Yazarın diyalogu. Alexander Smirnov. - sayfa 40
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
Toplamın N'ye bölünmesini kullandım. Bu durumda, tüm çapraz toplamlar ortadan kalkar ve formüller çok kompakttır.
Neye göre ofset? Klasik tanıma mı? Yoksa normal dağılım mı? Benim düşünceme göre, bu ne küçük N için ne de büyük olanlar için önemli değil.
Ve bu sadece bu konuya kendini adamış katılımcılar için veya başkaları için (kendimden bahsediyorum) katılabilir ... (takım elbise al).
İlgileniyorsanız, burada döngüleri olmayan doğrusal bir regresyon göstergesi var. Bir saniyenin kesirlerinde çok sayıda çubuktan gerilemeyi hesaplar.
Ve bu sadece bu konuya kendini adamış katılımcılar için veya başkaları için (kendimden bahsediyorum) katılabilir ... (takım elbise al).
Çok teşekkür ederim... Böyle bir tavrınız olması gerçekten güzel... Aldım zaten ve okuyorum.
Belki bu haklıdır. Tahminin taraflı olduğu ortaya çıkıyor, ancak çok kısa LR'lerle çalışmıyorsanız, doğruluk oldukça yeterlidir.
Neye göre ofset? Klasik tanıma göre? Yoksa normal dağılım mı? Benim düşünceme göre, bu ne küçük N için ne de büyük olanlar için önemli değil.
PS Ancak fiyat çizelgeleri ile ilgili olarak, bu zorunlu değildir, bu yüzden yukarıda böyle bir basitleştirmenin haklı olduğu konusunda hemfikirdim.
İlgileniyorsanız, burada döngüleri olmayan doğrusal bir regresyon göstergesi var. Bir saniyenin kesirlerinde çok sayıda çubuktan gerilemeyi hesaplar.
Renklendirmeyi kapatırsanız, 1,5 kat daha hızlı sayar. Dizilere erişmek uzun zaman alır. Eğer gerçekten bir tür hız rekoruna ihtiyacın varsa, biraz daha numara kullanabilirsin. Ama bunun için bir ödül almayacağım.
Bu arada, MovingLR_2 koduna hızlıca baktıktan sonra, a ve b çizgi katsayılarının hesaplanmasını görmedim ve bence bunlar en değerliler, çünkü bu durumda bir açı işlevi oluşturabilir ve eğilimi ölçebilirsiniz. hız. Ve at_LR0'da her çubukta sayılırlar. Bu, her çubukta RMS'nin hesaplanabileceği anlamına gelir. Ve MovingLR_2 saf bir doğrusal regresyon değil, buna yakın bir şey üretir. Sadece son konum çizildiğinde, bu çok önemli değildir, ancak kesinlikle kesin bir lineer regresyonun gerekli olduğu durumlar vardır.
LR(Bar i) = a*i + b
LR(Çubuk i-1) = a*(i-1) + b
Neresi
a = LR(Çubuk i) - LR(Çubuk i-1)
b = LR(Çubuk i) - a*i
Yoksa bir şeyleri karıştırdım mı? Tabii ki, a ve b olması gerektiği gibi i'ye bağlıdır.
Yoksa bir şeyleri karıştırdım mı?
Hala uyumadın mı...?
Yoksa bir şeyleri karıştırdım mı? Tabii ki, a ve b olması gerektiği gibi i'ye bağlıdır.
Tabii ki tutturdu. Böyle sayılamaz. a ve b, minimum RMS'nin bir fonksiyonudur. dönem boyunca sapmalar. a, tüm periyot boyunca doğrunun eğimidir. Ve LR'nin sonunun konumunun artması, tüm regresyonun açısını vermeyecek, sadece bu arada, çizginin sonunun konumunun koordinatı olan b katsayısındaki bir değişikliği verecektir.
Renklendirmeyi kapatırsanız, 1,5 kat daha hızlı sayar. Dizilere erişmek uzun zaman alır.
Eğer gerçekten bir tür hız rekoruna ihtiyacın varsa, biraz daha numara kullanabilirsin.
Bu arada, MovingLR_2 koduna aceleyle baktıktan sonra, a ve b satırının katsayılarının hesaplanmasını görmedim,
...
Yine de MovingLR_2 saf bir doğrusal regresyon değil, buna yakın bir şey üretir. Sadece son konum çizildiğinde, bu çok önemli değildir, ancak kesinlikle kesin bir lineer regresyonun gerekli olduğu durumlar vardır.
A = (ToplamXY - N3*ToplamY)*N4;
B = (N1*SumY - SumXY)*N2;
Anlaşılır olması için, MovingLR_2'nin sadece mevcut doğrusal regresyonu çizen bir sürümünü ekliyorum. Üstelik bir öncekinde N4 hesaplanırken bir leke vardı :)
MovingLR_2 saf bir lineer regresyon üretir ve bunu doğrulamak kolaydır. at_LR0'da, saat cinsinden bir dönemden çubuklardaki bir döneme geçiş doğru değildir. at_LR0'da Close'u (Yüksek+Düşük)/2 ile değiştirir ve 1. periyodu alırsak, MovingLR_2'de periyodu 60 değil 61 olarak ayarlar ve dakika tablosuna asarsak, sonuçlar tamamen eşleşecektir.
PS Bu arada, Mathemat, at_LR0, bu tür bir algoritmada sıfır çubuğunun nasıl hesaplanacağına dair iyi bir örnektir.