私たちのマーシャ! - ページ 5 123456789101112...21 新しいコメント Neutron 2009.01.20 07:48 #41 Prival писал(а) >> さらに良い)この数式は何なのか、どこから得ているのか。 相関係数の算出方法を見るhttps://ru.wikipedia.org/wiki/%D0%9A%D0%BE%D1%8D%D1%84%D1%84%D0%B8%D1%86%D0%B8%D0%B5% D0%BD%D1%82_%D0%BA%D0%BE%D1%80%D1%80%D0%B5%D0%BB%D1%8F%D1%86%D0%B8%D0%B8 相関係数はカウント間ではなく、アレイ間で計算されます。あなたが何を言っているのか、何を主張しているのか、何を考えているのか、他の人が理解できるように、正確な表現でお願いします。 セルゲイ、「あなたの」式(wikipediaにあるもの)と私の式でコレログラムを作ると、同じ結果になりますよ。私が使っている式はよりシンプルで、十分なサンプル長があれば、完全な形式と比較して、計数誤差がゼロになる傾向があります。私はそれでいいと思っています。この件に関して、より正確さや数学的厳密さが必要であれば、どうぞ、正当化して使ってください。私の計算では、(正当な理由があれば)完全な式を用いてコレログラムを構築することがあります。 Aleksandr Pak 2009.01.20 07:51 #42 より良い、異なるワンドを 私たちは抽象的な滑らかな写真モデルを必要としているのではなく、目だけでなく、他の利点があり、私たちにとって価値のあるワンドを探しています。 - ブレークダウンTSのためには、サポート/レジスタンスラインとして安定したマシン、すなわち十分に滑らかで、一体化した、遅れをとる、BPから離れたマシンが必要です。 この交差点が突破口=TSの信号となるため、価格との交差点の数が重要です。 このようなMAは、定義上、ラギングである。 -反転するTSには、先行・予想MAが必要で、BPとの相対的な位置関係は重要ではありません。 価格との交差の数も重要ではありません。重要なのは頭の回転であって、BP との相対的な固定ではありません。合計で2種類、2クラスのワンドと+ラグがあります。 ゼロシフトでは、同じMAは、TSの唯一のタイプに適しています - ブレイクアウトまたは反転1、または全く何もないために。 (ノン・ゼロシフトMAという方法もあるが、おそらく手動取引に 限る)... MAを設計(発見)する際に、将来の利用を考慮すべきなのか?= 2つの意見 a) - 一般的に言えば、それは考慮する必要はありません、主なものは持っていることです))、 - 新しいMAを持って、運がどこにあるか試してみてください。 b) - MAとの経験の多くの年後に我々はより徹底的に、あまり滑りやすい危険な何かをしたいです。... ですから、新しいMashkaが出るたびに、経験豊富なMTSの開発者はますます皮肉を言い、 -より厳しくなっていきます。 しかし、毎回プリセットされた特性を持つ新しいMAを合成することが可能かどうかは、まだ大きな問題である。 Neutron 2009.01.20 09:13 #43 移動する!? S=w1*(X[i]-Y[i])^2+w2*(Y[i]-Y[i-1])^2-w3*{(Y[i]-Y[i-1])*(X[i]-X[i-1])}^2-->最小 化して下さいと言うことです。 i番目の 参照を現在の参照とみなして書き直してみよう(上式)。 そこからy[0]の微分を取り(第2式)、それを0に等しくしてy[0]に関して解く(第3式)と、既知の商の値x[0]、x[1]とmuv自体の前回の値y[0]、y[1]を用いて、我々のMAの現在値を計算する再帰式が得られます。汎関数の式において,MAの滑らかさと商に近いことを示す最初の2項が,指数 平均の同様の式と一致することに注意してください。ブラショフの論文(前ページのファイル)にある例に従うと、w1+w2=1とすることで調整可能なパラメータの一つを除外することができ、「理想的な」MAの2パラメータ式が得られます。 w1が滑らかさを、w2が熟練度を担当すると。そうですね。 これで、コーディングができるようになりました Sceptic Philozoff 2009.01.20 09:17 #44 Neutron писал(а)>> 誰かSを パラメータ Y[i] で微分してゼロに等化してくれ!><。だって、もうソワソワしてるんだもん・・・。 ああ、不気味だなあ。 S=w1*(X[i]-Y[i])^2+w2*(Y[i]-Y[i-1])^2-w3*{(Y[i]-Y[i-1])*(Х[i]-Х[i-1])}^2-->min 私は変分法を多少知っていますが、適切に微分可能な関数についてのみです。これは別格です。この問題を解決する方法も、まだ理解していないんです。 Павел 2009.01.20 09:18 #45 Neutron >> : 理想的なMAの基本条件を再確認してください。 1.オリジナルMAへの近接性。この条件は、商X(図の緑線)と平滑化曲線Y(青線)の距離の小ささと等価である。大きなサンプルでの平均では、これを満たす必要があると書ける。(X[i]-Y[i])^2-->最小値 2.MAの滑らかさ。この条件は、滑らかな曲線の隣り合うサンプル間の距離の小ささ:(Y[i]-Y[i-1])^2-->minに等しい。 3.開いている方向(図の縦線の間)を考慮し、初期BPから切り出したピースで構成されるEquityカーブが大きくなるようにする。ポジション開度の符号はMAデリバティブの符号と等しくなります。我々の用語では、sign(Y[i]-Y[i-1])とする。この場合、エクイティカーブは、閉じるべき位置の符号に従って突き合わされるコチエのピースで構成されることになる。このように実装することができます。コチエの一次差分系列(FDD) d[i]=X[i]-X[i-1] を構成しよう。 そして、アルゴリズムに従ってFDDから初期BPを容易に復元し、そこから一次微分を最大化する要件に等しい持分曲線()の急成長が実現する。dE[i]/dt=E[i]-E[i-1]= sign(Y[i]-Y[i-1])*(X[i]-X[i-1]) または小さいが許容できる、我々の場合はストレッチ {(Y[i]-Y[i-1])*(X[i]-X[i-1])}^2 -->max ある式の最大化は、反対の符号でその式の最小化であると同等であることが明らかである。-{(Y[i]-Y[i-1])*(Х[i]-Х[i-1])}^2-->min. それだけです。最小化のために必要な汎関数が得られる。 S=w1*(X-Y)^2+w2*(Y[i]-Y[i-1])^2-w3*{(Y[i]-Y[i-1])*(Х[i]-Х[i-1])}^2-->min Y[i](iは現在の基準点)に対しての最小値を求める必要がある。 数学的な観点からは、すべてが正しいのです。 時間があるときに、似たようなことを別の方法で解いてみるんです。 私の見解では(正しいかどうかわかりませんが、生きているかもしれません))、関数Yを定義してその値を計算する必要はないのです。- このマシュカを描けるのは、ニューラルネットワークです。各ニューロンに双曲線活性化関数を持つ3層パーセプトロンで理論的に対応可能である。資本の許容偏差(商とMAの差、すなわちmin)により、メッシュ学習における許容誤差値を設定することができます。この場合、minの値はTSの許容リスクレベルによって決定されるべきですが、0になる傾向もあります。 原理的には一見シンプルですが、最初だけ...。 Neutron 2009.01.20 09:36 #46 Mathemat писал(а)>> ああ、不気味だなあ。 さあ、もう解決策は見つかっています。 問題は、係数w1、w2、w3が定義されている部分である。汎関数導出の際、その値について何の制限もしなかったので、ブラショフの例のように、そのうちの1つを1に等しくして(w3である)、他の2つを接続するのが論理的(おそらく)である。そして、フィルタの1パラメータ式が得られる。 これです。かなりシンプルでセンスがいい!これはいい。これで確実にコーディングできるようになりました。 P.S. 一般的に、DSPやフィルター構築の基本をご存知の方に、これらの係数(3つとも)の決定領域を明確にしていただけると良いと思います。確か、特性方程式を求め、その根が複素平面上の単位円の中にあったことを満足させればいいんですよね。これにより、安定したフィルターで作業し、その3つのノブすべてを微調整することができます。しかし、今は簡単な実装で間に合わせることにします。 Evgeniy Gutorov 2009.01.20 10:01 #47 私が思うに完全に滑らかにする一つの方法は、ダブルスムージングを使うことです MA のバイアスを設定するために RMS を使用していますが、計算されたデータがない部分があります。 平滑化期間によってラグが大きくなるため、どのMAも独自のものを持つ。 指標NoLagMAを用いた場合、このラグは係数6.8541で表される。 簡単に言えば、表で表すと...。 8 1 13 1 21 2 34 3 55 5 89 8 この比率は、まず純粋に例証として強制バイアスによって得られた。 を確認し、さらにRMSを使用することで確認しました。 わかりやすくするための最終的な変形は写真のとおりで、一見すると平滑化され、はっきりと重ね合わされた絵になっている...が、一つだけクセがあって、最新のデータに対して最初に計算したデータは必ず表示情報が歪むが、期間が短いほどこの歪みは少なくなる。上位のTFで下位の期間を計算し、不足するポイントをスムージングで近似するオプションを使用することで、上位期間の歪みを軽減することが可能ですが...。 Victor Nikolaev 2009.01.20 10:07 #48 Neutron писал(а)>> さあ、もう解決策は見つかっています。 問題は、係数w1、w2、w3が定義されている部分である。汎関数導出の際、その値について何の制限もしなかったので、そのうちの1つを1に等しくして(w3である)、残りの2つをBulashovの場合と同様に接続するのが論理的(おそらく)であろう。そして、フィルタの1パラメータ式が得られる。 これです。かなりシンプルでセンスがいい!これはいい。これで確実にコーディングできるようになりました。 P.S. 一般的に、DSPやフィルター構築の基本をご存知の方に、これらの係数(3つとも)の決定領域を明確にしていただけると良いと思います。確か、特性方程式を求め、その根が複素平面上の単位円の中にあったことを満足させればいいんですよね。これにより、安定したフィルターで作業し、その3つのノブすべてを微調整することができます。しかし、今は簡単な実装で間に合わせることにします。 スムーズにはいかないようです。 これは係数を変えての話です。 係数が小さいほど掃引は滑らかになりますが。それでも面白い。 ファイル: poliqczlsibcevu.mq4 2 kb Prival 2009.01.20 11:26 #49 Neutron писал(а)>> さあ、もう解決策は見つかっています。 問題は、係数w1、w2、w3が定義されている部分である。汎関数導出の際、その値について何の制限もしなかったので、そのうちの1つを1に等しくして(w3である)、残りの2つをBulashovの場合と同様に接続するのが論理的(おそらく)であろう。そして、フィルタの1パラメータ式が得られる。 これです。かなりシンプルでセンスがいい!これはいい。これで確実にコーディングできるようになりました。 P.S. 一般的に、DSPやフィルター構築の基本をご存知の方に、これらの係数(3つとも)の決定領域を明確にしていただけると良いと思います。確か、特性方程式を求め、その根が複素平面上の単位円の中にあったことを満足させればいいんですよね。これにより、安定したフィルターで作業し、その3つのノブすべてを微調整することができます。しかし、今は簡単な実装で済ませることにします。 私が間違っていなければ(家に帰ったら確認します)、あなたはカルマンフィルタリングアルファベッタフィルタから知られるようになりました。 Neutron 2009.01.20 11:29 #50 Vinin >> : スムーズにはいかないようです。 異なる比率でです。 係数が低いほどスムーズなワゴンになりますが。それでも面白い。 おお、素晴らしい! 全く滑らかでなくても構わない、要は極端な取引をしたときに最大の利益増加率を獲得しなければならないものである(上記のような注意点はあるが)。Vininさん、MA MAをテストするためのMTSを提供していただけませんか? ところで、極値がちょうどコティルとMAの交点にあることに注目してください。 この交点の要件は、解析の本を読んで思い出したのですが......。面白いことばかりです。 プライベート>>: 間違っていなければ(帰ったら確認します)、既知のカルマンフィルタのα-bettaを だから、アルファかベタか,-) forte928>>: ...しかし、1つだけ特殊な点があり、それは、最新のデータに対して最初に計算されたデータは、必ず歪んだマッピング情報を持っているということです...。 描き直している。はい? 123456789101112...21 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
Prival писал(а) >>
さらに良い)この数式は何なのか、どこから得ているのか。
相関係数の算出方法を見るhttps://ru.wikipedia.org/wiki/%D0%9A%D0%BE%D1%8D%D1%84%D1%84%D0%B8%D1%86%D0%B8%D0%B5%
D0%BD%D1%82_%D0%BA%D0%BE%D1%80%D1%80%D0%B5%D0%BB%D1%8F%D1%86%D0%B8%D0%B8
相関係数はカウント間ではなく、アレイ間で計算されます。あなたが何を言っているのか、何を主張しているのか、何を考えているのか、他の人が理解できるように、正確な表現でお願いします。
セルゲイ、「あなたの」式(wikipediaにあるもの)と私の式でコレログラムを作ると、同じ結果になりますよ。私が使っている式はよりシンプルで、十分なサンプル長があれば、完全な形式と比較して、計数誤差がゼロになる傾向があります。私はそれでいいと思っています。この件に関して、より正確さや数学的厳密さが必要であれば、どうぞ、正当化して使ってください。私の計算では、(正当な理由があれば)完全な式を用いてコレログラムを構築することがあります。
私たちは抽象的な滑らかな写真モデルを必要としているのではなく、目だけでなく、他の利点があり、私たちにとって価値のあるワンドを探しています。
- ブレークダウンTSのためには、サポート/レジスタンスラインとして安定したマシン、すなわち十分に滑らかで、一体化した、遅れをとる、BPから離れたマシンが必要です。
この交差点が突破口=TSの信号となるため、価格との交差点の数が重要です。
このようなMAは、定義上、ラギングである。
-反転するTSには、先行・予想MAが必要で、BPとの相対的な位置関係は重要ではありません。
価格との交差の数も重要ではありません。重要なのは頭の回転であって、BP
との相対的な固定ではありません。合計で2種類、2クラスのワンドと+ラグがあります。
ゼロシフトでは、同じMAは、TSの唯一のタイプに適しています - ブレイクアウトまたは反転1、または全く何もないために。
(ノン・ゼロシフトMAという方法もあるが、おそらく手動取引に 限る)
...
MAを設計(発見)する際に、将来の利用を考慮すべきなのか?= 2つの意見
a) - 一般的に言えば、それは考慮する必要はありません、主なものは持っていることです))、 - 新しいMAを持って、運がどこにあるか試してみてください。
b) - MAとの経験の多くの年後に我々はより徹底的に、あまり滑りやすい危険な何かをしたいです。
...
ですから、新しいMashkaが出るたびに、経験豊富なMTSの開発者はますます皮肉を言い、
-より厳しくなっていきます。
しかし、毎回プリセットされた特性を持つ新しいMAを合成することが可能かどうかは、まだ大きな問題である。
移動する!?
S=w1*(X[i]-Y[i])^2+w2*(Y[i]-Y[i-1])^2-w3*{(Y[i]-Y[i-1])*(X[i]-X[i-1])}^2-->最小 化して下さいと言うことです。 i番目の 参照を現在の参照とみなして書き直してみよう(上式)。
そこからy[0]の微分を取り(第2式)、それを0に等しくしてy[0]に関して解く(第3式)と、既知の商の値x[0]、x[1]とmuv自体の前回の値y[0]、y[1]を用いて、我々のMAの現在値を計算する再帰式が得られます。汎関数の式において,MAの滑らかさと商に近いことを示す最初の2項が,指数 平均の同様の式と一致することに注意してください。ブラショフの論文(前ページのファイル)にある例に従うと、w1+w2=1とすることで調整可能なパラメータの一つを除外することができ、「理想的な」MAの2パラメータ式が得られます。
w1が滑らかさを、w2が熟練度を担当すると。そうですね。
これで、コーディングができるようになりました
ああ、不気味だなあ。
S=w1*(X[i]-Y[i])^2+w2*(Y[i]-Y[i-1])^2-w3*{(Y[i]-Y[i-1])*(Х[i]-Х[i-1])}^2-->min
私は変分法を多少知っていますが、適切に微分可能な関数についてのみです。これは別格です。この問題を解決する方法も、まだ理解していないんです。
理想的なMAの基本条件を再確認してください。
1.オリジナルMAへの近接性。この条件は、商X(図の緑線)と平滑化曲線Y(青線)の距離の小ささと等価である。大きなサンプルでの平均では、これを満たす必要があると書ける。(X[i]-Y[i])^2-->最小値
2.MAの滑らかさ。この条件は、滑らかな曲線の隣り合うサンプル間の距離の小ささ:(Y[i]-Y[i-1])^2-->minに等しい。
3.開いている方向(図の縦線の間)を考慮し、初期BPから切り出したピースで構成されるEquityカーブが大きくなるようにする。ポジション開度の符号はMAデリバティブの符号と等しくなります。我々の用語では、sign(Y[i]-Y[i-1])とする。この場合、エクイティカーブは、閉じるべき位置の符号に従って突き合わされるコチエのピースで構成されることになる。このように実装することができます。コチエの一次差分系列(FDD) d[i]=X[i]-X[i-1] を構成しよう。 そして、アルゴリズムに従ってFDDから初期BPを容易に復元し、そこから一次微分を最大化する要件に等しい持分曲線()の急成長が実現する。dE[i]/dt=E[i]-E[i-1]= sign(Y[i]-Y[i-1])*(X[i]-X[i-1]) または小さいが許容できる、我々の場合はストレッチ {(Y[i]-Y[i-1])*(X[i]-X[i-1])}^2 -->max ある式の最大化は、反対の符号でその式の最小化であると同等であることが明らかである。-{(Y[i]-Y[i-1])*(Х[i]-Х[i-1])}^2-->min.
それだけです。最小化のために必要な汎関数が得られる。
S=w1*(X-Y)^2+w2*(Y[i]-Y[i-1])^2-w3*{(Y[i]-Y[i-1])*(Х[i]-Х[i-1])}^2-->min
Y[i](iは現在の基準点)に対しての最小値を求める必要がある。
数学的な観点からは、すべてが正しいのです。
時間があるときに、似たようなことを別の方法で解いてみるんです。
私の見解では(正しいかどうかわかりませんが、生きているかもしれません))、関数Yを定義してその値を計算する必要はないのです。- このマシュカを描けるのは、ニューラルネットワークです。各ニューロンに双曲線活性化関数を持つ3層パーセプトロンで理論的に対応可能である。資本の許容偏差(商とMAの差、すなわちmin)により、メッシュ学習における許容誤差値を設定することができます。この場合、minの値はTSの許容リスクレベルによって決定されるべきですが、0になる傾向もあります。
原理的には一見シンプルですが、最初だけ...。
ああ、不気味だなあ。
さあ、もう解決策は見つかっています。
問題は、係数w1、w2、w3が定義されている部分である。汎関数導出の際、その値について何の制限もしなかったので、ブラショフの例のように、そのうちの1つを1に等しくして(w3である)、他の2つを接続するのが論理的(おそらく)である。そして、フィルタの1パラメータ式が得られる。
これです。かなりシンプルでセンスがいい!これはいい。これで確実にコーディングできるようになりました。
P.S. 一般的に、DSPやフィルター構築の基本をご存知の方に、これらの係数(3つとも)の決定領域を明確にしていただけると良いと思います。確か、特性方程式を求め、その根が複素平面上の単位円の中にあったことを満足させればいいんですよね。これにより、安定したフィルターで作業し、その3つのノブすべてを微調整することができます。しかし、今は簡単な実装で間に合わせることにします。
私が思うに完全に滑らかにする一つの方法は、ダブルスムージングを使うことです
MA のバイアスを設定するために RMS を使用していますが、計算されたデータがない部分があります。
平滑化期間によってラグが大きくなるため、どのMAも独自のものを持つ。
指標NoLagMAを用いた場合、このラグは係数6.8541で表される。
簡単に言えば、表で表すと...。
この比率は、まず純粋に例証として強制バイアスによって得られた。
を確認し、さらにRMSを使用することで確認しました。
わかりやすくするための最終的な変形は写真のとおりで、一見すると平滑化され、はっきりと重ね合わされた絵になっている...が、一つだけクセがあって、最新のデータに対して最初に計算したデータは必ず表示情報が歪むが、期間が短いほどこの歪みは少なくなる。上位のTFで下位の期間を計算し、不足するポイントをスムージングで近似するオプションを使用することで、上位期間の歪みを軽減することが可能ですが...。
さあ、もう解決策は見つかっています。
問題は、係数w1、w2、w3が定義されている部分である。汎関数導出の際、その値について何の制限もしなかったので、そのうちの1つを1に等しくして(w3である)、残りの2つをBulashovの場合と同様に接続するのが論理的(おそらく)であろう。そして、フィルタの1パラメータ式が得られる。
これです。かなりシンプルでセンスがいい!これはいい。これで確実にコーディングできるようになりました。
P.S. 一般的に、DSPやフィルター構築の基本をご存知の方に、これらの係数(3つとも)の決定領域を明確にしていただけると良いと思います。確か、特性方程式を求め、その根が複素平面上の単位円の中にあったことを満足させればいいんですよね。これにより、安定したフィルターで作業し、その3つのノブすべてを微調整することができます。しかし、今は簡単な実装で間に合わせることにします。
スムーズにはいかないようです。
これは係数を変えての話です。
係数が小さいほど掃引は滑らかになりますが。それでも面白い。
さあ、もう解決策は見つかっています。
問題は、係数w1、w2、w3が定義されている部分である。汎関数導出の際、その値について何の制限もしなかったので、そのうちの1つを1に等しくして(w3である)、残りの2つをBulashovの場合と同様に接続するのが論理的(おそらく)であろう。そして、フィルタの1パラメータ式が得られる。
これです。かなりシンプルでセンスがいい!これはいい。これで確実にコーディングできるようになりました。
P.S. 一般的に、DSPやフィルター構築の基本をご存知の方に、これらの係数(3つとも)の決定領域を明確にしていただけると良いと思います。確か、特性方程式を求め、その根が複素平面上の単位円の中にあったことを満足させればいいんですよね。これにより、安定したフィルターで作業し、その3つのノブすべてを微調整することができます。しかし、今は簡単な実装で済ませることにします。
私が間違っていなければ(家に帰ったら確認します)、あなたはカルマンフィルタリングアルファベッタフィルタから知られるようになりました。
スムーズにはいかないようです。
異なる比率でです。
係数が低いほどスムーズなワゴンになりますが。それでも面白い。
おお、素晴らしい!
全く滑らかでなくても構わない、要は極端な取引をしたときに最大の利益増加率を獲得しなければならないものである(上記のような注意点はあるが)。Vininさん、MA MAをテストするためのMTSを提供していただけませんか?
ところで、極値がちょうどコティルとMAの交点にあることに注目してください。 この交点の要件は、解析の本を読んで思い出したのですが......。面白いことばかりです。
間違っていなければ(帰ったら確認します)、既知のカルマンフィルタのα-bettaを
だから、アルファかベタか,-)
...しかし、1つだけ特殊な点があり、それは、最新のデータに対して最初に計算されたデータは、必ず歪んだマッピング情報を持っているということです...。