確率的共振 - ページ 26 1...192021222324252627282930313233...38 新しいコメント Сергей 2007.10.29 16:31 #251 Prival: だから、このタスクが定着したのです。それはいいことだ。これから、私の思いを伝えていこうと思います。もし私が間違ったことを書いていたら（あるいは理解できないようなことを書いていたら）、教えてください。 擂り潰す そう、本当にエッジ効果があるんです。でも、そこが悪い（干渉する）と思われがちなんです。ここに「確率的共鳴」が現れるとしたらどうだろう。このバリエーション、つまり値動きの方向と曲線の方向が一致する（共振する）、しかし一致しない（共振しない）とします。誰がチェックしたのですか？(そこに聖杯が あるのかもしれません）。また、Henning、Hemming、Blackmanなど様々なウィンドウを否定することはできません。(この効果を低減する）。 ノイズについては、私たちは常に信号とノイズが混在しています。そして、それを信号から機械的に分離する仕組みもない（私の例のように、受信機を閉じてその強度を測定する）。そこで、別の選択肢を提案します。エネルギーという概念からスタートシグナルのエネルギーがマーケットを動かす。ノイズのエネルギーは、私たちが見る（有用な信号を分離する）ことを妨げています。 行動する方法 ... 捕まえるとはどういうことですか？じっくり読むと20ページにもわたって議論しています（じっくり読んでください）。しかし、このテーマで実りある仕事をしたいのであれば、ローパスフィルタが真の信号を見つけると確信していない限り、これをすべて捨てて、FIRまたはIIRクラスの通常のデジタルローパスフィルタに置き換えることをお勧めします。 ノイズに関しては、「WE」ではなく「EVERYTHING」を選択した方が論理的ですが、この方法ではエッジ効果がうまく除去されないのは事実なので、エッジ部分のノイズは選択されず、信号そのものがノイズとなります。 追記：その結果、FATLよりはるかに悪いフィルターが発明されることになります。しかし、適応フィルタを作るのはとても大変なことで、その設計原理も全く異なります。 Candid 2007.10.29 17:09 #252 AAB: この作品は、 値動きの予測を潜在的なレベルで記述しているので、興味があるかもしれない。 品質は良くないが、モノ読みで、しかも数式とチャートは4ページしかない。 うーん、最初にリンクを貼ったはずなんですが？:)パンを流せば自分に返ってくると言うように:)イマドキ、いい仕事してますね。 プライベートの 話。 - しじし そういえば、klot さんのライブラリを試したときに、インジケータのようなものを作ったことがありました。ビジュアライザーで実行し、FFTのための十分なバーが存在するようになるまで待つ必要があります。 そこにジャンプは、何から、再生周波数の数は、サンプリングを増やす場合は、それらが平滑化されることが明らかである。もちろん、klot ライブラリも必要です (CodeBase にあります)。 ファイル: offtma_e.mq4 4 kb aab 2007.10.29 17:57 #253 lna01: ふむ、冒頭で紹介したリンクはこれではなかったか。:)水の上にパンを置けば、自分に返ってくると言うように :) 。イマドキ、いい仕事してますね。 ええ、私はねじ込みました、少なくとも記号どこからそのフィードをスワイプ、Votはあなたが記事のように、誰がリンクを与え、忘れたことを読んだ後に覚えて、ええ、Strugatskyの魚を覚えて、 "私の年は同じではありませんが、木材は見た... "と述べた。しかし、どんな雲にも明るい兆しがあり、人々はもう1度このドキュメントをダウンロードするかもしれません。 Yurixx 2007.10.29 21:32 #254 関係者・視聴者の皆様へ 数日前、皆さんに宛てた問題の解決策をご紹介します。原理的には何も新しいことはない。私は、前回の記事で紹介したプログラムを実行しただけです。この方法を公開する意味は簡単で、この方法の応用がいくつか見られるので、誰かの役に立つかもしれない、ということです。また、理論的なアプローチの有用性を「実証」したいとも思っています。 だから、問題は単純なんです。ある統計量に従った乱数系列{X}がある。Xの取り得る値は区間[0,∞]に属するので、統計は非ガウス的である。点X=0は、一般的には、一般集団に属さない可能性がある。系列{X}のメンバー数はNであり、これは利用可能なデータおよび他の統計パラメータに基づく分布にある程度の信憑性を持たせるのに十分な大きさである。 µ=M(X) は系列{X}の平均値です。 D=M(X*X) - 系列{X}の分散です。 σ =√D - 系列{X}のスキュー 利用可能な級数は有界なので、そのすべての要素は有限区間 [Xmin,Xmax], Xmin>=0 に属します。 利用可能な系列{X}に対して、周期Mの移動平均Yを構築する。 平均化の方法は任意である。その結果、新しい級数{Y}が得られ、それは明らかにN-M+1個の項を持つ。また、系列{Y}の集合は有限区間に属している。それを[Ymin,Ymax]とする。 問題は、統計量と系列{Y}のパラメータから、YminとYmaxをどのように計算するかです。これが何に使われる可能性があるのか、最後に書いておきます。 まず、系列{X}の解析的な分布を構築する。ブラーシェフの本には、定義域[0,∞]を対数正規分布とする分布関数が1つだけ載っていました。悪いことは言わないが、私には合わなかった。 私の（そして他の多くの）系列の統計は、X→0とX→∞における確率密度 p（X）が0になる傾向があるので、p（X）の一般形を次のように仮定しました。 p(X)=A*(X^a)*exp(-B*(X^b)), ただしa>0かつb>0とする。 したがって、積分分布関数は次のように定義される：F（X）＝∫p（ξ）dξ。ここで、さらに0からXまでの積分限界が示唆される。残念ながら、ローカルエディタでは、上位インデックスと下位インデックスを載せることができません。人はそれをひねり出す必要がある。確かに雑に見えるが、仕方がない。ξは単なる積分変数です。 この積分を使って何かをするためには、この積分を解析的にとらえなければならない。部分を積分し、極限値p(0)=0を用いると、次のようになる。 ∫（ξ^a）*exp（-B*（ξ^b））dξ = -1/（B*b）*（X^（a-b+1））*exp（-B*（X^b））+（a-b+1）/（B*b）*∫（ξ^（a-b））*exp（-B*（ξ^b））dξ つまり、毎回の値Xの指数aはbだけ減少する。kステップ後にこの指数がb-1と等しくなれば、積分は表形式に還元される。したがって、積分条件を明示的に定式化することができる。 a - k*b = b - 1、またはa = (k+1)*b - 1、ただしk>0は整数とする。 しかし、平均と分散を計算する必要があるため、この積分可能性だけでは十分ではない。この分布のすべての中心モーメントを明示的に計算するために必要なことを見てみよう。明らかにµ = ∫X*p(X) dX (ここでは∞に積分)である。積分において上限を可変とし、μ(X)の関数としてμを計算しよう。 μ（X）＝∫ξ*A*（ξ^a）*exp（-B*（ξ^b））dξ＝∫A*（ξ^（a＋1））*exp（-B*（ξ^b））dξ すなわち、指数a1=a+1の同種の積分である。可積分の場合、a1も同じ条件を満たす必要がある。 a1 = (k1+1)*b - 1, ただし、k1>0は整数である。 これをaの条件と比較すると、次のようになる。b = 1/( k1 - k) とする。n = k1 - kとすると、最終的にパラメータbの許容形式が得られる：b = 1/n、ここでn>0は整数である。また、0<n<=kの関係も満たす必要があることに注意してください。 これらのことを念頭に置くと、積分分布関数F(X)だけでなく、分布の中心モーメントもすべて明示的に得ることができる。 F(X) = 1 - exp(-Z)*∑ (Z^i)/i! Ml(X) = (k+n*l)!/(k!*(B^(n*l))*{ 1 - exp(-Z)*∑ (Z^i)/i!}, ここで Z = B*(X^(1/n)) . 関数p(X)に現れる定数Aは正規化条件から計算され、これらの式で説明される。上段の和記号∑は0からkまでのインデックスiの和を意味し、下段は0からk+n*lまでのiの和を意味する。値Mlはl番目の中心運動量である（lと1を混同しないように）。 なお、得られた関数はすべてX=0のときに0になり、X→∞のときに次のような境界を持つ。 F(X→∞) = 1 (正規化条件), Ml(X→∞) = (k+n*l)!/(k!*(B^(n*l))). こうして得られたのが μ＝M（X）＝M1（X）＝（k＋n）！／（k！＊（B^n））。 D = M(X*X) = M2(X) = (k+2*n)!/(k!*(B^(2*n))) これで完全なる幸福のためにすべてが揃ったので、オリジナルシリーズに戻ることができます。結果として得られる最終的な分布関数p(X)は、系列{X}-B, k, nの統計量を最もよく再現するように使用できる3つのパラメータを含んでいます。 もちろん、MNCで探してもいいのですが、それではつまらない。私のシリーズでは、よりシンプルにしました。上記の式から、以下のことがわかります。 D/μ^2 = (k+2*n)!*k!/((k+n)!)^2 Dとμは系列{X}に対して既知なので、最も近い値を与えるようなペア(n,k)を選べばよいのです。(n,k)の組の可能な値を表にしてみたところ、(2,3), (3,8), (4,16), (5,26) の4つだけが適切な値であることがわかりました。Bの値は、Dまたはµの式から初歩的に決定される。 興味深いことに、最初の2組の値（n,k）（他は調べていない）は、実験分布曲線p(X)の優れた再現性を与えてくれた。少なくとも私にとっては、このクオリティは素晴らしいものです。 途中、面白い疑問が浮かんだ。なぜこのような単純で便利な分布関数が統計学で使われないのか、どなたかご教示ください。また、使用されているのであれば、なぜ書かれていないのでしょうか？対数正規分布以外の漸化式分布を近似しようとする人は見たことがない。 Stochastic resonance Yurixx 2007.10.29 21:40 #255 Marlesonian balletの第3段階は、いくつかの限界X1とX2を計算することである。 系列Y＝∑Xの構築は、XのM個の値の平均化に関連している。Xの最小値のうちM個が平均化内に収まれば、Ymin（理論上の最小値）が得られると考えるのが妥当であろう。 OX軸では, 値Xの最小値のM個が区間[0, X1]を占め, 値Xの最大値のM個が区間[X2, ∞]を占めている.これは、実際には、値X1 とX2 の定義である。 系列{X}の要素は全部でN個あるので、F(X1)=M/N、1 - F(X2) = M/N となる。 関数F(X)は解析的に知られているので、上記のX1,X2の決定式は超越的ではあるが解析的な式である。これらを解くには、任意の数値反復法を適用することができる。下のグラフからわかるように、関数F(X)は単調なので、勾配降下法を使えば変曲点からF(X1)とF(X2)の値をすぐに求めることができる。MQLで許容される最大精度で計算すると、13～14ステップ、1秒以下の時間でX1、X2の値を得るのに十分であった。(2,3)と(3,8)の組は実質的に同じ時間だった。それでも、MQLは良いものです。(なんというマトカド......J) どこがp(X)でどこがF(X)なのか、はっきりしているかと思います。 図1. また、X1、X2のM依存性というか、M/N比依存性を見るのも面白いかもしれない。しかし、もう時間がないので、ひとまず置いておくことにします。ただし、極限において、M→Nのとき、X1→∞、X2→0が成立しなければならないことだけは注意してください。そして、この話全体の最終目標である値YminとYmaxの定義を扱うことになる。 実は今、それはとてもシンプルなことなのです。区間[0, X1]はMの最小Xの位置を与え、[X2, ∞]はMの最大Xの位置を与える。我々の課題は、その上の二つの平均値を決めることである。平均化アルゴリズムが 自明でない場合、問題は特定のケースごとに個別に解決されなければならない。単純なMAに対応する場合は、数式を使用することができます。 Ymin = M(X1)/F(X1), Ymax = (μ - M(X2))/(1 - F(X2)) とする。 これらの式は単純な「物理的な意味」なので、説明は省略します。代わりに、YminとYmaxのХ1とХ2値への依存性のグラフを紹介します。Yminを赤で、Ymaxを青で表示しています。ターコイズブルーの横線はµの値を示している。 予想通り、X1→∞でのYminとX2→0でのYmaxは、下からと上から、ともにµに向かう傾向がある。 図2. どちらもM→Nに対応していることは、X1,X2のMの値への依存性のグラフから明らかです。はい、そうですね。これは、まさにグラフの1枚目。そして、2つの曲線のうち、曲線F(X)を使用する必要があります。しかし、XによってFを決定するのではなく、逆にFによってXを決定すべきなのです。このとき、X1とX2の式を見て、M→NならM/N→1と覚えておくことも必要です。 したがって、M/NがMとともに増加すると、X1が増加（それに伴いYminも増加）し、X2が減少（それに伴いYmaxも減少）することが分かる。しかし、常に Ymin<X1 かつ Ymax>X2 である。 私の計算では、Nの値によって、系列{X}の1〜3〜5個の値がX2の上限を超えうることがわかった（この意味での下限は興味がない）。同時に、Ymaxの値を超えることはない。これは一般に理解できることで、XのM個の値がすべて最大となるケースは例外的です。系列｛Y｝の値については、X2を超える確率はさらに小さくなっている。Ymaxは言うに及ばず。 そこで、{Y}の値の範囲について、ハードとソフトの2つの推定値を用意しました。問題の要件に応じて、どちらかを使うことができるのです。 追記 すみません。画像の挿入ができない。どのようなフォーマットでもない。サイトが不具合を起こしているのでしょう。 Yurixx 2007.10.29 21:42 #256 そして最後に、なぜこのようなことが必要なのかということです。 そうこうしているうちに、全部を使う可能性がいくつか見えてきたんです。 1.すべての既知のTA指標、特にオシレータの正規化。オシレーターは、その平滑化周期の狭い範囲でしか使えないということに着目した人はいますか？周期が短くなると前後に翻弄され始め、長くなると振幅が極端に小さくなり、レベルに達しない。下のお気に入りRSIの例。14期と30期の2つのバリエーション。2つ目に頼ると、全くトレードできなくなる可能性があります。70/30の水準に達することは非常に稀である。あるいは、これらのレベルは、各期間ごとに新たに最適化する必要があります。 図3. TA指標は、私が理解する限り、実質的にt/fに依存しない、これは彼らの統計の特殊性である。しかしここで、もし平滑化の問題が解決されれば、そこから何か新しいものが得られるかもしれない。このような確率的な正規化手順があれば、十分可能だと思います。 2.個人的に問題だったのは、シリーズの普及がNに大きく依存していることです。ハーストは無駄に苦しんだのだろうか？:-)) これで、t/fを変えても、平滑化期間を変えても、系列値の範囲に 影響を与えない、普遍的な基準にすることができますね。これにより、他のすべてのパラメータ値に対して同じレベルを入出力に使用することができます。このような状況下では、最適化は理にかなっている。あるT/Fで最適化することで、別のT/Fでその戦略の収益性を確認することができるのです。それが続くということは、その作戦が本当に有効であるということです。そうでない場合は、廃棄される。 もしかしたら、誰かの役に立つかもしれません。 3.これまでのところ、誰も価格チャートを直接正規化することに成功していない。でも、そうできたらいいなと思います。私たちは、絶対値ではなく、その変動に興味があるのです。もしかしたら、その方法でなんとかなるかもしれません。ご希望の方はお試しください。 4.私が全く知らないニューラルネットワークでは、データを正規化することが必要である。条件付けられた範囲の境界を超えると、ニューロマウスが失われる。 おそらく、このような正規化の方法は、現在使われているものよりも有用であることが証明されるケースがある。 以上です。批判はどのような形であれ受け入れる。 追記 意図的にコードやコードサンプルを掲載しないようにしました。アルゴリズムは詳しく説明されていませんが、非常に詳細です。わかりやすいと思います。もちろん、あなたが望むなら、ですが。 地域の皆さんには、ぜひ私を手本にしていただきたいと思います。 その理由は以下の通りです。 このケーキはまだ食べられません。最終的な解決策ではなく、ひとつの方法なのです。プライベートタスクでこのメソッドを使用しても、プライベートタスクのままです。自分で理解し、有意義に使おうとせずに、他人の解決策を急いで使う人は、誤解され、時間と、場合によってはお金を無駄にすることになるのです。 この方法を正しく使用するためには、以下のことが必要です。 1.系列{X}が何であるかを定式化する。 2.適切な手順で正しく形成する。 その統計量を調べる、統計パラメータを計算する。 このシリーズの統計量の対応を、異なるt/fで調べてみてください。 5.適切な統計ペアk,nを求めよ。 6.Bパラメータを算出する。 7.モデル分布関数p(X)を構築し、実験と比較する。この方法をさらに利用するのは、モデルと実験の適合性が十分である場合にのみ正しい方法となる。そして、そのためには推定基準が必要である。 8.そして最後に、得られたYminとYmaxを正しく使えるようにすることも必要である。なかなか難しいですね。:-) だから、プログラマー仲間は、フリーペーパーを奨励しないだけでなく、他の人にチャンスを与え、イニシアチブを発揮し、自分で何かを考える機会を与えてあげてください。 プログラマーとは、手に入るものすべてをプログラムする人ではない。 男は燃えるものなら何でも飲み、動くものなら何でも...食べる人ではないのと同じです。 aab 2007.10.29 22:01 #257 検討させていただきます。ありがとうございます。写真をアップロードして、「ファイルを添付する」で貼り付けてください。 Yurixx 2007.10.29 22:32 #258 もちろんそうですが、「裏口から」ということで、一時的な措置であればいいのですが。正常に動作するようになったら、写真をあるべき場所に入れるつもりです。 追記 残念なことに、それさえも流行らない。 司会者、ほーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーん。サイトを直してくれ、pls.添付する画像がない、ファイルがない ... Сергей 2007.10.29 22:36 #259 toYurixx 驚くべきことに、結果として得られる移動平均 系列の広がりをただ見るのではなく、静かに平和的に理論的な推定に到達し、証明されていない分布に基づいて勾配降下法によって、推定しているのです。理屈抜きでカッコいい! さて、まだ信じられません。栄光の都市クルガンに出張した後、もう一度読み直してみます。:о))) PS：科学者に近い頃の事例を思い出した。長いロール状の派生式を持って上司のところに来たが、調べた結果、「間違いはないが、もっとシンプルにできるだろう」と言われた。その言葉に、私は「私たちは簡単な方法は探さないんです」と胸を張って答えると、「だから見つからないんだ」と即座に返されました。 Yurixx 2007.10.29 22:55 #260 grasn:toYurixx驚くべきことに、結果として得られる移動平均系列の広がりをただ見るのではなく、静かに平和的に理論的な推定に到達し、証明されていない分布に基づいて勾配降下法によって、推定しているのです。理屈抜きでカッコいい! 私見では、もっとシンプルに考えています。t/fと平均化パラメータに依存して正規化係数を計算する小さなコード片は、インジケータまたはアドバイザーのinit()に埋め込まれています。効くんです。Expert Advisor がコンピュータになく、履歴が不明なボリュームに読み込まれている場合、チャンピオンシップではどのようにすればよいのでしょうか。 しかし、それは些細なことです。もっと深刻な疑問があるんです。記号やt/fなどを変更するたびに、これらの比率を手作業やMatkadを使って再計算する必要があるのでしょうか :-)??飽きないんですか？または、すべてのシンボル、t/f、平滑化パラメータなどのデータベースを作成 しますか？?:-) もうひとつ、最も重要なポイントがあります。でも、気づいていないのなら、何でもいいんです。:-))) ところで、FXではどのような値の分布も知られていない（非正規であることが知られているのみ）ことを考えると、「証明されていない分布」というのはおかしい。いいジョークだ。 1...192021222324252627282930313233...38 新しいコメント 取引の機会を逃しています。 無料取引アプリ 8千を超えるシグナルをコピー 金融ニュースで金融マーケットを探索 新規登録 ログイン スペースを含まないラテン文字 このメールにパスワードが送信されます エラーが発生しました Googleでログイン WebサイトポリシーおよびMQL5.COM利用規約に同意します。 新規登録 MQL5.com WebサイトへのログインにCookieの使用を許可します。 ログインするには、ブラウザで必要な設定を有効にしてください。 ログイン/パスワードをお忘れですか？ Googleでログイン
だから、このタスクが定着したのです。それはいいことだ。これから、私の思いを伝えていこうと思います。もし私が間違ったことを書いていたら（あるいは理解できないようなことを書いていたら）、教えてください。
擂り潰す
- そう、本当にエッジ効果があるんです。でも、そこが悪い（干渉する）と思われがちなんです。ここに「確率的共鳴」が現れるとしたらどうだろう。このバリエーション、つまり値動きの方向と曲線の方向が一致する（共振する）、しかし一致しない（共振しない）とします。誰がチェックしたのですか？(そこに聖杯が あるのかもしれません）。また、Henning、Hemming、Blackmanなど様々なウィンドウを否定することはできません。(この効果を低減する）。
- ノイズについては、私たちは常に信号とノイズが混在しています。そして、それを信号から機械的に分離する仕組みもない（私の例のように、受信機を閉じてその強度を測定する）。そこで、別の選択肢を提案します。エネルギーという概念からスタートシグナルのエネルギーがマーケットを動かす。ノイズのエネルギーは、私たちが見る（有用な信号を分離する）ことを妨げています。
- 行動する方法
...捕まえるとはどういうことですか？じっくり読むと20ページにもわたって議論しています（じっくり読んでください）。しかし、このテーマで実りある仕事をしたいのであれば、ローパスフィルタが真の信号を見つけると確信していない限り、これをすべて捨てて、FIRまたはIIRクラスの通常のデジタルローパスフィルタに置き換えることをお勧めします。
ノイズに関しては、「WE」ではなく「EVERYTHING」を選択した方が論理的ですが、この方法ではエッジ効果がうまく除去されないのは事実なので、エッジ部分のノイズは選択されず、信号そのものがノイズとなります。
追記：その結果、FATLよりはるかに悪いフィルターが発明されることになります。しかし、適応フィルタを作るのはとても大変なことで、その設計原理も全く異なります。
この作品は、 値動きの予測を潜在的なレベルで記述しているので、興味があるかもしれない。 品質は良くないが、モノ読みで、しかも数式とチャートは4ページしかない。
うーん、最初にリンクを貼ったはずなんですが？:)パンを流せば自分に返ってくると言うように:)イマドキ、いい仕事してますね。
- しじし
そういえば、klot さんのライブラリを試したときに、インジケータのようなものを作ったことがありました。ビジュアライザーで実行し、FFTのための十分なバーが存在するようになるまで待つ必要があります。 そこにジャンプは、何から、再生周波数の数は、サンプリングを増やす場合は、それらが平滑化されることが明らかである。もちろん、klot ライブラリも必要です (CodeBase にあります)。
ふむ、冒頭で紹介したリンクはこれではなかったか。:)水の上にパンを置けば、自分に返ってくると言うように :) 。イマドキ、いい仕事してますね。
ええ、私はねじ込みました、少なくとも記号どこからそのフィードをスワイプ、Votはあなたが記事のように、誰がリンクを与え、忘れたことを読んだ後に覚えて、ええ、Strugatskyの魚を覚えて、 "私の年は同じではありませんが、木材は見た... "と述べた。しかし、どんな雲にも明るい兆しがあり、人々はもう1度このドキュメントをダウンロードするかもしれません。
関係者・視聴者の皆様へ
数日前、皆さんに宛てた問題の解決策をご紹介します。原理的には何も新しいことはない。私は、前回の記事で紹介したプログラムを実行しただけです。この方法を公開する意味は簡単で、この方法の応用がいくつか見られるので、誰かの役に立つかもしれない、ということです。また、理論的なアプローチの有用性を「実証」したいとも思っています。
だから、問題は単純なんです。ある統計量に従った乱数系列{X}がある。Xの取り得る値は区間[0,∞]に属するので、統計は非ガウス的である。点X=0は、一般的には、一般集団に属さない可能性がある。系列{X}のメンバー数はNであり、これは利用可能なデータおよび他の統計パラメータに基づく分布にある程度の信憑性を持たせるのに十分な大きさである。
µ=M(X) は系列{X}の平均値です。
D=M(X*X) - 系列{X}の分散です。
σ =√D - 系列{X}のスキュー
利用可能な級数は有界なので、そのすべての要素は有限区間 [Xmin,Xmax], Xmin>=0 に属します。
利用可能な系列{X}に対して、周期Mの移動平均Yを構築する。 平均化の方法は任意である。その結果、新しい級数{Y}が得られ、それは明らかにN-M+1個の項を持つ。また、系列{Y}の集合は有限区間に属している。それを[Ymin,Ymax]とする。
問題は、統計量と系列{Y}のパラメータから、YminとYmaxをどのように計算するかです。これが何に使われる可能性があるのか、最後に書いておきます。
まず、系列{X}の解析的な分布を構築する。ブラーシェフの本には、定義域[0,∞]を対数正規分布とする分布関数が1つだけ載っていました。悪いことは言わないが、私には合わなかった。
私の（そして他の多くの）系列の統計は、X→0とX→∞における確率密度 p（X）が0になる傾向があるので、p（X）の一般形を次のように仮定しました。
p(X)=A*(X^a)*exp(-B*(X^b)), ただしa>0かつb>0とする。
したがって、積分分布関数は次のように定義される：F（X）＝∫p（ξ）dξ。ここで、さらに0からXまでの積分限界が示唆される。残念ながら、ローカルエディタでは、上位インデックスと下位インデックスを載せることができません。人はそれをひねり出す必要がある。確かに雑に見えるが、仕方がない。ξは単なる積分変数です。
この積分を使って何かをするためには、この積分を解析的にとらえなければならない。部分を積分し、極限値p(0)=0を用いると、次のようになる。
∫（ξ^a）*exp（-B*（ξ^b））dξ = -1/（B*b）*（X^（a-b+1））*exp（-B*（X^b））+（a-b+1）/（B*b）*∫（ξ^（a-b））*exp（-B*（ξ^b））dξ
つまり、毎回の値Xの指数aはbだけ減少する。kステップ後にこの指数がb-1と等しくなれば、積分は表形式に還元される。したがって、積分条件を明示的に定式化することができる。
a - k*b = b - 1、またはa = (k+1)*b - 1、ただしk>0は整数とする。
しかし、平均と分散を計算する必要があるため、この積分可能性だけでは十分ではない。この分布のすべての中心モーメントを明示的に計算するために必要なことを見てみよう。明らかにµ = ∫X*p(X) dX (ここでは∞に積分)である。積分において上限を可変とし、μ(X)の関数としてμを計算しよう。
μ（X）＝∫ξ*A*（ξ^a）*exp（-B*（ξ^b））dξ＝∫A*（ξ^（a＋1））*exp（-B*（ξ^b））dξ
すなわち、指数a1=a+1の同種の積分である。可積分の場合、a1も同じ条件を満たす必要がある。
a1 = (k1+1)*b - 1, ただし、k1>0は整数である。
これをaの条件と比較すると、次のようになる。b = 1/( k1 - k) とする。n = k1 - kとすると、最終的にパラメータbの許容形式が得られる：b = 1/n、ここでn>0は整数である。また、0<n<=kの関係も満たす必要があることに注意してください。
これらのことを念頭に置くと、積分分布関数F(X)だけでなく、分布の中心モーメントもすべて明示的に得ることができる。
F(X) = 1 - exp(-Z)*∑ (Z^i)/i!
Ml(X) = (k+n*l)!/(k!*(B^(n*l))*{ 1 - exp(-Z)*∑ (Z^i)/i!}, ここで Z = B*(X^(1/n)) .
関数p(X)に現れる定数Aは正規化条件から計算され、これらの式で説明される。上段の和記号∑は0からkまでのインデックスiの和を意味し、下段は0からk+n*lまでのiの和を意味する。値Mlはl番目の中心運動量である（lと1を混同しないように）。
なお、得られた関数はすべてX=0のときに0になり、X→∞のときに次のような境界を持つ。
F(X→∞) = 1 (正規化条件), Ml(X→∞) = (k+n*l)!/(k!*(B^(n*l))).
こうして得られたのが
μ＝M（X）＝M1（X）＝（k＋n）！／（k！＊（B^n））。
D = M(X*X) = M2(X) = (k+2*n)!/(k!*(B^(2*n)))
これで完全なる幸福のためにすべてが揃ったので、オリジナルシリーズに戻ることができます。結果として得られる最終的な分布関数p(X)は、系列{X}-B, k, nの統計量を最もよく再現するように使用できる3つのパラメータを含んでいます。
もちろん、MNCで探してもいいのですが、それではつまらない。私のシリーズでは、よりシンプルにしました。上記の式から、以下のことがわかります。
D/μ^2 = (k+2*n)!*k!/((k+n)!)^2
Dとμは系列{X}に対して既知なので、最も近い値を与えるようなペア(n,k)を選べばよいのです。(n,k)の組の可能な値を表にしてみたところ、(2,3), (3,8), (4,16), (5,26) の4つだけが適切な値であることがわかりました。Bの値は、Dまたはµの式から初歩的に決定される。
興味深いことに、最初の2組の値（n,k）（他は調べていない）は、実験分布曲線p(X)の優れた再現性を与えてくれた。少なくとも私にとっては、このクオリティは素晴らしいものです。
途中、面白い疑問が浮かんだ。なぜこのような単純で便利な分布関数が統計学で使われないのか、どなたかご教示ください。また、使用されているのであれば、なぜ書かれていないのでしょうか？対数正規分布以外の漸化式分布を近似しようとする人は見たことがない。
Marlesonian balletの第3段階は、いくつかの限界X1とX2を計算することである。
系列Y＝∑Xの構築は、XのM個の値の平均化に関連している。Xの最小値のうちM個が平均化内に収まれば、Ymin（理論上の最小値）が得られると考えるのが妥当であろう。
OX軸では, 値Xの最小値のM個が区間[0, X1]を占め, 値Xの最大値のM個が区間[X2, ∞]を占めている.これは、実際には、値X1 とX2 の定義である。
系列{X}の要素は全部でN個あるので、F(X1)=M/N、1 - F(X2) = M/N となる。
関数F(X)は解析的に知られているので、上記のX1,X2の決定式は超越的ではあるが解析的な式である。これらを解くには、任意の数値反復法を適用することができる。下のグラフからわかるように、関数F(X)は単調なので、勾配降下法を使えば変曲点からF(X1)とF(X2)の値をすぐに求めることができる。MQLで許容される最大精度で計算すると、13～14ステップ、1秒以下の時間でX1、X2の値を得るのに十分であった。(2,3)と(3,8)の組は実質的に同じ時間だった。それでも、MQLは良いものです。(なんというマトカド......J)
どこがp(X)でどこがF(X)なのか、はっきりしているかと思います。
図1.
また、X1、X2のM依存性というか、M/N比依存性を見るのも面白いかもしれない。しかし、もう時間がないので、ひとまず置いておくことにします。ただし、極限において、M→Nのとき、X1→∞、X2→0が成立しなければならないことだけは注意してください。そして、この話全体の最終目標である値YminとYmaxの定義を扱うことになる。
実は今、それはとてもシンプルなことなのです。区間[0, X1]はMの最小Xの位置を与え、[X2, ∞]はMの最大Xの位置を与える。我々の課題は、その上の二つの平均値を決めることである。平均化アルゴリズムが 自明でない場合、問題は特定のケースごとに個別に解決されなければならない。単純なMAに対応する場合は、数式を使用することができます。
Ymin = M(X1)/F(X1), Ymax = (μ - M(X2))/(1 - F(X2)) とする。
これらの式は単純な「物理的な意味」なので、説明は省略します。代わりに、YminとYmaxのХ1とХ2値への依存性のグラフを紹介します。Yminを赤で、Ymaxを青で表示しています。ターコイズブルーの横線はµの値を示している。
予想通り、X1→∞でのYminとX2→0でのYmaxは、下からと上から、ともにµに向かう傾向がある。
図2.
どちらもM→Nに対応していることは、X1,X2のMの値への依存性のグラフから明らかです。はい、そうですね。これは、まさにグラフの1枚目。そして、2つの曲線のうち、曲線F(X)を使用する必要があります。しかし、XによってFを決定するのではなく、逆にFによってXを決定すべきなのです。このとき、X1とX2の式を見て、M→NならM/N→1と覚えておくことも必要です。
したがって、M/NがMとともに増加すると、X1が増加（それに伴いYminも増加）し、X2が減少（それに伴いYmaxも減少）することが分かる。しかし、常に Ymin<X1 かつ Ymax>X2 である。
私の計算では、Nの値によって、系列{X}の1〜3〜5個の値がX2の上限を超えうることがわかった（この意味での下限は興味がない）。同時に、Ymaxの値を超えることはない。これは一般に理解できることで、XのM個の値がすべて最大となるケースは例外的です。系列｛Y｝の値については、X2を超える確率はさらに小さくなっている。Ymaxは言うに及ばず。
そこで、{Y}の値の範囲について、ハードとソフトの2つの推定値を用意しました。問題の要件に応じて、どちらかを使うことができるのです。
追記
すみません。画像の挿入ができない。どのようなフォーマットでもない。サイトが不具合を起こしているのでしょう。
そして最後に、なぜこのようなことが必要なのかということです。
そうこうしているうちに、全部を使う可能性がいくつか見えてきたんです。
1.すべての既知のTA指標、特にオシレータの正規化。オシレーターは、その平滑化周期の狭い範囲でしか使えないということに着目した人はいますか？周期が短くなると前後に翻弄され始め、長くなると振幅が極端に小さくなり、レベルに達しない。下のお気に入りRSIの例。14期と30期の2つのバリエーション。2つ目に頼ると、全くトレードできなくなる可能性があります。70/30の水準に達することは非常に稀である。あるいは、これらのレベルは、各期間ごとに新たに最適化する必要があります。
図3.
TA指標は、私が理解する限り、実質的にt/fに依存しない、これは彼らの統計の特殊性である。しかしここで、もし平滑化の問題が解決されれば、そこから何か新しいものが得られるかもしれない。このような確率的な正規化手順があれば、十分可能だと思います。
2.個人的に問題だったのは、シリーズの普及がNに大きく依存していることです。ハーストは無駄に苦しんだのだろうか？:-))
これで、t/fを変えても、平滑化期間を変えても、系列値の範囲に 影響を与えない、普遍的な基準にすることができますね。これにより、他のすべてのパラメータ値に対して同じレベルを入出力に使用することができます。このような状況下では、最適化は理にかなっている。あるT/Fで最適化することで、別のT/Fでその戦略の収益性を確認することができるのです。それが続くということは、その作戦が本当に有効であるということです。そうでない場合は、廃棄される。
もしかしたら、誰かの役に立つかもしれません。
3.これまでのところ、誰も価格チャートを直接正規化することに成功していない。でも、そうできたらいいなと思います。私たちは、絶対値ではなく、その変動に興味があるのです。もしかしたら、その方法でなんとかなるかもしれません。ご希望の方はお試しください。
4.私が全く知らないニューラルネットワークでは、データを正規化することが必要である。条件付けられた範囲の境界を超えると、ニューロマウスが失われる。
おそらく、このような正規化の方法は、現在使われているものよりも有用であることが証明されるケースがある。
以上です。批判はどのような形であれ受け入れる。
追記
意図的にコードやコードサンプルを掲載しないようにしました。アルゴリズムは詳しく説明されていませんが、非常に詳細です。わかりやすいと思います。もちろん、あなたが望むなら、ですが。
地域の皆さんには、ぜひ私を手本にしていただきたいと思います。
その理由は以下の通りです。
このケーキはまだ食べられません。最終的な解決策ではなく、ひとつの方法なのです。プライベートタスクでこのメソッドを使用しても、プライベートタスクのままです。自分で理解し、有意義に使おうとせずに、他人の解決策を急いで使う人は、誤解され、時間と、場合によってはお金を無駄にすることになるのです。
この方法を正しく使用するためには、以下のことが必要です。
1.系列{X}が何であるかを定式化する。
2.適切な手順で正しく形成する。
その統計量を調べる、統計パラメータを計算する。
このシリーズの統計量の対応を、異なるt/fで調べてみてください。
5.適切な統計ペアk,nを求めよ。
6.Bパラメータを算出する。
7.モデル分布関数p(X)を構築し、実験と比較する。この方法をさらに利用するのは、モデルと実験の適合性が十分である場合にのみ正しい方法となる。そして、そのためには推定基準が必要である。
8.そして最後に、得られたYminとYmaxを正しく使えるようにすることも必要である。なかなか難しいですね。:-)
だから、プログラマー仲間は、フリーペーパーを奨励しないだけでなく、他の人にチャンスを与え、イニシアチブを発揮し、自分で何かを考える機会を与えてあげてください。
プログラマーとは、手に入るものすべてをプログラムする人ではない。
男は燃えるものなら何でも飲み、動くものなら何でも...食べる人ではないのと同じです。
もちろんそうですが、「裏口から」ということで、一時的な措置であればいいのですが。正常に動作するようになったら、写真をあるべき場所に入れるつもりです。
追記
残念なことに、それさえも流行らない。
司会者、ほーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーん。サイトを直してくれ、pls.添付する画像がない、ファイルがない ...
toYurixx
驚くべきことに、結果として得られる移動平均 系列の広がりをただ見るのではなく、静かに平和的に理論的な推定に到達し、証明されていない分布に基づいて勾配降下法によって、推定しているのです。理屈抜きでカッコいい!
さて、まだ信じられません。栄光の都市クルガンに出張した後、もう一度読み直してみます。:о)))
PS：科学者に近い頃の事例を思い出した。長いロール状の派生式を持って上司のところに来たが、調べた結果、「間違いはないが、もっとシンプルにできるだろう」と言われた。その言葉に、私は「私たちは簡単な方法は探さないんです」と胸を張って答えると、「だから見つからないんだ」と即座に返されました。
toYurixx
驚くべきことに、結果として得られる移動平均系列の広がりをただ見るのではなく、静かに平和的に理論的な推定に到達し、証明されていない分布に基づいて勾配降下法によって、推定しているのです。理屈抜きでカッコいい!
私見では、もっとシンプルに考えています。t/fと平均化パラメータに依存して正規化係数を計算する小さなコード片は、インジケータまたはアドバイザーのinit()に埋め込まれています。効くんです。Expert Advisor がコンピュータになく、履歴が不明なボリュームに読み込まれている場合、チャンピオンシップではどのようにすればよいのでしょうか。
しかし、それは些細なことです。もっと深刻な疑問があるんです。記号やt/fなどを変更するたびに、これらの比率を手作業やMatkadを使って再計算する必要があるのでしょうか :-)??飽きないんですか？または、すべてのシンボル、t/f、平滑化パラメータなどのデータベースを作成 しますか？?:-)
もうひとつ、最も重要なポイントがあります。でも、気づいていないのなら、何でもいいんです。:-)))
ところで、FXではどのような値の分布も知られていない（非正規であることが知られているのみ）ことを考えると、「証明されていない分布」というのはおかしい。いいジョークだ。