统计是展望未来的一种方式! - 页 10 1...34567891011121314151617...21 新评论 Roman Kramar 2008.09.30 11:11 #91 Prival >> : 看看你帖子上面的图片,从我的角度来看,红色曲线具有非常好的特性,与我所知道的价格指标相比,它是平滑的(我可以变化),滞后性较小(我也可以变化)。 底部是一个基于估计和预测的震荡器。 我不能特别对红色曲线说什么好话,因为我看不出这种曲线有什么特别的用处--在所有这种曲线中把滞后减少到几乎可用的数值,会导致平滑度急剧恶化,过冲增加。如果准确预测其数值的水平线是30-50步,这样的曲线就很有价值。 我不能对振荡器说什么,因为不清楚那里显示的是什么值。 Neutron 2008.09.30 11:27 #92 bstone писал(а)>> 嗯,有意思。那么,相对于 "随机输入",用什么方法来估计结果呢? 换句话说,30-50%到底是怎么算的,还是说这不是问题所在? Roman Kramar 2008.09.30 11:33 #93 实际上是这样。也就是说,通常的做法是计算正确输入 的百分比。为什么要把它相对于 "随机 "进行转移,这是如何做到的?当然,除非是简单的减去50%。 Neutron 2008.09.30 11:39 #94 当然,一个简单的减法。 我的NS提前一步预测了增量的标志。从价格增量的标志创建一个长度为n 的向量,从这些增量的标志的预测创建另一个向量。然后我们计算给定的NS的正确符号猜测的数量,并从得到的总和中减去n/2-- 这对应于50/50的情况。得到的差值乘以200再除以n。 这就是全部。 而我需要这样一个值来估计TS的盈利能力。为此,只需将获得的百分比乘以工具的波动率,我们就可以得到每笔交易的平均统计回报。 Roman Kramar 2008.09.30 12:01 #95 啊哈,如果我理解正确,我指的是乘以100,而不是200。然后我们得到。 (p-n/2)*100/n=(p/n-0.5)*100=100*p/n-50,其中p是正确猜出的字符数。 TheXpert 2008.09.30 12:08 #96 bstone >> : 啊哈,如果我理解正确,我指的是乘以100,而不是200。然后我们得到。 (p-n/2)*100/n=(p/n-0.5)*100=100*p/n-50,其中p是猜对的字符数。 在笔画上不正好是200,得到0到100的区间。你有一个0到50的范围。鉴于网络是随机的一样好:) Neutron 2008.09.30 17:41 #97 Prival писал(а)>> 这是我更喜欢的一张照片:-) 咬合允许 出于需要,我采用了布拉肖夫的MEMU(红线),并为其建立了一个向前的预测(黑色)。为公开赛系列做了这件事(绿色)。"很好",看看MEMA的预测是如何领先一步,冷静地走在科蒂尔的前面,让你及时地咬住并吞下。 然而,在一个有代表性的样本(10,000个样本)上,奇迹消失了,而这个muving的预测特性为零,甚至更糟(tan=-0.02)。我想强调的是,一张图片,即使是一张美丽的图片,也不一定能够客观地反映现实,用独立的方法来检查算法是很有用的。 Roman Kramar 2008.09.30 18:04 #98 Neutron >> : 我想强调的是,一幅图画无论多么美丽,都不一定能够客观地反映现实,用独立的方法来测试一个算法是很有用的。 金句。 P.S. 这张图片只是表明MEMA非常延迟,它的预测并没有给出任何东西。 Roman Kramar 2008.09.30 18:30 #99 这是我在肉眼下的模型。 有效市场理论在发挥作用! Neutron 2008.10.01 05:14 #100 bstone писал(а)>> 有效市场理论在发挥作用! 就像我一样!- 同样有效:-) 顺便说一句,bstone, 如果你引用的数据与NS的表现有关,那么我们可以说明,存在硬性的过度训练。事实上,在训练样本上,我们看到预测和实际增量之间完全一致,而在测试样本上,我们看到的是完全的废话!这就是为什么我们的预测和实际增量是完全一致的。理想情况下(最佳训练),NS在训练和测试样本上有相同的肘部,相当厚,最重要的是斜率和宽度相同。 1...34567891011121314151617...21 新评论 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
看看你帖子上面的图片,从我的角度来看,红色曲线具有非常好的特性,与我所知道的价格指标相比,它是平滑的(我可以变化),滞后性较小(我也可以变化)。
底部是一个基于估计和预测的震荡器。
我不能特别对红色曲线说什么好话,因为我看不出这种曲线有什么特别的用处--在所有这种曲线中把滞后减少到几乎可用的数值,会导致平滑度急剧恶化,过冲增加。如果准确预测其数值的水平线是30-50步,这样的曲线就很有价值。
我不能对振荡器说什么,因为不清楚那里显示的是什么值。
嗯,有意思。那么,相对于 "随机输入",用什么方法来估计结果呢?
换句话说,30-50%到底是怎么算的,还是说这不是问题所在?
当然,一个简单的减法。
我的NS提前一步预测了增量的标志。从价格增量的标志创建一个长度为n 的向量,从这些增量的标志的预测创建另一个向量。然后我们计算给定的NS的正确符号猜测的数量,并从得到的总和中减去n/2-- 这对应于50/50的情况。得到的差值乘以200再除以n。
这就是全部。
而我需要这样一个值来估计TS的盈利能力。为此,只需将获得的百分比乘以工具的波动率,我们就可以得到每笔交易的平均统计回报。
啊哈,如果我理解正确,我指的是乘以100,而不是200。然后我们得到。
(p-n/2)*100/n=(p/n-0.5)*100=100*p/n-50,其中p是正确猜出的字符数。
啊哈,如果我理解正确,我指的是乘以100,而不是200。然后我们得到。
(p-n/2)*100/n=(p/n-0.5)*100=100*p/n-50,其中p是猜对的字符数。
在笔画上不正好是200,得到0到100的区间。你有一个0到50的范围。鉴于网络是随机的一样好:)
这是我更喜欢的一张照片:-) 咬合允许
出于需要,我采用了布拉肖夫的MEMU(红线),并为其建立了一个向前的预测(黑色)。为公开赛系列做了这件事(绿色)。"很好",看看MEMA的预测是如何领先一步,冷静地走在科蒂尔的前面,让你及时地咬住并吞下。
然而,在一个有代表性的样本(10,000个样本)上,奇迹消失了,而这个muving的预测特性为零,甚至更糟(tan=-0.02)。我想强调的是,一张图片,即使是一张美丽的图片,也不一定能够客观地反映现实,用独立的方法来检查算法是很有用的。
我想强调的是,一幅图画无论多么美丽,都不一定能够客观地反映现实,用独立的方法来测试一个算法是很有用的。
金句。
P.S. 这张图片只是表明MEMA非常延迟,它的预测并没有给出任何东西。
这是我在肉眼下的模型。
有效市场理论在发挥作用!
有效市场理论在发挥作用!
就像我一样!- 同样有效:-)
顺便说一句,bstone, 如果你引用的数据与NS的表现有关,那么我们可以说明,存在硬性的过度训练。事实上,在训练样本上,我们看到预测和实际增量之间完全一致,而在测试样本上,我们看到的是完全的废话!这就是为什么我们的预测和实际增量是完全一致的。理想情况下(最佳训练),NS在训练和测试样本上有相同的肘部,相当厚,最重要的是斜率和宽度相同。