文章 "获取市场优势的秘诀（第二部分）：预测技术指标"
这种说法是不正确的 -- 有很多例子 -- 例如，"之 "字形 -- 它不会重绘或滞后 -- 趋势反转显示点对点 -- 局部极值显示 -- 当前边缘正在形成，它不会重绘。
我们应该从指标确定的内容和方式出发。
你的信息有误。之字形指标是最糟糕的指标--它既滞后又重绘。
@Stanislav Korotky 是正确的--所有技术指标要么滞后，要么重绘，要么两者兼而有之。 这是一个数学事实，因为它是基于过去的数据。没有未来的数据。
我也不同意这种绝对的说法。例如，有一种简单的背离现象。它不会滞后。而且，它还能多次吹响即将反转或价格修正的号角....。当然，这种预测会有一定的概率，但这是另一种对话....。
例如，有一个指标可以对 收益的波动性进行聚类（ReturnsIndicator）。它有一个最简单的逻辑：如果今天的波动很小，那么明天也会一样。什么不是预测？
- www.mql5.com
证据就是 "之 "字形的数学和代码实现。你自己看看吧。这是常识。你竟然不知道。
十年前，我甚至在代码库中发布了一个版本来解释这个问题...
- www.mql5.com
数学和 ZigZag 代码的实现就是最好的证明。自己看吧。这是常识。我很惊讶你居然不知道。
我甚至在 CodeBase 中发布了一个十年前的版本来解释它......
链接中是你对 Zig-Zag 的关键描述：
然而，事实并非如此，主要是因为该指标会进行所谓的"重绘 " 。换句话说，在一连串实时价格变动中，指标会改变最近的峰值或谷值，以反映新的价格数据。当 "之 "字形顶部或谷底在指标上固定下来时，当前的市场形势早已发生变化，不再与最初显示为价格顶部或谷底的点相对应。
-- 在此，您讨论的只是当前的 ZigZag（之字形）边缘。
在谈论指标时，您必须从以下方面着手：
-- 指标的定义（指标的目的）
-- 指标如何定义（算法）
至于 Zig-Zag -- Zig-Zag 的定义：
1) 已形成的局部极值 -- Zig-Zag 所显示的历史极值 -- 根据定义，它不可能滞后或重绘。
您在引文中写道："当前的市场形势早已发生变化，不再与最初作为价格峰值或谷值的点相对应"。
因此，"之 "字形并不是在反对当前的形势，而是在显示先前形成的一个极端。当前的情况可以根据该极值进行分析。例如，极值可以理解为支撑/阻力位（顺便说一句，支撑/阻力位是有效的）。
2) 局部极值的形成时刻发生在当前的报价流中。人字形 "此刻显示的是点对点。可以确定形成极值的刻度线。这里没有也不可能有过度拉伸或滞后。
3) 趋势变化时刻 -- 与局部极值形成时刻相吻合 -- 趋势变化的确切刻度线是已知的。
对于当前的 "之 "字形边缘可能存在误解。该边缘显示的是尚未形成的极值。同样，也可以显示该极值失败的刻度线。这种极值的取消被解释为趋势的延续，边缘会移动。这种边缘移动并不是重绘，而是寻找局部极值。
因此，Zig-Zag 不存在滞后或重绘。如何在交易中使用之字形是交易策略的问题。交易策略必须正确理解之字形。在第一种情况下，它们是价格的平均值，而平均值本身就意味着与价格的距离 。
这种 "滞后 "是通过预测价格回归平均值的 50%来弥补的。按照这种逻辑，"滞后 "指标就变成了 "领先 "指标。这本身 就是一个 矛盾。
不存在滞后，而是根据现有价格进行计算，即指标是 "现在 "的，而不是过去或未来的。
至于重绘：将腿的延长视为重绘 是 幼稚可笑的。
腿的出现不可能立即固定下来，因为 ZigZag 没有用于此目的的 Vanga 代码。
在评估判断的背景下，"滞后 "和 "重绘 "的概念是 "我将添加第二条移动平均线，我的 Ilan 1.6 将永远不会跌入反趋势"之类的幼稚园水平
更何况是可敬的程序员。
更何况是可敬的程序员 。
一些垃圾。均线是一种数字或模拟信号处理，它通过延迟来建立--纯粹是通过公式。否认这一点只能说明你是个文盲。
当然，每个指标都有一个当前值，但并不会因为这个名称而变得更准确。对 "之 "字形的最后一段被重绘这一事实提出异议是荒谬的。在下一段出现之前，你无法判断 "之 "字形的当前线段将在何处结束。这意味着，根据 "之 "字形配置当前末端的统计数据所能做出的预测会发生动态变化。
新文章 获取市场优势的秘诀（第二部分）：预测技术指标已发布：
你知道吗？与预测交易标的的基础价格相比，我们预测某些技术指标时能获得更高的准确性。加入我们，一起探索如何利用这一想法来制定更好的交易策略。
在电子交易环境中应用机器学习的投资者面临着诸多挑战，而现实情况是，许多投资者并未能实现他们预期的结果。本文旨在强调在我看来，为什么有志于成为算法交易者的人可能无法实现与他们策略复杂性相匹配的满意回报。我将展示为什么预测金融证券的价格往往难以超过50%的准确性，以及如何通过转而预测技术指标值来提高准确性至约70%。本指南将提供时间序列分析最佳实践的分步指导。
阅读完本文后，您将能够深刻理解如何提升机器学习模型的准确性，并比使用Python和MQL5的其他参与者更有效地发现市场变化的领先指标。
作者：Gamuchirai Zororo Ndawana