Candid, I was referring to dynamic linear regression, i.e. an indicator that linearly predices on the next bar based on given number of previous values.私は、動的線形回帰、すなわち、与えられた過去の値に基づいて次のバーの値を線形的に予測するインジケータについて言及しました。以前、ニューラルネットワークで遊んでいたときに興味を持ち、解析的に計算したこともあります。SMAとLWMAの線形結合で、周期は等しく、1000もない、むしろ小さいものです。覚えておきますね～、計算式かインジケーターそのものを載せますね。
ネットワーク自体は、通常、入力層、放射状層、出力層の3層構造になっている。分類のためのベクトル（Betterの場合、すでに分かっているように、複数の移動平均の線形結合である可能性が高いが、ブール関数が使われることもある）。出力の数、は出力解の必要次元数に対応する。例えば、4は、購入、売却、closebuy、closesellを決定する必要がある場合です。学習時には、"winner takes all "の原則が実行される。つまり、複数の出力が最大値に近づかない可能性がある。これはクリエイティブな作業で、中間層のニューロンの最適な幅（シグマ）と数を見つけなければなりません。ある入力ベクトルは成功した買い物に最もよく一致し、他の入力ベクトルは他の出力ベクトルに一致する。放射状層は、シグモイド変換関数の代わりに、いわゆる放射状基底、つまりユークリッド距離のベル型関数（入力ベクトルに相関成分があるより一般的な場合はマハラノビス距離）を用いることから、このように呼ばれています。
Mathemat: Candid, I meant dynamic linear regression, i.e. an indicator linearly predicting the value on the next bar on the based on given number of previous values.これは動的線形回帰のことです。以前、ニューラルネットワークで遊んでいたときに興味を持ち、解析的に計算したこともあります。SMAとLWMAの線形結合で、周期は等しく、1000もない、むしろ小さいものです。覚えておきますね～、計算式かインジケーターそのものを載せますね。
私はそれをmoving linear regressionと呼んでいますが、そのような指標を持っているので、自分で共有することができます :)
BarsCountも情報を運ぶので、初期化時に逆向きに影を描ければいいんですけどね。
でも、私が作業しているときはすべてがとても遅いんですよ :)
そしてもう一つ、FXにトレンドフラットがあるのか、ないのか、という疑問があります。たくさん議論され、意見と同じくらい多くの人がいます。
ここで、a*x+bを'ang PR (Din)-v1' の ように実際にトレンドを除去する、より意味のあるものに置き換える必要がある" として行うことができます。
基準時刻を定義する。また、time_avg_v1.0.mq4 の「トレンド」からの乖離に関する解決策もとてもよかったと思います。
ここで最も興味深いのは、相関係数が基本的に限定された値 であることだ。インダクタの正規化という問題に対する最初の解決策は、Yurixxが 「Stochastic Resonance」の 中で提案した。画像が見つからない、ちくしょう。
市場の極端な動きと相関するように教えることです。しかし、エントリー/エグジットポイントは、このインジケータのゼロに求めるのがよさそうです。
追伸：いや、ちょっと違う。指標の負の値は、（それがある種のACFであるという意味で）下落傾向を示すものではありません。最も奔放なフラットになりうる。
追伸：いえ、そうでもないです。インディケータの負の値は（それがACFのいくつかの種類である意味での）下落傾向を示すものではありません。最も奔放なフラットかもしれません。
そしてまた、平たく言えば、いくらなのか？25pまたは50p。上位のタイムフレームではどうでしょうか。time_avg_v1. 0.mq4は、この質問に関するいくつかの図です。
なるほど、フィット感はバッチリといったところでしょうか。ここで、a*x+bを「ang PR (Din)-v1」の ように、実際にトレンドを除去する、より意味のあるものに置き換える必要があります。
はい、トレンドは線形ですが、非常に粗く、週などの最大のTFにのみ適用されます。ご自分の目で確かめてください。
では、著者が（著者に限らず）チャートをデトレンドさせることで何を実現しようとしているのか、その意図を理解することにしよう。おそらく、Privalは、まず、最初の見積もりから予測できない規則的な成分（トレンド）を取り除き、期待値がゼロからあまり逸脱していないランダム過程に近いものを残し、次にこの過程のACF特性（自己共分散ではなく、自己相関）を分析し、ACFそのものを使って私たちに知られていないまさにトレンドを予測するためにそれを行うことを提案しているのだと思います。プライベート、どこに行ったんだ？論理的なのか、そうでないのか、教えてください。
トレンド除去は、「トレンドライン」のグラフからの偏差があまり大きくない場合にのみ意味があり、そのためには回帰そのもの（ACFではない）の「平滑化」の期間を小さくする必要があります。そうしないと、デトレンド区間内に浅い局所的なトレンドが発生することになり、まさにそれを取り除きたいのである。(仮説：だから、初期過程のハースト係数を減らして、ガウシアンに近づけているのでは？
5分間を見て、トレンドがリニアかどうか教えてください。 ストキャスティック・レゾナンス」というトピックは、もしそのような現象があるのなら、この考えを否定するものであるように思えますが、いかがでしょうか。
追伸：ところで、当社のインジケーターがなぜゼロバーに1を表示するのか、注目されたことはありますか？
キャンディッド
追伸：ところで、私たちのインジケーターは、なぜゼロバーで1を示すのか、気にしたことがありますか？
私への質問ではないのですが、せっかくなので話題を覗いてみると...。
かつてプライヴァルは、ここで常識を語ろうとした。つまり、常識的に考えて、あるいは物理的に考えて、ACFの値はゼロバーで1に等しく、それは時間サンプルのそれ自身との相関を示すからです。そのゼロへの転落は、ゼロから対応する数のバーを取り除いた後のBP値の相関が実質的に失われたものとして扱うことができる。ただ、私たちが何を得たいのかが、まだ理解できていません。なお、WikipediaにはAFCの別の定義が載っていて、私の理解では、そちらの方がマテメットの心情に近いのだが、ここでは最初のものだけを考えることにする。
P.S.私事ですが、私はまだコーディングを始める内なる起動衝動がありません。ちなみに、私は自分がMQLウィザードだとは思っていませんし、なったこともありませんが、実践してみると、タスクが理解できれば何でもコード化できることがわかります。そして、このフォーラムには巨匠がいる。
P.P.S. 私はすぐに確率的ニューラルネットワーク（希望、それらの間のプライバル）を学ぶためにフォーラムのユーザーの欲求とフォーラムの活動の減少を関連付ける、またはあなたはまだ:-)の無料ベターの信号を使用できる間に実際のアカウントを開くには、すべての実行を。
暇を持て余しただけだ。今夜、この場でお答えしていこうと思います。
ベター・ニューラル・ネットワークが 調整するものの確率について、「...確率的に...」という問いに答えてみて ください。
夕方までには、すべてをプログラムして、私のアイデアを写真で掲載しようと思っています。
rsiは、ベターニューラルネットワークが 設定されているものの確率に "・・・確率的・・・"質問に答えるためにしてみてください？
私は最近ネトゲを始めたばかりです（相変わらず急ぎません）。フォーラムには、このテーマに関する専門家（Vinin、Leo、klot、そしてもちろんBetterを含む多くの人々）がいます。(しかし、このテーマですでに新しいスレッドがあるのを見ると、驚くには値しない。 しかし、あなたが尋ねたので、私はやってみる。自分で何もできないなら、せめて人に教えろ」という諺があるように。:-)この支部にも、たくさんの人が集まっているので、私が混乱していたら、訂正してほしいです。
私が今日理解した限りでは、確率的ネットワークを構築する際にはベイズ的アプローチが用いられ、ネットワークの各出力は、入力ベクトルに対する最尤関数によって記述された、定数ファクターまでの正確さを持つスカラー形式の十分統計量の推定値（そして明らかに閾値または他の出力と比較されます；非公開、多分2つの閾値さえ可能 :-)）が得られます。したがって（質問に答えるために）、ネットワーク（各出力）は、入力ベクトルの最大尤度が決定（出力）に一致するように調整される。
ネットワーク自体は、通常、入力層、放射状層、出力層の3層構造になっている。分類のためのベクトル（Betterの場合、すでに分かっているように、複数の移動平均の線形結合である可能性が高いが、ブール関数が使われることもある）。出力の数、は出力解の必要次元数に対応する。例えば、4は、購入、売却、closebuy、closesellを決定する必要がある場合です。学習時には、"winner takes all "の原則が実行される。つまり、複数の出力が最大値に近づかない可能性がある。これはクリエイティブな作業で、中間層のニューロンの最適な幅（シグマ）と数を見つけなければなりません。ある入力ベクトルは成功した買い物に最もよく一致し、他の入力ベクトルは他の出力ベクトルに一致する。放射状層は、シグモイド変換関数の代わりに、いわゆる放射状基底、つまりユークリッド距離のベル型関数（入力ベクトルに相関成分があるより一般的な場合はマハラノビス距離）を用いることから、このように呼ばれています。
トレーダーは入力ベクトル（価格、TAパターン、指標値など）を評価し、自分の推定に基づく基準を満たした場合に、決断を下します。
トレーニングについてですが、まだ勉強していません。理解できれば別問題なので、後日紹介するかもしれません:-)。そういえば、チャンピオンシップの前にも、私のExpert Advisorは1年分のデータをトレーニングに使っていると書きましたね。
Candid, I meant dynamic linear regression, i.e. an indicator linearly predicting the value on the next bar on the based on given number of previous values.これは動的線形回帰のことです。以前、ニューラルネットワークで遊んでいたときに興味を持ち、解析的に計算したこともあります。SMAとLWMAの線形結合で、周期は等しく、1000もない、むしろ小さいものです。覚えておきますね～、計算式かインジケーターそのものを載せますね。
私はそれをmoving linear regressionと呼んでいますが、そのような指標を持っているので、自分で共有することができます :)
最初のバーで（ゼロバーは処理されない）ってこと？このとき、各点とそれ自身との相関は1であり、これが最大限の相関であると仮定している。この仮定はさらに正当化されます :)。でも、私がいなくても知っていたのでしょうから、この質問にはヒントが含まれていたようで、私はまだ理解できていません。
Privalは 意見を出すと約束しましたが、ランダム成分だけを残すのではなく、「長い」トレンドを取り除き、期待値ゼロの系列を得るということなのだと思います。このシリーズには、予想されるゲームホライズンに対応する短いトレンドが含まれます。統計学（R/S分析だけでなく）は、このような系列を扱うことを好むので、この問題を「街灯の下を探す」ことに多かれ少なかれ正しく還元することができます。
トレンド解除は、「トレンドライン」のチャートからの乖離があまり大きくない場合にのみ意味があり、そのためには回帰自体の「平滑化」の期間を小さな値にすることが必要です（ACFではありません）。そうしないと、デトレンド区間内に浅い局所的なトレンドが発生することになり、まさにそれを取り除きたいのである。(仮説：だから、初期過程のハースト係数を減らして、ガウス型に近づけているのでは？
このような現象が存在するのであれば、「ストキャスティック・レゾナンス」というトピックは、この考えを否定するように思われます。
そして、今度はデザートです。）上に書いたように、私はデトレンドの意味を全く逆に理解しています。つまり、グローバルトレンドを取り除き、ゲームの選択されたホライズンに対応するローカルトレンドをきれいな形で得ることだけが仕事なのです。その意味で、タイムフレームで語ることは、むしろ横道にそれたことになる。時系列があるだけで、さまざまな時間枠を使って見ることができますが、客観的な現実としてのトレンドは、スケールの選択に依存しません。線形変換の結果は、別の慣性 参照枠、つまり、元のものと同じ力が作用する系になるのです。非線形変換では、物理学で知られているように、「非論理的」で記述しにくい力が予想外の形で現れたり消えたりする世界を得ることができる。興味深いことに、リターンを使うことも線形変換であるが、線形回帰によるデトレンドの場合よりも大幅に大きな誤差でゼロ期待条件が満たされる。