleri var (Vinin, Leo, klot ve elbette Better dahil olmak üzere diğerleri). Belki yeni şubeler açmamak için katılırlar. (Ancak bakıyorum, konuyla ilgili zaten yeni bir başlık var - şaşırtıcı değil.) Ama bir kez sorulduğunda deneyeceğim. Söylediği gibi: kendin hiçbir şey yapamayacağına göre, en azından başkalarına öğret! :-) Burada da dalda insanlar zayıf değil, bu yüzden umarım bir şeyleri karıştırırsam beni düzeltirler.
Bugün anladığım kadarıyla, olasılıksal bir ağ oluştururken Bayes yaklaşımı kullanılıyor ve ağın her çıkışında bir tahmin elde ediliyor (ve tabii ki, bir eşik veya diğer çıktılarla karşılaştırılıyor; Prival, belki iki giriş vektörü için maksimum olabilirlik fonksiyonu tarafından tanımlanan sabit bir faktöre kadar bir skaler olarak belirtilen bazı yeterli istatistiklerin eşikleri :-)). Böylece (sorulan soruyu yanıtlayarak), ağ (çıktılarının her biri), girdi vektörünün karara (çıktıya) en olası karşılık gelme olasılığına ayarlanmıştır.
Ağın kendisi, kural olarak, üç katmana sahiptir - bir giriş katmanı, bir radyal katman ve bir çıkış katmanı. Girdi, sınıflandırma vektörleridir (Daha iyisi, zaten bildiğimiz gibi, bunlar, Boole fonksiyonları olsa da, birkaç hareketli ortalamanın değerlerinin büyük olasılıkla doğrusal kombinasyonlarıdır). Çıktı sayısı, çıktı çözümünün gerekli boyutuna karşılık gelir. Örneğin 4 adet al, sat, kapat al, kapat sat kararları vermeniz gerekiyorsa. Eğitim sırasında "kazanan hepsini alır" ilkesi uygulanır, yani. birden fazla çıktı için maksimuma yakın olamaz. Bu, işin yaratıcı bileşenidir: en uygun genişliği (sigma) ve orta katmandaki nöron sayısını aramanız gerekir. Bazı girdi vektörleri büyük olasılıkla başarılı bir satın alma işlemine, diğerleri ise diğer çıktı vektörlerine karşılık gelir. Radyal katman bu şekilde adlandırılır çünkü sigmoid dönüşüm işlevi yerine radyal temel olarak adlandırılanı kullanır - Öklid mesafesinin çan şeklindeki işlevi (giriş vektörünün bağıntılı bileşenlerinin daha genel durumunda - Mahalanobis mesafesi) ).
Gördüğünüz gibi, bu yaklaşım "eller" ile ticarete çok benzer: tüccar girdi vektörünü (fiyat, TA modeli, gösterge okumaları vb.) değerlendirir ve değerlendirmesine göre kriterin karşılanıp karşılanmadığına karar verir. .
Eğitime gelince, henüz çalışmadım. Bu ayrı bir soru, çözersem daha sonra belirtebilirim :-). Daha iyisi, şampiyonadan önce Uzman Danışmanının eğitim için tüm yıl için verileri kullandığını yazdığımı hatırlıyorum.
Samimi , dinamik lin demek istedim. gerileme, yani belirli sayıda önceki değere dayalı olarak bir sonraki çubuktaki değeri doğrusal olarak tahmin eden bir gösterge. Sinir ağlarıyla oynarken bir şekilde bununla ilgilendim ve hatta analitik olarak hesapladım; SMA ve LWMA'nın eşit periyotlarla doğrusal bir kombinasyonunu aldım, oldukça küçük, hiç 1000 değil.Hatırlayacağım - hesaplama formülünü veya göstergenin kendisini göndereceğim.
Ben buna hareketli lineer regresyon diyorum ve bende böyle bir gösterge var, kendim de paylaşabilirim :)
İlk anlamda (sıfır işlenmez)? Her noktanın kendisiyle olan korelasyonu, bunun mümkün olan maksimum korelasyon derecesi olduğu varsayımıyla bir olarak alınır. Gelecekte, bu varsayım haklıdır :). Ama muhtemelen bunu ben olmadan da bildiğine göre, soruda henüz anlamadığım bir ipucu var gibi görünüyor.
Prival konuşmaya söz verdi, ancak bence fikir sadece rastgele bir bileşen bırakmak değil, "uzun" trendi kaldırmak ve sıfır ortalamalı bir dizi elde etmek. Bu seri, oyunun beklenen ufkuna karşılık gelen daha kısa trendleri içerecek. Matematiksel istatistiklerin (ve sadece aynı R / S analizinin geri çağrılabileceğini değil) sadece bu tür serilerle çalışmayı tercih ettiğini hatırlayarak, "fenerin altında arama" sorununun az çok doğru bir şekilde azaltılmasını elde ederiz.
Eğilimden sapma, yalnızca " eğilim çizgisinin " grafiğin kendisinden sapması c'yi çok fazla aşmadığında anlamlıdır. k.o., regresyonun kendisinin (ACF değil) "yumuşatma" periyodunun küçük bir değerini belirler. Aksi takdirde, trend düşme aralığı içinde sadece kurtulmak istediğimiz küçük yerel trendler olacaktır. (Hipotez: yani orijinal sürecin Hurst katsayısını azaltıp onu Gauss'a yaklaştırıyor olabilir miyiz?)
Şimdi 5 dakikaya bakın ve trendlerin doğrusal olup olmadığını söyleyin. "Stokastik rezonans" konusu, böyle bir fenomen varsa, bu fikri çürütüyor gibi görünüyor.
Ve şimdi - tatlı :). Tekrar düşündüm ve aklıma bu geldi. Yukarıda yazıldığı gibi, trend düşürmenin anlamını tam tersi şekilde anlıyorum, yani: görev, oyunun seçilen ufkuna karşılık gelen yerel eğilimleri saf biçimde elde etmek için tam olarak küresel eğilimleri kaldırmaktır. Bu anlamda, zaman dilimleri açısından konuşmak oldukça yanıltıcıdır. Sadece bir zaman serisi vardır, onu farklı zaman ölçekleri kullanarak görebiliriz, ancak nesnel bir gerçeklik olarak eğilimler, ölçek seçimine bağlı değildir. Ve aniden şunu düşündüm - lineer dönüşümlerde açık bir fiziksel anlam var: böyle bir dönüşümün sonucu farklı bir eylemsiz referans çerçevesi, yani aynı kuvvetlerin orijinalinde olduğu gibi hareket edeceği bir çerçeve. Doğrusal olmayan bir dönüşümle, fizikten bilindiği gibi, "mantıksız" ve tanımlanması zor kuvvetlerin beklenmedik bir şekilde ortaya çıkıp kaybolabileceği bir dünya elde ederiz. Getiri kullanımının da lineer bir dönüşüm olması ilginçtir, ancak sıfır beklenti koşulu, lineer regresyon kullanılarak trendin düşürülmesinden önemli ölçüde daha büyük bir hatayla karşılanır.