形式上，相对域在 N 上的映射，表示为 f: (E,π) à (E’,π’)，函数是 f: E àE’ 如此以下三角形互通
为了向交易者阐这一点，我们把上面所用的态射 f，修改其平方互通为没有 D 域的简单三角形。 在运用 f 时，我们将在两个域 E & E' 之间寻找态射权重，如上所述，它们是多维数据位于索引零和索引 1 处的值。 “多维性”仅仅意味着我们正在测量和记录多个数据点。 在我们的例子中，这是高点的变化，也是低点的变化。 故此，因为我们已经知道指数 1（我们的滞后）柱线的价格范围的最终变化，我们将使用态射 f 来转换我们当前的数据点，此刻我们还不知道其最终变化，并找到 E' 中的哪些元素最接近匹配。 最接近匹配的共域元素跨 π“ 将为我们提供预测的变化。
新文章 MQL5 中的范畴论 (第 7 部分)：多域、相对域和索引域已发布：
范畴论是数学的一个多样化和不断扩展的分支，直到最近才在 MQL5 社区中得到一些报道。 这些系列文章旨在探索和验证一些概念和公理，其总体目标是建立一个开放的函数库，提供洞察力，同时也希望进一步在交易者的策略开发中运用这个非凡的领域。
形式上，相对域在 N 上的映射，表示为 f: (E,π) à (E’,π’)，函数是 f: E àE’ 如此以下三角形互通
为了向交易者阐这一点，我们把上面所用的态射 f，修改其平方互通为没有 D 域的简单三角形。 在运用 f 时，我们将在两个域 E & E' 之间寻找态射权重，如上所述，它们是多维数据位于索引零和索引 1 处的值。 “多维性”仅仅意味着我们正在测量和记录多个数据点。 在我们的例子中，这是高点的变化，也是低点的变化。 故此，因为我们已经知道指数 1（我们的滞后）柱线的价格范围的最终变化，我们将使用态射 f 来转换我们当前的数据点，此刻我们还不知道其最终变化，并找到 E' 中的哪些元素最接近匹配。 最接近匹配的共域元素跨 π“ 将为我们提供预测的变化。
如同以前一样运行测试，会为我们给出以下报告。
作者：Stephen Njuki