랜덤 흐름 이론과 FOREX - 페이지 6

 

dreder , 조언 감사합니다. 하지만 저는 그것을 사용하지 않을 것 같습니다. 저는 마약 중독자이고 한 번만 복용해도 중독되기에 충분합니다. 그리고 당신은 중독자입니다, 그렇지 않습니까?

그리고 일반적으로 - 일부는 수학에 정통한 소수의 마약 중독자들과 이야기하는 것이 어떻습니까?

2 솔직함: 이제 내가 모아서 보낼게. Marple, Sato, Wald, Farina가 matkad에서 DSP 및 ACF 계산에 대해 강의합니다. 전체 아카이브가 한 번에 처리되기를 바랍니다(나는 모든 것을 약 13.5MB로 합치므로 보낼 때 20개 미만이 될 것입니다). 다른 메일함에서 보냈습니다. Cherkani는 결과에 대해 여기에서 - 또는 우편으로.

 
Prival :

나는 예를 들어 ACF를 설명하려고 노력할 것입니다 ...

글쎄, 나는 기본적으로 ACF의 정의를 알고 있었습니다. 그것은 종종 너무 많은 사람들이 있고, 너무 많은 공식이 있다는 것입니다. :). 물론 정면으로 계산되지 않은 경우.
klot 라이브러리의 fastcorellation 이 적합하지 않은 이유는 무엇입니까?
 
Mathemat :

그리고 일반적으로 - 좁은 원에서 이야기하지 않는 이유는 ...

나는 단지 그것을위한 것입니다. 수학에서만 나는 특별하지 않습니다. 기껏해야 C 등급입니다. 항공 라디오 엔지니어의 이 풍부한 경험에서 놓쳐서는 안 될 두 잔의 물 :-)

fastcorellation에 대한 lna01, 나는 그것이 무엇인지 몰랐습니다. 다시 나쁜 질문을 귀찮게 시작하면 죄송합니다 :-), 모든 것이 거기에서 어떻게 고려되는지.

 
Prival :

fastcorellation에 대한 lna01, 나는 그것이 무엇인지 몰랐습니다. 다시 나쁜 질문을 귀찮게 시작하면 죄송합니다 :-), 모든 것이 거기에서 어떻게 고려되는지.

자세한 내용은 다음과 같습니다. http://alglib.sources.ru/fft/fastcorrelation.php
형식은 다음과 같습니다.
void fastcorellation(double& signal[], int signallen, double pattern[], int patternlen)
/**************************************************** **** **************************
FFT를 사용한 상관관계

입구에서:
신호 - 상관할 신호의 배열입니다.
0에서 SignalLen-1까지의 항목 번호 지정
SignalLen - 신호 길이.

패턴 - 패턴의 배열, 우리가 찾고 있는 신호의 상관 관계
0에서 PatternLen-1까지 요소 번호 매기기
PatternLen - 패턴 길이

출구에서:
신호 - 0에서 ~까지의 지점에서의 상관 값
시그널렌-1.
*********************************************** ***** *********************/
 
예, 모든 것이 명확합니다. 설명으로 판단하면 배열은 실제로 주기적이며 이러한 데이터의 경우 ACF는 정의에 따라 인수의 차이에 따라 달라집니다. 자동으로 프로세스가 정지됩니다. 어울리지 않아...
 
Mathemat :
예, 모든 것이 명확합니다. 설명으로 판단하면 배열은 실제로 주기적이며 이러한 데이터의 경우 ACF는 정의에 따라 인수의 차이에 따라 달라집니다. 자동으로 프로세스가 정지됩니다. 어울리지 않아...

FFT를 사용하면 ACF가 대칭이 됩니다. 즉, 데이터가 중간까지 필요합니다. 어디에 두실지 모르겠지만

ACF가 인수의 차이에 의존하는 경우 비정상

 
Mathemat :
예, 모든 것이 명확합니다. 설명으로 판단하면 배열은 실제로 주기적이며 이러한 데이터의 경우 ACF는 정의에 따라 인수의 차이에 따라 달라집니다. 자동으로 프로세스가 정지됩니다. 어울리지 않아...
물론 주기적이지만 첫 번째 2^n의 주기가 signallen+patternlen보다 크면 이 길이까지 0이 추가됩니다. 이는 소스 코드에서 따릅니다. 즉, 실제로는 비정기적입니다. :)
 
최소 제곱에 따라 방정식 y (x) \u003d a * x + b에서 계수 a와 b를 계산하는 절차가 필요합니다. 그런 다음 MQL의 곡선 ACF 알고리즘을 다시 블라인드하는 것이 나에게 도움이 될 것입니다.
 
Prival :
최소 제곱에 따라 방정식 y (x) \u003d a * x + b에서 계수 a와 b를 계산하는 절차가 필요합니다. 그런 다음 MQL의 곡선 ACF 알고리즘을 다시 블라인드하는 것이 나에게 도움이 될 것입니다.
그런 기능을 스스로 조각해 보지 않은 사람은 아마 찾기 어려울 것이다. 저도 조각했어요 :) '함수'
 
Prival :

예를 들어 ACF를 설명하려고 합니다. 첫 번째 0 1 2 3 4 5와 두 번째 10 11 12 13 14 15라는 두 개의 데이터 배열이 있다고 가정해 보겠습니다. 이러한 배열의 상관 계수(CC)를 계산하면 그러면 = 1, 즉 한 행을 알면 두 번째 행을 정확하게 계산할 수 있습니다. 두 번째 행의 형식이 15 14 13 12 11 10이면 KK는 = -1, 즉 한 행이 증가하면 두 번째 행이 같은 비율로 감소합니다.

ACF(자기상관 함수, 이것은 시간적으로만 이동된 배열의 비교입니다. 원래 데이터가 자신과 정확히 일치하기 때문에 이동 = 0 ACF = 1입니다. 이동이 증가함에 따라 ACF가 변경되기 시작하고 다음 사이에 매달려 있습니다. 1과 1에서 0은 상관관계가 없음을 의미합니다.

따옴표 흐름의 ACF가 항상 =1이라면 Grail은 어떻게 될까요 :-).

사진이 있어서 위에 올렸습니다. 그러나 이것은 단지 1개의 샘플에 대한 것이므로 시간이 지남에 따라 ACF가 변경되어야 한다고 생각합니다(grail는 오래 전에 발견되었을 것이기 때문에 확실히 변경됩니다). 그러나 우리가 그것을 근사하는 함수를 찾고 이 함수의 매개변수를 찾는 것이 남아 있다면, 이것은 이미 중요한 진전이 될 것입니다

ACF 분석은 우리에게 무엇을 제공합니까?

1. 어느 정도 적절한 시계열 모델을 구축합니다.

2. 프로세스가 상관되는 시간을 결정합니다. 곡선의 거동을 예측할 수 있는 시간

3. ACF는 거래 결정에 이르기까지 다양한 방식으로 사용될 수 있습니다. 가장 중요한 것은 ACF를 이해하고 다른 시간대에 어떻게 행동하는지 이해하는 것입니다.


별도의 창에 시계열의 상관도(자기상관 함수)를 표시하는 스크립트를 MQL에 추가하려고 했습니다. 코드는 일련의 첫 번째 차이를 만들고 Nbars 값의 샘플에 대해 평균을 내고 이전 차이와 현재 차이 Open[i]-Open[i+1] (인덱스가 0인 열)과의 상관 계수를 찾습니다. Open[i+1]-Open [i+2] (색인 번호가 1인 열),..., k 번째 차이가 있는 Open[i+k]-Open[i+k+1] (색인 번호가 있는 열 k ) 등, k 는 0에서 n 까지 실행됩니다.

//+----------------------------------------------- --------------------+
//| 팍. mq4 |
//| 저작권 © 2007년, 중성자 |
//+----------------------------------------------- --------------------+
#속성 표시기_분리_창
#속성 표시기_버퍼 1
#property indicator_color1 빨간색
#속성 표시기_너비1 4

extern int Nbars=10000, n=100;
int i, 단계, 시작;
이중 s1,s2,fak[1000],Dif[10000];

정수 시작()
{
시작=Nbars+n;
for (i=시작;i>=0;i--){Dif[i]=열기[i]-열기[i+1];}

(단계=0;단계<=n;단계++){s1=0;s2=0;
for (i=Nbars;i>=0;i--){s1=s1+Dif[i]*Dif[i+step];s2=s2+Dif[i]*Dif[i];}
가짜[단계]=s1/s2;}
}

정수 초기화()
{
SetIndexStyle(0,DRAW_HISTOGRAM);
SetIndexBuffer(0, 가짜);
반환(0);
}

분당 EUR/GBP 쌍은 인접 판독값 사이에 강한 음의 관계를 나타냅니다(인덱스 1 및 값 -0.25의 막대). 정보가 없는 0 열(항상 1과 동일)을 표시하지 않으려면 다음 줄이 필요합니다.

(단계=0;단계<=n;단계++){s1=0;s2=0;

로 교체되다:

(단계=1;단계<=n;단계++){s1=0;s2=0;

자기 상관 계수 r1 과 선택된 TF에 대한 도구의 변동성을 곱하면 Markov 프로세스의 작동에 기반한 TS의 평균 수익성이 제공됩니다. 불행히도 이 값은 DC 커미션을 초과하지 않습니다.