Diálogo del autor. Alexander Smirnov. - página 44

Nuevo comentario
 

Ha pasado mucho tiempo desde marzo, pero tengo que decir que todavía no he terminado con los mash-ups. Es cierto que las utilizo de forma muy diferente a los cruces...

 

¿Alguien ha probado los abogados que mienten aquí (es necesario registrarse en Spider)?

 
Mathemat писал(а) >>

Ha pasado mucho tiempo desde marzo, pero tengo que decir que todavía no he terminado con los mash-ups. Pero no los utilizo de la misma manera que los utilizo para los cruces...

¡Sí, Alexei! ¡Los brazos agitados son el poder!

Estoy mirando a 2008.

A veces basta con poner dos bolsas pesadas y comerciar con ellas.

¡al menos no contra ellos!

Mira al Campeón de 2008, ¡las tendencias están a favor allí!

y es probable que los autores utilicen mayoritariamente muñecos como dirección

--

no es que estuviera discutiendo en el hilo de divs.

pero argumentó claramente que BARABANA de divergencias y convergencias, ¡es la dirección la que cuenta!

( Por regla general, una divergencia y una convergencia sólo proporcionan una entrada indolora con un retorno suficientemente rápido para obtener beneficios,

pero no garantizan la entrada correcta).

Lo decisivo es la dirección, y ninguno de los autores de las entradas de divergencia gráfica y otros

- cómo elegir una dirección

 
Sceptic Philozoff:
Sí, si te llamas a ti mismo cobarde, te metes por la espalda. Bien, Sergey, aquí hay una prueba (la necesito de todos modos, para mi propia confianza):

Supongamos que tenemos muestras de tiempo - t = 1, 2, ... N. La numeración se invierte en MQL4, es decir, N es la barra actual, "cero". Estas lecturas corresponden a la cláusula Сlose(1), Сlose(2), ... Сlose(N). Intentemos construir una línea recta y = A*t+B que pase por los claustros por MNC. A continuación, calculamos A*N + B, es decir, LRMA en la barra actual.

Calculamos la suma de los cuadrados del error:

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

Diferenciamos esto por A y B y obtenemos un sistema de ecuaciones para los cocientes óptimos de A y B:

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

Expandiendo las sumas, obtenemos (omito los rangos de índices para simplificar la notación)

A*Suma( i^2 ) + B*Suma( i ) = Suma( i*Cerrar(i) )
A*Suma( i ) + B*Suma( 1 ) = Suma( Close(i) )

Prival, ahora mira los lados de la derecha. La suma del lado derecho de la primera ecuación es casi LWMA, sólo que sin el factor de normalización. En la segunda, es SMA, también sin ella. Aquí están las fórmulas exactas de estas escalas:

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

Ahora recuerda a qué equivale la suma de los cuadrados de los naturales 1 a N (es N*(N+1)*(2*N+1)/6), sustitúyelo en nuestro sistema y obtendremos:

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

Simplificando:

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

No voy a resolver el sistema, me da mucha pereza (aquí ya está claro). Simplemente multiplico la primera ecuación por 3, y la segunda por 2, y luego resto la segunda de la primera:

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

A la izquierda, tras la simplificación, queda A*N + B, es decir, exactamente nuestra regresión en el punto N.

¡Qué maravilla! Sobre todo a partir de este post.

1...3738394041424344
Nuevo comentario