文章 "以线性回归为例说明指标加速的 3 种方法"

[MetaQuotes]

新文章 以线性回归为例说明指标加速的 3 种方法已发布：

本文讨论指标算法优化方法。每个人都会找到最适合自己的方法。本文介绍了三种方法。其中一个非常简单，另一个需要扎实的数学知识，最后一个需要一些智慧。使用指标或 MetaTrader5 客户端设计功能来实现其中的大多数方法。这些方法通用性强，不仅可用于加快线性回归计算，也可用于很多其他指标。

作者：Andrew

[Mykola Demko]

老实说，Bajan 在第四个论坛上说这个已经有五年了。

但我认为这对初学者来说会很有趣。

这篇文章再次表明，标准指标规则中采用的统计方法不容小觑。

[Mykola Demko]

作者对话。亚历山大-斯米尔诺夫（Alexander Smirnov）。 这是第二次讨论这个话题，第一次是在 2006 年。
。顺便说一句，还有通过马斯基进行二阶回归的公式。

[ds2]

Urain:

老实说，Bajan 在第四个论坛上说这个已经有五年了。

但我认为新人会感兴趣。

是的，这篇文章更偏向于初学者。

这篇文章再次说明，标准指标中的统计方法是有规律可循的，你不应该低估它们。

这是肯定的。我认为，终端内置指标（iMA 等）之所以运行速度快，不仅是因为终端开发人员掌握了优化方法，还因为它们是作为 exe 文件的一部分执行的。也就是说，与外部指示器不同，它是一个完整的编译，而不是一些 pi 代码。也许，它们可以直接高速访问定时器，而外部指示器则无法做到这一点。

我曾尝试使用非嵌入式 mashas 来处理卷积法，虽然它们优化得很好，但比嵌入式的慢得多。

Urain:
作者对话。亚历山大-斯米尔诺夫（Alexander Smirnov）。 这是第二次讨论这个话题，第一次是在 2006 年。
。顺便说一句，也有通过 mashki 进行二阶回归的公式。

是的，我见过类似的话题。但没有任何地方明确说明如何一步一步地获得卷积。我不得不自己推导出所有公式（我写了好几张草稿），以便在文章中说明所有细微差别。例如，LWMA 的条形编号就很棘手。

[Sceptic Philozoff]

ds2: 是的，我看到过类似的帖子。但没有任何地方清楚地说明了卷积是如何一步步实现的。我不得不自己输出所有的公式（我写了好几张草稿纸），以说明文章中的所有细微差别。例如，LWMA 的条形编号就有一个棘手的问题。

下面是证明。这比Urain 提供的链接要早一些。

我并不要求优先权:)。一般来说，这几乎是一个微不足道的事实。

附注： 如果我没忘的话，速度比较的结果仍然有利于经典计算--但明显优化了（差别不是很大，但仍然存在；见Candid' a 的帖子）。不过，将类似的技术应用于高阶回归（二次、三次等）似乎能够显示出 "卷积 "方法比经典方法的优势。

[Meta]

这篇文章写得很好，也很有用，但我有一个问题。

如果我们使用移动总计法，指标的速度确实会提高很多，但这意味着要增加 4 个辅助缓冲区，会增加内存消耗。

那么问题是，是使用内存较少的标准方法好，还是使用内存较多但速度更快的移动总计方法好？

[Vladislav Eremeev]

实现过程中出了问题：

当 LRMethod == LR_M_Sum 时

时，Sx 和 Sxx 原来是常量：

Sxx = ExtBufSxx[prevbar]；

ExtBufSxx [bar] = Sxx；

如果是这样，为什么还要有缓冲区？

如果使用移动 求和法 计算 SMA 和 LWMA，并将结果作为卷积计算，也许会更快。

此外，最好能知道回归的斜率，这也可以通过 SMA 和 LWMA 计算出来。

我是在 4:https://www.mql5.com/zh/code/10642 上实现的

[P_Cherry]

你好、

,,它在每个柱状图上创建回归函数（根据最后一个柱状图的定义数量），并显示该柱状图上的值''

但我如何计算最新回归线的斜率（我只知道形成曲线的最后一个点）...

感谢帮助

彼得

[PaulAntoine777]

您好

感谢您的文章。但能否请您告诉我如何在我的 MQL5 代码中调用您的方法？我不明白该怎么做，我不明白您的方法中的参数列表。在整合您的方法后，我如何在我的代码中获取线性回归 在给定时刻返回的值？