![MQL5 - Lenguaje de estrategias comerciales para el terminal de cliente MetaTrader 5](https://c.mql5.com/i/registerlandings/logo-2.png)
Está perdiendo oportunidades comerciales:
- Aplicaciones de trading gratuitas
- 8 000+ señales para copiar
- Noticias económicas para analizar los mercados financieros
Registro
Entrada
Usted acepta la política del sitio web y las condiciones de uso
Si no tiene cuenta de usuario, regístrese
Recientemente experimenté con ZZ en Neuroshelle Day Trader. Alimenté la diferencia normalizada entre el precio y varios extremos fijos de ZZ a la entrada de PNN (clasificador). También probé ratios de diferencias (es decir, modelos armónicos si se quiere). NS encuentra verdades en un intervalo de tiempo limitado. No diré que es un grial, pero el sistema se beneficia de datos que no ha visto.
¿Y cómo ha normalizado exactamente la diferencia? ¿La diferencia entre el precio y el último extremo? ¿O algo más? ¿Y qué clasificador utilizaste? ¿Los gráficos de Kohonen?
Todavía no he llegado a ZZ. Hasta ahora he experimentado con Kohonen, y he normalizado los datos mediante muving. También en general, el potencial es visible, aunque débil. Quiero conectar las salidas de la red a un "amplificador" =)). Además traté de clasificar las velas - codificadas por diferentes métodos y cargadas en el Kohonen. En principio tampoco estaba mal, al menos los enchufes similares tienen las mismas clases. Pero todavía no he conseguido la normalización. He intentado convertirlo en rango 0+1, rango -1+1, sigmoidal y tangente. He intentado utilizar los datos "tal cual". De alguna manera no vi ninguna ventaja de uno u otro método.
Rosh, ¿entiendes por qué H+L es predecible (en este caso, persistente) para un proceso aleatorio?
Pensé que era simple, H y L son como un intervalo de confianza para una variable aleatoria, si tal vez el número y el ganado no cambió, entonces este intervalo de confianza se mantendrá en su lugar (una constante). Y Close es una predicción del valor de este eventual valor y se encuentra entre H y L, por eso es más difícil de predecir.
No tengo este entendimiento y todavía no lo tengo. Prival, no acepto tu hipótesis de que sea algún tipo de intervalo (¿recuerdas el pico de 200 puntos en el cable, que se hace con un tick?) Ninguna red neuronal puede predecirlo, pero Fibami, creo, es bastante probable...
P.D. Tampoco está claro: ¿por qué a las horquillas tan largas sólo les gusta bajar?
Recientemente experimenté con ZZ en Neuroshelle Day Trader. Introduje una diferencia normalizada entre el precio y varios extremos fijos de PP en el PNN de entrada (clasificador). Y también probé ratios de diferencias (es decir, modelos armónicos si se quiere). NS encuentra verdades en un intervalo de tiempo limitado. No diré que es un grial, pero el sistema se beneficia de datos que no ha visto.
¿Y cómo ha normalizado exactamente la diferencia? ¿La diferencia entre el precio y el último extremo? ¿O algo más? ¿Y qué clasificador usaste? ¿Los gráficos de Kohonen?
Todavía no he llegado a ZZ. Hasta ahora he experimentado con Kohonen, y he normalizado los datos mediante muving. También en general, el potencial es visible, aunque débil. Quiero conectar las salidas de la red a un "amplificador" =)). Además traté de clasificar las velas - codificadas por diferentes métodos y cargadas en el Kohonen. En principio tampoco estaba mal, al menos los enchufes similares tienen las mismas clases. Pero todavía no he conseguido la normalización. He intentado convertirlo en rango 0+1, rango -1+1, sigmoidal y tangente. He intentado utilizar los datos "tal cual". De alguna manera no vi ninguna ventaja de uno u otro método.
Hago todos mis experimentos en NSDT. Tomo las diferencias entre el precio y el último extremo de ZZ. Y también entre último y penúltimo extremo, etc... Y también relaciones entre diferencias, - (X-A)/(A-B), (B-A)/(B-C), (B-C)/(C-D), (X-A)/(D-A), en general tratando de construir modelos armónicos de Gartley. Puse todo en una red de probabilidad (hay varias variedades en NSh). Normalicé los valores usando NSh, bueno, en realidad esta fórmula
(x-ma(x,n))/(3*stdev(x,n)), últimamente siempre uso esta fórmula. Y, en realidad, adelante para aprender, cruzar y OOS. .
He aquí un ejemplo de normalización que utilizo en casi todas partes.
Puedes sustituir Close por lo que quieras...
No tengo este entendimiento y todavía no lo tengo. Prival, no acepto tu hipótesis de que sea algún tipo de intervalo (¿recuerdas el pico de 200 puntos en el cable, que se hace con un tick?) Ninguna red neuronal puede predecirlo, pero Fibami .... Creo que es muy posible...
P.D. Y otra cosa que no entiendo: ¿por qué a los tacos tan largos sólo les gusta bajar?
Intentaré explicarlo con más detalle. H y L no son más que un intervalo de confianza. El valor sl. no superó estos límites durante, por ejemplo, un día. 1 barra diaria. Ahora supongamos que este valor aleatorio sigue una ley de distribución. H y L son aproximadamente mozh+-3sko, es decir, con una probabilidad de 0,997 el valor aleatorio se encuentra en estos límites. Es más fácil predecir H y L en esta situación, porque es casi una constante, mientras que el valor de la pendiente (Close) permanece como estaba.
Basta con trazar (se puede generar) la función de densidad de probabilidad del valor y marcarlo como positivo+3co. Generar 1000 valores y por ello (muestra) determinar estos puntos, son casi constantes, pero el último número en la generación de azar (Cerrar). Puedes hacerlo 100 veces y comprobarlo.
Para los tacos, tal vez el siguiente método ayude: se toman 10 medidas (ticks) y se calcula un puente. Los dos más marginales, que son + y -, se descartan. Entonces podrá volver a utilizar esta función. Esta estimación de la cantidad desconocida es más precisa, porque tiene propiedades de estabilidad ante tales valores anómalos (error de medición aparente).
En el tema Propiedades interesantes de Alto, Bajo hablamos de la predicción "anómala" de la serie (H+L)/2. ¡La paradoja es imaginaria!
Mire, si la condición de que H-L (primera aproximación de la volatilidad del instrumento) es mucho menor que (H+L)/2 (primera aproximación del precio absoluto del instrumento), entonces (H+L)/2 es equivalente al procedimiento de promediación de BP con ventana deslizante igual a 2. Ahora que lo pienso, realmente es casi un promedio. Por otro lado, una media móvil tiene SIEMPRE un coeficiente de autocorrelación (CAC) positivo entre incrementos adyacentes de la serie (esto se puede demostrar directamente). En consecuencia, para un PA obtenido por integración de gradientes aleatorios y que, por lo tanto, tiene una OAC de gradientes que tiende a cero, la OAC trazada para su serie (H+L)/2 ¡siempre será distinta de cero y positiva! Desgraciadamente, este hecho no permitirá predecir la PA, ya que para la serie (H+L)/2 habrá invariablemente un retardo de fase, que pondrá todo en su sitio.
Así.