我们的玛莎! - 页 5 123456789101112...21 新评论 Neutron 2009.01.20 08:48 #41 Prival писал(а) >> 甚至更好 )这些公式是什么，你从哪里得到它们。 看看相关系数是如何计算的https://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，以便其他人可以理解你所说的，你所主张的和你所考虑的。 谢尔盖，你用 "你的 "公式（维基百科中给出的公式）和我给出的公式建立一个相关图，你会得到相同的结果。我使用的公式比较简单，与完整的形式相比，有足够的样本长度，计数误差趋于零。这对我来说很好。如果你在这个问题上需要更多的准确性或数学上的严谨性，请你说明理由并使用。在我的计算中，有时（当它是合理的）使用全表达式来构建相关图。 Aleksandr Pak 2009.01.20 08:51 #42 更多好的和不同的魔杖 我们不需要一个抽象的光滑的照片模型，我们正在寻找一个魔杖，它不仅是为了眼睛，而且还有其他对我们有价值的优点。 机器的工作方式不同： - 对于故障的TS，我们需要一个稳定的机器作为支撑/阻力线，即足够平滑、完整、滞后、远离BP。 价格的交叉点的数量很关键，因为这个交叉点是一个突破口=TS的一个信号。 根据定义，这样的MA是滞后的。 -对于一个反转的TS，我们需要一个领先的和预测的MA，它相对于BP的位置并不重要。 与价格相交的次数也不关键，因为重要的是转头，而不是相对于BP的固定 。总共有两种类型，两类魔杖和+滞后。 在零位移的情况下，同一个MA只适用于一种类型的TS--突破或反转的TS，或者根本不适用。 (非零移位MA是一种方式，但估计只适用于手动交易）... 在设计（寻找）MA时，是否应该考虑到它的未来用途？=两种意见 a) - 一般来说，没有必要考虑到，主要是有))),-得到一个新的MA，试试你的运气。 b) - 经过多年的MA经验，我们希望有更彻底和更少的滑坡。... 因此，每一个新的Mashka，有经验的MTS开发者都会越来越愤世嫉俗， ，要求也越来越高。 然而，是否有可能每次都合成一个具有预设属性的新MA，仍然是一个大问题。 Neutron 2009.01.20 10:13 #43 继续前进! 因此，这里是我们的函数：S=w1*(X[i]-Y[i])^2+w2*(Y[i]-Y[i-1])^2-w3*{(Y[i]-Y[i-1])*(X[i]-X[i-1])}^2--> 最小化它。让我们重写它，考虑到 第i个 参考是当前的参考（上面的方程式）。 从中取y[0]的导数（第二个表达式），并将其等同于零，相对于y[0]求解（第三个表达式），从而得到一个循环表达式，用已知的商值x[0]、x[1]和muv本身y[0]和y[1]的前值计算我们MA的当前值。请注意，在函数的表达式中，负责MA平滑性及其与商的接近的前两个项与指数 平均的类似表达式相吻合。如果我们按照Bulashov在他的文章中描述的例子（文件位于前一页），我们可以通过把w1+w2=1来排除其中一个可调参数，那么我们就会得到一个 "理想 "MA的双参数表达。 其中w1负责平稳性，w2负责熟练性。我想是的。 现在我们可以做一些编码工作了! Sceptic Philozoff 2009.01.20 10:17 #44 Neutron писал(а)>> 有人通过参数 Y[i] 对S 进行导数，并将其等效为零!因为我已经很一般了...... 哦，那是令人毛骨悚然的。 S=w1*(X[i]-Y[i])^2+w2*(Y[i]-Y[i-1])^2-w3*{(Y[i]-Y[i-1])*(Х[i]-Х[i-1])}^2-->min 我对变迁微积分有点熟悉，但只是对适当的可微函数。这是另一回事。我甚至还不明白如何解决这个问题。 Павел 2009.01.20 10:18 #45 Neutron >> : 刷新你对理想硕士的基本要求的记忆。 1.与原始MA的距离。这一要求相当于商数X（图中绿线）和平滑曲线Y（蓝色）之间的距离小。可以这样写：平均而言，在一个大样本上，它必须满足。(X[i]-Y[i])^2-->min 2.MA的平稳性。这个要求等于平滑曲线的相邻样本之间的距离小：（Y[i]-Y[i-1]）^2-->min。 3.考虑到开放位置（图片中的垂直线之间）的方向（符号），将由从初始BP切下的碎片组成的权益曲线应该是增加的。仓位开放的符号等于MA导数的符号。在我们的术语中，符号（Y[i]-Y[i-1]）。在这种情况下，股权曲线将由Kotier片组成，这些片子将根据要关闭的位置的符号对接在一起。这就是它的实施方式。让我们为kotier构建一个第一差分序列（FFD）d[i]=X[i]-X[i-1]。 然后，根据算法，初始BP很容易从FFD中恢复，那么股权曲线（）的快速增长就等于要求从它的第一导数最大化。dE[i]/dt=E[i]-E[i-1]=符号(Y[i]-Y[i-1])*(X[i]-X[i-1])或用一个小的，但可以接受的，在我们的情况下拉伸{(Y[i]-Y[i-1])*(X[i]-X[i-1)}^2-->max 显然，某些表达式的最大化，等于其最小化，符号相反。-{(Y[i]-Y[i-1])*(Х[i]-Х[i-1])}^2-->min. 就这样了。我们得到最小化所需的函数。 S=w1*(X-Y)^2+w2*(Y[i]-Y[i-1])^2-w3*{(Y[i]-Y[i-1])*(Х[i]-Х[i-1])}^2-->min 我们需要找到它相对于Y[i]的最小值，其中i是当前基准点。 从数学的角度来看，一切都很正确。 当我有空闲时间时，我试图解决类似的问题，但用另一种方法。 从我的观点来看（我不知道它是否正确，但它可能活着）），没有必要定义函数Y并计算其值。- 一个神经网络可以画出这个马什卡。一个三层感知器，每个神经元都有一个双曲激活函数，理论上可以应付这个任务。权益的允许偏差（商数与MA的差值，即min）将允许设置训练网格的允许误差值。在这种情况下，min的值应该由TC的可接受风险水平决定，但也要趋向于0。 原则上说，乍一看很简单，但只是乍一看... Neutron 2009.01.20 10:36 #46 Mathemat писал(а)>> 哦，那是令人毛骨悚然的。 来吧，我们已经找到了一个解决方案。 问题是在定义系数w1、w2和w3的区域。由于在推导函数时，我们没有以任何方式对它们的值进行限制，因此合乎逻辑的是（可能）将其中一个相同的值设为1（它是w3），并像布拉肖夫的例子那样将其他两个连接起来。然后我们得到一个过滤器的单参数表达式。 在这里。相当简单和有品味!这很好。现在我们可以确定地编码了。 P.S. 一般来说，如果了解DSP和滤波器构建基础知识的人能够帮助我们确定这些系数（所有三个）的确定区域，那就更好了。我记得，你需要找到一个特征方程，并满足其根在复平面的单位圆内。这将使你能够在一个稳定的滤波器上工作，并对其所有的三个旋钮进行微调。但现在，我们将用一个简单的实现来做。 Evgeniy Gutorov 2009.01.20 11:01 #47 在我看来，使其完全平滑的一个方法是使用双重平滑法 使用RMS来设置MA的偏置，但有一个部分没有计算数据 每个MA都有自己的一个，因为滞后的增加取决于平滑期。 当使用指标NoLagMA时，这个滞后表现为系数6.8541 简单地说，它可以用一个表格来表示...... 8 1 13 1 21 2 34 3 55 5 89 8 这个比率首先是通过强迫性偏差以纯粹说明性的方式获得的。 然后通过使用RMS，证实了 为清晰起见，最后的变体如图所示，乍一看，画面平滑，叠加清晰......但有一个特殊性，那就是最新数据的初始计算数据总会有扭曲的显示信息，但周期越小，这种扭曲就越小。通过使用在较高的TF上计算较低的时期，然后通过平滑化来接近缺失的点，可以减少较高时期的失真。 Victor Nikolaev 2009.01.20 11:07 #48 Neutron писал(а)>> 来吧，我们已经找到了一个解决方案。 问题是在定义系数w1、w2和w3的区域。由于在推导函数时，我们没有以任何方式对它们的值进行限制，因此，将其中一个相同的值设为1（它是w3），并像布拉肖夫的情况那样将另外两个连接起来是合乎逻辑的（可能）。然后我们得到一个过滤器的单参数表达式。 在这里。相当简单和有品味!这很好。现在我们可以确定地编码了。 P.S. 总的来说，如果了解DSP和滤波器构建基础知识的人能够帮助我们确定这些系数（所有三个）的确定区域，那就太好了。我记得，你需要找到一个特征方程，并满足其根在复平面的单位圆内。这将使你能够在一个稳定的滤波器上工作，并对其所有的三个旋钮进行微调。但现在，我们将用一个简单的实现来做。 它看起来并不光滑。 这是用不同的系数。 尽管系数越小，扫频越平滑。仍然很有趣。 附加的文件： poliqczlsibcevu.mq4 2 kb Prival 2009.01.20 12:26 #49 Neutron писал(а)>> 来吧，我们已经找到了一个解决方案。 问题是在定义系数w1、w2和w3的区域。由于在推导函数时，我们没有以任何方式对它们的值进行限制，因此，将其中一个相同的值设为1（它是w3），并像布拉肖夫的情况那样将另外两个连接起来是合乎逻辑的（可能）。然后我们得到一个过滤器的单参数表达式。 在这里。相当简单和有品味!这很好。现在我们可以确定地编码了。 P.S. 一般来说，如果了解DSP和滤波器构建基础知识的人能够帮助我们确定这些系数（所有三个）的确定区域，那就更好了。我记得，你需要找到一个特征方程，并满足其根在复平面的单位圆内。这将使你能够在一个稳定的滤波器上工作，并对其所有的三个旋钮进行微调。但现在我们将用一个简单的实现来做。 如果我没有弄错的话（我回家后会检查），你已经从卡尔曼滤波中知道了阿尔法-贝塔滤波 Neutron 2009.01.20 12:29 #50 Vinin >> : 它看起来并不光滑。 这是用不同的比例。 尽管系数越低，马车就越平稳。仍然很有趣。 哦，好极了! 如果它一点都不光滑也没关系，主要的是它是在极值交易时必须获得最大的利润增长率（有上面提到的所有注意事项）。Vinin，你为什么不向我们提供测试MA MA的MTS。 顺便说一下，注意到极值正好在kotir与MA的交点上。 我记得这个交点的要求是在分析学的书上...这一切都很有趣。 私人的>> 。 如果我没有弄错的话（我回家后会检查一下），你已经得到了已知的卡尔曼滤波α-贝塔 所以，阿尔法或贝塔，-) forte928>> 。 ...但有一个特殊性，那就是最近的数据的初始计算数据总是有扭曲的映射信息... 他在重画。是吗？ 123456789101112...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
Prival писал(а) >>
甚至更好 )这些公式是什么，你从哪里得到它们。
看看相关系数是如何计算的https://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，以便其他人可以理解你所说的，你所主张的和你所考虑的。
谢尔盖，你用 "你的 "公式（维基百科中给出的公式）和我给出的公式建立一个相关图，你会得到相同的结果。我使用的公式比较简单，与完整的形式相比，有足够的样本长度，计数误差趋于零。这对我来说很好。如果你在这个问题上需要更多的准确性或数学上的严谨性，请你说明理由并使用。在我的计算中，有时（当它是合理的）使用全表达式来构建相关图。
我们不需要一个抽象的光滑的照片模型，我们正在寻找一个魔杖，它不仅是为了眼睛，而且还有其他对我们有价值的优点。
机器的工作方式不同：
- 对于故障的TS，我们需要一个稳定的机器作为支撑/阻力线，即足够平滑、完整、滞后、远离BP。
价格的交叉点的数量很关键，因为这个交叉点是一个突破口=TS的一个信号。
根据定义，这样的MA是滞后的。
-对于一个反转的TS，我们需要一个领先的和预测的MA，它相对于BP的位置并不重要。
与价格相交的次数也不关键，因为重要的是转头，而不是相对于BP的固定
。总共有两种类型，两类魔杖和+滞后。
在零位移的情况下，同一个MA只适用于一种类型的TS--突破或反转的TS，或者根本不适用。
(非零移位MA是一种方式，但估计只适用于手动交易）
...
在设计（寻找）MA时，是否应该考虑到它的未来用途？=两种意见
a) - 一般来说，没有必要考虑到，主要是有))),-得到一个新的MA，试试你的运气。
b) - 经过多年的MA经验，我们希望有更彻底和更少的滑坡。
...
因此，每一个新的Mashka，有经验的MTS开发者都会越来越愤世嫉俗，
，要求也越来越高。
然而，是否有可能每次都合成一个具有预设属性的新MA，仍然是一个大问题。
继续前进!
因此，这里是我们的函数：S=w1*(X[i]-Y[i])^2+w2*(Y[i]-Y[i-1])^2-w3*{(Y[i]-Y[i-1])*(X[i]-X[i-1])}^2--> 最小化它。让我们重写它，考虑到 第i个 参考是当前的参考（上面的方程式）。
从中取y[0]的导数（第二个表达式），并将其等同于零，相对于y[0]求解（第三个表达式），从而得到一个循环表达式，用已知的商值x[0]、x[1]和muv本身y[0]和y[1]的前值计算我们MA的当前值。请注意，在函数的表达式中，负责MA平滑性及其与商的接近的前两个项与指数 平均的类似表达式相吻合。如果我们按照Bulashov在他的文章中描述的例子（文件位于前一页），我们可以通过把w1+w2=1来排除其中一个可调参数，那么我们就会得到一个 "理想 "MA的双参数表达。
其中w1负责平稳性，w2负责熟练性。我想是的。
现在我们可以做一些编码工作了!
哦，那是令人毛骨悚然的。
S=w1*(X[i]-Y[i])^2+w2*(Y[i]-Y[i-1])^2-w3*{(Y[i]-Y[i-1])*(Х[i]-Х[i-1])}^2-->min
我对变迁微积分有点熟悉，但只是对适当的可微函数。这是另一回事。我甚至还不明白如何解决这个问题。
刷新你对理想硕士的基本要求的记忆。
1.与原始MA的距离。这一要求相当于商数X（图中绿线）和平滑曲线Y（蓝色）之间的距离小。可以这样写：平均而言，在一个大样本上，它必须满足。(X[i]-Y[i])^2-->min
2.MA的平稳性。这个要求等于平滑曲线的相邻样本之间的距离小：（Y[i]-Y[i-1]）^2-->min。
3.考虑到开放位置（图片中的垂直线之间）的方向（符号），将由从初始BP切下的碎片组成的权益曲线应该是增加的。仓位开放的符号等于MA导数的符号。在我们的术语中，符号（Y[i]-Y[i-1]）。在这种情况下，股权曲线将由Kotier片组成，这些片子将根据要关闭的位置的符号对接在一起。这就是它的实施方式。让我们为kotier构建一个第一差分序列（FFD）d[i]=X[i]-X[i-1]。 然后，根据算法，初始BP很容易从FFD中恢复，那么股权曲线（）的快速增长就等于要求从它的第一导数最大化。dE[i]/dt=E[i]-E[i-1]=符号(Y[i]-Y[i-1])*(X[i]-X[i-1])或用一个小的，但可以接受的，在我们的情况下拉伸{(Y[i]-Y[i-1])*(X[i]-X[i-1)}^2-->max 显然，某些表达式的最大化，等于其最小化，符号相反。-{(Y[i]-Y[i-1])*(Х[i]-Х[i-1])}^2-->min.
就这样了。我们得到最小化所需的函数。
S=w1*(X-Y)^2+w2*(Y[i]-Y[i-1])^2-w3*{(Y[i]-Y[i-1])*(Х[i]-Х[i-1])}^2-->min
我们需要找到它相对于Y[i]的最小值，其中i是当前基准点。
从数学的角度来看，一切都很正确。
当我有空闲时间时，我试图解决类似的问题，但用另一种方法。
从我的观点来看（我不知道它是否正确，但它可能活着）），没有必要定义函数Y并计算其值。- 一个神经网络可以画出这个马什卡。一个三层感知器，每个神经元都有一个双曲激活函数，理论上可以应付这个任务。权益的允许偏差（商数与MA的差值，即min）将允许设置训练网格的允许误差值。在这种情况下，min的值应该由TC的可接受风险水平决定，但也要趋向于0。
原则上说，乍一看很简单，但只是乍一看...
哦，那是令人毛骨悚然的。
来吧，我们已经找到了一个解决方案。
问题是在定义系数w1、w2和w3的区域。由于在推导函数时，我们没有以任何方式对它们的值进行限制，因此合乎逻辑的是（可能）将其中一个相同的值设为1（它是w3），并像布拉肖夫的例子那样将其他两个连接起来。然后我们得到一个过滤器的单参数表达式。
在这里。相当简单和有品味!这很好。现在我们可以确定地编码了。
P.S. 一般来说，如果了解DSP和滤波器构建基础知识的人能够帮助我们确定这些系数（所有三个）的确定区域，那就更好了。我记得，你需要找到一个特征方程，并满足其根在复平面的单位圆内。这将使你能够在一个稳定的滤波器上工作，并对其所有的三个旋钮进行微调。但现在，我们将用一个简单的实现来做。
在我看来，使其完全平滑的一个方法是使用双重平滑法
使用RMS来设置MA的偏置，但有一个部分没有计算数据
每个MA都有自己的一个，因为滞后的增加取决于平滑期。
当使用指标NoLagMA时，这个滞后表现为系数6.8541
简单地说，它可以用一个表格来表示......
这个比率首先是通过强迫性偏差以纯粹说明性的方式获得的。
然后通过使用RMS，证实了
为清晰起见，最后的变体如图所示，乍一看，画面平滑，叠加清晰......但有一个特殊性，那就是最新数据的初始计算数据总会有扭曲的显示信息，但周期越小，这种扭曲就越小。通过使用在较高的TF上计算较低的时期，然后通过平滑化来接近缺失的点，可以减少较高时期的失真。
来吧，我们已经找到了一个解决方案。
问题是在定义系数w1、w2和w3的区域。由于在推导函数时，我们没有以任何方式对它们的值进行限制，因此，将其中一个相同的值设为1（它是w3），并像布拉肖夫的情况那样将另外两个连接起来是合乎逻辑的（可能）。然后我们得到一个过滤器的单参数表达式。
在这里。相当简单和有品味!这很好。现在我们可以确定地编码了。
P.S. 总的来说，如果了解DSP和滤波器构建基础知识的人能够帮助我们确定这些系数（所有三个）的确定区域，那就太好了。我记得，你需要找到一个特征方程，并满足其根在复平面的单位圆内。这将使你能够在一个稳定的滤波器上工作，并对其所有的三个旋钮进行微调。但现在，我们将用一个简单的实现来做。
它看起来并不光滑。
这是用不同的系数。
尽管系数越小，扫频越平滑。仍然很有趣。
来吧，我们已经找到了一个解决方案。
问题是在定义系数w1、w2和w3的区域。由于在推导函数时，我们没有以任何方式对它们的值进行限制，因此，将其中一个相同的值设为1（它是w3），并像布拉肖夫的情况那样将另外两个连接起来是合乎逻辑的（可能）。然后我们得到一个过滤器的单参数表达式。
在这里。相当简单和有品味!这很好。现在我们可以确定地编码了。
P.S. 一般来说，如果了解DSP和滤波器构建基础知识的人能够帮助我们确定这些系数（所有三个）的确定区域，那就更好了。我记得，你需要找到一个特征方程，并满足其根在复平面的单位圆内。这将使你能够在一个稳定的滤波器上工作，并对其所有的三个旋钮进行微调。但现在我们将用一个简单的实现来做。
如果我没有弄错的话（我回家后会检查），你已经从卡尔曼滤波中知道了阿尔法-贝塔滤波
它看起来并不光滑。
这是用不同的比例。
尽管系数越低，马车就越平稳。仍然很有趣。
哦，好极了!
如果它一点都不光滑也没关系，主要的是它是在极值交易时必须获得最大的利润增长率（有上面提到的所有注意事项）。Vinin，你为什么不向我们提供测试MA MA的MTS。
顺便说一下，注意到极值正好在kotir与MA的交点上。 我记得这个交点的要求是在分析学的书上...这一切都很有趣。
如果我没有弄错的话（我回家后会检查一下），你已经得到了已知的卡尔曼滤波α-贝塔
所以，阿尔法或贝塔，-)
...但有一个特殊性，那就是最近的数据的初始计算数据总是有扭曲的映射信息...