Doğrusal regresyon kanalı

Dmitiry Ananiev 2019.07.27 15:39

Doğrusal bir regresyon göstergesi vardır.

Hesaplaması bir EA'ya nasıl gömülür ve çubuk 0 veya çubuk 1'de veri nasıl alınır.

Bunu şöyle yapmaya çalıştım:

 enum ENUM_Polynomial
  {
   linear= 1 ,       // linear 
   parabolic= 2 ,   // parabolic 
   Third_power= 3 , // third-power 
  };
input ENUM_Polynomial degree=linear;
input double kstd= 2.0 ;
input int bars= 250 ;
input int shift= 0 ;

double Ask,Bid;
double h,l;
double sqh_buffer[];
double fx_buffer[];
double sql_buffer[];
double close[];

double ai[ 10 , 10 ],b[ 10 ],x[ 10 ],sx[ 20 ];
double sum;
int p,n,f;
double qq,mm,tt;
int ii,jj,kk,ll,nn;
double sq;

int i0= 0 ;
//+------------------------------------------------------------------+
//|                                                                  |
//+------------------------------------------------------------------+
int OnInit ()
  {
   
   ArrayResize (fx_buffer, 1000 );
   ArrayResize (sqh_buffer, 1000 );
   ArrayResize (sql_buffer, 1000 );
   
   ArraySetAsSeries (fx_buffer, true );
   ArraySetAsSeries (sqh_buffer, true );
   ArraySetAsSeries (sql_buffer, true );
   
   ArrayResize (close, 1000 );
   ArraySetAsSeries (close, false );
   
   
   return ( INIT_SUCCEEDED );
  }
//+------------------------------------------------------------------+
//|                                                                  |
//+------------------------------------------------------------------+
void OnDeinit ( const int reason)
  {

  }
//+------------------------------------------------------------------+
//|                                                                  |
//+------------------------------------------------------------------+
void OnTick ()
  {
   MqlTick Tick;
   SymbolInfoTick ( _Symbol ,Tick);

   Ask = Tick.ask;
   Bid = Tick.bid;
   
   
   iStdev
   for ( int i = 0 ; i< 1000 ;i++)
   {
     // Print (i, "   ",ArraySize(close)); 
    close[i] = iClose ( _Symbol , 0 , 0 );
   }
   
   // ArraySetAsSeries(close,true);
   int mi;
   p=bars;
   sx[ 1 ]=p+ 1 ;
   nn=degree+ 1 ;
   
   //--- sx 
   for (mi= 1 ;mi<=nn* 2 - 2 ;mi++)
     {
      sum= 0 ;
       for (n=i0;n<=i0+p;n++)
        {
         sum+= MathPow (n,mi);
        }
      sx[mi+ 1 ]=sum;
     }
//--- syx 
   for (mi= 1 ;mi<=nn;mi++)
     {
      sum= 0.00000 ;
       for (n=i0;n<=i0+p;n++)
        {
         if (mi== 1 )
            sum+=close[n];
         else
            sum+=close[n]* MathPow (n,mi- 1 );
        }
      b[mi]=sum;
     }
//--- Matrix 
   for (jj= 1 ;jj<=nn;jj++)
     {
       for (ii= 1 ; ii<=nn; ii++)
        {
         kk=ii+jj- 1 ;
         ai[ii,jj]=sx[kk];
        }
     }
//--- Gauss 
   for (kk= 1 ; kk<=nn- 1 ; kk++)
     {
      ll= 0 ;
      mm= 0 ;
       for (ii=kk; ii<=nn; ii++)
        {
         if ( MathAbs (ai[ii,kk])>mm)
           {
            mm= MathAbs (ai[ii,kk]);
            ll=ii;
           }
        }
     
       if (ll!=kk)
        {
         for (jj= 1 ; jj<=nn; jj++)
           {
            tt=ai[kk,jj];
            ai[kk,jj]=ai[ll,jj];
            ai[ll,jj]=tt;
           }
         tt=b[kk];
         b[kk]=b[ll];
         b[ll]=tt;
        }
       for (ii=kk+ 1 ;ii<=nn;ii++)
        {
         qq=ai[ii,kk]/ai[kk,kk];
         for (jj= 1 ;jj<=nn;jj++)
           {
             if (jj==kk)
               ai[ii,jj]= 0 ;
             else
               ai[ii,jj]=ai[ii,jj]-qq*ai[kk,jj];
           }
         b[ii]=b[ii]-qq*b[kk];
        }
     }
   x[nn]=b[nn]/ai[nn,nn];
   for (ii=nn- 1 ;ii>= 1 ;ii--)
     {
      tt= 0 ;
       for (jj= 1 ;jj<=nn-ii;jj++)
        {
         tt=tt+ai[ii,ii+jj]*x[ii+jj];
         x[ii]=( 1 /ai[ii,ii])*(b[ii]-tt);
        }
     }
//---
   for (n=i0;n<=i0+p;n++)
     {
      sum= 0 ;
       for (kk= 1 ;kk<=degree;kk++)
        {
         sum+=x[kk+ 1 ]* MathPow (n,kk);
        }
      fx_buffer[n]=x[ 1 ]+sum;
     }
//--- Std 
   sq= 0.0 ;
   for (n=i0;n<=i0+p;n++)
     {
      sq+= MathPow (close[n]-fx_buffer[n], 2 );
     }
   sq= MathSqrt (sq/(p+ 1 ))*kstd;

   for (n=i0;n<=i0+p;n++)
     {
      sqh_buffer[n]=fx_buffer[n]+sq;
      sql_buffer[n]=fx_buffer[n]-sq;
     }
     
     h = sqh_buffer[
0];
     l = sql_buffer[ 0 ];

Ama bir şeyler doğru görünmüyor...

Dosyalar:

i-Regr.mq5 12 kb

Maxim Dmitrievsky 2019.07.27 16:00 #1

void calcPolynomialRegression(double &PricesArray[],double &RegressionArray[], int power) {
 ArrayResize(RegressionArray, ArraySize(PricesArray)); ArraySetAsSeries(RegressionArray,ArrayGetAsSeries(PricesArray));
 double summ_x_value[21],summ_y_value[11],constant[11],matrix[11][11];
 ArrayInitialize(summ_x_value,0); ArrayInitialize(summ_y_value,0);
 ArrayInitialize(constant,0); ArrayInitialize(matrix,0);

 double summ=0,summ_x=0,summ_y=0;
 int pos=ArraySize(PricesArray)-1;
 summ_x_value[0]=ArraySize(PricesArray);
 for(int exp_n=1; exp_n<=2*power; exp_n++) {
  summ_x=0;
  summ_y=0;
  for(int k=1; k<=ArraySize(PricesArray); k++) {
   summ_x+=MathPow(k,exp_n);
   if(exp_n==1) summ_y+=PricesArray[pos-k+1];
   else if(exp_n<=power+1) summ_y+=PricesArray[pos-k+1]*MathPow(k,exp_n-1); }
  summ_x_value[exp_n]=summ_x;
  if(summ_y!=0) summ_y_value[exp_n-1]=summ_y; }

 for(int row=0; row<=power; row++)
  for(int col=0; col<=power; col++)
    matrix[row][col]=summ_x_value[row+col];

 int initial_row=1;
 int initial_col=1;
 for(int i=1; i<=power; i++) {
  for(int row=initial_row; row<=power; row++) {
   summ_y_value[row]=summ_y_value[row]-(matrix[row][i-1]/matrix[i-1][i-1])*summ_y_value[i-1];
   for(int col=initial_col; col<=power; col++)
     matrix[row][col]=matrix[row][col]-(matrix[row][i-1]/matrix[i-1][i-1])*matrix[i-1][col]; }
   initial_col++;
   initial_row++; }
   
 int j=0;
 for(int i=power; i>=0; i--) {
  if(j==0) constant[i]=summ_y_value[i]/matrix[i][i];
  else {
   summ=0;
   for(int k=j; k>=1; k--) summ+=constant[i+k]*matrix[i][i+k];
   constant[i]=(summ_y_value[i]-summ)/matrix[i][i]; }
  j++; }
  
 int k=1;
 for(int i=ArraySize(PricesArray)-1; i>=0; i--) {
  summ=0;
  for(int n=0; n<=power; n++) summ+=constant[n]*MathPow(k,n);
  RegressionArray[i]=summ;
  k++; } }

Georgiy Merts 2019.07.27 17:02 #2

OOP kullanmasanız bile - Kodu anlama göre bir dizi fonksiyona bölerdim.

Nikolai Semko 2019.07.27 17:23 #3

Regresyon hesaplamasını (yalnızca doğrusal değil) hiçbir döngü olmadan uyguladım. Daha doğrusu, başlatma sırasında döngünün yalnızca bir kez ihtiyacı vardır.
Sonuç olarak, hesaplama hızı binlerce kat daha hızlıdır.

ve kod daha kısadır.
Ama üzgünüm, kodu göndermeyeceğim. Gizli.
Sadece gerçek olduğunu söylüyorum.

Elliot Dalga Teorisine dayalı Hatalar, hatalar, sorular XY'de çizilen nesneler nasıl

Rashid Umarov 2019.07.27 19:04 #4

Yardımcı olacak iki makale var

Пример разработки спредовой стратегии на фьючерсах Московской биржи

www.mql5.com

MetaTrader 5 позволяет разрабатывать и тестировать роботов, торгующих одновременно на нескольких инструментах. Встроенный в платформу тестер стратегий автоматически скачивает с торгового сервера брокера тиковую историю и учитывает спецификацию контрактов — разработчику ничего не нужно делать руками. Это позволяет легко и максимально...

Yuriy Asaulenko 2019.07.27 19:06 #5

Nikolai Semko :

Regresyon hesaplamasını (sadece lineer değil) hiçbir döngü olmadan uyguladım. Daha doğrusu, başlatma sırasında döngünün yalnızca bir kez ihtiyacı vardır.
Sonuç olarak, hesaplama hızı binlerce kat daha hızlıdır.

ve kod daha kısadır.
Ama üzgünüm, kodu göndermeyeceğim. Gizli.
Sadece gerçek olduğunu söylüyorum.

Kod çok basit. Mevcut kareleri ekliyoruz, gidenleri aralıktan çıkarıyoruz. Herşey. Bütün sır.)

Bunu yapmak daha da ilginç olabilir, ancak başka ilkeler üzerinde.

Nikolai Semko 2019.07.27 20:06 #6

Yuriy Asaulenko :

Kod çok basit. Mevcut kareleri ekliyoruz, gidenleri aralıktan çıkarıyoruz. Herşey. Bütün sır.)

gülümsedi))

Yuriy Asaulenko 2019.07.27 20:18 #7

Nikolai Semko :
gülümsedi))

Tamamen komik hale getirmek için, kanaldan değil, döngüler olmadan bir regresyon polinom çizgisinin nasıl yapılacağından bahsetmek mümkün olacaktır. Ama bunu kesinlikle yapmayacağım.)) Buna ihtiyacınız yok.

Georgiy Merts 2019.07.28 04:24 #8

Nikolai Semko :

Regresyon hesaplamasını (yalnızca doğrusal değil) herhangi bir döngü olmadan uyguladım. Daha doğrusu, başlatma sırasında döngünün yalnızca bir kez ihtiyacı vardır.
Sonuç olarak, hesaplama hızı binlerce kat daha hızlıdır.

ve kod daha kısadır.
Ama üzgünüm, kodu göndermeyeceğim. Gizli.
Sadece gerçek olduğunu söylüyorum.

Binlerce kat daha hızlı ve giriş değerleri üzerinde döngü olmadan???

İnanmıyorum !!!

En azından giriş parametreleri arasında bir döngü gereklidir!

Dmitry Fedoseev 2019.07.28 04:44 #9

Nikolai Semko :

ve kod daha kısadır.
Ama üzgünüm, kodu göndermeyeceğim. Gizli.
Sadece gerçek olduğunu söylüyorum.

Ve x*y toplama döngüsü olmadan bile mi? Ya x ve y doğrular değilse?

Nikolai Semko 2019.07.28 07:36 #10

Georgiy Merts :

Binlerce kat daha hızlı ve giriş değerleri üzerinde döngü olmadan???

İnanmıyorum !!!

Asgari olarak, giriş parametreleri arasında bir döngü gereklidir!

Dmitry Fedoseev :

Ve x*y toplama döngüsü olmadan bile mi? Ya x ve y doğrular değilse?

Sağlığınıza güvenmeyin.
Rashid makaleleri düşürdü. Dikkatlice okuyoruz. Başka bir makaleye bağlantı var:
https://www.mql5.com/en/articles/270

7-8. sınıf matematik seviyesinde beyninizi zorlarsanız, o zaman benzer bir şekilde bir döngü olmadan, sadece hareketli olanı değil, kanalı almak için standart sapmayı alabilirsiniz. Bunu, yalnızca ilk (doğrusal regresyon) için değil, herhangi bir derecede bir polinom için uyguladım. Piyasadaki demo versiyonunda bunu hissedebilirsiniz.

ZY Döngünün başlatma sırasında bir kez gerekli olduğunu yazdım.

Binlerce kat daha hızlı - bu, standart sapmanın hesaplanmasını (yani kanal genişliğini) hesaba katar

Eğilimli planimetri yöntemi Elliot Dalga Teorisine dayalı Dijital düşük geçişli filtreler

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18

Yeni yorum