统计是展望未来的一种方式! - 页 18 1...1112131415161718192021 新评论 Roman Kramar 2008.10.15 15:54 #171 不，你误解了我的意思。上传到本论坛的大图片会被压缩以适合本页面。但如果你点击它们，它们将以所有的荣耀打开 :) Neutron 2008.10.15 16:16 #172 我成功了! 我希望作者能告诉我他是如何得到这种美感的...- 在一些地方，木刻 完全不落后于柯蒂斯。 Roman Kramar 2008.10.15 16:41 #173 你仍然需要弄清楚什么是由什么构建的。非延时慕课 可以通过简单的滤波器来完成，主要是计算出最小相位延迟的参数。MEF是一个很好的例子，但它不会让你高兴，以及任何其他mouving。 Khristian Piligrim 2008.10.16 23:18 #174 我为不能及时维持讨论而道歉，绝对没有时间看论坛。虽然推迟了，但我将努力回答问题。 中子网 -"例如对我来说，每一步都有预测的超前预测是相关的 。在这种提法下，NS可能已经脱离了竞争"。 我也赞同这个概念，但我不认为NS能提供最好的结果，例如，Kohonen地图的预测（当它们不是用来渲染图片，而是根据它们建立模型）比NS的预测更准确、更平滑。线性回归有时也能得到好的结果。作为一个例子，我可以给出一些联合使用LR和NS的图片：蓝线是指标绘制的初始信号，红线和黄线是该信号在不同水平线上的预测。在档案中，有一个对应于H4图的文件，第一列包含对应于蓝色信号的数据，第二列包含黄色数据，第三列包含红色数据，第四列包含关闭。不幸的是，我没有时间来评估云中的利润率并进行计算，如果你有兴趣，你可以在这个文件的帮助下完成。 我使用自己的指标作为信号来源（我从未使用过任何标准指标或其他指标）。然而，把我使用的东西称为简单的指标是有点简单化了。 它是一个基于报价的信号建模系统，这些信号在一个有反馈和自我调整的块中处理，以及根据均衡器类型调整一些参数，允许用户形成必要的信号形式，当然有一些限制，因为基础是真实的报价流，任务是增加数据的信息价值，并使用预测模型进行最小滞后的过滤。 建模区块使用的是论据分组考虑的原则，即像GA一样，它使用的不是最好的模型，而是一组，即使不是最好的模型，因为市场是波动的，随着时间的推移，一些不是最好的信号会成为最好的，反之亦然。此外，我试图获得最大的信号多样性，覆盖目标函数的整个变化范围，包括相位和振幅，相对于这些模型的训练。一般来说，该系统有一个分层的树状结构，在分支的节点上有基于LR和NS的模型。作为一个用于建模的频谱的例子，作为LR和NS训练的输入信号，我给出了图中的一个片段，黑色（虽然几乎看不到）显示的是目标信号，其他都是通过各种模型的报价得出的。 模型的计算是在零条上按点进行的，但由于模型的复杂性，并非所有的点都有时间被处理，但这并不重要--在一个新条的出现时，数值是固定的，不会进一步改变。引入模型并与时间框架相对应的比例系数允许从一个时间框架切换到另一个时间框架，保留信号的恒定比例、相位和振幅特征，而无需任何调整。 第一个例子中提出的结果让我很受鼓舞，我以前从来没有做过这样的测试，我不认为回归模型和NS在长期工作中可以如此稳定，不需要重新训练。根据我的估计，为了美国大选，美元被人为地支持和加强。现在支持它的资源已经用完了，再加上危机阻止了进一步的加强。因 此， 我不认为欧元兑美元会进一步下跌 ，在即将到来的选举之后，美元会开始有点下跌，尽管不是很厉害，因为生产和消费因为危机而减少，油价正在下降。美元的进一步大幅下跌将在世界金融系统从危机中恢复时开始，这不会很快，但与此同时，波动将在1.3-1.5的范围内，我觉得这很令人鼓舞，因为我在这个系统中基于H4数据训练了LR和NS的所有模型，我从2005年7月18日取了5000条。这意味着在价格明显偏离这个范围之前，我的所有模型都会稳定地工作，而LR，如例子所示，可以在明显偏离训练范围的情况下良好地工作。尽管训练是在H4上进行的，但模型在所有的时间框架上都能充分工作。因此，在此基础上建立的系统将是稳定的，不需要重新训练很多年，这是令人鼓舞的。 附加的文件： pr.zip 73 kb Neutron 2008.10.17 06:06 #175 Piligrimm писал(а)>> 我为不能及时维持讨论而道歉，绝对没有时间看论坛。虽然有延迟，但我将努力回答问题。 Piligrimm， 感谢你的信息丰富的帖子，特别是数据文件。我将仔细思考和分析。我认为很快就会有问题。 Roman Kramar 2008.10.17 07:43 #176 黄色和红色的预测范围是什么？ Neutron 2008.10.17 11:28 #177 所以，Piligrimm，我们有初始时间序列（TP）--收盘H4价格（黑点），根据某种算法平滑初始TP的muwwing（蓝线），以及通过分析初始TP的muwwing提前一步对每条H4的不同参数设置的预测值系列（红色和紫色线）。 所以，看来看去，到目前为止，对该算法没有什么不好的说法...... 让我们建立一个TS，它将在每个柱状H4上开仓和平仓，方向是预测，这是由提出的谓语（或谓语？）很明显，该任务包括对所选TF的预测准确性和BP波动性。然后在横轴上画出以点为单位的价格增量，在纵轴上画出对这一增量的预测，我们将得到预测云，利用它的斜切线，我们将评估每笔交易的TS收益，以点计算。 假设工具波动率为30点，回归线的回报率为1.4点/交易，Predict1为6.6点/交易，Predict2为10.7点/交易。 如果作者在准备数据时没有出错，基于这种NS算法的TS，在考虑到点差的情况下，每4小时将为欧元兑美元带来高达8点的平均利润，在同一时间内，风险为+-30点。也就是说，平衡线将以每天40点的速度增长，并以+-100点的振幅在此线附近徘徊。下图中的红线显示了从估计的积分特性中发现的平衡曲线的总体情况。作为比较，蓝线显示的是根据Piligrimm 提供的数据，由 "公平 "TS交易绘制的平衡曲线。 结果很吻合，表明所建议的通过预测云的斜率角来评价TS的盈利能力的积分方法是充分的。 一般来说，如果下一个价格增量的预测与已开仓的方向一致，通过要求TS不平仓，仍然可以大大增加盈利能力。 Piligrimm 实现的算法非常好有很多事情要争取。 Roman Kramar 2008.10.17 14:18 #178 这样就可以了，但皮利格里姆的话意味着，这些曲线有不同的预测范围。而且更可以肯定的是，这不仅仅是向前迈出的一步。所以你必须先了解这些数值，才能进行这样的计算。 Neutron 2008.10.17 14:47 #179 但不管它是什么，它都是有效的! 没有什么能阻止作者按照我的建议使用这种算法，一切都很好:-) 问题可能在于其他方面，即：作者可以隐含地使用开盘价、最高价、最低价或收盘价来构建同一个柱状图的预测...。那么这一切就都白费了!即用 "偷看 "来建立预测，例如使用已经形成的条形图的高点或低点。但我认为作者很快就会消除我们的恐惧。 rsi 2008.10.18 08:02 #180 Neutron писал (а)>> 结果吻合得很好，这表明所提出的积分法对于通过预测云的斜率来估计TC回报是充分的。 同意。这是一个自我评价的结果。中子，最好是以文章的形式将该方法正式化，详细说明实际应用的方法。这可能会成为一个标准，因为它在 "大众中 "传播。同时，TC开仓可以被认为是对下一栏平均利润交易的预测（间隔时间等于平均订单寿命）。 那么这个方法就可以被普及。我们今天显然缺少这样一个评估TS的指标，在这个意义上，你的想法的发展似乎是非常通用的。 P.S. 作为一种选择，在模糊的评价尺度上，右边可以出现 "真正的！"，左边则是 "ftopkus！" :-) 1...1112131415161718192021 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
不，你误解了我的意思。上传到本论坛的大图片会被压缩以适合本页面。但如果你点击它们，它们将以所有的荣耀打开 :)
我成功了!
我希望作者能告诉我他是如何得到这种美感的...- 在一些地方，木刻 完全不落后于柯蒂斯。
我为不能及时维持讨论而道歉，绝对没有时间看论坛。虽然推迟了，但我将努力回答问题。
中子网 -"例如对我来说，每一步都有预测的超前预测是相关的 。在这种提法下，NS可能已经脱离了竞争"。
我也赞同这个概念，但我不认为NS能提供最好的结果，例如，Kohonen地图的预测（当它们不是用来渲染图片，而是根据它们建立模型）比NS的预测更准确、更平滑。线性回归有时也能得到好的结果。作为一个例子，我可以给出一些联合使用LR和NS的图片：蓝线是指标绘制的初始信号，红线和黄线是该信号在不同水平线上的预测。在档案中，有一个对应于H4图的文件，第一列包含对应于蓝色信号的数据，第二列包含黄色数据，第三列包含红色数据，第四列包含关闭。不幸的是，我没有时间来评估云中的利润率并进行计算，如果你有兴趣，你可以在这个文件的帮助下完成。
我使用自己的指标作为信号来源（我从未使用过任何标准指标或其他指标）。然而，把我使用的东西称为简单的指标是有点简单化了。 它是一个基于报价的信号建模系统，这些信号在一个有反馈和自我调整的块中处理，以及根据均衡器类型调整一些参数，允许用户形成必要的信号形式，当然有一些限制，因为基础是真实的报价流，任务是增加数据的信息价值，并使用预测模型进行最小滞后的过滤。
建模区块使用的是论据分组考虑的原则，即像GA一样，它使用的不是最好的模型，而是一组，即使不是最好的模型，因为市场是波动的，随着时间的推移，一些不是最好的信号会成为最好的，反之亦然。此外，我试图获得最大的信号多样性，覆盖目标函数的整个变化范围，包括相位和振幅，相对于这些模型的训练。一般来说，该系统有一个分层的树状结构，在分支的节点上有基于LR和NS的模型。作为一个用于建模的频谱的例子，作为LR和NS训练的输入信号，我给出了图中的一个片段，黑色（虽然几乎看不到）显示的是目标信号，其他都是通过各种模型的报价得出的。 模型的计算是在零条上按点进行的，但由于模型的复杂性，并非所有的点都有时间被处理，但这并不重要--在一个新条的出现时，数值是固定的，不会进一步改变。引入模型并与时间框架相对应的比例系数允许从一个时间框架切换到另一个时间框架，保留信号的恒定比例、相位和振幅特征，而无需任何调整。
第一个例子中提出的结果让我很受鼓舞，我以前从来没有做过这样的测试，我不认为回归模型和NS在长期工作中可以如此稳定，不需要重新训练。根据我的估计，为了美国大选，美元被人为地支持和加强。现在支持它的资源已经用完了，再加上危机阻止了进一步的加强。因 此， 我不认为欧元兑美元会进一步下跌 ，在即将到来的选举之后，美元会开始有点下跌，尽管不是很厉害，因为生产和消费因为危机而减少，油价正在下降。美元的进一步大幅下跌将在世界金融系统从危机中恢复时开始，这不会很快，但与此同时，波动将在1.3-1.5的范围内，我觉得这很令人鼓舞，因为我在这个系统中基于H4数据训练了LR和NS的所有模型，我从2005年7月18日取了5000条。这意味着在价格明显偏离这个范围之前，我的所有模型都会稳定地工作，而LR，如例子所示，可以在明显偏离训练范围的情况下良好地工作。尽管训练是在H4上进行的，但模型在所有的时间框架上都能充分工作。因此，在此基础上建立的系统将是稳定的，不需要重新训练很多年，这是令人鼓舞的。
我为不能及时维持讨论而道歉，绝对没有时间看论坛。虽然有延迟，但我将努力回答问题。
Piligrimm， 感谢你的信息丰富的帖子，特别是数据文件。我将仔细思考和分析。我认为很快就会有问题。
所以，Piligrimm，我们有初始时间序列（TP）--收盘H4价格（黑点），根据某种算法平滑初始TP的muwwing（蓝线），以及通过分析初始TP的muwwing提前一步对每条H4的不同参数设置的预测值系列（红色和紫色线）。
所以，看来看去，到目前为止，对该算法没有什么不好的说法......
让我们建立一个TS，它将在每个柱状H4上开仓和平仓，方向是预测，这是由提出的谓语（或谓语？）很明显，该任务包括对所选TF的预测准确性和BP波动性。然后在横轴上画出以点为单位的价格增量，在纵轴上画出对这一增量的预测，我们将得到预测云，利用它的斜切线，我们将评估每笔交易的TS收益，以点计算。
假设工具波动率为30点，回归线的回报率为1.4点/交易，Predict1为6.6点/交易，Predict2为10.7点/交易。
如果作者在准备数据时没有出错，基于这种NS算法的TS，在考虑到点差的情况下，每4小时将为欧元兑美元带来高达8点的平均利润，在同一时间内，风险为+-30点。也就是说，平衡线将以每天40点的速度增长，并以+-100点的振幅在此线附近徘徊。下图中的红线显示了从估计的积分特性中发现的平衡曲线的总体情况。作为比较，蓝线显示的是根据Piligrimm 提供的数据，由 "公平 "TS交易绘制的平衡曲线。
结果很吻合，表明所建议的通过预测云的斜率角来评价TS的盈利能力的积分方法是充分的。
一般来说，如果下一个价格增量的预测与已开仓的方向一致，通过要求TS不平仓，仍然可以大大增加盈利能力。
Piligrimm 实现的算法非常好有很多事情要争取。
但不管它是什么，它都是有效的!
没有什么能阻止作者按照我的建议使用这种算法，一切都很好:-)
问题可能在于其他方面，即：作者可以隐含地使用开盘价、最高价、最低价或收盘价来构建同一个柱状图的预测...。那么这一切就都白费了!即用 "偷看 "来建立预测，例如使用已经形成的条形图的高点或低点。但我认为作者很快就会消除我们的恐惧。
结果吻合得很好，这表明所提出的积分法对于通过预测云的斜率来估计TC回报是充分的。
同意。这是一个自我评价的结果。中子，最好是以文章的形式将该方法正式化，详细说明实际应用的方法。这可能会成为一个标准，因为它在 "大众中 "传播。同时，TC开仓可以被认为是对下一栏平均利润交易的预测（间隔时间等于平均订单寿命）。 那么这个方法就可以被普及。我们今天显然缺少这样一个评估TS的指标，在这个意义上，你的想法的发展似乎是非常通用的。
P.S. 作为一种选择，在模糊的评价尺度上，右边可以出现 "真正的！"，左边则是 "ftopkus！" :-)