移動平均 - ページ 125

新しいコメント
 
Tsar:
mladenさんへ。

このインジケーターに興味がある。

LSMAのバージョンを作ることは可能ですか？

ツァー

Emaにはあまり知られていないことがある。それは、その周期が小数であることだ（たとえば、period 14.5はemaにとって完全に正常である）。しかし、lsmaはそうではない。lsmaの場合は整数でなければならない。そのため、適応に適していません（値が滑らかでなくなる）。

 

すみません、整数とは何でしょうか？私はFXについてもっと学ぶ必要があります。

 
prince_syasya:
申し訳ありません、このコンテンツはただ今 English のみです。

整数とは、この:整数 - Wikipedia, the free encyclopedia

 
mladen:
ツァー・エマには、あまり知られていないことがある：それは、その周期が分数であることだ（たとえば、周期14.5はエマとしては完全に正常だ）。しかし、LSMAではそうではありません。lsmaの場合は整数でなければならない。そのため、適応には適さない(値が滑らかでなくなる)。

わかりました。ご説明ありがとうございました。

 

MAロック

malock.mq4

ファイル:
malock.mq4  4 kb
 

価格絵馬

価格_-絵馬.mq4

ファイル:
price_-_emas.png  7 kb
price_-_emas.mq4  4 kb
 

mladenです。

MA の予測はどうでしょうか？

すなわち、MAの予測値は、MAの前の値+価格の最後の値に基づいて行われるのですか？

 
majfa:
mladen,

MA の予測はどうでしょうか？

つまり、MAの予測値は、MAの前の値＋価格の最後の値に基づいて行われるのですか？

信頼帯を追加したバージョンもあります(ここに説明があるバージョンです :https://www.mql5.com/en/forum/general)

信頼帯のずれを0にすれば一種の予測になるので(信頼帯の性質について詳しくはこちら:信頼帯と予測帯 - Wikipedia, the free encyclopedia)これは、ある平均値の「予測」と考えられるものでしょう。

________________

追記：単一の値ではなく、値の範囲があることに気づかれたかもしれません。将来の値を一意に「予測」する方法はないので、ある程度の確実性を持って将来の値を推定/予測する方法の一つです。これはスキャンではなく、推定のための既知の数学的ルールの中で作業しようとする試みです。

 
mladen:
信頼帯を追加したバージョンもあります(ここに説明が掲載されているバージョン :https://www.mql5.com/en/forum/general)

信頼帯のずれを0にすれば一種の予測と見なすことができるため（信頼帯の性質についてはこちら :信頼帯と予測帯 - Wikipedia, the free encyclopedia)これは、ある平均値の「予測」と考えられるものでしょう

________________

追記：単一の値ではなく、値の範囲があることに気づかれたかもしれません。将来の値を一意に「予測」する方法はないので、ある程度の確実性を持って将来の値を推定/予測する方法の一つであり、これはスキャンではなく、推定のための既知の数学的ルールの中で働く試みである

おすすめの外挿方法は？

 
nbtrading:
どのような外挿法がお勧めですか？

nbtrading

外挿に関しては、まずこの投稿を読んでください :https://www.mql5.com/en/forum/172923/page13Anyway, 一つの良い例がqpwrによって作られました。

以下はその説明です。

説明

この指標は、入力変数Methodによって選択可能ないくつかの方法に基づいています。

方法1：フーリエ外挿；周波数はQuinn-Fernandesアルゴリズムを用いて計算されます。

方法2: 自己相関法

方法3: 重み付けバーグ法

方法4：Helme-Nikias重み付け関数を用いたBurg法

方法5：板倉・斉藤（幾何）法

方法6：修正共分散法

方法2～6は、線形予測の方法である。線形予測は、将来の値を過去の値の線形関数として求めるものである。インデックスが高いほど最近の価格に準拠した価格x[0]...x[n-1]がいくつもあるとする。将来の価格x[n]の予測は次のように計算されます。

x[n] = -Sum(a*x[n-i], i=1..p)

ここで、aはモデルの係数、pはモデルの次数です。 リストアップされた手法 2-6 は，学習用の最後の n-p 本の棒に対する平均二乗誤差を減少させることにより，係数 a[] を見つけます．もちろん、上記の方程式を Levinson-Durbin 法により n=2*p で直接解けば、予測誤差をゼロにすることができます。このような予測法は Prony 法と呼ばれる。この方法の欠点は、系列の将来値を予測する際に不安定になることです。 そのため、この方法は含まれていない。

その他の入力パラメータは以下の通りです。

LastBar - 過去のデータにおける最後のバーの数です。

PastBars - 将来の値を予測するために使用される過去のバーの数です。

LPOrder - 過去のバーの数からの分数としての線形モデルの順序 (0..1).

FutBars - 予測に使われる未来のバーの数です。

HarmNo - Method 1の頻度の最大数 (0はすべての頻度を意味します)

FreqTOL - 方法1のフリークエンシー計算の不正確さ (0.001以上の場合、収束できない)

BurgWin - 方法2の重み付け関数の数 (0=Rectangular 1=Hamming 2=Parabolic)

このインジケータは2本の線を描きます。青い線は学習バー上のモデルの価格を示し、赤い線は予測される将来の価格を示します。

コードはこちら：extrapolator.mq4(追記：コンパイラの警告がいくつか出ていますが、問題ありません)

ファイル:
extrapolator.mq4  15 kb
1...118119120121122123124125126127128129130131132...155
新しいコメント