基于艾略特波浪理论的交易策略 - 页 18 1...111213141516171819202122232425...309 新评论 Forex Trader 2006.04.19 00:58 #171 我对这个问题感到很棘手 :) 我读过文献，这是我得出的结论。 给定：抛物线y=A*x^2，点P=（Xp，Yp）。 求：从P到抛物线的距离。 从P到抛物线，画一条垂直线（通过P的抛物线的法线）。 用O=（Xo，Yo）表示该法线与抛物线的交点 抛物线在O点的切线角tan(a)=2*A*Xo（O点的导数值）。 抛物线在O点的切线必须与矢量OP垂直。 由此我们得到一个方程组。 1.Yo=A*Xo^2(抛物线在Xo点的数值) 2. tan(a)=2*A*Xo(在O点的切线角度) 3. cos(a)*sin(a) + (Xp - Xo)*(Yp - Yo) = 0 (向量垂直的条件) 现在我们有一个由三个未知数（Xo，Yo，a）组成的三个方程组，所以它可以被解决了。 用sin和cos重写公式2。 将数值Yo（来自第一方程式）代入第三方程式，我们得到一个系统。 1. sin(a) = 2*A*Xo*cos(a) 2. cos(a)*sin(a) + (Xp - Xo)*(Yp - A*Xo^2) = 0 我们得到了一个由2个未知数（Xo，a）组成的2个方程组，这是更好的;) 现在从方程1中表示Xo，并将这个Xo代入方程2。 我们得到一个有一个未知数（a）的三角方程 一旦你解出并找到(a)，你就可以颠倒顺序，找到Xo，然后是Yo 然后用毕达哥拉斯法求出距离OP。 就这样吧 :) 唯一剩下的就是解决最后一个方程，而且这个方程还不小。 谁想试试？ a trading strategy based Forex Trader 2006.04.19 04:27 #172 如果通过毕达哥拉斯定理，推导出距离对X坐标的依赖性的函数。然后找到它的导数，将其等效为零（找到极值），并解决另一个三层方程式（但没有正弦和余弦）。 Forex Trader 2006.04.19 06:05 #173 如果通过毕达哥拉斯定理，推导出距离对X坐标的依赖性的函数。然后找到它的导数，将其等效为零（找到极值），并解决另一个三层方程式（但没有正弦和余弦）。 谢谢你!真的很简单的几何学，我有点生疏了 :o) 网络上甚至有一些现成的算法来解决立方体方程的问题。这里是第一个有C代码的例子。 http://algolist.manual.ru/maths/findroot/cubic.php Forex Trader 2006.04.19 12:05 #174 А если по теореме Пифагора вывести функцию зависимости расстояния от координаты х. Затем найти ее производную, приравнять к нулю (для поиска экстремума) и решить другое трехэтажное уравнения (зато без синусов и косинусов). 谢谢你!的确，我对简单几何学有点忘了 :o) 网络上甚至有现成的解决立方体方程的算法。这里是第一个有C代码的例子。 http://algolist.manual.ru/maths/findroot/cubic.php 对不起，回复得太晚了。一般来说，它确实是一个抛物线。只是你没有考虑到一切，有可能落到 "不可能近似 "的程度，姑且这么说。我的观点是--你不知道抛物线本身到底是什么，但从价格领域的潜力来看，它是一个抛物线，如果你错误地定义或近似方程，不清楚你会得到什么。仔细阅读我上面写的内容--你不需要轨迹方程，你需要一个支点区。在数学中，你不可能总是得到一个准确的答案，但你几乎总是可以估计它--这是通过限制性转换来实现的。而我所使用的积分方法之所以有效，正是因为它们与近似的质量无关，而是对建立在上述原则之上的解决方案进行评估。让我试着解释一下：大多数人试图确定样本中的价格分布，以构建置信区间。而由于他们无法准确地做到这一点，他们将其宣布为白噪声，完全忽视了统计学中心极限定理的存在和证明--任何收敛分布（这意味着分布曲线下的面积是有限的--更严格地说：非整数积分收敛）随着自由度的增加而收敛为正态。因此，你其实并不关心曲线的形状来估计面积--只要数字是有限的就可以了--然后你就可以应用估计。这里也是如此--你不需要轨迹本身--你需要的是它的极值区域，这可以用积分方法来估计。所以整个任务归结为确定样本的收敛性和使用基于上述原则的数学估计。 祝您好运，并祝您在趋势方面好运。 Forex Trader 2006.04.19 13:53 #175 因此，你其实不需要曲线的形状来估计面积--只要数字是有限的就够了--然后你就可以应用估计的结果。所以在这里--你不需要轨迹本身--你需要其极值的面积，而这可以通过积分法来估计。因此，整个问题归结为确定样本的收敛性和使用基于上述原则的数学估计。 我的理解是，首先要找到这样一个价格序列样本，当用任何或多或少真实的抛物线来接近它时，价格序列点到这个抛物线的距离的平方之和在改变抛物线系数时不会变化太大？换句话说，首先我们要提出一个假设，即存在这样一个 "最佳 "样本，在改变抛物线的参数时，距离的平方之和不会有明显的变化（严格在一定范围内）？事实上，由于我没有在任何地方遇到过这样的信息，这对我来说几乎是一个发现，如果我可以这么说的话！:o) 乍一看，这当然是不可思议的，但如果你以这种方式定义了一个极端的样本，这个假设肯定是真的。让我们检查一下。 然后有了这样一个 "极端 "的样本，我们只需计算位于这个抛物线不同间隔的点的数量。此外，知道价格系列和抛物线的曲线下的面积必须等于一定的值，我们确定我们用现有的数据计算出来的东西和根据正态分布应该在区间内的东西之间的差异。然后我们分别对抛物线的左边和右边的这些差异进行总结。因此，我们得到一个比率，例如，左边的差异之和指的是右边的差异之和为20/80%（上升 的概率=20%，下降的概率=80%）。我现在是否真的得到了它？那就请纠正我吧! Forex Trader 2006.04.19 16:04 #176 是的，sin/cos有点棘手，尽管我曾经能够做到这一点:) 用距离函数来解决这个问题比较容易。 R = sqrt((Xp - Xo)^2 + (Yp - Yo)^2) R = sqrt(Xp^2 - 2*Xp*Xo + Xo^2 + Yp^2 - 2*Yp*Yo + Yo^2) 用Yo=A*Xo^2代替。 R = sqrt(Xp^2 - 2*Xp*Xo + Xo^2 + Yp^2 - 2*Yp*A*Xo^2 + A^2*Xo^4) 取dR^2/dXo而不是dR/dXo更容易。 dR^2/dXo = -2*Xp + 2*Xo - 4*Yp*A*Xo + 4*A^2*Xo^3 通过将dR^2/dXo等效为零，我们得到一个形式为a*X^3 + b*X + c = 0的三次方程 a = 4*A^2 b = 2 - 4*Yp*A c = -2*Xp Forex Trader 2006.04.19 22:26 #177 ...完全无视统计学中心极限定理的存在和证明--任何收敛分布（这意味着分布曲线下的面积是有限的--更严格地说：非整数积分收敛）都会随着自由度的增加而收敛到正常。因此，你其实并不关心曲线的形状来估计面积--只要数字是有限的就可以了--然后我们就可以应用估计的结果。 据我所知，中心极限定理和积分极限定理都是指N->无穷大的样本。 不清楚在使用小样本量（条数）的情况下，如何能依靠它？ 此外，它们是针对平等分布的随机变量制定的，而市场的情况并非如此。 最后，所有的定理都是基于事件是独立的假设--人们可以对此进行很多争论--市场波动是独立的变量，但在我看来，它们并不是。 还是由于市场的 "惯性"，否则就不会有 "趋势 "这一说法，这意味着市场的 "依赖性"。 听取评论会很有趣... Forex Trader 2006.04.20 05:09 #178 据我所知，中心极限定理和积分极限定理都是指N->无穷大的样本。<br/ translate="no">不清楚在使用小的样本量（条数）时，如何能依靠它？ 此外，它们是针对平均分布的随机变量制定的，而我认为市场不是这样。 最后，所有的定理都是基于事件是独立的假设--人们可以对此争论很多--市场波动是否是独立变量，但在我看来，它们不是。 还是由于市场的 "惯性"，否则就不会有 "趋势 "这一说法，这意味着市场的 "依赖性"。 也许这个想法的本质是，如果我们用抛物线来近似这个小样本，例如3-6个月的时间段，那么就抛物线而言，是可以应用这个推理的？也就是说，我们最终得到的是垂直于抛物线的平面内的估算，而不是那些平行于大家都明白的价格坐标的估算。据我所知，Vladislav将同样的积分估计应用于线性回归 通道。即线性回归通道的反转概率可以用同样的积分方法来确定。而通过简单地分析不同渠道的信息（线性回归和抛物线），它可以获得对市场状况（反转和延续运动的概率）更准确的估计。 然而，我并不完全理解在时间上估计可能出现的逆转的问题。例如，弗拉迪斯拉夫，你是否使用默里理论的一个简单假设，即如果我们根据计算水平的时间段，将其分为8个部分，那么在这些部分的区域，应该有一些关键点（反转或突破点）？也就是说，如果我们把指标的默认参数P=64（1440期-1天），然后除以8，我们就有一个假设，这种危机事件必须大约每8个交易日发生一次？或者类似这样的事情？你能告诉我吗？因为如果你使用其他东西（例如对逆转概率的某种积分估计），乍一看，按时间预测的想法并不明确。你能告诉我这里的重点是什么吗？ Forex Trader 2006.04.20 08:32 #179 时间和价格估计是由同样满足选择标准的通道置信区间 的交点得出的。美利水平只提供了一个额外的估计，而且只有当它属于这个区域的时候。关于收敛性--别忘了数列中有些项可以让你估计出近似值的误差--所以你不需要无限多的项。例子：数字e是一个无限小数，但还是在很多方面被使用，包括作为对数的基数;)。还有相当多的例子。 祝您好运，并祝您在趋势方面好运。 Forex Trader 2006.04.22 13:06 #180 明白了。IMHO - 在一般情况下，这是不正确的。我当然一定要使用这个参数，它是获得与噪音无关的估计值（姑且这么叫）的可能性之一。为了估计你在置信区间中的位置，需要这个参数。当然，区间本身将取决于内部的分布类型（有一些选项可以绕过这个问题--我已经写过了）。原则上，对你的策略在方法上，布林线在逻辑上适合于确定置信区间的数值--它们建立在相同的缪斯上。趋势的方向=移动平均线的方向。然而，这种估计会有一定的时间滞后。如果你使用置信区间，这个滞后可以被消除。<br/ translate="no">。 弗拉迪斯拉夫，你能不能更详细地描述一下标准差在你的策略中的使用，以估计我们在当前时间点上所处的置信区间的位置？假设我们已经通过对过去六个月中所有可能的样本进行头对头的重新计算，找到了最佳抛物线和线性回归通道（基于Hurst系数），并且根据积分估计方法知道了当前的反转概率。现在我们如何在这整个系统中也应用标准差？也就是说，应该选择什么参数来计算标准偏差值？也许，在这种情况下，我们应该只是让计算标准偏差的牟氏图尽可能地与获得的最佳抛物线或其他东西相吻合？也就是说，首先我们简单地绘制，例如，一个标准的MA（或一个不寻常的MA--告诉我们是哪一个？），并将其分歧与上周的最佳抛物线进行比较，例如，用计算MA的条数参数的值来拟合这个抛物线。然后在得到了МА参数的值之后，我们把它带到标准偏差指标，从而找到偏差，通过它我们确定从最优抛物线的置信区间？还是我搞错了？请纠正我! 1...111213141516171819202122232425...309 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
我读过文献，这是我得出的结论。
给定：抛物线y=A*x^2，点P=（Xp，Yp）。
求：从P到抛物线的距离。
从P到抛物线，画一条垂直线（通过P的抛物线的法线）。
用O=（Xo，Yo）表示该法线与抛物线的交点
抛物线在O点的切线角tan(a)=2*A*Xo（O点的导数值）。
抛物线在O点的切线必须与矢量OP垂直。
由此我们得到一个方程组。
1.Yo=A*Xo^2(抛物线在Xo点的数值)
2. tan(a)=2*A*Xo(在O点的切线角度)
3. cos(a)*sin(a) + (Xp - Xo)*(Yp - Yo) = 0 (向量垂直的条件)
现在我们有一个由三个未知数（Xo，Yo，a）组成的三个方程组，所以它可以被解决了。
用sin和cos重写公式2。
将数值Yo（来自第一方程式）代入第三方程式，我们得到一个系统。
1. sin(a) = 2*A*Xo*cos(a)
2. cos(a)*sin(a) + (Xp - Xo)*(Yp - A*Xo^2) = 0
我们得到了一个由2个未知数（Xo，a）组成的2个方程组，这是更好的;)
现在从方程1中表示Xo，并将这个Xo代入方程2。
我们得到一个有一个未知数（a）的三角方程
一旦你解出并找到(a)，你就可以颠倒顺序，找到Xo，然后是Yo
然后用毕达哥拉斯法求出距离OP。
就这样吧 :)
唯一剩下的就是解决最后一个方程，而且这个方程还不小。
谁想试试？
谢谢你!真的很简单的几何学，我有点生疏了 :o)
网络上甚至有一些现成的算法来解决立方体方程的问题。这里是第一个有C代码的例子。
http://algolist.manual.ru/maths/findroot/cubic.php
谢谢你!的确，我对简单几何学有点忘了 :o)
网络上甚至有现成的解决立方体方程的算法。这里是第一个有C代码的例子。
http://algolist.manual.ru/maths/findroot/cubic.php
对不起，回复得太晚了。一般来说，它确实是一个抛物线。只是你没有考虑到一切，有可能落到 "不可能近似 "的程度，姑且这么说。我的观点是--你不知道抛物线本身到底是什么，但从价格领域的潜力来看，它是一个抛物线，如果你错误地定义或近似方程，不清楚你会得到什么。仔细阅读我上面写的内容--你不需要轨迹方程，你需要一个支点区。在数学中，你不可能总是得到一个准确的答案，但你几乎总是可以估计它--这是通过限制性转换来实现的。而我所使用的积分方法之所以有效，正是因为它们与近似的质量无关，而是对建立在上述原则之上的解决方案进行评估。让我试着解释一下：大多数人试图确定样本中的价格分布，以构建置信区间。而由于他们无法准确地做到这一点，他们将其宣布为白噪声，完全忽视了统计学中心极限定理的存在和证明--任何收敛分布（这意味着分布曲线下的面积是有限的--更严格地说：非整数积分收敛）随着自由度的增加而收敛为正态。因此，你其实并不关心曲线的形状来估计面积--只要数字是有限的就可以了--然后你就可以应用估计。这里也是如此--你不需要轨迹本身--你需要的是它的极值区域，这可以用积分方法来估计。所以整个任务归结为确定样本的收敛性和使用基于上述原则的数学估计。
祝您好运，并祝您在趋势方面好运。
我的理解是，首先要找到这样一个价格序列样本，当用任何或多或少真实的抛物线来接近它时，价格序列点到这个抛物线的距离的平方之和在改变抛物线系数时不会变化太大？换句话说，首先我们要提出一个假设，即存在这样一个 "最佳 "样本，在改变抛物线的参数时，距离的平方之和不会有明显的变化（严格在一定范围内）？事实上，由于我没有在任何地方遇到过这样的信息，这对我来说几乎是一个发现，如果我可以这么说的话！:o) 乍一看，这当然是不可思议的，但如果你以这种方式定义了一个极端的样本，这个假设肯定是真的。让我们检查一下。
然后有了这样一个 "极端 "的样本，我们只需计算位于这个抛物线不同间隔的点的数量。此外，知道价格系列和抛物线的曲线下的面积必须等于一定的值，我们确定我们用现有的数据计算出来的东西和根据正态分布应该在区间内的东西之间的差异。然后我们分别对抛物线的左边和右边的这些差异进行总结。因此，我们得到一个比率，例如，左边的差异之和指的是右边的差异之和为20/80%（上升 的概率=20%，下降的概率=80%）。我现在是否真的得到了它？那就请纠正我吧!
用距离函数来解决这个问题比较容易。
R = sqrt((Xp - Xo)^2 + (Yp - Yo)^2)
R = sqrt(Xp^2 - 2*Xp*Xo + Xo^2 + Yp^2 - 2*Yp*Yo + Yo^2)
用Yo=A*Xo^2代替。
R = sqrt(Xp^2 - 2*Xp*Xo + Xo^2 + Yp^2 - 2*Yp*A*Xo^2 + A^2*Xo^4)
取dR^2/dXo而不是dR/dXo更容易。
dR^2/dXo = -2*Xp + 2*Xo - 4*Yp*A*Xo + 4*A^2*Xo^3
通过将dR^2/dXo等效为零，我们得到一个形式为a*X^3 + b*X + c = 0的三次方程
a = 4*A^2
b = 2 - 4*Yp*A
c = -2*Xp
据我所知，中心极限定理和积分极限定理都是指N->无穷大的样本。
不清楚在使用小样本量（条数）的情况下，如何能依靠它？
此外，它们是针对平等分布的随机变量制定的，而市场的情况并非如此。
最后，所有的定理都是基于事件是独立的假设--人们可以对此进行很多争论--市场波动是独立的变量，但在我看来，它们并不是。
还是由于市场的 "惯性"，否则就不会有 "趋势 "这一说法，这意味着市场的 "依赖性"。
听取评论会很有趣...
此外，它们是针对平均分布的随机变量制定的，而我认为市场不是这样。
最后，所有的定理都是基于事件是独立的假设--人们可以对此争论很多--市场波动是否是独立变量，但在我看来，它们不是。
还是由于市场的 "惯性"，否则就不会有 "趋势 "这一说法，这意味着市场的 "依赖性"。
也许这个想法的本质是，如果我们用抛物线来近似这个小样本，例如3-6个月的时间段，那么就抛物线而言，是可以应用这个推理的？也就是说，我们最终得到的是垂直于抛物线的平面内的估算，而不是那些平行于大家都明白的价格坐标的估算。据我所知，Vladislav将同样的积分估计应用于线性回归 通道。即线性回归通道的反转概率可以用同样的积分方法来确定。而通过简单地分析不同渠道的信息（线性回归和抛物线），它可以获得对市场状况（反转和延续运动的概率）更准确的估计。 然而，我并不完全理解在时间上估计可能出现的逆转的问题。例如，弗拉迪斯拉夫，你是否使用默里理论的一个简单假设，即如果我们根据计算水平的时间段，将其分为8个部分，那么在这些部分的区域，应该有一些关键点（反转或突破点）？也就是说，如果我们把指标的默认参数P=64（1440期-1天），然后除以8，我们就有一个假设，这种危机事件必须大约每8个交易日发生一次？或者类似这样的事情？你能告诉我吗？因为如果你使用其他东西（例如对逆转概率的某种积分估计），乍一看，按时间预测的想法并不明确。你能告诉我这里的重点是什么吗？
祝您好运，并祝您在趋势方面好运。
弗拉迪斯拉夫，你能不能更详细地描述一下标准差在你的策略中的使用，以估计我们在当前时间点上所处的置信区间的位置？假设我们已经通过对过去六个月中所有可能的样本进行头对头的重新计算，找到了最佳抛物线和线性回归通道（基于Hurst系数），并且根据积分估计方法知道了当前的反转概率。现在我们如何在这整个系统中也应用标准差？也就是说，应该选择什么参数来计算标准偏差值？也许，在这种情况下，我们应该只是让计算标准偏差的牟氏图尽可能地与获得的最佳抛物线或其他东西相吻合？也就是说，首先我们简单地绘制，例如，一个标准的MA（或一个不寻常的MA--告诉我们是哪一个？），并将其分歧与上周的最佳抛物线进行比较，例如，用计算MA的条数参数的值来拟合这个抛物线。然后在得到了МА参数的值之后，我们把它带到标准偏差指标，从而找到偏差，通过它我们确定从最优抛物线的置信区间？还是我搞错了？请纠正我!