NS＋指標。実験 - ページ 4 123456789101112 新しいコメント Rashid Umarov 2007.12.21 12:29 #31 Closeが予測しにくい理由を説明した別のリンクがあると助かります -High, Lowの興味深い特性 Alexey Petrov 2007.12.21 16:14 #32 klot: 最近、ニューロシェル・デイトレーダーでZZを実験してみました。価格といくつかの固定されたZZの極値との差を正規化した ものをPNN（分類器）の入力に与えた。 差の比率も試してみた（必要ならハーモニックモデルも）。NSは限られた時間間隔で真実を発見する。聖杯 とは言わないが、見ていないデータで利益が出る仕組みになっている。 また、具体的にどのように差を正規化したのでしょうか？価格と最後の極限値との差？それとも他の何か？また、分類器は何を使われたのですか？ コホネン・チャート？ ZZにはまだ手をつけていない。これまではコホネンで実験し、ミュービングでデータを正規化しました。一般的にも、弱いながらもポテンシャルは見えている。グリッド出力を「アンプ」に繋ぎたい =)) 。また、異なる手法でコード化されたローソク足を分類し、コホネンに読み込ませてみました。原理的には、少なくとも似たようなプラグは同じクラスを持つので、それも悪くはなかった。でも、まだノーマライゼーションのコツがつかめていません。0+1範囲、-1+1範囲、シグモイド、タンジェントへの変換を試みました。データを "そのまま "使ってみた。なんとなくですが、どちらかの方法が有利とは思えませんでした。 Neutron 2007.12.21 16:15 #33 Rosh さん、ランダムプロセスにおいて、なぜH+Lの値が予測可能（この場合、持続的）なのか、お分かりになりますか？ Rashid Umarov 2007.12.21 16:35 #34 終値そのものよりも、価格を制限するレンジを予測する方がはるかに簡単だからだと思います。また、価格そのものの絶対値よりも、継続的に動く、あるいは反転する確率を見極め、いつそこに到達するかを判断する必要があると思うのです。 Prival 2007.12.21 16:48 #35 Neutron:Rosh さん、なぜランダムプロセスなのにH+Lが予測可能（この場合、持続的）なのか、理解できましたか？ 単純に考えて、HとLは確率変数の信頼区間みたいなもので、多分数字と牛が変わらなかったら、この信頼区間はそのまま（一定）なんだと思いました。そして、Closeはこの最終的な値の予測で、HとLの間を走っている、だから予測が難しいのです。 Sceptic Philozoff 2007.12.21 17:32 #36 この理解は、今もまだできていない。Prival さん、ある種のインターバルであるという仮説は認めません（ケーブルの200ポイントのスパイクが1ティックでできて いるのを覚えていますか？）ニューロネットでは予測できないが、フィバミは、かなり確率が高いと思う......。 追伸：なぜ、このような長いヘアピンは、下ばかりに行きたがるのか、それも不明です。 Dmitrii 2007.12.21 17:46 #37 alexx: klot: 最近、ニューロシェル・デイトレーダーでZZを実験してみました。PNN（分類器）の入力に、価格とZZのいくつかの固定した極値との差を正規化した ものを与えた。 また、差の比率（必要なら調和モデル）を試してみた。NSは限られた時間間隔で真実を発見する。聖杯 とは言わないが、見ていないデータで利益が出る仕組みになっている。 また、具体的にどのように差を正規化したのでしょうか？価格と最後の極限値との差？それとも他の何か？また、分類器は何を使われたのですか？ コホネン・チャート？ ZZにはまだ手をつけていない。これまではコホネンで実験し、ミュービングでデータを正規化しました。一般的にも、弱いながらもポテンシャルは見えている。グリッド出力を「アンプ」に繋ぎたい =)) 。また、異なる手法でコード化されたローソク足を分類し、コホネンに読み込ませてみました。原理的には、少なくとも似たようなプラグは同じクラスを持つので、それも悪くはなかった。でも、まだノーマライゼーションのコツがつかめていません。0+1範囲、-1+1範囲、シグモイド、タンジェントへの変換を試みました。データを "そのまま "使ってみた。なんとなくですが、どちらかの方法が有利とは思えませんでした。 私はすべての実験をNSDTで行っています。私は価格とZZの最後の極値との差を取る。また，最後の極限と最後の極限の間など...さらに，差の間の関係，つまり，(X-A)/(A-B), (B-A)/(B-C), (B-C)/(C-D), (X-A)/(D-A), 一般にGartley調和モデルを構築しようとしています． すべて，確率ネットワーク（NShにはいくつかの種類があります）に置き，NShを使って値の正規化を行いました．実際にはこの公式を使っています． (x-ma(x,n))/(3*stdev(x,n)) 最近、いつもこの式を使っています。 そして、実は、学習、クロスチェック、OOSのために、どうぞ。 Dmitrii 2007.12.21 17:56 #38 以下は、私がほとんどどこでも使っている正規化の例です。 Closeは好きなもので代用できます...。 ファイル: normalise.mq4 3 kb Prival 2007.12.21 17:59 #39 Mathemat:この理解は、今もまだできていない。Prival さん、ある種のインターバルであるという仮説は認めません（ケーブルの200ポイントのスパイクが1ティックでできて いるのを覚えていますか）。ニューラルネットでは予測できないが、フィバミ・・・。可能性は十分にあると思うのですが...。追伸：もうひとつわからないことがあるのですが、なぜこれほど長いスタッドレスが下ばかりを好むのでしょうか？ もう少し詳しく説明しようと思います。HとLは信頼区間に他なりません。また、Sl.値は、例えば1日の間、この制限を超えることはなかった。1日1本のバー。ここで、このランダムな値が分布法則に従うと仮定すればよい。HとLはおおよそmozh+-3skoであり、すなわち0.997の確率で乱数値はこの範囲にある。この状態では、スロープの値（Close）はそのままで、HとLはほぼ定数なので、予測しやすいと言えます。 値の確率密度関数を プロット（生成）して、正＋3コとマークするだけです。1000の値を生成し、それによって（サンプル）これらのポイントを決定し、彼らはほぼ一定ですが、ランダム（閉じる）の生成で最後の番号。100回やって確認すればいいんです。 スタッドの場合、次の方法が役に立つかもしれません。10回測定して（目盛り）、ブリッジを計算します。と-の範囲にある最も極端な2つを破棄する。そして、再びこの機能を使うことができます。このような異常値（明確な測定誤差）に対して安定した特性を持つため、未知量の推定はより正確である。 Neutron 2007.12.21 18:12 #40 High, Lowの興味深い性質」のトピックでは、(H+L)/2系列の「変則的な」予測についてお話ししています。パラドックスは想像の産物だ! つまり、H-L（商品ボラティリティの第一近似値）が（H+L）/2（商品価格の絶対値の第一近似値）よりはるかに小さい場合、（H+L）/2はBPの平均化手法と等しく、スライディングウィンドウは2に等しくなるのです。考えてみれば、本当にほとんど平均化されていますね。一方、移動平均は、常に、系列の隣接する増分の間に正の自己相関係数（CAC）を持ちます（これは直接証明することができます）。したがって、ランダム勾配の積分によって得られたBPの場合、ゼロに傾く勾配のOACを持つので、その系列（H+L）/2についてプロットしたOACは常に非ゼロで正の値になる!残念ながら、この事実によってBPを予測することはできない。なぜなら、(H+L)/2系列では必ず位相遅れが発生し、それがすべてを元の位置に戻してしまうからだ。 こんな感じ。 123456789101112 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
最近、ニューロシェル・デイトレーダーでZZを実験してみました。価格といくつかの固定されたZZの極値との差を正規化した ものをPNN（分類器）の入力に与えた。 差の比率も試してみた（必要ならハーモニックモデルも）。NSは限られた時間間隔で真実を発見する。聖杯 とは言わないが、見ていないデータで利益が出る仕組みになっている。
また、具体的にどのように差を正規化したのでしょうか？価格と最後の極限値との差？それとも他の何か？また、分類器は何を使われたのですか？ コホネン・チャート？
ZZにはまだ手をつけていない。これまではコホネンで実験し、ミュービングでデータを正規化しました。一般的にも、弱いながらもポテンシャルは見えている。グリッド出力を「アンプ」に繋ぎたい =)) 。また、異なる手法でコード化されたローソク足を分類し、コホネンに読み込ませてみました。原理的には、少なくとも似たようなプラグは同じクラスを持つので、それも悪くはなかった。でも、まだノーマライゼーションのコツがつかめていません。0+1範囲、-1+1範囲、シグモイド、タンジェントへの変換を試みました。データを "そのまま "使ってみた。なんとなくですが、どちらかの方法が有利とは思えませんでした。
Rosh さん、なぜランダムプロセスなのにH+Lが予測可能（この場合、持続的）なのか、理解できましたか？
単純に考えて、HとLは確率変数の信頼区間みたいなもので、多分数字と牛が変わらなかったら、この信頼区間はそのまま（一定）なんだと思いました。そして、Closeはこの最終的な値の予測で、HとLの間を走っている、だから予測が難しいのです。
この理解は、今もまだできていない。Prival さん、ある種のインターバルであるという仮説は認めません（ケーブルの200ポイントのスパイクが1ティックでできて いるのを覚えていますか？）ニューロネットでは予測できないが、フィバミは、かなり確率が高いと思う......。
追伸：なぜ、このような長いヘアピンは、下ばかりに行きたがるのか、それも不明です。
最近、ニューロシェル・デイトレーダーでZZを実験してみました。PNN（分類器）の入力に、価格とZZのいくつかの固定した極値との差を正規化した ものを与えた。 また、差の比率（必要なら調和モデル）を試してみた。NSは限られた時間間隔で真実を発見する。聖杯 とは言わないが、見ていないデータで利益が出る仕組みになっている。
また、具体的にどのように差を正規化したのでしょうか？価格と最後の極限値との差？それとも他の何か？また、分類器は何を使われたのですか？ コホネン・チャート？
ZZにはまだ手をつけていない。これまではコホネンで実験し、ミュービングでデータを正規化しました。一般的にも、弱いながらもポテンシャルは見えている。グリッド出力を「アンプ」に繋ぎたい =)) 。また、異なる手法でコード化されたローソク足を分類し、コホネンに読み込ませてみました。原理的には、少なくとも似たようなプラグは同じクラスを持つので、それも悪くはなかった。でも、まだノーマライゼーションのコツがつかめていません。0+1範囲、-1+1範囲、シグモイド、タンジェントへの変換を試みました。データを "そのまま "使ってみた。なんとなくですが、どちらかの方法が有利とは思えませんでした。
私はすべての実験をNSDTで行っています。私は価格とZZの最後の極値との差を取る。また，最後の極限と最後の極限の間など...さらに，差の間の関係，つまり，(X-A)/(A-B), (B-A)/(B-C), (B-C)/(C-D), (X-A)/(D-A), 一般にGartley調和モデルを構築しようとしています． すべて，確率ネットワーク（NShにはいくつかの種類があります）に置き，NShを使って値の正規化を行いました．実際にはこの公式を使っています．
(x-ma(x,n))/(3*stdev(x,n)) 最近、いつもこの式を使っています。 そして、実は、学習、クロスチェック、OOSのために、どうぞ。
以下は、私がほとんどどこでも使っている正規化の例です。
Closeは好きなもので代用できます...。
この理解は、今もまだできていない。Prival さん、ある種のインターバルであるという仮説は認めません（ケーブルの200ポイントのスパイクが1ティックでできて いるのを覚えていますか）。ニューラルネットでは予測できないが、フィバミ・・・。可能性は十分にあると思うのですが...。
追伸：もうひとつわからないことがあるのですが、なぜこれほど長いスタッドレスが下ばかりを好むのでしょうか？
もう少し詳しく説明しようと思います。HとLは信頼区間に他なりません。また、Sl.値は、例えば1日の間、この制限を超えることはなかった。1日1本のバー。ここで、このランダムな値が分布法則に従うと仮定すればよい。HとLはおおよそmozh+-3skoであり、すなわち0.997の確率で乱数値はこの範囲にある。この状態では、スロープの値（Close）はそのままで、HとLはほぼ定数なので、予測しやすいと言えます。
値の確率密度関数を プロット（生成）して、正＋3コとマークするだけです。1000の値を生成し、それによって（サンプル）これらのポイントを決定し、彼らはほぼ一定ですが、ランダム（閉じる）の生成で最後の番号。100回やって確認すればいいんです。
スタッドの場合、次の方法が役に立つかもしれません。10回測定して（目盛り）、ブリッジを計算します。と-の範囲にある最も極端な2つを破棄する。そして、再びこの機能を使うことができます。このような異常値（明確な測定誤差）に対して安定した特性を持つため、未知量の推定はより正確である。
High, Lowの興味深い性質」のトピックでは、(H+L)/2系列の「変則的な」予測についてお話ししています。パラドックスは想像の産物だ!
つまり、H-L（商品ボラティリティの第一近似値）が（H+L）/2（商品価格の絶対値の第一近似値）よりはるかに小さい場合、（H+L）/2はBPの平均化手法と等しく、スライディングウィンドウは2に等しくなるのです。考えてみれば、本当にほとんど平均化されていますね。一方、移動平均は、常に、系列の隣接する増分の間に正の自己相関係数（CAC）を持ちます（これは直接証明することができます）。したがって、ランダム勾配の積分によって得られたBPの場合、ゼロに傾く勾配のOACを持つので、その系列（H+L）/2についてプロットしたOACは常に非ゼロで正の値になる!残念ながら、この事実によってBPを予測することはできない。なぜなら、(H+L)/2系列では必ず位相遅れが発生し、それがすべてを元の位置に戻してしまうからだ。
こんな感じ。