Dalla teoria alla pratica - pagina 563

 
Alexander_K:

Grazie. Starò a guardare. Prepara le tue tasche, Yuri.

PS. ha corretto un po' il pre-post.

Se VisSim ha i giusti LPF, probabilmente è meglio usarli. Non c'è bisogno di andare oltre il 2° ordine. Il migliore per i ritardi ecc. è il filtro Butterworth.

Cappotto nada.

 
Igor Makanu:

Hmmm, eccoti qua... Sei praticamente in tutti i thread del forum contemporaneamente e da nessuna parte in particolare

dal thread sull'apprendimento automatico, ecco i moduli incrementali su Close disegna l'indicatore che ha una finestra scorrevole - da dove e verso dove? è una MA regolare?

Sono il gatto di Schrodinger.

Posso avere una foto? Perché il computer A_K2 è occupato e non mi lascia avvicinare.

 
Alexander_K:

Sono il gatto di Schrodinger.

Posso avere una foto? Il computer di A_K2 ha preso il sopravvento e non mi lascia avvicinare.



Grafico EURUSD, M5, 2018.09.12 19:33 UTC, Gruppo InstaForex, MetaTrader 4, reale

È un modulo incrementale Close.

cosa fare con loro? Beh, lo avviterò domani.... bisogno di una stella nel cielo... Beh, dovremo correre... confutiamo l'idea del Graal e calmiamoci...

 
Alexander_K:

Sono il gatto di Schrodinger.

Posso avere una foto? Il computer di A_K2 ha preso il sopravvento e non mi lascia avvicinare.

Il gatto di Schrodinger è morto da una fiala di cianuro di potassio molto tempo fa.

Il fantasma del gatto di Schrodinger).

 
Igor Makanu:



Fico... Posso vedere un istogramma di questi valori?

 
Alexander_K:

Fico... Posso vedere un istogramma di questi valori?

Ti ho più o meno dato la fonte nel messaggio sopra, non so cos'altro... Posso darti il mio computer o il tuo portatile? - Cosa?

)))

ZS: formule o i vostri pensieri scrivere, domani ho tempo, forse troveremo il graal

HH: Il tuo compito dovrebbe essere risolto in più fasi, cioè chiudere i moduli di incremento - dovrebbero essere scaricati in un file di testo e poi elaborati in Matlab in tutte le formule perverse possibili, poi, avendo trovato il Graal, dovremmo restituire tutto a MT... di nuovo indietro, per così dire.

 
Igor Makanu:


Più precisamente, la somma degli incrementi di CLOSE M5 nella finestra settimanale. Giusto?

 

Se si tratta di una distribuzione gaussiana con una ACF adatta, una rete neurale la violerà in pochi secondi.

https://ru.wikipedia.org/wiki/Гауссовский_процесс

Гауссовский процесс — Википедия
  • ru.wikipedia.org
В теории вероятностей и статистике гауссовский процесс - это стохастический процесс (совокупность случайных величин, индексированных некоторым параметром, чаще всего временем или координатами), такой что любой конечный набор этих случайных величин имеет многомерное нормальное распределение, то есть любая конечная линейная комбинация из них...
 
Alexander_K:

Più precisamente, la somma degli incrementi di CLOSE M5 nella finestra settimanale. Giusto?

non c'è ancora una somma, questi sono moduli incrementali in pip

cosa dobbiamo riassumere? fare un MA per questi moduli?

qual è la finestra settimanale? qual è il punto di partenza all'inizio della settimana? e poi ...?

tutta questa ricerca deve essere fatta nel matlab comunque, c'è uno stagno di materiale pronto per il matlab, cercate su Google in 1-2 query, ecco l'ACF per il matlab:

function [AKF]=akf(signal,TAU)
Tn=length(signal);
for tau=0:TAU-1
    Tt=Tn-tau;
    AKF1=0;
    for t=1:Tt
        temp=signal(t+tau)*signal(t);
        AKF1=AKF1+temp;
    end
    if tau==0
        AKFc=AKF1/Tn;
    else
        AKFpr(tau)=AKF1/Tt;
    end
end
for i=1:(TAU-1)
    AKFlev(i)=AKFpr(TAU-i);
end
for i=1:TAU-1
    AKF(i)=AKFlev(i);
end
AKF(TAU)=AKFc;
for i=1:TAU-1
    AKF(TAU+i)=AKFpr(i);
end

//параметр signal — вектор входных значений. TAU — порядок АКФ.
 
Alexander_K:

Se si tratta di una distribuzione gaussiana con una ACF adatta, una rete neurale la violerà in pochi secondi.

https://ru.wikipedia.org/wiki/Гауссовский_процесс

Ho riso a lungo).

L'NS non ti hackera assolutamente se non lo fai tu in anticipo.

Divertente anche la parte dei secondi). Mi ci vogliono 24 ore per imparare. La rete neurale è rada - ~60 neuroni.