//+------------------------------------------------------------------+//| Linear regression |//| Subroutine builds model: |//| Y = A(0)*X[0] + ... + A(N-1)*X[N-1] + A(N) |//| and model found in ALGLIB format, covariation matrix, training | //| set errors (rms, average, average relative) and leave-one-out |//| cross-validation estimate of the generalization error. CV |//| estimate calculated using fast algorithm with O(NPoints*NVars) |//| complexity. |//| When covariation matrix is calculated standard deviations of| //| function values are assumed to be equal to RMS error on the |//| training set. |//| INPUT PARAMETERS: |//| XY - training set, array [0..NPoints-1,0..NVars]: |//| * NVars columns - independent variables |//| * last column - dependent variable |//| NPoints - training set size, NPoints>NVars+1 |//| NVars - number of independent variables |//| OUTPUT PARAMETERS: |//| Info - return code: |//| * -255, in case of unknown internal error |//| * -4, if internal SVD subroutine haven't |//| converged |//| * -1, if incorrect parameters was passed |//| (NPoints<NVars+2, NVars<1). |//| * 1, if subroutine successfully finished |//| LM - linear model in the ALGLIB format. Use |//| subroutines of this unit to work with the |//| model. |//| AR - additional results |//+------------------------------------------------------------------+staticvoid CAlglib::LRBuild(CMatrixDouble &xy,constint npoints,constint nvars,
int &info,CLinearModelShell &lm,CLRReportShell &ar)
{
//--- initialization
info=0;
//--- function call
CLinReg::LRBuild(xy,npoints,nvars,info,lm.GetInnerObj(),ar.GetInnerObj());
//--- exit the functionreturn;
}
同事们好!
祝大家新年快乐，圣诞快乐!:)
也祝你节日快乐，老师，整个2016年都有好的趋势。
S.E. ....但我的头脑却拒绝相信它！我不知道该怎么办。)))
Z.I.Y.现实的主要规则是不要被自己的幻觉所纠缠。;)
差价交易不是关于价格、水平或其他东西。它是交易市场上面团相对于彼此的变化率。
想象一下，有两匹马，你有机会在其中一匹和另一匹上平均下注。考虑到外汇的性质，其中一匹马肯定会变成涡轮增压的方向，并且会领先。甜甜圈的差额就是你的利润。
我们选择我们认为会朝同一方向运行的马匹（运动方向上的协整货币）。耳朵跑得快的马，我们就相应地把它们转到耳朵上)))
没有牙齿、尾巴上有蝴蝶结的歪马（即那些不适合我们渠道的马--我们弃之不用。我们不需要喝醉酒的马的笑话）。
我们选择我们认为最有活力的马匹（边际的，即处于超买或超卖区域的交易对）。
最主要的是不要通过倒着跑来赌赢马（即逆市））。
一般来说。
- 我们把我们认为最热心的马匹（最外面的，梳理得最干净的，蹄子要擦亮，牙齿要刷干净。
- 我们取马背上的直径（即它们的价值），我们人为地对准它们（地段）。
- 第二：我们看到了收敛（即马匹在正确方向上的开始，即和脚后跟闪亮）。开始后，我们看到哪匹马更热心。
- 在看到马匹开始时的跳跃性后，我们再次调整了我们的赌注，将它们按手数排列。
不同的是，在赛马中我们不能在开始后和结束前下注，而在Foreo中我们可以。
因此，我们已经做了一个平整的赌注。反正更快的马会给我们带来利润。
在马匹完成后，它们会停下来（这就是分歧）。
有人在forexsystems上提问：有人明白这个帖子是什么意思吗？
我并不假装自己是正确的，事实上，我认为旧的过程描述与作者现在的描述并不一致，但我将冒险描述我现在理解的过程。
我不能说我完全正确地理解了作者所说的内容，特别是 "面团 "一词对我来说仍然是个谜。
马不对马，马不散（至少现在...也许小丑曾经把马理解为一种传播，但现在我认为马应该完全理解为另一种东西）不是吗？
马的起点--我曾经认为它是某种参考点，就像某种通道边界的触摸或其他有意义的东西，现在我不认为它是。
我明白，有些马可能会往后跑。
如果起跑后有一匹马突然决定回头或只是去抽烟（这也会发生），我们该怎么办？ 在这种情况下，作者会怎么做？ 他是否会让一匹后备马从起跑点出来，支援失去的那匹马？
问题仍然没有得到解决--是否有可能让已经完成比赛的马匹参加下一场比赛，而下一场比赛可能会直接举行？ 或者说 "羊入虎口，虎入羊群"，也就是说，奖金在你的口袋里，但马匹是为了吃肉？
但你可以看到，有些马可能会被无限期地使用，那么为什么它们要被用来做肉呢？
完全可以理解作者为什么要参加赛马，因为马儿一下子就到了终点线
但不清楚的是，比如说你可以在蟑螂家庭上下注，为什么不能参加蟑螂比赛？
例如，姜黄色的蟑螂与黑色、林地、地下室和腹下的蟑螂对抗？
当然，他们不是马，他们不能像马一样完成比赛，这部分地减少了总奖金，但他们会完成比赛，不是吗？
此外，蟑螂比赛是我们的家庭娱乐，它们可以在任何操场上与邻居的男孩一起练习。
两周的阅读+妻子的辱骂+数学+想象力=类似的东西。我要感谢话题发起人，他是一个伟大的人，他伪装了，同时用纯文本说明了所有的规则。 我要感谢Joker，他找到了一个软件解决方案，虽然不是最初的问题，但他做到了，我怀疑很多人都找到了一个真正的系统来工作。
我想告诉 "聪明的数学家 "一件事：由EURUSD+卖出GBPUSD不等于由EURGBP!!!!!!!!!。
而由于该系统最初应该是在 "对冲 "或在 "套利"，无论你怎么称呼它。有可能找到真正的固定渠道（用于传播或合成物，或任何你喜欢的术语），你可以真正在这些渠道中工作。
非常感谢专题组成员亚历山大。
真诚的 ....
我有两个数组--AUDUSD 和NZDUSD图表，如何在它们之间进行回归？
我应该在函数中使用什么参数？
谁能帮助我理解这个LRBuild功能。
我有两个数组--AUDUSD和NZDUSD，我如何在它们之间使用回归？
我应该在函数中使用什么参数？
我不确定如何从algib中连接这些函数，但这里有一个链接，可以看到如何在即用型指标的代码中做到这一点
https://www.mql5.com/ru/code/11859
两周的阅读+妻子的辱骂+数学+想象力=类似的东西。我要感谢话题发起人，他是一个伟大的人，他伪装了，同时用纯文本说明了所有的规则。 我要感谢Joker，他找到了一个软件解决方案，虽然不是最初的问题，但他做到了，我怀疑很多人都找到了一个真正的系统来工作。
我想告诉 "聪明的数学家 "一件事：由EURUSD+卖出GBPUSD不等于由EURGBP!!!!!!!!!。
而由于该系统最初应该是在 "对冲 "或在 "套利"，无论你怎么称呼它。有可能找到真正的固定渠道（用于传播或合成物，或任何你喜欢的术语），你可以真正在这些渠道中工作。
再次感谢专题组成员亚历山大。
真诚的 ....
关于 "由欧元兑美元+卖出英镑兑美元不等于由欧元兑英镑!!!!!!!!!"，这已经知道很久了。
你能在正确的方向上给予一些指点吗？你说的 "最初的排序是在 "对冲 "或 "套利 "中，是什么意思？
还有几个固定的例子（一年或两年，三个）频道，你能看到吗？
谁能帮助我理解这个LRBuild功能。我有两个数组--AUDUSD和NZDUSD，我如何在它们之间做回归？我应该为这个函数使用什么参数？
每一列的矩形数组[,] xu函数 公共 static void alglib.lrbuilds() - 这些是 自变量x，最后一列分别是因变量y。参数out linearmodel lm是通过引用传递的，即值在函数后可用。
lrbuilds()。然后调用 public static void alglib.lrunpack(linearmodel lm, out double[] v, out int nvars)，拉出 得到的回归模型 的系数 double[] v。
P.S. 如果你只需要allglib用于回归，那么忘了它吧--了解作者的怪癖是没有用的，如果它不是你需要的全部，那么学习R，allglib的功能是有限的。