文章 "预测时间序列(第 1 部分):经验分解模式(EMD)方法" 新评论 MetaQuotes 2020.06.01 09:09 新文章 预测时间序列(第 1 部分):经验分解模式(EMD)方法已发布: 本文探讨运用经验分解模式(EMD)预测时间序列的理论和实际应用。 它提议以 MQL 实现此方法,并出示了测试指标和智能交易系统。 采用这些设置,在 2018 年初至 2020 年 2 月期间执行复盘优化,而在 2019 年和 2020 年初执行验证测试,结果如下图所示: TestEMD 报告,于 EURUSD D1, 2018-2020 正如我们所见,尽管该指标表明存在改进的空间,但该系统已有收益。 特别是,逻辑上推断,以步进模式进行更频繁的重新优化,并探索步幅长度,可以提高机器人的性能。 基本上可以说,EMD 算法能够在较大时间帧基础上进行识别,从某种意义上说,报价的动量波动,并以此为基础创建可盈利的交易系统。 作者:Stanislav Korotky 新评论 原因: 取消 您错过了交易机会: 免费交易应用程序 8,000+信号可供复制 探索金融市场的经济新闻 注册 登录 拉丁字符(不带空格) 密码将被发送至该邮箱 发生错误 使用 Google 登录 您同意网站政策和使用条款 如果您没有帐号,请注册 可以使用cookies登录MQL5.com网站。 请在您的浏览器中启用必要的设置,否则您将无法登录。 忘记您的登录名/密码? 使用 Google 登录
新文章 预测时间序列(第 1 部分):经验分解模式(EMD)方法已发布:
本文探讨运用经验分解模式(EMD)预测时间序列的理论和实际应用。 它提议以 MQL 实现此方法,并出示了测试指标和智能交易系统。
采用这些设置,在 2018 年初至 2020 年 2 月期间执行复盘优化,而在 2019 年和 2020 年初执行验证测试,结果如下图所示:
TestEMD 报告,于 EURUSD D1, 2018-2020
正如我们所见,尽管该指标表明存在改进的空间,但该系统已有收益。 特别是,逻辑上推断,以步进模式进行更频繁的重新优化,并探索步幅长度,可以提高机器人的性能。
基本上可以说,EMD 算法能够在较大时间帧基础上进行识别,从某种意义上说,报价的动量波动,并以此为基础创建可盈利的交易系统。
作者:Stanislav Korotky