맥북에 메모리를 추가하는 것이 쉽지 않습니다.) 시계열에는 여전히 매우 비효율적이며 어떻게 든 다시 실행해야합니다.
특히 더 낮은 TF로 내려가서 5 배 더 많은 리소스가 필요하기 때문에.
알글립에는 이중 상관관계 계산 기능이 있습니다. 모든 변수를 char/uchar로 변경하면 모든 것이 작동 할 것이라고 생각합니다. 다른 수십 개의 사용 된 함수도 다시 실행해야 합니다. 그리고 CMatrixDouble에서 동적 배열이나 다른 것으로 이동하십시오.
Pearson product-moment correlation matrix | //| INPUT PARAMETERS: | //| X - array[N,M], sample matrix: | //| * J-th column corresponds to J-th variable | //| * I-th row corresponds to I-th observation | //| N - N>=0, number of observations: | //| * if given, only leading N rows of X are used | //| * if not given, automatically determined from input | //| size | //| M - M>0, number of variables: | //| * if given, only leading M columns of X are used | //| * if not given, automatically determined from input | //| size | //| OUTPUT PARAMETERS: | //| C - array[M,M], correlation matrix (zero if N=0 or N=1) | //+------------------------------------------------------------------+ static bool CBaseStat::PearsonCorrM(const CMatrixDouble &cx,const int n, const int m,CMatrixDouble &c)
그리고 직접 만든 프로그램이 있는 경우, 이를 수행하는 기성 패키지가 없다면 정량화 작업도 수행해야 합니다.
어때요?
https://www.mql5.com/ru/docs/constants/chartconstants/enum_timeframes
식별자
설명
PERIOD_CURRENT
현재 기간
PERIOD_M1
1분
PERIOD_M2
2분
PERIOD_M3
3분
PERIOD_M4
4분
PERIOD_M5
5분
PERIOD_M6
6분
PERIOD_M10
10분
PERIOD_M12
12분
PERIOD_M15
15분
PERIOD_M20
20분
PERIOD_M30
30분
PERIOD_H1
1시간
PERIOD_H2
2시간
PERIOD_H3
3시간
PERIOD_H4
4시간
PERIOD_H6
6시간
PERIOD_H8
8시간
PERIOD_H12
12시간
PERIOD_D1
1 일
PERIOD_W1
1주
PERIOD_MN1
1개월
https://www.mql5.com/ru/docs/constants/chartconstants/enum_timeframes
그렇게 빨리, 저녁에 가까워지거나 다른 날에는 할 수 없을 것입니다.
소규모 TF에서 메모리 오버플로. 메모리 오버플로는 16개의 osu와 30기가의 스왑 파일(Mac의 경우 스왑)로 발생합니다. 예를 들어 50k×50k의 상관 행렬이 있습니다.
16g 매트릭스는 4g가 됩니다.
.
그리고 모든 계산은 RAM에서 이루어지므로 더 추가해야 합니다. 요즘 메모리는 저렴합니다.
정량화를 하나요? 양자화의 주된 목적은 데이터 크기를 줄이는 것입니다. 4바이트 부동 소수점이 1바이트 UCHAR 또는 CHAR로 바뀝니다.
16g 매트릭스는 4g가 됩니다.
.
그리고 모든 계산은 RAM에서 이루어지므로 더 추가해야 합니다. 요즘 메모리는 저렴합니다.
상관 관계를 계산하는 방법을 모르겠습니다.
맥북에 메모리를 추가하는 것은 그렇게 쉬운 일이 아닙니다.) 시계열에는 여전히 매우 비효율적이며 어떻게든 다시 실행해야 합니다.
특히 다른 TF로 넘어가면 5배의 리소스가 더 필요하기 때문에요.
SQL을 통해 계산하는 것이 효율적일까요?
나중에 상관 관계를 계산하는 방법을 모르겠습니다.
맥북에 메모리를 추가하는 것이 쉽지 않습니다.) 시계열에는 여전히 매우 비효율적이며 어떻게 든 다시 실행해야합니다.
특히 더 낮은 TF로 내려가서 5 배 더 많은 리소스가 필요하기 때문에.알글립에는 이중 상관관계 계산 기능이 있습니다. 모든 변수를 char/uchar로 변경하면 모든 것이 작동 할 것이라고 생각합니다. 다른 수십 개의 사용 된 함수도 다시 실행해야 합니다. 그리고 CMatrixDouble에서 동적 배열이나 다른 것으로 이동하십시오.
//| INPUT PARAMETERS: |
//| X - array[N,M], sample matrix: |
//| * J-th column corresponds to J-th variable |
//| * I-th row corresponds to I-th observation |
//| N - N>=0, number of observations: |
//| * if given, only leading N rows of X are used |
//| * if not given, automatically determined from input |
//| size |
//| M - M>0, number of variables: |
//| * if given, only leading M columns of X are used |
//| * if not given, automatically determined from input |
//| size |
//| OUTPUT PARAMETERS: |
//| C - array[M,M], correlation matrix (zero if N=0 or N=1) |
//+------------------------------------------------------------------+
static bool CBaseStat::PearsonCorrM(const CMatrixDouble &cx,const int n,
const int m,CMatrixDouble &c)
그리고 직접 만든 프로그램이 있는 경우, 이를 수행하는 기성 패키지가 없다면 정량화 작업도 수행해야 합니다.
SQL을 통해 읽는 것이 효율적일까요?
소규모 TF에서 메모리 오버플로. 메모리 오버플로로 16개의 osu와 스왑 파일(Mac의 경우 스왑) 30기가가 넘습니다. 예를 들어 50k×50k의 상관 행렬이 있습니다.
상관관계 행렬은 왜 필요할까요?
패턴이 있고, 그 패턴과 비교할 히스토리가 있는데 뭐가 문제일까요?
상관관계 매트릭스가 필요한 이유는 무엇인가요?
패턴이 있고, 패턴을 비교할 수 있는 기록이 있는데, 무엇이 문제일까요?
패턴이 없고 상관관계 행렬로 패턴을 검색합니다.