为MT制作一个Python交易系统。 - 页 13 1...67891011121314151617 新评论 Aleksey Vyazmikin 2019.01.23 14:36 #121 Maxim Dmitrievsky:对于Alex来说，python中的introdynamics。 安装3.7 64位版本（我不使用Anaconda，也不明白你为什么需要它，这可能是为太聪明的人准备的）。 打开命令行，输入 pip install catboost 这将安装catboost，并给你一个警告，告诉你缺少哪些libs。 另一个选择是用管道安装jupyter notebook（管道安装jupyter notebook）或jupyter lab 通过谷歌搜索了解更多细节谢谢你，我会试一试的。 Aleksey Vyazmikin 2019.01.23 14:37 #122 参数枚举包的名称是什么？某种 "网格"... Maxim Dmitrievsky 2019.01.23 15:24 #123 Aleksey Vyazmikin: 参数枚举包的名称是什么？某种 "网格"...我不知道，我是从一个YouTube视频中设置的。 Yuriy Asaulenko 2019.01.23 19:54 #124 另一个问题，--当前的回归线可以用来计算分布吗？要做到这一点，让我们建立2条回归线RegLine1--从绘图的终点到800分钟的深度，以及类似的RegLine1从该点向后移动200分钟。 我们得到的图形。 我们看到，旧的RegLine2与最新数据上新绘制的RegLine1几乎相同。 请注意，情况并不总是这样，可能会更糟，但总的误差是相当可以接受的，与其他平均模拟方法相比要低很多。然而，这张照片也很典型。 当然，移位越小，误差就越小。我们有点采取了最坏的情况，看看随着时间的推移，分歧的过程。 其中涉及到一些技巧，但这将被排除在画面之外）。 Alexander_K2 2019.01.23 20:08 #125 干得好，尤里! 你接手了一个在T&C中没有得到很好研究的基本问题。 什么是市场过程中的中心倾向的衡量标准？信心区间 应该以什么样的平均值为基础？我对你的研究理解正确吗？ 是的，是的，这不是MA或中位数。我个人使用WMA与一些重量。而你的回归线在这方面是相当有趣的。 或者你只是在展示Python的能力？请解释一下你的主题的目的。 Yuriy Asaulenko 2019.01.23 20:57 #126 Maxim Dmitrievsky:2行是不够的，200行会更好。我不明白。你是什么意思？ Maxim Dmitrievsky 2019.01.23 20:58 #127 Yuriy Asaulenko:我不明白。你在说什么呢？那些小把戏。 Yuriy Asaulenko 2019.01.23 21:07 #128 Maxim Dmitrievsky:关于贸易的小窍门。这是另一个话题。幕后，没有评论）。 以上写道--请注意，情况并不总是这样，可能会更糟，但累积的错误是可以接受的 ......就我的目的而言，可以接受。这已经很不错了。对于其他一些人，我不知道。 顺便说一句，而且目标已经表达出来了--累积误差是相当可以接受的，与其他模拟平均值的方法相比，累积误差明显减少。 Yuriy Asaulenko 2019.01.23 23:28 #129 除了我之前的帖子 之外，还看了一下在3000个计数时相对于回归线的分布。在较短的间隔时间内，它是非常参差不齐的。 事实上，它是非常不稳定的，它的形状在不同的图中变化很大，但最小和最大偏差保持在差不多的水平。嗯，而且没有长尾巴的痕迹。我不做任何结论，自己看吧。 我只能说，分布尾巴是我们行为的结果，而不是市场的属性。 Maxim Dmitrievsky 2019.01.23 23:43 #130 Yuriy Asaulenko:除了我之前的帖子 之外，还看了一下在3000个计数时相对于回归线的分布。在较短的间隔时间内，它是非常参差不齐的。 事实上，它是非常不稳定的，它的形状在不同的图中变化很大，但最小和最大偏差保持在差不多的水平。嗯，而且没有长尾巴的痕迹。我不做任何结论，自己看吧。 我只能说，分布尾数是我们的行为的结果，而不是由于市场。如果线条没有过多的透支，就会很好。 什么时期和什么程度？ 1...67891011121314151617 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
对于Alex来说，python中的introdynamics。
安装3.7 64位版本（我不使用Anaconda，也不明白你为什么需要它，这可能是为太聪明的人准备的）。
打开命令行，输入 pip install catboost
这将安装catboost，并给你一个警告，告诉你缺少哪些libs。
另一个选择是用管道安装jupyter notebook（管道安装jupyter notebook）或jupyter lab
通过谷歌搜索了解更多细节
谢谢你，我会试一试的。
参数枚举包的名称是什么？某种 "网格"...
我不知道，我是从一个YouTube视频中设置的。
另一个问题，--当前的回归线可以用来计算分布吗？要做到这一点，让我们建立2条回归线RegLine1--从绘图的终点到800分钟的深度，以及类似的RegLine1从该点向后移动200分钟。
我们得到的图形。
我们看到，旧的RegLine2与最新数据上新绘制的RegLine1几乎相同。
请注意，情况并不总是这样，可能会更糟，但总的误差是相当可以接受的，与其他平均模拟方法相比要低很多。然而，这张照片也很典型。
当然，移位越小，误差就越小。我们有点采取了最坏的情况，看看随着时间的推移，分歧的过程。
其中涉及到一些技巧，但这将被排除在画面之外）。
干得好，尤里!
你接手了一个在T&C中没有得到很好研究的基本问题。
什么是市场过程中的中心倾向的衡量标准？信心区间 应该以什么样的平均值为基础？我对你的研究理解正确吗？
是的，是的，这不是MA或中位数。我个人使用WMA与一些重量。而你的回归线在这方面是相当有趣的。
或者你只是在展示Python的能力？请解释一下你的主题的目的。
2行是不够的，200行会更好。
我不明白。你是什么意思？
我不明白。你在说什么呢？
那些小把戏。
关于贸易的小窍门。
这是另一个话题。幕后，没有评论）。
以上写道--请注意，情况并不总是这样，可能会更糟，但累积的错误是可以接受的 ......就我的目的而言，可以接受。这已经很不错了。对于其他一些人，我不知道。
顺便说一句，而且目标已经表达出来了--累积误差是相当可以接受的，与其他模拟平均值的方法相比，累积误差明显减少。
除了我之前的帖子 之外，还看了一下在3000个计数时相对于回归线的分布。在较短的间隔时间内，它是非常参差不齐的。
事实上，它是非常不稳定的，它的形状在不同的图中变化很大，但最小和最大偏差保持在差不多的水平。嗯，而且没有长尾巴的痕迹。我不做任何结论，自己看吧。
我只能说，分布尾巴是我们行为的结果，而不是市场的属性。
除了我之前的帖子 之外，还看了一下在3000个计数时相对于回归线的分布。在较短的间隔时间内，它是非常参差不齐的。
事实上，它是非常不稳定的，它的形状在不同的图中变化很大，但最小和最大偏差保持在差不多的水平。嗯，而且没有长尾巴的痕迹。我不做任何结论，自己看吧。
我只能说，分布尾数是我们的行为的结果，而不是由于市场。
如果线条没有过多的透支，就会很好。
什么时期和什么程度？