Analice las características ESTADÍSTICAS más importantes del patrón y elija un método para operar con él. - página 7
![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
Foro sobre trading, sistemas de trading automatizados y pruebas de estrategias de trading
FOREX - Tendencias, previsiones y consecuencias 2015
-Aleks-, 2015.06.21 12:29
Busca en el código. El método es bastante sencillo. Establecer la longitud del patrón actual, encontrar patrones similares en la historia (por ejemplo, utilizar la correlación como la distancia entre los patrones), predecir el comportamiento del precio en el futuro a partir de patrones pasados. Se trata esencialmente de la misma agrupación, o RBF, o SVM, o GRNN. Todo depende de cómo midamos la distancia del patrón actual. Lea sobre GRNN y Bayes. Allí, la teoría de las predicciones se describe en términos de distribuciones estadísticas. Se ha escrito mucho sobre el GRNN y los métodos de predicción anteriores, pero todo se reduce a una simple fórmula:
la predicción es y = SUM y [k] * exp (-d [k] / 2s ^ 2) / SUM exp (-d [k] / 2s ^ 2)
donde y [k] es el k-ésimo patrón pasado, d [k] es la distancia del k-ésimo patrón al actual. Si las distancias tienen una distribución gaussiana, entonces d [k] = (x - x [k]) ^ 2. Para una distribución arbitraria (súper gaussiana), d [k] = | x - x [k] | ^ p, donde se elige p, dependiendo de si se quiere dar más peso a los vecinos más cercanos (p grande), o dar a casi todos los vecinos el mismo peso (p pequeño) como en el socialismo. Para p = 0, tenemos un socialismo completo.
Después de conocer los vecinos más cercanos y el GRNN, surgirá la siguiente pregunta obvia. Y cómo medir la distancia entre el patrón actual y los patrones anteriores. Si se tienen en cuenta las distorsiones a lo largo del eje temporal. Aquí es donde está enterrado el perro.
quizás esto ayude a https://en.wikipedia.org/wiki/Hellinger_distance
https://dl.acm.org/citation.cfm?id=1288866