我们的玛莎! - 页 4 1234567891011...21 新评论 TheXpert 2009.01.19 20:27 #31 Prival >> : 完美的MA是这样的。'作者的对话。亚历山大-斯米尔诺夫'。 见帖子ANG3110 06.02.2008 20:48 如果它重画，那有多完美呢？ [删除] 2009.01.19 21:07 #32 Neutron >> : 我们在 "不知道 "历史的情况下实现利润最大化，只分析报价的最新读数和它之前的一个值X[i]-X[i-1]，仅此而已。似乎是这样的。 也就是说，你正在创建一个最有利可图的系统。而你正在开发的方法使用了所有可以在你可用的历史上追踪到的规律性。 >> 大胆! Prival 2009.01.19 21:29 #33 TheXpert писал(а)>> 如果它重画，那有多完美呢？ 我们把一个故事，在其上建立一个完美的MA。这就是要争取的东西。而我们寻找的是不会透支且与该曲线偏差最小的那一个。它是这样的 Victor Nikolaev 2009.01.20 06:11 #34 我一直想去布拉索夫。完美混搭的公式在那里是差不多的。但它最终成为了DEMA Neutron 2009.01.20 06:35 #35 mql4com писал(а)>> 换句话说，你正在创建一个最有利可图的系统。而你正在开发的方法使用了所有可以追溯到你可用的历史的规律性。 大胆! 好吧，好吧，好吧。我看起来像六号病人吗？ 显然，如果你用这种方法或其他方法来预测一个综合随机变量（完全随机的，而不是准随机的）的动态，你会得到零的结果根据定义，你无法击败一个随机过程，这是一个自然法则。另一方面，时间序列（TR），像价格序列一样，不是完全随机的，有明确和隐含的规律性，利用这些规律性可以在外汇市场上获得统计收入。因此，我们需要方法和工具来检测这些弱点模式。其中一个方法是将移动平均线应用于报价。这种方法有一个明确的适用领域，其利用是合理的，在数学上是正确的。就其本质而言，所有的移动平均线都是对初始BP的一种整合形式。在最一般的意义上，整合是通过趋势预测未来，而区分是确定过程趋势。但究竟是哪些趋势？如果我们仔细观察一下这束 BP-MA-预测， 不难确定MA方法的适用性要求，作为BP第一差值系列中相邻读数之间的正相关系数。正是在这种情况下，MAs将给出有利可图的策略，而我们的MA将给出所有可能的最佳利润这就是我们的奋斗目标。 然而，如果我们分析价格BP是否符合上述要求，分析的结果将是相当负面的。真的，现实是，所有TFs上的价格序列通常在第一差值的序列中有一个小的负自相关系数，只有有时，在趋势上，这个系数是正的。 所提方法的适用性和效率只能通过实验结果来估计。 维宁 写道>>。 我一直想去布拉索夫。在那里，完美醪糟的配方是差不多的。但它最终成为了DEMA。 不是DEMA，而是MEMA和它的功能没有一个负责TC利润率最大化的条款，而是有一个最小化二阶导数的条款。这允许构建一个非常平滑的MA，仅此而已。而这里是布拉索夫的文章。 附加的文件： mema_3.zip 279 kb [删除] 2009.01.20 06:51 #36 Neutron >> : 我没有使用马赫，而是使用NK方法通过幂级多项式进行插值 在一些窗口上。显然，内插曲率的推断 即使是在未来的小范围内，也几乎没有意义，但要描述当前的 在最有趣的地方--BP的右边缘，它允许我们描述当前状态。 通过改变窗口的大小和曲率的程度，可以实现 另一方面，有可能对正在发生的事情有一个更普遍或详细的看法，强调当前的进程及其阶段。 过程及其阶段。 在我看来，预测BP未来的唯一方法是分析 过程的演变--比如，有一个强烈的下降过程，在目前的状态下 它被一个横向的过程所取代 -- -- 进一步的增长过程是可能的。 在我看来，这种方法对网络人员特别有用，因为NS可以 给出插值曲线的一些典型特征。 例如，趋势成分（方向和幅度），与 "大趋势 "的偏离程度。 趋势成分，正式的曲线形状，等等。- 一般来说，只要 你的想象力--通过教导网络来识别电流并预测 预测未来进程并在此基础上建立交易策略。 你也可以用不同的方式将远期和近期的事情平滑化--有些事情 与EMA类似。也有可能实施一种合成方法 - 使用一个非常强烈的平滑移动平均线和一个相应的长的移动平均线。 拖延，而在不久的将来，穆恩还没有发挥作用。 使用插值曲线进行分析。 Neutron 2009.01.20 08:13 #37 Aleku >> : 在我看来，这样的方法对网络人员特别有用，因为NS可以 来反馈插值曲线的一些典型特征。 例如：趋势成分（方向和幅度），与其他国家相比的偏差。 趋势成分，正式的曲线形状，等等。- 一般来说，只要是 你的想象力--通过教导网络来识别电流并预测 预测未来进程并在此基础上建立交易策略。 在我看来，这种对NS的输入数据进行预处理的做法是一种拐杖。通过用muves整合初始BP，我们首先使定价情况对我们来说很清楚（平滑的曲线，可见的趋势），而平滑过程本身并没有给输入数据带来任何额外的信息（它是不可用的），因此，不会使NS的工作更容易。从这个角度来看，特别剖析的数据应该被送入NS的输入端，这样可以最大限度地将网络的注意力集中在准稳定过程上。这种过程的候选者可以是PDF中的负相关系数，顺便说一下，它不能通过Kotir积分（平滑）来隔离。这里需要其他的方法和途径。这似乎很有希望。 也有可能以不同的方式使远期和近期的历史变得平滑--这一点 与EMA类似。也有可能实施一种合成方法 - 使用一个非常强烈的平滑移动平均线和一个相应的长的移动平均线。 拖延，而在不久的将来，在这里，穆瓦拉还没有发挥作用。 通过插值曲线进行分析。 所有这些都很复杂，需要有充分的理由，但几乎可以肯定是在浪费精力和时间。 Prival 2009.01.20 08:15 #38 Neutron писал(а)>> ...所有TFs上的价格序列在第一差分序列中往往有一个小的负自相关系数，只有有时在趋势上，这个系数是正的。 你是如何计算自相关系数的？我知道"自 相关函数"。但它是一个函数，而不是一个数字。 Neutron 2009.01.20 08:28 #39 假设，有一些来自原始BP的样本，例如在M1上。我们构建一系列的第一差值d1[i]=Open[i]-Open[i-1]，然后计算相邻样本之间TF=1m的相关系数为；f1=SUM（d1[i]*d1[i-1]）/SUM（d1[i]^2），其中指数运行BP的所有值。对于TF=2m，我们做同样的事情，首先构建2m的BP，并找到它的第一个差值d2[i]，以此类推，直到所需的TF。我把自己限制在TF=1500分钟（约24小时）。可能出现的问题是，如何从分钟中构建另一个TF，例如M2，但这里的一切似乎都是透明的。我在上一篇文章中绘制的正是这个数据（不同TFs的RPM相关系数值）。 Prival 2009.01.20 08:41 #40 Neutron писал(а)>> 假设，有一些来自原始BP的样本，例如在M1上。我们构建一系列的第一差值d1[i]=Open[i]-Open[i-1]，然后计算相邻样本之间TF=1m的相关系数 为；f1=SUM（d1[i]*d1[i-1]）/SUM（d1[i]^2），其中指数运行BP的所有值。对于TF=2m，我们做同样的事情，首先构建2m的BP，并找到它的第一个差值d2[i]，以此类推，直到所需的TF。我把自己限制在TF=1500分钟（约24小时）。可能出现的问题是，如何从分钟中构建另一个TF，例如M2，但这里的一切似乎都是透明的。确切地说，这个数据（不同TFs的RPM相关系数值）就是我在上一篇文章中所展示的图表。 甚至更好 )这些公式是什么，你从哪里得到它们。 вот посмотрите как расчитывается коэффициент кореляцииhttps://ru.wikipedia.org/wiki/%D0%9A%D0%BE%D1%8D%D1%84%D1%84%D0%B8%D1%86%D0%B8%D0%B5%D0%BD%D1%82_%D0%BA%D0%BE%D1%80%D1%80%D0%B5%D0%BB%D1%8F%D1%86%D0%B8%D0%B8 相关系数是在数组之间计算的，而不是在计数之间。请用词准确，以便其他人能够理解你在说什么，断言和计算。 1234567891011...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
完美的MA是这样的。'作者的对话。亚历山大-斯米尔诺夫'。
见帖子ANG3110 06.02.2008 20:48
如果它重画，那有多完美呢？
我们在 "不知道 "历史的情况下实现利润最大化，只分析报价的最新读数和它之前的一个值X[i]-X[i-1]，仅此而已。似乎是这样的。
也就是说，你正在创建一个最有利可图的系统。而你正在开发的方法使用了所有可以在你可用的历史上追踪到的规律性。
>> 大胆!
如果它重画，那有多完美呢？
我们把一个故事，在其上建立一个完美的MA。这就是要争取的东西。而我们寻找的是不会透支且与该曲线偏差最小的那一个。它是这样的
换句话说，你正在创建一个最有利可图的系统。而你正在开发的方法使用了所有可以追溯到你可用的历史的规律性。
大胆!
好吧，好吧，好吧。我看起来像六号病人吗？
显然，如果你用这种方法或其他方法来预测一个综合随机变量（完全随机的，而不是准随机的）的动态，你会得到零的结果根据定义，你无法击败一个随机过程，这是一个自然法则。另一方面，时间序列（TR），像价格序列一样，不是完全随机的，有明确和隐含的规律性，利用这些规律性可以在外汇市场上获得统计收入。因此，我们需要方法和工具来检测这些弱点模式。其中一个方法是将移动平均线应用于报价。这种方法有一个明确的适用领域，其利用是合理的，在数学上是正确的。就其本质而言，所有的移动平均线都是对初始BP的一种整合形式。在最一般的意义上，整合是通过趋势预测未来，而区分是确定过程趋势。但究竟是哪些趋势？如果我们仔细观察一下这束
BP-MA-预测， 不难确定MA方法的适用性要求，作为BP第一差值系列中相邻读数之间的正相关系数。正是在这种情况下，MAs将给出有利可图的策略，而我们的MA将给出所有可能的最佳利润这就是我们的奋斗目标。
然而，如果我们分析价格BP是否符合上述要求，分析的结果将是相当负面的。真的，现实是，所有TFs上的价格序列通常在第一差值的序列中有一个小的负自相关系数，只有有时，在趋势上，这个系数是正的。
所提方法的适用性和效率只能通过实验结果来估计。
我一直想去布拉索夫。在那里，完美醪糟的配方是差不多的。但它最终成为了DEMA。
我没有使用马赫，而是使用NK方法通过幂级多项式进行插值
在一些窗口上。显然，内插曲率的推断
即使是在未来的小范围内，也几乎没有意义，但要描述当前的
在最有趣的地方--BP的右边缘，它允许我们描述当前状态。
通过改变窗口的大小和曲率的程度，可以实现
另一方面，有可能对正在发生的事情有一个更普遍或详细的看法，强调当前的进程及其阶段。
过程及其阶段。
在我看来，预测BP未来的唯一方法是分析
过程的演变--比如，有一个强烈的下降过程，在目前的状态下
它被一个横向的过程所取代 -- -- 进一步的增长过程是可能的。
在我看来，这种方法对网络人员特别有用，因为NS可以
给出插值曲线的一些典型特征。
例如，趋势成分（方向和幅度），与 "大趋势 "的偏离程度。
趋势成分，正式的曲线形状，等等。- 一般来说，只要
你的想象力--通过教导网络来识别电流并预测
预测未来进程并在此基础上建立交易策略。
你也可以用不同的方式将远期和近期的事情平滑化--有些事情
与EMA类似。也有可能实施一种合成方法
- 使用一个非常强烈的平滑移动平均线和一个相应的长的移动平均线。
拖延，而在不久的将来，穆恩还没有发挥作用。
使用插值曲线进行分析。
在我看来，这样的方法对网络人员特别有用，因为NS可以
来反馈插值曲线的一些典型特征。
例如：趋势成分（方向和幅度），与其他国家相比的偏差。
趋势成分，正式的曲线形状，等等。- 一般来说，只要是
你的想象力--通过教导网络来识别电流并预测
预测未来进程并在此基础上建立交易策略。
在我看来，这种对NS的输入数据进行预处理的做法是一种拐杖。通过用muves整合初始BP，我们首先使定价情况对我们来说很清楚（平滑的曲线，可见的趋势），而平滑过程本身并没有给输入数据带来任何额外的信息（它是不可用的），因此，不会使NS的工作更容易。从这个角度来看，特别剖析的数据应该被送入NS的输入端，这样可以最大限度地将网络的注意力集中在准稳定过程上。这种过程的候选者可以是PDF中的负相关系数，顺便说一下，它不能通过Kotir积分（平滑）来隔离。这里需要其他的方法和途径。这似乎很有希望。
也有可能以不同的方式使远期和近期的历史变得平滑--这一点
与EMA类似。也有可能实施一种合成方法
- 使用一个非常强烈的平滑移动平均线和一个相应的长的移动平均线。
拖延，而在不久的将来，在这里，穆瓦拉还没有发挥作用。
通过插值曲线进行分析。
所有这些都很复杂，需要有充分的理由，但几乎可以肯定是在浪费精力和时间。
...所有TFs上的价格序列在第一差分序列中往往有一个小的负自相关系数，只有有时在趋势上，这个系数是正的。
假设，有一些来自原始BP的样本，例如在M1上。我们构建一系列的第一差值d1[i]=Open[i]-Open[i-1]，然后计算相邻样本之间TF=1m的相关系数为；f1=SUM（d1[i]*d1[i-1]）/SUM（d1[i]^2），其中指数运行BP的所有值。对于TF=2m，我们做同样的事情，首先构建2m的BP，并找到它的第一个差值d2[i]，以此类推，直到所需的TF。我把自己限制在TF=1500分钟（约24小时）。可能出现的问题是，如何从分钟中构建另一个TF，例如M2，但这里的一切似乎都是透明的。我在上一篇文章中绘制的正是这个数据（不同TFs的RPM相关系数值）。
假设，有一些来自原始BP的样本，例如在M1上。我们构建一系列的第一差值d1[i]=Open[i]-Open[i-1]，然后计算相邻样本之间TF=1m的相关系数 为；f1=SUM（d1[i]*d1[i-1]）/SUM（d1[i]^2），其中指数运行BP的所有值。对于TF=2m，我们做同样的事情，首先构建2m的BP，并找到它的第一个差值d2[i]，以此类推，直到所需的TF。我把自己限制在TF=1500分钟（约24小时）。可能出现的问题是，如何从分钟中构建另一个TF，例如M2，但这里的一切似乎都是透明的。确切地说，这个数据（不同TFs的RPM相关系数值）就是我在上一篇文章中所展示的图表。
甚至更好 )这些公式是什么，你从哪里得到它们。
вот посмотрите как расчитывается коэффициент кореляцииhttps://ru.wikipedia.org/wiki/%D0%9A%D0%BE%D1%8D%D1%84%D1%84%D0%B8%D1%86%D0%B8%D0%B5%D0%BD%D1%82_%D0%BA%D0%BE%D1%80%D1%80%D0%B5%D0%BB%D1%8F%D1%86%D0%B8%D0%B8
相关系数是在数组之间计算的，而不是在计数之间。请用词准确，以便其他人能够理解你在说什么，断言和计算。