/*[[
Name :=
Author :=
Link :=
Separate Window := Yes
First Color := Red
First Draw Type := Line
First Symbol := 217
Use Second Data := Yes
Second Color := Blue
Second Draw Type := Line
Second Symbol := 218
]]*/
Variables : shift(0),AccountedBars(0),FirstTime(True),i(0),swap(0),MinL(0),MaxH(0);
Inputs: PeriodHerst(24),PeriodA(100),CountBars(900);
Array: ArrayOne[250](0);
Variables : Average(0),Deviation(0);
SetLoopCount(0);
If FirstTime Then Begin
AccountedBars=CountBars;
FirstTime=False;
End;
For shift = AccountedBars DownTo 0 Begin
MaxH=Highest(MODE_HIGH,shift+PeriodHerst,PeriodHerst-1);
MinL=Lowest(MODE_LOW,shift+PeriodHerst,PeriodHerst-1);
Average=iMA(PeriodA,MODE_SMA,shift);
swap=0;
for i=0 to PeriodA-1
{
swap=swap+pow(open[shift+i]-Average,2);
swap=swap+pow(high[shift+i]-Average,2);
swap=swap+pow(low[shift+i]-Average,2);
swap=swap+pow(close[shift+i]-Average,2);
};
Deviation=sqrt(swap/((PeriodA-1)*PeriodA));
//for i=100 downto 2 {ArrayOne[i]=ArrayOne[i-1];};
ArrayOne[1]=(High[MaxH]-Low[MinL])/Deviation;
SetIndexValue(shift,ArrayOne[1]);
swap=0;
If shift< CountBars-PeriodA then {for i=1 to PeriodA {swap=swap+GetIndexValue(shift+i);};swap=swap/PeriodA;}
else swap=0;
SetIndexValue2(shift,swap);
If shift>0 Then AccountedBars=AccountedBars-1;
End;
而这里是对代码和txt文件的解释。
<br / translate="no"> Dart
注册时间：27.12.2004 信息: 122
查看资料
PostAdded: Thu Feb 03, 2005 6:23 pm Post Title: Normalized Spread Method or Hear_st Reply with quote Edit/delete this post 早在两百年前，数学家赫斯特就研究了河流的流动过程等，随机偏离平均值的情况呈正态分布。现在，该理论已被扩展和延伸，被称为 有记忆的随机行走过程。 那么，就我从统计样本中判断，cloze(shift)-cloze(shift+1)分布是正常的，那么价格，或者说它的图形，就是这种非常 "有记忆的随机行走"。 在他的工作中，赫斯特获得了一个有趣的规律性，后来用计算机模拟进行了检查--R/S=(t/2)^H 其中R是某一时期t的（最大-最小）。 S--标准值的斜率 那么R/S就是在t时期的预期归一化范围值 t - 所述区间的时间 H - Hurst系数，对于给定值是常数 由于我们不知道H（尽管可以通过实验找到），但对于一个恒定的时间间隔（t-const），我们可以假设R/S将是恒定的，或者更确切地说，围绕某个平均正态规律分布，sk=（abs（（t/2）^H-（t/2）^（H-0.09））+abs（（t/2）^H-（t/2）^（H+0.09））/2。 那么，假设上述假设是真实的，在R/S变得大于某个平均数的情况下，导致R/S增长的运动必须弯曲，如回撤，反之亦然，如果 如果R/S小于平均值，其增长是可以预期的，也就是运动。 我自己也用这玩意做了一些实验，但结果是零。虽然有几个细微的差别我没有考虑到。 A).我是从这段时间的固定平均数算起的，也许我应该从移动平均数算起。 B).从统计学的角度来看，这些间隔（Hearst期和平均期）很小，但我的指标 (可能有人会优化它？)。 C) 我还没有考虑关于平均数的统计分布R/S，如果要这样做，那么我们需要引入 用上述参数的加权函数。
比如说，还有没有继续下去的必要呢？我有很多想法，但没有足够的时间......。
RS-Herst.mql 描述。 这是一个计算R/S的指标，它的滑动性
下载地址 文件名：RS-Herst.mql 文件大小：1.3 KB 已下载: 1 次 (s)
叔叔
注册时间：11/17/2004 信息。41
查看资料
PostAdded: Thu Feb 03, 2005 10:08 am Post title: Re: normalized spread method or Dick_sta. reply with quote 忘了它吧。 问题是，报价过程的H参数是一个浮动值（就像同一时期的归一化价差本身）。我曾经在VIAC上发布过一个分形维度表（H=2维）。
我一定是达特。
/*[[ Name := Author := Link := Separate Window := Yes First Color := Red First Draw Type := Line First Symbol := 217 Use Second Data := Yes Second Color := Blue Second Draw Type := Line Second Symbol := 218 ]]*/ Variables : shift(0),AccountedBars(0),FirstTime(True),i(0),swap(0),MinL(0),MaxH(0); Inputs: PeriodHerst(24),PeriodA(100),CountBars(900); Array: ArrayOne[250](0); Variables : Average(0),Deviation(0); SetLoopCount(0); If FirstTime Then Begin AccountedBars=CountBars; FirstTime=False; End; For shift = AccountedBars DownTo 0 Begin MaxH=Highest(MODE_HIGH,shift+PeriodHerst,PeriodHerst-1); MinL=Lowest(MODE_LOW,shift+PeriodHerst,PeriodHerst-1); Average=iMA(PeriodA,MODE_SMA,shift); swap=0; for i=0 to PeriodA-1 { swap=swap+pow(open[shift+i]-Average,2); swap=swap+pow(high[shift+i]-Average,2); swap=swap+pow(low[shift+i]-Average,2); swap=swap+pow(close[shift+i]-Average,2); }; Deviation=sqrt(swap/((PeriodA-1)*PeriodA)); //for i=100 downto 2 {ArrayOne[i]=ArrayOne[i-1];}; ArrayOne[1]=(High[MaxH]-Low[MinL])/Deviation; SetIndexValue(shift,ArrayOne[1]); swap=0; If shift< CountBars-PeriodA then {for i=1 to PeriodA {swap=swap+GetIndexValue(shift+i);};swap=swap/PeriodA;} else swap=0; SetIndexValue2(shift,swap); If shift>0 Then AccountedBars=AccountedBars-1; End;而这里是对代码和txt文件的解释。
注册时间：27.12.2004
信息: 122
查看资料
PostAdded: Thu Feb 03, 2005 6:23 pm Post Title: Normalized Spread Method or Hear_st Reply with quote Edit/delete this post
早在两百年前，数学家赫斯特就研究了河流的流动过程等，随机偏离平均值的情况呈正态分布。现在，该理论已被扩展和延伸，被称为
有记忆的随机行走过程。
那么，就我从统计样本中判断，cloze(shift)-cloze(shift+1)分布是正常的，那么价格，或者说它的图形，就是这种非常 "有记忆的随机行走"。
在他的工作中，赫斯特获得了一个有趣的规律性，后来用计算机模拟进行了检查--R/S=(t/2)^H
其中R是某一时期t的（最大-最小）。
S--标准值的斜率
那么R/S就是在t时期的预期归一化范围值
t - 所述区间的时间
H - Hurst系数，对于给定值是常数
由于我们不知道H（尽管可以通过实验找到），但对于一个恒定的时间间隔（t-const），我们可以假设R/S将是恒定的，或者更确切地说，围绕某个平均正态规律分布，sk=（abs（（t/2）^H-（t/2）^（H-0.09））+abs（（t/2）^H-（t/2）^（H+0.09））/2。
那么，假设上述假设是真实的，在R/S变得大于某个平均数的情况下，导致R/S增长的运动必须弯曲，如回撤，反之亦然，如果
如果R/S小于平均值，其增长是可以预期的，也就是运动。
我自己也用这玩意做了一些实验，但结果是零。虽然有几个细微的差别我没有考虑到。
A).我是从这段时间的固定平均数算起的，也许我应该从移动平均数算起。
B).从统计学的角度来看，这些间隔（Hearst期和平均期）很小，但我的指标
(可能有人会优化它？)。
C) 我还没有考虑关于平均数的统计分布R/S，如果要这样做，那么我们需要引入
用上述参数的加权函数。
比如说，还有没有继续下去的必要呢？我有很多想法，但没有足够的时间......。
RS-Herst.mql
描述。
这是一个计算R/S的指标，它的滑动性
下载地址
文件名：RS-Herst.mql
文件大小：1.3 KB
已下载: 1 次 (s)
叔叔
注册时间：11/17/2004
信息。41
查看资料
PostAdded: Thu Feb 03, 2005 10:08 am Post title: Re: normalized spread method or Dick_sta. reply with quote
忘了它吧。
问题是，报价过程的H参数是一个浮动值（就像同一时期的归一化价差本身）。我曾经在VIAC上发布过一个分形维度表（H=2维）。
你可以尝试使用H参数的唯一目的是选择有记忆的仪器。在货币上，这不是一个好主意，但在股票上，这是值得尝试的。但也可以使用增量的自相关来达到这些目的。
P.S. 通常他们不写R/S=(t/2)^H，而是R/S=C*(t/2)^H，而H是作为直线log(R/S)=H*log(t/2)+b的角度系数通过OLS找到的
如果它是恒定的，那就不适合做指标。
至于图片，在8月24日和25日之间，价格似乎一直沿着RMS线移动，概率开始大幅下降。这是由于一个小故障还是有一个频道正在重新调整？
也许很难说，但关于指标故障的警报就在今天出现。通常在发生这种故障后，指示器就会停止工作。
可见的SCO通道是指标在11:00 MSK时最后绘制的。在此之前，还有其他渠道。
http://forum.traders.kiev.ua/viewtopic.php?t=1310&highlight=&sid=9070cd1888daae94e2bf0605cbd63cb4
http://forum.forex.ua/viewtopic.php?p=14906&highlight=
还有提到的那本书（档案分两部分）。
http://forex.kbpauk.ru/download.php?Number=56226
http://forex.kbpauk.ru/download.php?Number=56228
我强烈建议阅读这些链接，它相当有趣。
而一般来说，关于白领感兴趣的主题，有相当多的信息，但找到这些信息是一个问题。
https://c.mql5.com/mql4/forum/2006/08/EURUSD30.zip
我需要将zip扩展名改为rar（根据solandr 的配方）。从会议记录中准备，会议记录似乎与HIDDEN（"为比赛测试"）发布的会议记录接近，因为收集，我记得，类似的，只有从viac.ru我直接去了蜘蛛，把历史到2004年中期那里。卷轴不应该被信任，当它们丢失时，它们是被任意添加的，只是测试器在零卷轴的情况下不能工作。
我在这段历史上测试了它。2001年1月1日至2004年10月15日期间，专家顾问的工作结果是损失60%。
在 "solandr 15.08.06 07:21 "的帖子中测试了该EA在这段时间的测试结果，如下图所示。
根据获得的结果，可以得出以下结论。
1.目前可用的专家顾问是 "噪声依赖 "的，即专家顾问在从各种来源获得的结果中显示出相当大的差异，无论是在最终利润还是在执行的交易方面。
2.你不仅可以调整（适合历史）系统的参数，还可以调整交易算法，这可能也存在于这个EA中。唯一的确认震荡器的参数是在3个月前开始选择的，只是基于视觉图片和日内交易开盘的逻辑，从那时起，它们从未被改变。所有的成就都是通过修改交易算法才取得的。
也许，对于导致这种结果的原因，可以做如下假设。不同来源的报价在M30时期的条形图上可能有3-10个点的差异，再加上不同的经纪商有不同的报价历史孔。此外，当我们计算Hurst Ratio并等到它的值超过0.5的阈值，以做出关于趋势反转的决定时，那么在接近这个值的区域，这个5-10点的差值可能发挥重要作用。当然，当Hurst系数远离这个区域时，例如等于0.8，如果是0.81或0.79（不同的报价），就没有什么本质区别。因此，由于这个参数是开仓的关键参数之一，它在决策区的噪音波动会影响结果，就像发生在所有其他指标上一样。Vladislav在他的一个帖子（在这个主题中找不到;o)）中写道，他在不同的经纪商上测试了他的EA，有这样的情况：一个经纪商的潜在盈利头寸被止损抹去，而另一个经纪商（-s）保持这个头寸的运行。
另外，我有一个假设，因为我的算法的实现肯定与Vladislav的算法不同，那么也许使用它来优化基于通道势能最小化的事实可能会在某种程度上增加策略对噪音（不同经纪商的报价差异）的稳健性。
到目前为止，我只是在观察专家顾问在真实账户上的工作情况。在12个交易日里，专家顾问已经做了5笔交易。所有这些时间，他以8.7%的利润收盘。由于如此少的交易数量在统计学上绝对是不重要的，所以讨论这个结果是没有意义的。让我们继续这个观察。
一般来说，我有计划将这个EA改为半自动模式。也就是说，要为它配备一种可能，即使用上述梯度之和为零的收敛点的方法手动开仓/平仓，然后使用现有的交易算法自动控制头寸，因为我看到它在某些方面可以更有利可图。同样，我们必须检查和观察。在观察之间，让我们读一读这本书，这本书的链接是由Tier 善意分享的。也许一些新的想法会因为它而出现？
这种自动交易的方法是否有希望和可行？