文章 "您应当知道的 MQL5 向导技术（第 14 部分）：以 STF 进行多意向时间序列预测" 新评论 MetaQuotes 2024.12.16 11:59 新文章 您应当知道的 MQL5 向导技术（第 14 部分）：以 STF 进行多意向时间序列预测已发布： “时空融合”就是在数据建模中同时使用“空间”和“时间”度量值，主要用在遥感，和一系列其它基于视觉的活动，以便更好地了解我们的周边环境。归功于一篇已发表的论文，我们通过验证它对交易者的潜力，采取一种新颖的方式来运用它。 这篇关于时空融合（STF）的论文激起了我对这个主题的兴趣，这要归功于它的双边预测方式。作为复习者，该论文的灵感来自于解决一个基于概率的预测问题，譬如 Uber 和 Didi 等打车平台的供需双边如何协调。协调供需关系在各种双边市场中很常见，例如 Amazon、Airbnb 和 eBay，本质上，公司不仅为传统的“客户”或购买者服务，还要迎合客户的供应商。 故此，在供应侧部分依赖于需求的情况下，双边预测对这些公司来说可能很重要。诚然需求和供应的双重预测，某种意义上突破了预测时间序列或数据集特定值的传统方式。该论文还引入了所谓的因果论框架，其中供需之间的因果“协调”关系由矩阵 G 捕获，所有预测都是通过变换器网络进行的，其结果值得注意。 从中汲取灵感，我们看看通过使用看跌和看涨作为这两个度量的代理，来预测交易证券的供求关系。严格来说，尽管典型的智能信号类将这两个数值作为 0-100 范围内的整数计算，这正如从 MQL5 函数库文件、或迄今为止在本系列中我们的编码文件中所见。新内容将是，在我们进行预测时添加的空间矩阵和时间参数（我们从论文中引用的 2 个额外输入）。 交易证券的空间量化是主观的，而时间度量的选择亦如此。使用证券的最高价和最低价序列作为供需的锚点，我们将这些缓冲区之间的自相关值当作空间矩阵的坐标，并使用星期索引作为时间指标。这种可以定制和改进的基本方式，符合我们在本文中的目的。 该论文使用了变换器网络，我们不会用到它，因为它对于我们的目的来说效率低下，不过所有预报都将通过自定义的手动编码多层感知器进行。由于该主题有如此多的函数库和代码示例，尝试编写自己的多层感知器看似是浪费时间。然而，所用的网络类长度不到 300 行，且在自定义层数、和每层的规模方面具有合理的可扩展性，而这在大多数可用的样板库中仍然缺乏。 作者：Stephen Njuki 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
新文章 您应当知道的 MQL5 向导技术（第 14 部分）：以 STF 进行多意向时间序列预测已发布：
“时空融合”就是在数据建模中同时使用“空间”和“时间”度量值，主要用在遥感，和一系列其它基于视觉的活动，以便更好地了解我们的周边环境。归功于一篇已发表的论文，我们通过验证它对交易者的潜力，采取一种新颖的方式来运用它。
这篇关于时空融合（STF）的论文激起了我对这个主题的兴趣，这要归功于它的双边预测方式。作为复习者，该论文的灵感来自于解决一个基于概率的预测问题，譬如 Uber 和 Didi 等打车平台的供需双边如何协调。协调供需关系在各种双边市场中很常见，例如 Amazon、Airbnb 和 eBay，本质上，公司不仅为传统的“客户”或购买者服务，还要迎合客户的供应商。
故此，在供应侧部分依赖于需求的情况下，双边预测对这些公司来说可能很重要。诚然需求和供应的双重预测，某种意义上突破了预测时间序列或数据集特定值的传统方式。该论文还引入了所谓的因果论框架，其中供需之间的因果“协调”关系由矩阵 G 捕获，所有预测都是通过变换器网络进行的，其结果值得注意。
从中汲取灵感，我们看看通过使用看跌和看涨作为这两个度量的代理，来预测交易证券的供求关系。严格来说，尽管典型的智能信号类将这两个数值作为 0-100 范围内的整数计算，这正如从 MQL5 函数库文件、或迄今为止在本系列中我们的编码文件中所见。新内容将是，在我们进行预测时添加的空间矩阵和时间参数（我们从论文中引用的 2 个额外输入）。
交易证券的空间量化是主观的，而时间度量的选择亦如此。使用证券的最高价和最低价序列作为供需的锚点，我们将这些缓冲区之间的自相关值当作空间矩阵的坐标，并使用星期索引作为时间指标。这种可以定制和改进的基本方式，符合我们在本文中的目的。
该论文使用了变换器网络，我们不会用到它，因为它对于我们的目的来说效率低下，不过所有预报都将通过自定义的手动编码多层感知器进行。由于该主题有如此多的函数库和代码示例，尝试编写自己的多层感知器看似是浪费时间。然而，所用的网络类长度不到 300 行，且在自定义层数、和每层的规模方面具有合理的可扩展性，而这在大多数可用的样板库中仍然缺乏。
作者：Stephen Njuki