Можно использовать любой метод и алгоритм его реализации. Неприменное требование - код не должен "заглядыват" в будущее. Это требование не так тривиально выполнить, как может показаться на первый взгляд. Например, это может носить скрытый характер связанный с обработкой High и Low. Эти величины изменяются в процессе построения бара вплоть до момента его закрытия, поэтому обработка на истории High и Low равносильна "подглядыванию". Предлагаю использовать только цены открытия и строить прогнозное облако не по абсолютным значениям ВР, а по значениям приращений прогнозного и исходного рядов.
Это не входит в задачу. Работай с каким хочешь горизонтом, только не заглядывай прирасчётах в будущее и не используй ничего кроме цен открытия бара. Но! прогнозный вектор построй только из расчёта "1 бар вперёд".
哦，亲爱的，我们的模型略有不同。一个小问题--为了抹平差异，你能否从预测 "理想的MA"到预测报价，即用你的MA来 "还原 "报价？
让我再提醒你几件事。
你不能没有伟大的阿尔!
你要思考，怎么做我就不说了......去睡觉。
如果你不 "打破 "这些模型，我看到以下情况
或者我得挖掘所有的东西，预测理想的MA，但这不是很快，而且我也不太需要它。该模型假设只为当前的倒计时产生这样的MA，有点像 "自适应过滤"。
PS：好的，我们明天再想办法，但我现在要和麦芽酒一起等... :o)
好了，让我们预测一下这句话吧!
任何方法和算法都可以使用。唯一的要求是，守则不得 "展望未来"。这一要求的实现并不像乍看起来那么简单。例如，它可能具有与 "高 "和 "低 "的处理有关的隐藏性质。这些值在条形结构中一直到它关闭的那一刻都在变化，因此在历史上处理High和Low就相当于 "偷窥"。我建议只 使用开盘价，不通过BP的绝对值来建立预测云，而是通过预测和初始系列的增量来建立。
除了价格序列的预测本身是一项非常困难的任务，因此，我们将比较回归线的斜率角在零区域的值（最多10%）。因此，我建议先为金星的BP建立回归，并确保我们在10000个预测样本上得到准确率高于1%的零，这将是代码正确性的一个标准。是的，正确预测提前1个柱子，作为一个商数，我建议以2004年欧元兑英镑的开放分钟系列（作为最可预测的）为例。
你怎么看？
下面是使用普通（滞后）MA的10条窗口的预测问题的样子。
在左边你可以看到一排分钟数和其下降的MA预测，在中间--横轴--一排开盘价的增量：dBid[i]=（Open[i]-Open[i-1]），纵轴--MA的增量。蓝线是在预测云上绘制的线性回归图。它的斜率显示了预测的质量，如果它的切线等于1或100%（45度），我们就有一个完全准确的预测，如果它趋向于零，我们就没有预测。就在上图中，斜率的正切值是3%，也就是说，它并没有预测到！这说明什么？问题是我用的是1000次预测的统计，误差将是1/SQRT(1000)，也就是仅仅3%左右。
右图显示了滞后MA的预知能力（正切）与窗口宽度的函数关系，单位为条形。你可以看到，随着平均窗口的增加，该工具的预测值趋向于零!
大体上同意，但是...
Можно использовать любой метод и алгоритм его реализации. Неприменное требование - код не должен "заглядыват" в будущее. Это требование не так тривиально выполнить, как может показаться на первый взгляд. Например, это может носить скрытый характер связанный с обработкой High и Low. Эти величины изменяются в процессе построения бара вплоть до момента его закрытия, поэтому обработка на истории High и Low равносильна "подглядыванию". Предлагаю использовать только цены открытия и строить прогнозное облако не по абсолютным значениям ВР, а по значениям приращений прогнозного и исходного рядов.
为了检索数据，我使用GetHistoryProcess(cb,window)函数，它排除了对未来的远距离窥探。GetFutureProcess(cb,window)函数被用来检查结果。
功能参数。
以下是他们的代码。
数据来源
GetHistoryProcess(cb,window)
GetFutureProcess(cb,window)
假设 "当前栏 "是指其完全形成时的栏。换句话说，一句话是 "即将到来的"，它将成为公开的。
此外，价格系列的预测本身是一项非常困难的任务，因此，我们将比较回归线的斜率值在零的区域（最多10%）。因此，我建议先为Venera BP建立一个回归，并确保我们在10000个预测样本上得到准确率高于1%的零，这将是代码正确性的一个标准。是的，正确预测提前1个柱子，作为一个商数，我建议以2004年欧元兑英镑的开放分钟系列（作为最可预测的）为例。
你也可以使用维纳过程，但这有什么区别呢--你仍然会有同样的问题，当前的条形图还没有 "完全 "形成。
下面是使用普通（滞后）MA的10条窗口的预测问题的样子。
你必须决定如何处理地平线，我已经自适应地选择了它。也许我们应该增加一个额外的特征，例如--预测样本总数或平均预测长度，类似这样的东西。
在左边，我们有分钟线和它的下降的MA预测，在中间--横轴是开放价格的一系列增量：dBid[i]=（Open[i]-Open[i-1]），纵轴是MA的增量。蓝线是在预测云上绘制的线性回归图。它的斜率显示了预测的质量，如果它的切线等于1或100%（45度），我们就有一个完全准确的预测，如果它趋向于零，我们就没有预测。就在上图中，斜率的正切值是3%，也就是说，它不是预测的!问题是，我使用了1000个预测的统计数据，误差将在1/SQRT(1000)，即只是在3%的区域。
我不同意，让我们只按价格（按绝对值）绘制散点图。我不喜欢这个增量。你必须明白，如果我们从增量开始，它们将集中在零附近。尝试为你的随机过程做一个价格散点图。
补充：我的观点是，应该预测价格或MA的绝对值。同意吗？
假设 "当前栏 "是指它完全形成时的栏。换句话说，一句话是 "即将进入"，并将成为开放。
你可以在维纳过程中做到这一点，但谁在乎呢--你仍然会有同样的问题，目前的条形还没有 "正确 "形成。因此，明确地说，我们只从开放中建立BPs。
我们需要决定如何处理地平线，我让它可自适应地选择。也许我们应该增加一些额外的功能，如预测样本总数或平均预测长度或类似的东西。
这不是任务的一部分。你可以用任何你想要的水平线工作，但不要向前看，除了酒吧的开盘价，不要使用任何东西。但是！你应该只使用 "向前1条 "作为预测向量。
我不同意，让我们建立一个只使用价格（绝对值）的散点图。我不喜欢这个增量。你必须明白，如果你依靠增量，它们会集中在零附近。尝试为你的随机过程做一个价格散点图。
对不起，我不明白你的意思。
我们的任务是预测一系列的开盘价。那就去做吧!然后，在得到这个有10,000个样本的系列后，我们将把它与原始系列进行比较。而为了估计预测的有效性，让我们构建两个系列的增量，并立即看到预测的失败。简单。很明显!
我错了吗？比较被洗掉的积分曲线有什么用呢。 再看看我在上面的帖子中的图片。第一张图片显示了一条平滑的曲线，它围绕着一系列的引号而弯曲...只要分析一下它们的增量系列（第二张图），就会发现它没有用。谢尔盖，这是个好标准。不要对抗它。
我们成年人不需要玫瑰色的眼镜 :-)
Это не входит в задачу. Работай с каким хочешь горизонтом, только не заглядывай прирасчётах в будущее и не используй ничего кроме цен открытия бара. Но! прогнозный вектор построй только из расчёта "1 бар вперёд".
这里是我不理解你的地方（黑体字的具体内容），请澄清这是什么，也就是说，我们要放弃 "完整的预测向量"。
我不会展望未来，我向你保证。
我们的工作是预测一系列的开盘价。那就去做吧!然后，当我们得到这个有10,000个样本的系列时，我们将它与最初的一个进行比较。而为了估计预测效率，让我们构建两个系列的增量，并立即看到预测的失败。简单。很明显!
我错了吗？比较被洗掉的积分曲线有什么用呢。 再看看我在上面的帖子中的图片。第一张图片显示了一条平滑的曲线，它围绕着一系列的引号而弯曲...仅仅分析其增量的数量（第二张图），就可以看出它没有任何用处。谢尔盖，这是个好标准。不要对抗它。
尝试绘制然后比较增量和绝对MA 值的散点图。 理论上，相对于线性回归线，每个图的斜率角和散点量应该是相同的。再看看结果，就像真正的人通过马驹瞄准器看的那样 :o)对你来说也是如此吗？
重要的是
让我们说得更具体些。因此，我们已经决定--我们预测的是CLOSE，剩下要做的就是想办法。
如果价格本身（即close），我将需要时间来纠正MA 的 "价格重建 "功能。如果我们分析MA 预测，我想我将在今天启动一个小的测试，10-50个柱子（大约一分钟被认为是一个计数。）
为了避免在选择开盘价、收盘价、(H-L)/2时的随意性，我使用了tick-flow的分析，+我考虑的预测值不是在条数 上，而是时间上。而且我认为 "理想的MA "不是你所使用的那个。你应该使用傅里叶变换（PF），然后在频域中进行阈值处理，再进行反PF，结果是一条理想的曲线，最合理的估计值在窗口的中间。然后是你想做什么。
掌握
关闭就是关闭。这是一个交易。
我们真的不理解对方的预测矢量。好吧，让我们看看。
我不会重复关于 "增量和绝对值的散点图"，这里的一切都很清楚。
到私人公司
处理蜱虫有一定的困难--你需要一个大的历史，最好是没有洞的，等等。这些要求在有小时或分钟的档案中比较容易实现。
至于完美的曲线，所以让我们来比较一下两头跑的MEMA（这是我用的）和傅里叶平滑法会得到什么。我建议，"好 "的标准是与子线的标准偏差值和曲线本身的平滑度--子线越小，曲线越平滑--越陡峭!
到 中子
Close так Close. Договорились.
好 吧，当我在建立 "MA 的价格恢复器 "时，我将为MA 做几个测试。顺便说一下，你没有在任何地方显示价格的数据，你只显示了对MA 的增量预测。你有这个 "恢复器 "吗？
关于 "增量和绝对值的散点图 "我就不重复了，这里的一切都很明显。
倒逗号可以去掉，它是我们建造的东西在统计学上的正式名称。你徒然忽略了我的问题，但那是你的事。如果你造过它，你就会知道其中的区别。这正是非显而易见的事情的领域。
到私人公司
而我们似乎已经大致确定了这些参数。