기꺼이 도와드리겠습니다. 그러나 불행히도 저는 책에서 보던 것처럼 공식이 작성된 MathCad만큼 자유롭게 MQL 코드를 읽을 수 없습니다. 나에게 보이는 유일한 것은 (확실하지는 않지만) 회귀 유형 중 하나가 더 명확하게 만드는 데 사용된다는 것입니다.
y(x)=ax+b와 같은 선형 회귀가 있습니다. 계수 a와 b를 다른 방식으로 계산할 수 있고, LSM을 사용할 수도 있고(거기에서는 사용되지 않는 것 같습니다), 재귀를 사용할 수도 있지만 이것을 이해하려면 주기를 명확하게 이해해야 합니다(여기서 I 어디에서 무엇을 위해 무엇을 계산했는지 이미 혼란스러워합니다.) 비선형 회귀가 있을 가능성이 가장 높기 때문에 계산할 때 + 회귀식 자체의 형태가 명확하지 않은 경우()가 있는데, 이러한 계수가 몇 개나 있습니다.
원칙적으로 거의 모든 지표는 디지털 필터로 간주될 수 있으며 동일한 일반 MA는 디지털 필터입니다. 그리고 적응이라는 단어는 일반적으로 입력의 특성에 따라 일부 매개변수(필터 내부의 계수)가 변경되어야 함을 의미합니다. 신호. 따라서 우선 AMA, FRAMA 등을 적응형 디지털 필터(ADF)(평균 매개변수(n)는 입력 프로세스의 분산 추정치에 따라 다름), 웨이블릿이 사용하는 거의 모든 FFT 필터에 귀속합니다. 임계값(디지털 필터 매개변수를 입력 유용한 신호의 스펙트럼과 일치시키려는 시도).
그러나 SATL, FATL은 적응형이 아닙니다. 설계 중 1회 디지털 필터의 계수를 계산하여 필터의 과도 응답을 입력 신호의 스펙트럼(주파수 응답 및 위상 응답)과 일치시킬 수 있었으며 이러한 계수는 작동 중에 변경되지 않습니다. . 이들은 소위 일치 필터입니다. 그러나 DSP에 최적의 필터라고 하는 이상적인 것이 있습니다. 만들기는 어렵지만 가능합니다. 이를 위해서는 유용한 신호와 노이즈의 스펙트럼을 알아야 합니다.
잔해에는 노이즈가 있었지만 가우시안은 없었습니다. 약간의 이상한 소음 +-1 pip 및 다른 것은 없습니다. 2-5 pips에 1 간격을 더한 몇 가지 드문 이상값은 40점이었습니다(특히 좋은 간격이 있는 주를 찾고 있음).
나와 Mathemat 및 다른 누군가는 이 소음을 진드기에서 보았습니다. 또한, 틱은 +-1 핍이 연속보다 역방향으로 움직일 확률이 더 높다는 것을 보여줍니다. 불행히도 이 패턴은 스프레드 내부에 있습니다. 그리고 네, 그녀는 키가 작습니다.
하지만 가공 후 등장했다는 사실이 흥미롭다.
당신은 수익률을 분석했고, 나는 당신이 게시한 모든 것을 보았습니다. 여러 번 다시 읽으십시오. 나는 다르게 했다. 나는 그 주의 모든 틱을 취하고 추세 y(x)=a*x+b를 삭제했습니다. 나는 유적에서 진동하는 과정을 찾고 있었다. ACF를 계산합니다. 그리고 Kalman의 도움으로 그는이 진동을 제거하고 거의 유사한 것으로 판명 될 때까지 반환했습니다 (실제로 일어났습니다). 나는 프로세스의 모든 구성 요소를 찾고 있었고 모델의 차원을 대략적으로 추정하고 싶었습니다(일주일에 얼마나 많은 중요한 변동이 있는지)
노이즈 측정에 대해 이야기할 때 측정된 양의 실제 값에서 측정 데이터의 무작위 편차를 의미합니다. 예를 들어, 레이더(전문가용 :-))는 105의 범위 값을 제공했고 실제 값은 100이었고 다음 측정에서는 101 대신 99 등이었습니다. 오차 분포는 일반적으로 정상입니다. 예를 들어 가격이 도착하면 1.2567이 실제 값이고 오류는 0입니다! 어떤 소음에 대해 이야기하고 있습니까?
그리고 실제로 '가격의 진정한 가치'라는 개념으로 운영이 불가능한 이유는 무엇입니까? 동의합니다. 레이더 범위의 실제 값만큼 우리가 접근할 수 없습니다. :) 또한 차이가 실제로 발생합니다. "레이더"는 반드시 범위의 실제 값을 "적중"해야 하며 우리는 가격의 측정 값을 "적중"하는 것으로 충분합니다. 그러나 우리는 가격의 실제 가치가 측정된 것보다 예측에 더 적합하다는 가설을 제시할 수 있으며, 이 가설은 명시적이든 암묵적이든 다른 모든 MTS의 기초가 되는 다른 모든 것보다 나쁘지 않습니다.
노이즈 측정에 대해 이야기할 때 측정된 양의 실제 값에서 측정 데이터의 무작위 편차를 의미합니다. 예를 들어, 레이더(전문가용 :-))는 105의 범위 값을 제공했고 실제 값은 100이었고 다음 측정에서는 101 대신 99 등이었습니다. 오차 분포는 일반적으로 정상입니다. 예를 들어 가격이 도착하면 1.2567이 실제 값이고 오류는 0입니다! 어떤 소음에 대해 이야기하고 있습니까?
그리고 실제로 '가격의 진정한 가치'라는 개념으로 운영이 불가능한 이유는 무엇입니까? 동의합니다. 레이더 범위의 실제 값만큼 우리가 접근할 수 없습니다. :) 또한 차이가 실제로 발생합니다. "레이더"는 반드시 범위의 실제 값을 "적중"해야 하며 우리는 가격의 측정 값을 "적중"하는 것으로 충분합니다. 그러나 우리는 가격의 실제 가치가 측정된 것보다 예측에 더 적합하다는 가설을 제시할 수 있으며, 이 가설은 명시적이든 암묵적이든 다른 모든 MTS의 기초가 되는 다른 모든 것보다 나쁘지 않습니다.
그리고 무언가를 예측하기 전에 가능한 한 정확하게 지금 측정하려고 노력해야 합니다. 예측 오류는 측정 오류와 직접적인 관련이 있습니다. 이 때문에 측정 지점에서 시간적으로 예측이 멀수록 더 나빠집니다(덜 정확합니다).
또한 "1.2567은 참값이고 오류는 0입니다." 이것은 그럴 수 없습니다. 이것은 아무도 모르는 그 "진정한" 값의 측정입니다. 이 진술은 이 특정 DC가 실제 가격을 알고 있다는 사실과 같습니다. 그리고 이 DC의 데이터를 사용하지 않는 다른 모든 Forex 참가자는 다르게 생각할 수 있습니다. 이때 Deutsche Bank가 1.2566이라고 생각한다고 가정해 봅시다. 그리고 누가 옳습니까? 진실은 어디에 있습니까?
Prival , 진실은 당신이 일하는 곳입니다. DC에 1.2567의 견적이 있지만 1.2566(Deutsche에서)의 견적이 없으면 신뢰 구간이 도움이 되지 않습니다.
당신의 현실은 DC에 의해 심각하게 제한됩니다. 1.2567에서만 개장할 수 있습니다. 이 견적이 선호하는 신뢰 구간 을 벗어나더라도 100개의 서로 다른 DC에서 수집한 데이터로 세심하게 구축됩니다. 그리고 이것이 아웃레이어라는 이유로 DC에 어떠한 클레임도 제기할 수 없습니다. 그는 당신을 위해 게임의 규칙을 설정합니다.
1.2567은 정확한 측정값이며 절대적으로 실제와 같습니다(이 가격에 열 수 있기 때문에).
Prival , 진실은 당신이 일하는 곳입니다. DC에 1.2567의 견적이 있지만 1.2566(Deutsche에서)의 견적이 없으면 신뢰 구간이 도움이 되지 않습니다.
당신의 현실은 DC에 의해 심각하게 제한됩니다. 1.2567에서만 열 수 있습니다. 이 견적이 100개의 서로 다른 DC의 데이터에서 세심하게 구축된 선호하는 신뢰 구간을 벗어난 경우에도 마찬가지입니다. 그리고 이것이 아웃레이어라는 이유로 DC에 어떠한 클레임도 제기할 수 없습니다. 그는 당신을 위해 게임의 규칙을 설정합니다.
1.2567은 정확한 측정값이며 절대적으로 실제와 같습니다(이 가격에 열 수 있기 때문에).
제가 설명을 잘못한건지 모르겠네요. 지금은 1.2567의 가격으로 주어진 시간에 오픈할 수 있다는 사실에 절대적으로 동의합니다. 그러나 IHMO 예측의 경우 이 숫자만 사용하고 + 이것이 사실이고 정확하며 넌센스라고 가정합니다.
기꺼이 도와드리겠습니다. 그러나 불행히도 저는 책에서 보던 것처럼 공식이 작성된 MathCad만큼 자유롭게 MQL 코드를 읽을 수 없습니다. 나에게 보이는 유일한 것은 (확실하지는 않지만) 회귀 유형 중 하나가 더 명확하게 만드는 데 사용된다는 것입니다.
y(x)=ax+b와 같은 선형 회귀가 있습니다. 계수 a와 b를 다른 방식으로 계산할 수 있고, LSM을 사용할 수도 있고(거기에서는 사용되지 않는 것 같습니다), 재귀를 사용할 수도 있지만 이것을 이해하려면 주기를 명확하게 이해해야 합니다(여기서 I 어디에서 무엇을 위해 무엇을 계산했는지 이미 혼란스러워합니다.) 비선형 회귀가 있을 가능성이 가장 높기 때문에 계산할 때 + 회귀식 자체의 형태가 명확하지 않은 경우()가 있는데, 이러한 계수가 몇 개나 있습니다.
원칙적으로 거의 모든 지표는 디지털 필터로 간주될 수 있으며 동일한 일반 MA는 디지털 필터입니다. 그리고 적응이라는 단어는 일반적으로 입력의 특성에 따라 일부 매개변수(필터 내부의 계수)가 변경되어야 함을 의미합니다. 신호. 따라서 우선 AMA, FRAMA 등을 적응형 디지털 필터(ADF)(평균 매개변수(n)는 입력 프로세스의 분산 추정치에 따라 다름), 웨이블릿이 사용하는 거의 모든 FFT 필터에 귀속합니다. 임계값(디지털 필터 매개변수를 입력 유용한 신호의 스펙트럼과 일치시키려는 시도).
그러나 SATL, FATL은 적응형이 아닙니다. 설계 중 1회 디지털 필터의 계수를 계산하여 필터의 과도 응답을 입력 신호의 스펙트럼(주파수 응답 및 위상 응답)과 일치시킬 수 있었으며 이러한 계수는 작동 중에 변경되지 않습니다. . 이들은 소위 일치 필터입니다. 그러나 DSP에 최적의 필터라고 하는 이상적인 것이 있습니다. 만들기는 어렵지만 가능합니다. 이를 위해서는 유용한 신호와 노이즈의 스펙트럼을 알아야 합니다.
도움이 되었는지 헷갈렸는지 모르겠습니다 :-) 하지만 어쨌든 행운을 빕니다.
나와 Mathemat 및 다른 누군가는 이 소음을 진드기에서 보았습니다. 또한, 틱은 +-1 핍이 연속보다 역방향으로 움직일 확률이 더 높다는 것을 보여줍니다. 불행히도 이 패턴은 스프레드 내부에 있습니다. 그리고 네, 그녀는 키가 작습니다.
하지만 가공 후 등장했다는 사실이 흥미롭다.
따라서 깊은 하락 추세의 결과로 핍이 표시되므로 수익이 있어야 합니다.
노이즈 측정에 대해 이야기할 때 측정된 양의 실제 값에서 측정 데이터의 무작위 편차를 의미합니다. 예를 들어, 레이더(전문가용 :-))는 105의 범위 값을 제공했고 실제 값은 100이었고 다음 측정에서는 101 대신 99 등이었습니다. 오차 분포는 일반적으로 정상입니다. 예를 들어 가격이 도착하면 1.2567이 실제 값이고 오류는 0입니다! 어떤 소음에 대해 이야기하고 있습니까?
그리고 실제로 '가격의 진정한 가치'라는 개념으로 운영이 불가능한 이유는 무엇입니까? 동의합니다. 레이더 범위의 실제 값만큼 우리가 접근할 수 없습니다. :) 또한 차이가 실제로 발생합니다. "레이더"는 반드시 범위의 실제 값을 "적중"해야 하며 우리는 가격의 측정 값을 "적중"하는 것으로 충분합니다. 그러나 우리는 가격의 실제 가치가 측정된 것보다 예측에 더 적합하다는 가설을 제시할 수 있으며, 이 가설은 명시적이든 암묵적이든 다른 모든 MTS의 기초가 되는 다른 모든 것보다 나쁘지 않습니다.
나는 내 자신을 조금 표현하지 않았다. 수익률이 이산 시리즈 +-1 pip이면 더 정확하게 필터 출력이 추정치를 제공합니다. 결과는 핍의 일부입니다.
노이즈 측정에 대해 이야기할 때 측정된 양의 실제 값에서 측정 데이터의 무작위 편차를 의미합니다. 예를 들어, 레이더(전문가용 :-))는 105의 범위 값을 제공했고 실제 값은 100이었고 다음 측정에서는 101 대신 99 등이었습니다. 오차 분포는 일반적으로 정상입니다. 예를 들어 가격이 도착하면 1.2567이 실제 값이고 오류는 0입니다! 어떤 소음에 대해 이야기하고 있습니까?
그리고 실제로 '가격의 진정한 가치'라는 개념으로 운영이 불가능한 이유는 무엇입니까? 동의합니다. 레이더 범위의 실제 값만큼 우리가 접근할 수 없습니다. :) 또한 차이가 실제로 발생합니다. "레이더"는 반드시 범위의 실제 값을 "적중"해야 하며 우리는 가격의 측정 값을 "적중"하는 것으로 충분합니다. 그러나 우리는 가격의 실제 가치가 측정된 것보다 예측에 더 적합하다는 가설을 제시할 수 있으며, 이 가설은 명시적이든 암묵적이든 다른 모든 MTS의 기초가 되는 다른 모든 것보다 나쁘지 않습니다.
네, 이것은 가설이 아니라 사실입니다. "진정한 값"을 예측해야합니다. 측정을 예측하면 결과를 여기 '틱 피커'에 사진으로 게시했습니다. 최적화. DDE에서 VB로(VBA)' .
그리고 무언가를 예측하기 전에 가능한 한 정확하게 지금 측정하려고 노력해야 합니다. 예측 오류는 측정 오류와 직접적인 관련이 있습니다. 이 때문에 측정 지점에서 시간적으로 예측이 멀수록 더 나빠집니다(덜 정확합니다).
또한 "1.2567은 참값이고 오류는 0입니다." 이것은 그럴 수 없습니다. 이것은 아무도 모르는 그 "진정한" 값의 측정입니다. 이 진술은 이 특정 DC가 실제 가격을 알고 있다는 사실과 같습니다. 그리고 이 DC의 데이터를 사용하지 않는 다른 모든 Forex 참가자는 다르게 생각할 수 있습니다. 이때 Deutsche Bank가 1.2566이라고 생각한다고 가정해 봅시다. 그리고 누가 옳습니까? 진실은 어디에 있습니까?
Prival , 진실은 당신이 일하는 곳입니다. DC에 1.2567의 견적이 있지만 1.2566(Deutsche에서)의 견적이 없으면 신뢰 구간이 도움이 되지 않습니다.
당신의 현실은 DC에 의해 심각하게 제한됩니다. 1.2567에서만 개장할 수 있습니다. 이 견적이 선호하는 신뢰 구간 을 벗어나더라도 100개의 서로 다른 DC에서 수집한 데이터로 세심하게 구축됩니다. 그리고 이것이 아웃레이어라는 이유로 DC에 어떠한 클레임도 제기할 수 없습니다. 그는 당신을 위해 게임의 규칙을 설정합니다.
1.2567은 정확한 측정값이며 절대적으로 실제와 같습니다(이 가격에 열 수 있기 때문에).
Prival , 진실은 당신이 일하는 곳입니다. DC에 1.2567의 견적이 있지만 1.2566(Deutsche에서)의 견적이 없으면 신뢰 구간이 도움이 되지 않습니다.
당신의 현실은 DC에 의해 심각하게 제한됩니다. 1.2567에서만 열 수 있습니다. 이 견적이 100개의 서로 다른 DC의 데이터에서 세심하게 구축된 선호하는 신뢰 구간을 벗어난 경우에도 마찬가지입니다. 그리고 이것이 아웃레이어라는 이유로 DC에 어떠한 클레임도 제기할 수 없습니다. 그는 당신을 위해 게임의 규칙을 설정합니다.
1.2567은 정확한 측정값이며 절대적으로 실제와 같습니다(이 가격에 열 수 있기 때문에).
제가 설명을 잘못한건지 모르겠네요. 지금은 1.2567의 가격으로 주어진 시간에 오픈할 수 있다는 사실에 절대적으로 동의합니다. 그러나 IHMO 예측의 경우 이 숫자만 사용하고 + 이것이 사실이고 정확하며 넌센스라고 가정합니다.
그러나 IHMO 예측의 경우 이 숫자만 사용하고 + 이것이 사실이고 정확하며 넌센스라고 가정합니다.
나는 여전히 나를 괴롭히는 것이 무엇인지 이해할 수 없었습니다. 이 제안이 밝혀졌습니다. 발생한 사건의 확률은 1 과 같지 않을 수 있습니다. 물론, 그것은 모두 관점에 달려 있습니다.