Dialog des Autors. Alexander Smirnow. - Seite 44

Neuer Kommentar
 

Seit März ist viel Zeit vergangen, aber ich muss sagen, dass ich mit Mash-ups noch nicht fertig bin. Es stimmt, dass ich sie ganz anders nutze als einfache Kreuzungen...

 

Hat es jemand mit den Anwälten versucht, die hier liegen (Registrierung bei Spider erforderlich)?

 
Mathemat писал(а) >>

Seit März ist viel Zeit vergangen, aber ich muss sagen, dass ich mit Mash-ups noch nicht fertig bin. Aber ich benutze sie nicht so, wie ich sie für Kreuzungen benutze...

Ja, Alexej, die winkenden Arme sind die Kraft!

Ich schaue auf das Jahr 2008.

Manchmal reicht es aus, zwei schwere Taschen auszulegen und damit zu handeln!

Zumindest nicht gegen sie!

Schauen Sie sich den Champion von 2008 an, dort sind die Trendsetter im Vorteil!

und die Autoren werden wahrscheinlich hauptsächlich Dummies als Orientierung verwenden!

--

Es ist ja nicht so, dass ich im div divs-Thread argumentiert hätte!

aber klar argumentiert, dass BARABANE von Divergenzen und Konvergenzen, es ist die Richtung, die zählt!

( In der Regel bietet eine Divergenz und eine Konvergenz nur einen schmerzlosen Einstieg mit einer ausreichend schnellen Rückkehr zum Gewinn,

aber sie sind keine Garantie für die richtige Eingabe).

Es ist die Richtung, die entscheidend ist, und keiner der Autoren der grafischen Divergenzeinträge und andere

- wie man eine Richtung wählt!

 
Sceptic Philozoff:
Ja, wenn du dich selbst als Feigling bezeichnest, kommst du nach hinten. OK, Sergey, hier ist ein Beweis (ich brauche ihn sowieso, für mein eigenes Vertrauen):

Angenommen, wir haben Zeitproben - t = 1, 2, ... N. Die Nummerierung ist in MQL4 umgekehrt, d.h. N ist der aktuelle Takt, "Null". Diese Lesarten entsprechen der Klausel Сlose(1), Сlose(2), ... Сlose(N). Versuchen wir, eine gerade Linie y = A*t+B zu konstruieren, die durch die Kreuzungen von MNC verläuft. Dann berechnen wir A*N + B, d.h. LRMA zum aktuellen Takt.

Wir berechnen die Summe der Fehlerquadrate:

Delta^2 = Summe( ( y(i) - Close(i) )^2; i = 1..N ) = Summe( ( A*i + B - Close(i) )^2; i = 1..N )

Wir differenzieren diesen Stoff durch A und B und erhalten ein Gleichungssystem für optimale Quotienten von A und B:

Summe( ( ( A*i + B - Close(i) ) * i ); i = 1...N ) = 0
Summe( A*i + B - Close(i) ); i = 1...N ) = 0

Erweitert man die Summen, erhält man (zur Vereinfachung der Schreibweise lasse ich die Indexbereiche weg)

A*Summe( i^2 ) + B*Summe( i ) = Summe( i*Schluss(i) )
A*Summe( i ) + B*Summe( 1 ) = Summe( Close(i) )

Prival, schauen Sie sich jetzt die rechten Seiten an. Die Summe auf der rechten Seite der ersten Gleichung entspricht fast der LWMA, nur ohne den Normierungsfaktor. Im zweiten Fall handelt es sich um SMA, auch ohne SMA. Hier sind die genauen Formeln für diese Skalen:

LWMA = 2/(N*(N+1)) * Summe( i*Schluss(i) )
SMA = 1/N * Summe( Close(i) )

Erinnern Sie sich nun daran, was die Summe der Quadrate der natürlichen 1 bis N ist (N*(N+1)*(2*N+1)/6), setzen Sie sie in unser System ein und wir erhalten:

A * N*(N+1)*(2*N+1)/6 + C * N*(N+1)/2 = LWMA * N*(N+1)/2
A * N*(N+1)/2 + C * N = SMA * N

Vereinfachen:

A * (2*N+1)/3 + C = LWMA
A * (N+1)/2 + C = SMA

Ich werde das System nicht lösen, ich bin zu faul (das ist hier schon klar). Ich multipliziere einfach die erste Gleichung mit 3 und die zweite mit 2 und subtrahiere dann die zweite von der ersten:

A * (2*N+1) + 3 * C - A * (N+1) - 2 * C = 3 * LWMA - 2 * SMA

Auf der linken Seite bleibt nach der Vereinfachung A*N + B übrig, also genau unsere Regression im Punkt N.

Was für ein Vergnügen! Vor allem, wenn man mit diesem Beitrag beginnt.

1...3738394041424344
Neuer Kommentar