La théorie des flux aléatoires et le FOREX - page 18
Vous manquez des opportunités de trading :
- Applications de trading gratuites
- Plus de 8 000 signaux à copier
- Actualités économiques pour explorer les marchés financiers
Inscription
Se connecter
Vous acceptez la politique du site Web et les conditions d'utilisation
Si vous n'avez pas de compte, veuillez vous inscrire
J'aimerais pouvoir dessiner des ombres sur les BarsCount à l'envers pendant l'initialisation, car ils transportent aussi des informations.
Mais tout est très lent quand je travaille dessus :).
Et il y a une autre question - s'il y a un trend-flat sur le forex, ou s'il n'y a pas de trend-flat sur le forex. Il a été beaucoup discuté et autant de personnes que d'opinions.
Vous pouvez faire comme "Maintenant, nous devons remplacer a*x+b par quelque chose de plus significatif qui supprime réellement la tendance, comme 'ang PR (Din)-v1' ".
Définir le temps de référence. Et j'ai vraiment aimé la solution dans time_avg_v1.0. mq4 concernant les déviations de la "tendance".
Le point le plus intéressant ici est que le coefficient de corrélation est une valeur fondamentalement limitée. La première solution au problème de normalisation de l'inducteur a été suggérée parYurixx dans "Stochastic Resonance". Je ne trouve pas la photo, bon sang.
Il n'y a plus grand-chose à faire - lui apprendre à corréler avec les extrêmes du marché. Mais il semble que les points d'entrée/sortie doivent être recherchés dans les zéros de cet indicateur.
P.S. Non, pas exactement. Les valeurs négatives de l'indicateur (s'il s'agit d'une sorte d'ACF) n'indiquent pas une tendance à la baisse. Cela peut être le plat le plus débridé.
P.S. Non, pas vraiment. Des valeurs négatives de l'indikateur (s'il s'agit d'une sorte d'ACF) n'indiquent pas une tendance à la baisse. Cela pourrait être le plat le plus débridé.
Et encore - plat - combien ça coûte ? 25p ou 50p. Qu'en est-il de l'échelle de temps supérieure ? time_avg_v1. 0.mq4 donne quelques chiffres sur cette question.
OK, donc la correspondance semble être parfaite. Nous devons maintenant remplacer a*x+b par quelque chose de plus significatif qui supprime réellement la tendance, comme "ang PR (Din)-v1".
Oui, les tendances sont linéaires, mais de façon très grossière et uniquement sur les plus grands TF, comme les semaines. Regardez par vous-même.
Essayons ensuite de comprendre ce que l'auteur (et pas seulement lui) essaie d'obtenir lorsqu'il détend le graphique. Prival, probablement, suggère de le faire afin d'éliminer d'abord les composantes régulières imprévisibles (tendance) des citations initiales, laissant quelque chose de proche d'un processus aléatoire dont l'espérance ne s'écarte pas trop de zéro (en termes de nombre de s.c.s.), puis d'analyser les propriétés ACF de ce processus (autocovarien, et non autocorrélationnel), en utilisant l'ACF lui-même pour prédire les tendances mêmes qui nous sont inconnues. Prival, où es-tu passé ? Dites-moi, c'est logique ou pas ?
La détraction n'a de sens que lorsque la déviation de la "ligne de tendance" par rapport au graphique lui-même n'est pas trop importante, ce qui dicte une petite valeur de la période de "lissage" de la régression elle-même (et non de l'ACF). Sinon, il y aura des tendances locales peu profondes dans l'intervalle de trending, ce qui est exactement ce dont nous voulons nous débarrasser. (Hypothèse : nous pourrions donc réduire le coefficient de Hurst du processus initial, le rapprochant ainsi de la gaussienne ?
Maintenant, regardez les 5 minutes et dites-moi si les tendances sont linéaires ou non ? Le sujet "Résonance stochastique" semble devoir réfuter cette notion, si un tel phénomène existe.
P.S. Au fait, avez-vous prêté attention à la raison pour laquelle notre inducateur affiche un sur la barre de zéro ?
Candidat,
P.S. Au fait, avez-vous déjà fait attention à la raison pour laquelle notre indicateur affiche un sur la barre de zéro ?
Ce n'est pas ma question, mais puisque je jette un coup d'oeil au sujet...
Prival a essayé une fois de parler de bon sens ici. Ainsi, le bon sens ou le sens physique de l'ACF donne par définition une valeur égale à un à la barre zéro, car il montre la corrélation de l'échantillon de temps avec lui-même. Sa chute à zéro peut être traitée comme une perte pratique de corrélation dans les valeurs BP après que le nombre correspondant de barres soit retiré de zéro. Seulement, je ne comprends toujours pas ce que nous voulons en retirer. Notez que Wikipedia donne une autre définition de l'AFC, qui, comme je le comprends, est plus proche du cœur de Matemet, mais ici nous ne considérons que la première.
P.S. Prival, je n'ai toujours pas l'impulsion intérieure pour commencer à coder, parce que je n'ai pas une compréhension claire de la tâche. À propos, je ne me considère pas comme un magicien du MQL, et je ne l'ai jamais été, mais la pratique montre que tout peut être codé lorsque la tâche est comprise. Et il y a des maîtres ici sur le forum.
P.P.S. J'associe la diminution de l'activité du forum à un désir des utilisateurs du forum d'apprendre rapidement les réseaux neuronaux probabilistes (j'espère que Prival est parmi eux), ou tout le monde a couru pour ouvrir un compte réel, alors que vous pouvez encore utiliser les signaux de Better gratuitement :-).
Je viens d'avoir du temps libre. Je vais essayer de répondre aux questions ici ce soir.
Essayezde répondre à la question "...probabiliste..." sur la probabilité de ce que le meilleur réseau neuronal ajuste ?
D'ici le soir, je vais essayer de tout programmer et de poster mes idées en images.
rsi essaie de répondre à la question "...probabiliste..." sur la probabilité de ce que le réseau de neurones Better met en place ?
Je ne me suis mis aux filets que récemment (comme d'habitude, je ne suis pas pressé). Sur le forum, il y a des experts en la matière (Vinin, Leo, klot et beaucoup d'autres, dont, bien sûr, Better). (Cependant, je vois qu'il y a déjà un nouveau fil de discussion sur le sujet - ce qui n'est pas surprenant. ) Mais puisque vous me le demandez, je vais essayer. Comme le dit le proverbe : "Si tu ne peux rien faire toi-même, apprends au moins aux autres ! :-) Ici, sur la branche, on a aussi rencontré beaucoup de gens, alors j'espère qu'ils me corrigeront si je me trompe.
D'après ce que j'ai compris aujourd'hui, lors de la construction d'un réseau probabiliste, l'approche bayésienne est utilisée, et chaque sortie du réseau obtient une estimation (et est évidemment comparée ensuite à un seuil ou à d'autres sorties ; Prival, peut-être même que deux seuils sont possibles :-)) d'une statistique suffisante sous la forme d'un scalaire avec une exactitude jusqu'à un facteur constant, décrit par une fonction de maximum de vraisemblance pour le vecteur d'entrée. Ainsi (pour répondre à la question), le réseau (chaque sortie) est réglé sur la probabilité maximale du vecteur d'entrée pour correspondre à la décision (sortie).
Le réseau lui-même est généralement composé de trois couches : la couche d'entrée, la couche radiale et la couche de sortie. Vecteurs pour la classification (dans le cas de Better, comme nous le savons déjà, il s'agit très probablement de combinaisons linéaires de plusieurs moyennes mobiles, bien que des fonctions booléennes puissent également être utilisées). Le nombre de sorties, correspond à la dimensionnalité requise de la solution de sortie. Par exemple, 4, si nous devons prendre des décisions d'achat, de vente, de clôture d'achat, de clôture de vente. Lors de la formation, le principe du "winner takes all" est mis en œuvre, c'est-à-dire que plusieurs sorties peuvent ne pas être proches du maximum. C'est la partie créative du travail : nous devons trouver la largeur (sigma) et le nombre de neurones les plus appropriés dans la couche intermédiaire. Certains vecteurs d'entrée correspondent le plus plausiblement à l'achat réussi, d'autres à d'autres vecteurs de sortie. La couche radiale est appelée ainsi parce qu'elle utilise la base radiale - la fonction en forme de cloche de la distance euclidienne (dans le cas plus général de composantes corrélées du vecteur d'entrée - la distance de Mahalanobis) au lieu de la fonction de transformation sigmoïde.
Comme nous le voyons, cette approche est très similaire au trading "à la main" : un trader évalue le vecteur d'entrée (prix, modèle TA, lectures d'indicateurs, etc.) et prend une décision, si le critère est rempli selon son estimation.
À propos de la formation - je ne l'ai pas encore étudiée. C'est une question distincte, si je la comprends, je l'introduirai peut-être plus tard :-). Je me souviens qu'avant même le championnat, j'avais écrit que mon conseiller expert utilisait les données d'une année pour s'entraîner.
Candid, je voulais parler de régression linéaire dynamique, c'est-à-dire un indicateur prédisant linéairement la valeur de la prochaine barre sur la base d'un nombre donné de valeurs précédentes. Je m'y suis intéressé une fois, quand je jouais avec les réseaux neuronaux, et je l'ai même calculé analytiquement ; c'est une combinaison linéaire de SMA et LWMA avec des périodes égales, plutôt petites, pas 1000. Je m'en souviendrai - je posterai la formule de calcul ou l'indicateur lui-même.
J'appelle cela la régression linéaire mobile et j'ai un tel indicateur, je peux le partager moi-même :)
Je veux dire sur la première barre (la barre zéro n'est pas traitée) ? La corrélation de chaque point avec lui-même est considérée comme égale à un, en supposant qu'il s'agit du degré maximal de corrélation possible. Cette hypothèse est d'autant plus justifiée :). Mais comme vous le saviez probablement même sans moi, il semble que la question contenait un indice, que je n'ai pas encore compris.
Prival a promis de donner son avis, mais je pense que l'idée n'est pas de laisser uniquement la composante aléatoire, mais de supprimer la tendance "longue" et d'obtenir une série avec une valeur attendue nulle. Cette série contiendra des tendances plus courtes correspondant à l'horizon de jeu prévu. En se rappelant que les statistiques mathématiques (et pas seulement l'analyse R/S) préfèrent travailler avec de telles séries, nous obtenons une réduction plus ou moins correcte du problème à la "recherche sous le lampadaire".
La détraction n'a de sens que lorsque la déviation de la "ligne de tendance" par rapport au graphique n'est pas trop importante, ce qui dicte une petite valeur de la période de "lissage" de la régression elle-même (pas ACF). Sinon, il y aura des tendances locales peu profondes dans l'intervalle de trending, ce qui est exactement ce dont nous voulons nous débarrasser. (Hypothèse : nous pourrions donc réduire le coefficient de Hurst du processus initial, le rapprochant ainsi de la gaussienne ?
Maintenant, regardez les 5 minutes et dites-moi, les tendances sont-elles linéaires ou non ? Le sujet "Résonance stochastique" devrait sembler réfuter cette notion, si un tel phénomène existe.
Et maintenant - le dessert :). Comme écrit plus haut, je comprends le sens de la déstendance exactement de la manière opposée, à savoir : la tâche consiste simplement à supprimer les tendances globales et à obtenir les tendances locales correspondant à l'horizon choisi du jeu sous une forme propre. En ce sens, parler en termes d'échéances est plutôt une voie de garage. Il n'y a qu'une série chronologique, nous pouvons la visualiser en utilisant différentes échelles de temps, mais les tendances en tant que réalité objective ne dépendent pas du choix de l'échelle. Et voici ce que j'ai soudain pensé : les transformations linéaires ont une signification physique claire : le résultat d'une telle transformation est un autre référentielinertiel, c'est-à-dire un système dans lequel les mêmes forces agiront comme dans le référentiel original. Dans une transformation non linéaire, comme nous le savons en physique, nous obtenons un monde dans lequel des forces "illogiques" et difficiles à décrire peuvent apparaître et disparaître de manière inattendue. Il est intéressant de noter que l'utilisation des rendements est également une transformation linéaire, mais la condition d'espérance zéro est remplie avec une erreur beaucoup plus grande que dans la détraction avec la régression linéaire.