关于随机序列中存在记忆的定理 - 页 27

新评论
 

在代码中发现了另一个错误。当启动专家顾问或关闭自动交易时，专家顾问立即开始主动交易，而不是像算法中应该的那样，当一个新的条形图 形成时才开始。我不得不多加几句。

//+------------------------------------------------------------------+
//| Expert initialization function                                   |
//+------------------------------------------------------------------+
int OnInit(){

   
   if(!Sym.Name(_Symbol)){
      Alert("Failed to initialize CSymbolInfo, try again");    
      return(-1);
   }
   // Добавлены две нижеуказанные строки, чтобы советник ждал формирования нового бара
   CopyTime(_Symbol,PERIOD_CURRENT,0,1,ctm);   
   LastTime=ctm[0];

   Print("Expert initialization was completed");
   
   
   return(0);
}
拖车里有EA的更正代码。
附加的文件：
AfterEffects.mq5  21 kb
 
double results = rates[0].open - 2.0 * rates[p].open + rates[2*p].open; 这一行的含义是什么？
 
Denis Timoshin:
double results = rates[0].open - 2.0 * rates[p].open + rates[2*p].open; 我不能理解这一行，它是什么意思？

它等于。

double results = (rates[0].open - rates[p].open) - (rates[p].open - rates[2*p].open);
 
этоYury Reshetov:

它相当于。

这当然很清楚，但它的意义是什么，它与你的理论相比如何？

 
Denis Timoshin:

当然是清楚的，但它的意义是什么，如何与你的理论进行比较？

有从过去历史的图谱中得出的数值（即我们已经知道它们的数值）。

double a = rates[0].open - rates[p].open;

и

double b = rates[p].open - rates[2*p].open;

而在未来，第三个价值将出现（我们还不知道）。

double c = rates[-X*p].open - rates[0].open;

X的值对我们来说也是未知的。

根据该定理，如果a、b和c是随机数，那么两个互斥的不等式都是真的，概率超过1/2。

  1. a > b > c
  2. a < b < c

如果它们不是随机的，那么以超过1/2的概率，也有两个互斥的不等式。

  1. C > A > B
  2. c < a < b

为了找出这一点，我们计算一下。

double results = rates[0].open - 2.0 * rates[p].open + rates[2*p].open;

这就相当于。

double results = a - b;

然后我们将结果值与0进行比较，对于高于或低于0，根据数字是否是随机的，我们根据上述不等式决定。

 

...

假设我们有一个随机变量的序列。


x1, x2, ...xn

如果对所有的i和j来说，平等是真的。

p(xi) = p(xj | xi)

那么这个序列就没有记忆。

否则就是。

尤里，你好！

我有点晚了，虽然我从一开始就读了这个主题。

我正确的理解是，有可能在滞后i上找到一个随机变量的值，它决定了最后一个已知数据点的值？还是比这更复杂？

 
Alexey Burnakov:

我的理解是否正确，有可能找到一个随机变量的值，它决定了在Lag i上最后一个已知基准点的值？还是比这更复杂？

如果随机阵营中至少有两个其他随机值是已知的。但问题是，决定论不是严格的，而是概率性的。

 
Yury Reshetov:

如果一个随机营中至少有两个其他的随机值是已知的。但问题是，决定论不是严格的，而是概率性的。

一个随机变量是否具有i.i.d的属性？这难道不妨碍结论的真实性吗？
 
Alexey Burnakov:
一个随机变量是否具有i.i.d.属性？这难道不妨碍结论的真实性吗？

最重要的是观察到任何i和j的序列的独立性：p(Xi > Xj) = p(Xi < Xj)。其他一切都不重要。

 
Yury Reshetov:

最重要的是观察到任何i和j的序列的独立性：p(Xi > Xj) = p(Xi < Xj)。其他一切都不重要。

我将考虑一下。我自己一直在用相互信息法专门寻找外汇市场收益的依赖性，并继续这样做。它就在那里。

但在这里，按照我的理解，我们谈论的是一个任意的系列。

1...202122232425262728293031323334...43
新评论