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。