从价格BP中获得静止的BP - 页 14 1...789101112131415161718192021...39 新评论 Сергей 2009.11.19 23:35 #131 neoclassic >> : 那么DFT生成了正弦和余弦的2个系数数组+Ak0的平均值。由于我们在每个样本上使用DFT，Ak0实际上是一个LMA，周期=窗口大小。相应地，我们需要推断缪翼，以重建它们周围的谐波 我在那里使用了余弦变换，你可以使用哈特利变换（他们的系数也有静止性，哈特利也有过渡到傅立叶变换和返回的公式）。 在我看来，有必要对它们分别进行预测，这就增加了误差。但也许我不明白什么。 Петр 2009.11.19 23:45 #132 grasn >> : 你是什么!!!!!从外面看你的头像--上帝保佑你不要梦到它。我只是想让你明白。这不是一个正确的定义。例如，在本网站的TA部分给出了一个更正确的说法。 有的只是既定的定义，不需要改变，也不需要用谁知道的方式来掩盖。此外，没有一个工具（包括你的，在这个地方提出的）不符合这个该死的维基百科的定义（根本没有对价格行为的真正分析，更没有规律性，它描述的）。任何与价格有关的东西都完全属于这个定义。例如，FA（是的，是的，它是），完全自足的随机金融数学，例如由Shiryaev在两卷（事实和模型）中描述的，"具有固定/随机结构的随机控制系统 "也是自足的。以上都是用价格序列工作，但工作原理与TA完全不同。 如果你用分析的方法来定义TA，我同意。我只是按分析的对象来定义TA。这就是全部。而说一个是正确的，另一个是错误的，是很奇怪的。他们都是正确的，但他们从不同的角度描述了这个主题。你知道，就像在关系型数据库中--一个对象--许多关系。 不，不，不！不是被捏住的自我。顺便说一下，我从来没有说过任何关于你的知识或叫你的名字......。:о)我又怎么会知道你的潜意识在隐藏什么？ ...你看起来很可悲。对这一主题的知识和理解可以忽略不计-- 我把所有的动作都写下来了！！。)))但算了吧......何必呢。我就是这样--为了历史真相。 如果它是无关紧要的--我早就把它忘了。 这真的不重要。我们所做的事情的本质并不取决于分类的微妙之处。这只是一种方式，一种方式，另一种方式。这一切都只是说说而已。 GOES!!!!同意！！！。一个字都不能少！！！我一般很平和，也许有点书呆子气，但很平和。:о)))) 和平。 欢呼吧。就这样--这个主题已经结束。 Сергей 2009.11.20 00:04 #133 Svinozavr >> : 如果你用分析的方法来定义TA，我同意。我只是按分析的对象来定义TA。 和往常一样，无论如何--常识胜出。:о) Neutron 2009.11.20 07:33 #134 LeoV >> : 自适应TS的问题是，它们也是根据某种算法重新训练的，这种算法是内置的，但它可能与市场变化的算法不一致。也就是说，市场变化的算法可以在某个时期与TS再培训的算法相吻合，但随后它可以 "消失"。市场不会根据特定的算法而变化--这就是问题所在.....。 我同意你的观点。 这就是为什么转向单参数适应算法似乎是明智的原因。那么，可以处理的手柄数量是尽可能少的。似乎在这种边缘情况下，模型的效率不是最高的，通过调整2、3或5个参数可以得到更 "先进 "的结果。然而，在弱静止性的条件下（在没有静止性的边缘，这是价格BPs），最佳配置将是最小的，因为它对训练样本的长度和优化参数的静止性要求最小。要严格证明这一说法是不可能的，但它关于市场的完整性是由经验和正义来证明的，当静止性趋于零的极限情况。 从这个角度来看，使用哪种算法进行BP价格分析并不重要（MACs，振荡器，离散分解等），重要的是优化参数的数量是1（2-在极端情况下）。显然，对于单参数算法，我们需要决定参数的选择（只有两个参数--价格和时间）。在我看来，更重要的参数是价格尺度。我们正是通过观察价格变化来做出进入或退出市场的决定，其次才是分析时间（我不是指点位策略）。对于双参数模型，必须考虑两个参数--价格和时间，但在这里，正如我上面提到的，我们会遇到 "短 "静止性的问题（其存在的特征时间短于训练样本的最小长度）。在我看来，三个或更多的参数模型，考虑起来一点意义都没有，因为它们是这两个参数的线性组合。 对EMA的分析提出了单独的兴趣（它是最平滑的muving，具有最小的FP）。这个MA包含一个参数，并考虑到BP的振幅和时间成分。简而言之，二合一。虽然，有可能和EMA一起，这都是一个骗局，没有奇迹会发生。 grasn 写道>> 嗨，谢尔盖。:о)很高兴见到你。你去过哪里，你研究过什么有趣的东西？ >> 等等，让我们一步步来。我们有一个数列转换的问题，有给定的相当具体的属性。 (1)静止性 (2)规范性。 (3)反向回收的可能性 在这段时间里，我一直在研究寻找训练样本的最佳长度及其与市场上进程的准静态特征时间的关系。事实证明，所需价值在5-10%的水平。那么它就必须被重新训练。经纪公司的佣金反过来定义了价格运动的最小规模，而随着交易范围的增长，市场效率的逐步但肯定的增加明确地定义了操作区域。我就这样决定了。 至于回答你关于BP转换的问题，我完全不知道这种转换的可行性。你的"。它将允许使用标准的统计处理方法...... "并没有说什么。请说明这个概念本身。 Hide 2009.11.20 08:14 #135 grasn >> : 这是准确的，但要获得原始价格序列的转换，它具有以下特性 静止性 常态 逆向回收的可能性 是很有可能的，当然是在一些可接受的假设下。对于 "我们为什么需要它 "的问题，答案非常简单，也是唯一的答案--它是一个使用经过测试的框架的机会，而不是其他。我的看法是。 这是不可能争论的。 Петр 2009.11.20 12:05 #136 grasn >> : 和往常一样，无论如何--常识胜出。:о) "如果两个高尚的人之间产生了任何误解，如果他们都把思想指向它，它不就灰飞烟灭了吗？" [Deleted] 2009.11.20 13:41 #137 Neutron >> : 我同意你的观点。 正是由于这个原因，向单参数适应算法发展似乎是明智的。那么，可以处理的手柄数量是尽可能少的。似乎在这种边缘情况下，模型的效率不是最高的，通过调整2、3或5个参数可以得到更 "先进 "的结果。然而，在弱静止性的条件下（在没有静止性的边缘，这是价格BPs），最佳配置将是最小的，因为它对训练样本的长度和优化参数的静止性要求最小。要严格证明这一说法是不可能的，但它关于市场的完整性是由经验和正义来证明的，当静止性趋于零的极限情况。 从这个角度来看，使用哪种算法进行BP价格分析并不重要（MACs，振荡器，离散分解等），重要的是优化参数的数量是1（2-在极端情况下）。显然，对于单参数算法，我们需要决定参数的选择（只有两个参数--价格和时间）。在我看来，更重要的参数是价格尺度。我们正是通过观察价格变化来做出进入或退出市场的决定，其次才是分析时间（我不是指点位策略）。对于双参数模型，必须考虑两个参数--价格和时间，但在这里，正如我上面提到的，我们会遇到 "短 "静止性的问题（其存在的特征时间短于训练样本的最小长度）。在我看来，三个或更多的参数模型，考虑起来一点意义都没有，因为它们是这两个参数的线性组合。 对EMA的分析提出了单独的兴趣（它是最平滑的muving，具有最小的FP）。这个MA包含一个参数，并考虑到BP的振幅和时间成分。简而言之，二合一。虽然，不排除对EMA是一种欺骗，奇迹不会起作用。 我研究了寻找训练样本的最佳长度的问题，以及它与市场上进程的准稳定的特征时间的关系。事实证明，所需价值在5-10%的水平。那么它就必须被重新训练。经纪公司的佣金反过来定义了价格运动的最小规模，而随着交易范围的增长，市场效率的逐步但肯定的增加明确地定义了操作区域。而我有点想明白了。 至于回答你关于BP转换的问题，我不知道这种转换的合理性。你的"。它将使我们能够使用标准的统计处理方法...... "并不意味着什么。请听出这个概念本身。 1）弱静止性--这不是它不存在的边缘，市场也不是。弱静止过程--是指当均值=常数，st.dev.取决于时间（但不强烈），由于市场的异质性和波动的可变性，它是惯性的--这是一个可预测的过程。这种依赖关系可以很容易地用一个公式来描述，它可以确定在任何特定时间段内的价格极值，超过这个极值的价格将不会以我们设定的概率走，不要与确定价格运动方向相混淆。这样一个弱稳定的过程可以被扔到垃圾堆里。 任务是获得一个牺牲了额外稳定性的高利润和可控制的过程。 2）为了不碰到 "短 "静止性问题，有FA和资本定价结构和统计测试。 3) EMA是一个普通的IIR滤波器，FZ=1/3我认为，即使它是1/10--也不会改变什么，而且条形图本身已经有FZ。 4)这种转换的可行性很高，但有 "外汇 "标志的灯柱需要改变。 Neutron 2009.11.20 16:12 #138 FOXXXi >> : 4)这种转换的可行性很高，但我们必须用 "外汇 "标志来改变灯柱。 这也许是一个有价值的观察，但这种转换的可行性仍未完全显现。 FOXXXi，想想看：我们有一个价格序列，它是一个综合的CB，具有几乎为零的MO和非平稳的时刻。将其转换为静止序列的想法意味着时刻对其他东西（如一天中的时间等）的某些功能依赖。因此，"剩余化 "的问题被简化为识别这种功能依赖性并加以利用......如果这种依赖性不存在或者它本身就是非平稳的呢！？ 我们正试图建造一个沙堡，无视它反正迟早会崩溃的事实。我怀疑我们被美丽的语言和科学所迷惑，忽略了所有这些行动的不切实际。这就是我们的这种游戏，结果并不重要，但过程本身却很有趣。而这种 "静止性 "将给我们带来什么？我们不必在每次需要时都对专家顾问进行优化。每个月重新优化一次，这是一个很大的挑战!总之，根据我对问题的理解，这不值得一咬牙。就像许多其他外汇交易策略一样。 Yury Reshetov 2009.11.20 16:54 #139 LeoV >> : 自适应TS的问题是，它们也是根据某种算法重新训练的，这种算法是内置的，但它可能与市场变化的算法不一致。也就是说，市场变化的算法可以在某个时期与TS再培训的算法相吻合，但随后它可以 "消失"。市场不会根据特定的算法而变化--这就是问题所在.....。 说得好。但有时你可以通过初始优化将自适应EA设置在正确的方向上，它将自己走得更远。但这样一来，市场和适应者就有了不同的意见。 Yury Reshetov 2009.11.20 16:57 #140 FOXXXi писал(а) >> 其目的是要有一个高利润的控制过程，并在某个地方向超级稳定性妥协。 在这种情况下，这个过程具有高度的风险性和不可控性，也就是完全不稳定的。 1...789101112131415161718192021...39 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
那么DFT生成了正弦和余弦的2个系数数组+Ak0的平均值。由于我们在每个样本上使用DFT，Ak0实际上是一个LMA，周期=窗口大小。相应地，我们需要推断缪翼，以重建它们周围的谐波
我在那里使用了余弦变换，你可以使用哈特利变换（他们的系数也有静止性，哈特利也有过渡到傅立叶变换和返回的公式）。 在我看来，有必要对它们分别进行预测，这就增加了误差。但也许我不明白什么。
你是什么!!!!!从外面看你的头像--上帝保佑你不要梦到它。我只是想让你明白。这不是一个正确的定义。例如，在本网站的TA部分给出了一个更正确的说法。 有的只是既定的定义，不需要改变，也不需要用谁知道的方式来掩盖。此外，没有一个工具（包括你的，在这个地方提出的）不符合这个该死的维基百科的定义（根本没有对价格行为的真正分析，更没有规律性，它描述的）。任何与价格有关的东西都完全属于这个定义。例如，FA（是的，是的，它是），完全自足的随机金融数学，例如由Shiryaev在两卷（事实和模型）中描述的，"具有固定/随机结构的随机控制系统 "也是自足的。以上都是用价格序列工作，但工作原理与TA完全不同。
如果你用分析的方法来定义TA，我同意。我只是按分析的对象来定义TA。这就是全部。而说一个是正确的，另一个是错误的，是很奇怪的。他们都是正确的，但他们从不同的角度描述了这个主题。你知道，就像在关系型数据库中--一个对象--许多关系。
不，不，不！不是被捏住的自我。顺便说一下，我从来没有说过任何关于你的知识或叫你的名字......。:о)我又怎么会知道你的潜意识在隐藏什么？
...你看起来很可悲。对这一主题的知识和理解可以忽略不计-- 我把所有的动作都写下来了！！。)))但算了吧......何必呢。我就是这样--为了历史真相。
如果它是无关紧要的--我早就把它忘了。
这真的不重要。我们所做的事情的本质并不取决于分类的微妙之处。这只是一种方式，一种方式，另一种方式。这一切都只是说说而已。
GOES!!!!同意！！！。一个字都不能少！！！我一般很平和，也许有点书呆子气，但很平和。:о))))
和平。
欢呼吧。就这样--这个主题已经结束。
如果你用分析的方法来定义TA，我同意。我只是按分析的对象来定义TA。
和往常一样，无论如何--常识胜出。:о)
自适应TS的问题是，它们也是根据某种算法重新训练的，这种算法是内置的，但它可能与市场变化的算法不一致。也就是说，市场变化的算法可以在某个时期与TS再培训的算法相吻合，但随后它可以 "消失"。市场不会根据特定的算法而变化--这就是问题所在.....。
我同意你的观点。
这就是为什么转向单参数适应算法似乎是明智的原因。那么，可以处理的手柄数量是尽可能少的。似乎在这种边缘情况下，模型的效率不是最高的，通过调整2、3或5个参数可以得到更 "先进 "的结果。然而，在弱静止性的条件下（在没有静止性的边缘，这是价格BPs），最佳配置将是最小的，因为它对训练样本的长度和优化参数的静止性要求最小。要严格证明这一说法是不可能的，但它关于市场的完整性是由经验和正义来证明的，当静止性趋于零的极限情况。
从这个角度来看，使用哪种算法进行BP价格分析并不重要（MACs，振荡器，离散分解等），重要的是优化参数的数量是1（2-在极端情况下）。显然，对于单参数算法，我们需要决定参数的选择（只有两个参数--价格和时间）。在我看来，更重要的参数是价格尺度。我们正是通过观察价格变化来做出进入或退出市场的决定，其次才是分析时间（我不是指点位策略）。对于双参数模型，必须考虑两个参数--价格和时间，但在这里，正如我上面提到的，我们会遇到 "短 "静止性的问题（其存在的特征时间短于训练样本的最小长度）。在我看来，三个或更多的参数模型，考虑起来一点意义都没有，因为它们是这两个参数的线性组合。
对EMA的分析提出了单独的兴趣（它是最平滑的muving，具有最小的FP）。这个MA包含一个参数，并考虑到BP的振幅和时间成分。简而言之，二合一。虽然，有可能和EMA一起，这都是一个骗局，没有奇迹会发生。
grasn 写道>>
嗨，谢尔盖。:о)很高兴见到你。你去过哪里，你研究过什么有趣的东西？
>> 等等，让我们一步步来。我们有一个数列转换的问题，有给定的相当具体的属性。
(1)静止性
(2)规范性。
(3)反向回收的可能性
在这段时间里，我一直在研究寻找训练样本的最佳长度及其与市场上进程的准静态特征时间的关系。事实证明，所需价值在5-10%的水平。那么它就必须被重新训练。经纪公司的佣金反过来定义了价格运动的最小规模，而随着交易范围的增长，市场效率的逐步但肯定的增加明确地定义了操作区域。我就这样决定了。
至于回答你关于BP转换的问题，我完全不知道这种转换的可行性。你的"。它将允许使用标准的统计处理方法...... "并没有说什么。请说明这个概念本身。
这是准确的，但要获得原始价格序列的转换，它具有以下特性
是很有可能的，当然是在一些可接受的假设下。对于 "我们为什么需要它 "的问题，答案非常简单，也是唯一的答案--它是一个使用经过测试的框架的机会，而不是其他。我的看法是。
这是不可能争论的。
和往常一样，无论如何--常识胜出。:о)
我同意你的观点。
正是由于这个原因，向单参数适应算法发展似乎是明智的。那么，可以处理的手柄数量是尽可能少的。似乎在这种边缘情况下，模型的效率不是最高的，通过调整2、3或5个参数可以得到更 "先进 "的结果。然而，在弱静止性的条件下（在没有静止性的边缘，这是价格BPs），最佳配置将是最小的，因为它对训练样本的长度和优化参数的静止性要求最小。要严格证明这一说法是不可能的，但它关于市场的完整性是由经验和正义来证明的，当静止性趋于零的极限情况。
从这个角度来看，使用哪种算法进行BP价格分析并不重要（MACs，振荡器，离散分解等），重要的是优化参数的数量是1（2-在极端情况下）。显然，对于单参数算法，我们需要决定参数的选择（只有两个参数--价格和时间）。在我看来，更重要的参数是价格尺度。我们正是通过观察价格变化来做出进入或退出市场的决定，其次才是分析时间（我不是指点位策略）。对于双参数模型，必须考虑两个参数--价格和时间，但在这里，正如我上面提到的，我们会遇到 "短 "静止性的问题（其存在的特征时间短于训练样本的最小长度）。在我看来，三个或更多的参数模型，考虑起来一点意义都没有，因为它们是这两个参数的线性组合。
对EMA的分析提出了单独的兴趣（它是最平滑的muving，具有最小的FP）。这个MA包含一个参数，并考虑到BP的振幅和时间成分。简而言之，二合一。虽然，不排除对EMA是一种欺骗，奇迹不会起作用。
我研究了寻找训练样本的最佳长度的问题，以及它与市场上进程的准稳定的特征时间的关系。事实证明，所需价值在5-10%的水平。那么它就必须被重新训练。经纪公司的佣金反过来定义了价格运动的最小规模，而随着交易范围的增长，市场效率的逐步但肯定的增加明确地定义了操作区域。而我有点想明白了。
至于回答你关于BP转换的问题，我不知道这种转换的合理性。你的"。它将使我们能够使用标准的统计处理方法...... "并不意味着什么。请听出这个概念本身。
1）弱静止性--这不是它不存在的边缘，市场也不是。弱静止过程--是指当均值=常数，st.dev.取决于时间（但不强烈），由于市场的异质性和波动的可变性，它是惯性的--这是一个可预测的过程。这种依赖关系可以很容易地用一个公式来描述，它可以确定在任何特定时间段内的价格极值，超过这个极值的价格将不会以我们设定的概率走，不要与确定价格运动方向相混淆。这样一个弱稳定的过程可以被扔到垃圾堆里。 任务是获得一个牺牲了额外稳定性的高利润和可控制的过程。
2）为了不碰到 "短 "静止性问题，有FA和资本定价结构和统计测试。
3) EMA是一个普通的IIR滤波器，FZ=1/3我认为，即使它是1/10--也不会改变什么，而且条形图本身已经有FZ。
4)这种转换的可行性很高，但有 "外汇 "标志的灯柱需要改变。
4)这种转换的可行性很高，但我们必须用 "外汇 "标志来改变灯柱。
这也许是一个有价值的观察，但这种转换的可行性仍未完全显现。
FOXXXi，想想看：我们有一个价格序列，它是一个综合的CB，具有几乎为零的MO和非平稳的时刻。将其转换为静止序列的想法意味着时刻对其他东西（如一天中的时间等）的某些功能依赖。因此，"剩余化 "的问题被简化为识别这种功能依赖性并加以利用......如果这种依赖性不存在或者它本身就是非平稳的呢！？
我们正试图建造一个沙堡，无视它反正迟早会崩溃的事实。我怀疑我们被美丽的语言和科学所迷惑，忽略了所有这些行动的不切实际。这就是我们的这种游戏，结果并不重要，但过程本身却很有趣。而这种 "静止性 "将给我们带来什么？我们不必在每次需要时都对专家顾问进行优化。每个月重新优化一次，这是一个很大的挑战!总之，根据我对问题的理解，这不值得一咬牙。就像许多其他外汇交易策略一样。
自适应TS的问题是，它们也是根据某种算法重新训练的，这种算法是内置的，但它可能与市场变化的算法不一致。也就是说，市场变化的算法可以在某个时期与TS再培训的算法相吻合，但随后它可以 "消失"。市场不会根据特定的算法而变化--这就是问题所在.....。
说得好。但有时你可以通过初始优化将自适应EA设置在正确的方向上，它将自己走得更远。但这样一来，市场和适应者就有了不同的意见。
FOXXXi писал(а) >>
其目的是要有一个高利润的控制过程，并在某个地方向超级稳定性妥协。
在这种情况下，这个过程具有高度的风险性和不可控性，也就是完全不稳定的。