방법 A: IntegralCalc에서 방법 B: Microsoft에서 제공(여기서 x(오버바) 및 y(오버바)는 평균임)
n차에 대한 다항식 회귀 추세선 공식도 비교적 쉽게 적용할 수 있습니다.
주어진 공식: y = m1*x1 + m2*x2 + m3*x3 + ... + b
여기서 변수 x, y, m 및 b는 선형 방정식에서 설명한 것과 동일한 정의를 나타냅니다.
나는 모든 것을 가진 것 같은데, 무엇이 부족합니까?
누락된 것은 다항식 회귀에 대한 m(기울기) 및 b(Y 절편)에 대한 계산입니다. 이러한 값을 계산하기 위한 선형 방정식은 다항식 회귀에 적용되지 않습니다. 내가 배운 바에 따르면 다항식 회귀에는 행렬을 사용하는 다항식 방정식 시스템을 기반으로 최소 제곱을 계산하는 공식이 필요합니다. 위의 예시 그래프를 보십시오. 첫 번째 그래프에서 poly(6) 라인은 절대적으로 깨끗합니다. 상단과 하단이 명확하게 표시됩니다. 이 데이터를 사용하면 궁극적으로 거래당 평균 핍을 2배, 잠재적으로 3배로 늘릴 수 있습니다.
두 번째 그래프에서는 가우스 행렬을 사용하여 기울기 계수를 해결하는 poly(6) 대 i-regr 방법의 결과를 보여줍니다. 말할 필요도 없이, 방법. 반면에 단순 이동 평균은 훨씬 더 나쁩니다. SMA는 내 EA의 과잉 반응을 유발할 수 있는 중간 시장 조정 중에 너무 민감합니다.
나는 진정한 다항식 회귀 지표를 개발하기 위해 누군가에게 기꺼이 돈을 지불할 용의가 있습니다. 그러나 결과는 절대적으로 Excel이 생성하는 결과를 반영해야 합니다. LINEST() 함수는 계수를 계산하기 위해 부두를 많이 사용하는 블랙박스입니다. 간단히 말해서, 나는 이 부두교를 이해해야 합니다.
업데이트: Excel에서 구현한 방법을 보여주는 파일을 첨부했습니다.
나는 얼마 전에 선형 회귀를 코딩했습니다. 여기 내 코드에 대한 링크가 있습니다. 선형 회귀 100% 정확하다고 보장할 수는 없지만 일부 수정한 계산에서 0 x 인덱스를 사용하는 것과 관련된 문제를 식별한 것 같습니다. 시간 후.
나는 그것의 움직이는 버전도 코딩했는데, 움직이는 버전은 각 막대에서 선형 회귀선의 마지막 좌표만 그리기 때문에 평활한 이동 평균과 유사한 포물선을 만듭니다.
나는 당신의 라인에 2도 폴리 노멀을 사용하는 방법을 배우려고 노력했습니다. 저는 우리가 2차로 할 수 있다면 6차로 확장할 수 있다고 생각했습니다.
rocketman99 : 회귀는 곡선에 적합하며 누군가가 회귀를 다시 칠한다고 이미 지적한 것처럼 기억하십시오. 순수 곡선 피팅의 예측 값이 무엇인지 잘 모르겠습니다. 내 자신의 실험에서 예측 값은 그다지 좋지 않았습니다.
로켓맨,
회귀 모델 이 역사적 추세를 다시 그리는 경향이 있고 그다지 신뢰할 수 없다는 점에서 부분적으로 동의합니다. 이것은 분명히 i-regr 표시기의 경우입니다. 나는 이 표시기가 지난 며칠 동안 실시간으로 수행되는 것을 지켜보았고 이 표시기가 다음 세 가지 이유로 가치가 없다고 솔직히 말할 수 있습니다. 1) 단기 수정에 과도하게 민감합니다. 2) 지표가 롱 포지션의 하한 진입점 또는 숏 포지션의 상한선을 칠할 때까지의 심각한 대기 시간(e-regr EA 사용), 시장은 진입점을 훨씬 넘어 이동했으며 대부분의 경우 , 는 시장 추세와 반대이며 3) 관찰만으로 시장이 상승할 때 지표는 아래를 가리키고 있었고 그 반대도 마찬가지이므로 방향성 추세 지표로 사용하는 것은 기껏해야 50% 신뢰할 수 있습니다.
지난 주 USDJPY는 102.35-102.50 영역 주위를 맴돌았고, i-regr은 하락하는 시장 추세를 보여주었고(아래로 곡선을 그리며 하락하고 있음), e-regr은 매도를 발행했고, 지표는 롱으로 이동한 후 불과 5기간 후에 USDJPY가 104.20으로 상승하는 동안 항상 긴 것처럼 다시 칠했습니다.
재페인트 유형 표시기는 가치가 없고 신뢰할 수 없다는 점을 뒷받침하기 위해 사용 가능한 MQL4 라이브러리에서 작업한 것을 감안할 때 이러한 표시기로 작업한 사람들이 표현한 좌절감을 이해합니다. 우리가 가진 것을 감안할 때 아무 것도 작동하지 않습니다. 즉, 아직 6차까지 계산하는 신뢰할 수 있는 다항식 회귀 지표를 보지 못했습니다. 또한 일단 신뢰할 수 있는 다항식 회귀가 있으면 결과가 훌륭할 것이라고 확신합니다.
회귀 모델이 역사적 추세를 다시 그리는 경향이 있고 그다지 신뢰할 수 없다는 점에서 부분적으로 동의합니다. 이것은 분명히 i-regr 표시기의 경우입니다. 나는 이 표시기가 지난 며칠 동안 실시간으로 수행되는 것을 지켜보았고 이 표시기가 다음 세 가지 이유로 가치가 없다고 솔직히 말할 수 있습니다. 1) 단기 수정에 과도하게 민감합니다. 2) 지표가 롱 포지션의 하한 진입점 또는 숏 포지션의 상한선을 칠할 때까지의 심각한 대기 시간(e-regr EA 사용), 시장은 진입점을 훨씬 넘어 이동했으며 대부분의 경우 , 는 시장 추세와 반대이며 3) 관찰만으로 시장이 상승할 때 지표는 아래를 가리키고 있었고 그 반대도 마찬가지이므로 방향성 추세 지표로 사용하는 것은 기껏해야 50% 신뢰할 수 있습니다.
지난 주 USDJPY는 102.35-102.50 영역 주위를 맴돌았고, i-regr은 하락하는 시장 추세를 보여주었고(아래로 곡선을 그리며 하락하고 있음), e-regr은 매도를 발행했고, 지표는 롱으로 이동한 후 불과 5기간 후에 USDJPY가 104.20으로 상승하는 동안 항상 긴 것처럼 다시 칠했습니다.
재페인트 유형 표시기는 가치가 없고 신뢰할 수 없다는 점을 뒷받침하기 위해 사용 가능한 MQL4 라이브러리에서 작업한 것을 감안할 때 이러한 표시기로 작업한 사람들이 표현한 좌절감을 이해합니다. 우리가 가진 것을 감안할 때 아무 것도 작동하지 않습니다. 즉, 아직 6차까지 계산하는 신뢰할 수 있는 다항식 회귀 지표를 보지 못했습니다. 또한 일단 신뢰할 수 있는 다항식 회귀가 있으면 결과가 훌륭할 것이라고 확신합니다.
나는 수학자는 아니지만 어떤 형태의 회귀에 대한 나의 경험은 그다지 좋지 않았습니다. 당신이 언급했듯이 궁극적으로 더 나은 통계적 곡선 적합을 초래할 수 있는 회귀를 수행하는 많은 방법이 있습니다. 그러나 문제는 예측력에 대한 것입니다.
P6(6차 다항식) 회귀를 푸는 것은 이산 수치 함수에 대해 6개의 변수가 있는 6개의 방정식 시스템을 푸는 것입니다. 아마도 간단하지는 않지만 불가능한 것은 아닙니다.
i_regr.mq4에서 정확히 어떤 방법이 사용되는지 나중에 볼 수 있습니다.
모든 형태의 회귀에 대한 내 경험은 그다지 좋지 않았습니다.
동의해야 합니다. 이것이 제 첫 번째 의견의 요지였습니다. 왜냐하면 ... 우리는 무엇을 하고 있습니까? 이 경우 무작위 곡선의 일부(실제 PA(Price Action))를 P6에 맞추었습니다. 그리고 나서 PA의 다음 점이 이 곡선의 연속으로 작용할 것으로 예상합니까?
좋아요, Dennis가 이 곡선을 PA의 작은 대기 시간 변환 함수로 사용하고 있는 것 같습니다. 이것은 어느 정도 의미가 있습니다. 그러나 이것이 얼마나 좋을 수 있습니까? 이것은 노이즈 필터링 때문에 더 높은 TF에서 수행되어야 하며 PA가 이러한 유형의 거래 전략의 문제인 범위에 들어갈 때 손실을 피할 수 없을 것이라고 생각합니다.
이 지표는 세 가지 이유로 가치를 제공하지 않습니다. 1) 단기 수정에 과민하고 2) 지표가 롱 포지션에 대한 하한 진입점을 칠할 때까지의 심각한 대기 시간(e-regr EA 사용) 또는 상한 공매도 포지션의 경우 시장이 진입점을 훨씬 넘어섰고 대부분의 경우 시장 추세와 반대이며 3) 관찰만 해도 시장이 상승할 때 지표가 하락하고 그 반대의 경우도 마찬가지입니다. 방향성 추세 지표로 사용하면 기껏해야 50% 신뢰할 수 있습니다.
글쎄, i-regr은 그렇게 나쁘게 작동하지 않습니다. 작동하는 모습을 보려면 e- regr.mq4 의 비주얼 모드 백테스트를 사용하고 테스트 창에 표시기를 놓으면 됩니다. 일종의 빠른 회귀 또는 보간법을 사용하는 것 같지만 결과는 그리 나쁘지 않습니다. PA를 따라 곡선에 적응합니다.
당신의 포인트: 1) 모든 지표가 있습니다. 이것은 일반적으로 다른 유형의 지표를 필터로 추가하거나 더 높은 TF를 추가하면 해결됩니다. 2) 커브 피팅이 향상되면 대기 시간이 향상됩니다. 그러나 주요 문제는 대기 시간이 아니라 e-regr 입력 기준입니다. 일정한 크기 채널의 에지에서 트리거링하는 카운터 트랜드? 추세 변화에 대한 적절한 회복 없이? 진정한 돈 관리 없이? 말도 안 되는. 내 주요 아이디어는 회귀 곡선 방향의 변경에 대한 진입/퇴장이지만 완전한 다시 그리기 표시기가 이에 대해 어떻게 좋을지 아직 확실하지 않습니다.
어쨌든, 나는 당신이 진입 / 퇴장에 대한 결정 계수 가 다른 두 회귀 곡선의 교차점을 사용하고 있다는 인상을 받았습니다.
예, Graziani가 mql4에서 무엇이든 코딩할 수 있다고 말했듯이, 모든 것은 이 수학을 구현하는 방법을 얼마나 잘 이해하고 있는지에 달려 있습니다.
다시 칠하는 것과 관련하여 문제가 되지는 않습니다. 우리가 관심을 갖는 유일한 막대는 현재 가격 거래 막대인 제로 막대입니다. 내가 이것을 코딩하는 방법(수학을 알아낼 수 있다고 가정)은 방정식이 마지막 n개 막대의 가격에 대해 수행되고 0 막대에 대한 결과 값이 그려지고 모든 이전 막대의 선이 남습니다. 이전 계산에서 어떻게 되었는지. 첫째, 제로 막대에서만 거래할 수 있고 두 번째로 라이브 가격 막대였을 때 각 막대에 라인이 적용된 실제 이력을 보여줄 때 차트 기록에 전체 라인을 다시 맞출 필요가 없습니다.
" 다항식 회귀에서 X 변수(X, X 2 , X 3 …)의 다른 거듭제곱이 방정식에 추가되어 r 2 가 크게 증가하는지 확인합니다. 먼저 선형 회귀가 수행되어 Y 형식의 방정식에 적합합니다. =a+bX를 데이터에 대입합니다. 그런 다음 포물선을 생성하는 Y=a+b1X+b2X 2 형식의 방정식이 데이터에 적합합니다. r 2 는 고차 항을 추가하면 항상 증가하지만 문제는 r 2 의 증가가 우연으로 인해 예상보다 훨씬 더 큰지 여부입니다. 다음으로 S자형 선을 생성하는 Y=a+b1X+b2X 2 +b3X 3 형식의 방정식이 적합하고 증가합니다. r 2 에서 테스트됩니다. 이것은 다른 항을 추가해도 r 2 가 크게 증가하지 않을 때까지 계속될 수 있습니다.
이것이 우리가 그것을 코딩하기 위해 알아야 할 전부일 수 있습니다. 작성자가 y=ax 2 +bx+c 대신 y=a+b1X+b2X 2 를 어떻게 쓰는지 주목하세요. 그것이 나를 버리고 있었던 것입니다. 나는 c가 완전히 다른 계수를 가져야한다고 생각했습니다. 이 기사에서 알 수 있듯이 y=ax 6 +bx 5 +cx 4 +dx 3 +ex 2 +fx+g의 계수 c,d,e,f,g는 선형 회귀에서 이미 알고 있는 b와 직접적으로 관련되어 있습니다. , 는 기울기입니다.
나는 그것이 정말로 그렇게 간단하다는 것을 믿기 어렵다고 말했는데 ? 실제로 y=a+b1X+b2X 2+b3X 3+b4X 4+b5X 5+b6X 6 으로 작성할 수 있다면 왜 그들은 a,b,c,d,e,f,g, 계수를 작성할까요? 또한 Dennis가 말했듯이 다른 기사에서는 선형 회귀가 다중 회귀에 적용되지 않는 것처럼 기울기 절편을 제안하는 것 같습니다. 때때로 나는 그들이 진행하면서 이 물건을 만들지 않는지 궁금합니다.
그 외에도 기사는 r 2 를 사용하여 선이 데이터 곡선에 얼마나 잘 맞는지 측정할 수 있음을 암시하는 것으로 보입니다.
r 2 가 분산과 관련이 있다고 생각합니까? r 2 가 무엇인지 확실히 말할 수 있는 사람이 있습니까?
안녕하세요 dennisj2님,
당신은 당신의 공식이 정말로 필요하다고 확신합니까?
Kalman, Ehlers, Gauss, Jurik(JMA), DEMA와 같은 다른 필터를 먼저 검색해 보십시오. 그들 중 대부분은 저역 통과(물리적) 주파수 필터에서 파생되었으며 대부분은 mt4 코드로 이동했습니다.
더 긴 기간 세트가 있는 JMA(많은 변형이 있음)가 원하는 것을 수행할 수 있습니까?
내가 조사할 수 있는 링크가 있습니까?
SDC - 당신은 이제 나와 같은 수준에 있습니다 - 내가 찾은 선형 회귀 공식이 작동합니다 - 그리고 동일한 결과를 생성하는 두 개의 분명히 다른 공식이 있습니다. 이 공식은 선형 회귀(직선 추세선)가 우리가 추구했던 것이라면 훌륭합니다.
먼저 참고 자료:
마이크로소프트: http://office.microsoft.com/en-us/excel-help/linest-HP005209155.aspx
IntegralCalc:https://www.youtube.com/watch?v=1pawL_5QYxE&noredirect=1
선형 회귀 방정식 y = mx + b가 주어지면:
여기서 y = 가격(예: 마감[x])
x = 인덱스(예: Bar[x])
m = 기울기(각 (x,y) 쌍에 적용된 계수)
b = Y 절편(각 (x,y) 쌍에 적용된 Y 절편의 기본 값)
방법 A: IntegralCalc에서 방법 B: Microsoft에서 제공(여기서 x(오버바) 및 y(오버바)는 평균임)
n차에 대한 다항식 회귀 추세선 공식도 비교적 쉽게 적용할 수 있습니다.
주어진 공식: y = m1*x1 + m2*x2 + m3*x3 + ... + b
여기서 변수 x, y, m 및 b는 선형 방정식에서 설명한 것과 동일한 정의를 나타냅니다.
나는 모든 것을 가진 것 같은데, 무엇이 부족합니까?
누락된 것은 다항식 회귀에 대한 m(기울기) 및 b(Y 절편)에 대한 계산입니다. 이러한 값을 계산하기 위한 선형 방정식은 다항식 회귀에 적용되지 않습니다. 내가 배운 바에 따르면 다항식 회귀에는 행렬을 사용하는 다항식 방정식 시스템을 기반으로 최소 제곱을 계산하는 공식이 필요합니다. 위의 예시 그래프를 보십시오. 첫 번째 그래프에서 poly(6) 라인은 절대적으로 깨끗합니다. 상단과 하단이 명확하게 표시됩니다. 이 데이터를 사용하면 궁극적으로 거래당 평균 핍을 2배, 잠재적으로 3배로 늘릴 수 있습니다.
두 번째 그래프에서는 가우스 행렬을 사용하여 기울기 계수를 해결하는 poly(6) 대 i-regr 방법의 결과를 보여줍니다. 말할 필요도 없이, 방법. 반면에 단순 이동 평균은 훨씬 더 나쁩니다. SMA는 내 EA의 과잉 반응을 유발할 수 있는 중간 시장 조정 중에 너무 민감합니다.
나는 진정한 다항식 회귀 지표를 개발하기 위해 누군가에게 기꺼이 돈을 지불할 용의가 있습니다. 그러나 결과는 절대적으로 Excel이 생성하는 결과를 반영해야 합니다. LINEST() 함수는 계수를 계산하기 위해 부두를 많이 사용하는 블랙박스입니다. 간단히 말해서, 나는 이 부두교를 이해해야 합니다.
업데이트: Excel에서 구현한 방법을 보여주는 파일을 첨부했습니다.
나는 얼마 전에 선형 회귀를 코딩했습니다. 여기 내 코드에 대한 링크가 있습니다. 선형 회귀 100% 정확하다고 보장할 수는 없지만 일부 수정한 계산에서 0 x 인덱스를 사용하는 것과 관련된 문제를 식별한 것 같습니다. 시간 후.
나는 그것의 움직이는 버전도 코딩했는데, 움직이는 버전은 각 막대에서 선형 회귀선의 마지막 좌표만 그리기 때문에 평활한 이동 평균과 유사한 포물선을 만듭니다.
나는 당신의 라인에 2도 폴리 노멀을 사용하는 방법을 배우려고 노력했습니다. 저는 우리가 2차로 할 수 있다면 6차로 확장할 수 있다고 생각했습니다.
나는 당신의 링크를 읽고 내가 뭔가를 배울 수 있는지 볼 것입니다,
나는 잠시 동안 선형 회귀를 코딩했습니다. 여기 내 코드에 대한 링크가 있습니다. 선형 회귀 100% 정확하다고 보장할 수는 없지만 일부 수정한 계산에서 0 x 인덱스를 사용하는 것과 관련된 문제를 식별한 것 같습니다. 시간 후.
나는 그것의 움직이는 버전도 코딩했는데, 움직이는 버전은 각 막대에서 선형 회귀의 마지막 좌표만 그리기 때문에 평활한 이동 평균과 유사한 포물선을 만듭니다.
나는 당신의 라인에 2도 폴리 노멀을 사용하는 방법을 배우려고 노력해 왔습니다. 저는 우리가 2차로 할 수 있다면 6차로 확장할 수 있다고 생각했습니다.
나는 당신의 링크를 읽고 내가 뭔가를 배울 수 있는지 볼 것입니다,
SDC: 동의합니다. 2차로는 충분하지 않을 수 있지만 3차식은 더 높은 수준으로 확장하기에 충분할 수 있다고 믿는 경향이 있습니다.
내가 조사할 수 있는 링크가 있습니까?
그리고 이름 중 하나..
(저역 통과) 필터를 추가할 수 있습니다.
일부는 mt4 코드 기반에 있으며 일부는 외부 링크를 게시하지 않아야 합니다.
회귀는 곡선에 적합하며 누군가가 회귀를 다시 칠한다고 이미 지적한 것처럼 기억하십시오. 순수 곡선 피팅의 예측 값이 무엇인지 잘 모르겠습니다. 내 자신의 실험에서 예측 값은 그다지 좋지 않았습니다.
로켓맨,
회귀 모델 이 역사적 추세를 다시 그리는 경향이 있고 그다지 신뢰할 수 없다는 점에서 부분적으로 동의합니다. 이것은 분명히 i-regr 표시기의 경우입니다. 나는 이 표시기가 지난 며칠 동안 실시간으로 수행되는 것을 지켜보았고 이 표시기가 다음 세 가지 이유로 가치가 없다고 솔직히 말할 수 있습니다. 1) 단기 수정에 과도하게 민감합니다. 2) 지표가 롱 포지션의 하한 진입점 또는 숏 포지션의 상한선을 칠할 때까지의 심각한 대기 시간(e-regr EA 사용), 시장은 진입점을 훨씬 넘어 이동했으며 대부분의 경우 , 는 시장 추세와 반대이며 3) 관찰만으로 시장이 상승할 때 지표는 아래를 가리키고 있었고 그 반대도 마찬가지이므로 방향성 추세 지표로 사용하는 것은 기껏해야 50% 신뢰할 수 있습니다.
지난 주 USDJPY는 102.35-102.50 영역 주위를 맴돌았고, i-regr은 하락하는 시장 추세를 보여주었고(아래로 곡선을 그리며 하락하고 있음), e-regr은 매도를 발행했고, 지표는 롱으로 이동한 후 불과 5기간 후에 USDJPY가 104.20으로 상승하는 동안 항상 긴 것처럼 다시 칠했습니다.
재페인트 유형 표시기는 가치가 없고 신뢰할 수 없다는 점을 뒷받침하기 위해 사용 가능한 MQL4 라이브러리에서 작업한 것을 감안할 때 이러한 표시기로 작업한 사람들이 표현한 좌절감을 이해합니다. 우리가 가진 것을 감안할 때 아무 것도 작동하지 않습니다. 즉, 아직 6차까지 계산하는 신뢰할 수 있는 다항식 회귀 지표를 보지 못했습니다. 또한 일단 신뢰할 수 있는 다항식 회귀가 있으면 결과가 훌륭할 것이라고 확신합니다.
로켓맨,
회귀 모델이 역사적 추세를 다시 그리는 경향이 있고 그다지 신뢰할 수 없다는 점에서 부분적으로 동의합니다. 이것은 분명히 i-regr 표시기의 경우입니다. 나는 이 표시기가 지난 며칠 동안 실시간으로 수행되는 것을 지켜보았고 이 표시기가 다음 세 가지 이유로 가치가 없다고 솔직히 말할 수 있습니다. 1) 단기 수정에 과도하게 민감합니다. 2) 지표가 롱 포지션의 하한 진입점 또는 숏 포지션의 상한선을 칠할 때까지의 심각한 대기 시간(e-regr EA 사용), 시장은 진입점을 훨씬 넘어 이동했으며 대부분의 경우 , 는 시장 추세와 반대이며 3) 관찰만으로 시장이 상승할 때 지표는 아래를 가리키고 있었고 그 반대도 마찬가지이므로 방향성 추세 지표로 사용하는 것은 기껏해야 50% 신뢰할 수 있습니다.
지난 주 USDJPY는 102.35-102.50 영역 주위를 맴돌았고, i-regr은 하락하는 시장 추세를 보여주었고(아래로 곡선을 그리며 하락하고 있음), e-regr은 매도를 발행했고, 지표는 롱으로 이동한 후 불과 5기간 후에 USDJPY가 104.20으로 상승하는 동안 항상 긴 것처럼 다시 칠했습니다.
재페인트 유형 표시기는 가치가 없고 신뢰할 수 없다는 점을 뒷받침하기 위해 사용 가능한 MQL4 라이브러리에서 작업한 것을 감안할 때 이러한 표시기로 작업한 사람들이 표현한 좌절감을 이해합니다. 우리가 가진 것을 감안할 때 아무 것도 작동하지 않습니다. 즉, 아직 6차까지 계산하는 신뢰할 수 있는 다항식 회귀 지표를 보지 못했습니다. 또한 일단 신뢰할 수 있는 다항식 회귀가 있으면 결과가 훌륭할 것이라고 확신합니다.
나는 수학자는 아니지만 어떤 형태의 회귀에 대한 나의 경험은 그다지 좋지 않았습니다. 당신이 언급했듯이 궁극적으로 더 나은 통계적 곡선 적합을 초래할 수 있는 회귀를 수행하는 많은 방법이 있습니다. 그러나 문제는 예측력에 대한 것입니다.
만약 당신이 정말로 이것을 가지고 하드코어하게 가고 싶다면 당신은 R을 조사하고 사용 가능한 고급 회귀 중 일부를 시도해야 합니다(Google for ARIMA, ARCH/GARCH 등): http://talksonmarkets.files.wordpress.com/2012/09 /time-series-analysis-with-arima-e28093-arch013.pdf
나는 이 일에 몇 주를 보냈고 또한 공동 통합을 조사했고 나의 성공은 거의 0에 가까웠다.
MQL4 코딩이 이 고급 통계 분석을 위한 작업이라고 생각하지 않습니다.
음 흠흠.....
I don't think MQL4 coding is up to the task for this advanced statistical analysis.
http: //rosettacode.org/wiki/Polynomial_regressionP6(6차 다항식) 회귀를 푸는 것은 이산 수치 함수에 대해 6개의 변수가 있는 6개의 방정식 시스템을 푸는 것입니다. 아마도 간단하지는 않지만 불가능한 것은 아닙니다.
i_regr.mq4에서 정확히 어떤 방법이 사용되는지 나중에 볼 수 있습니다.
동의해야 합니다. 이것이 제 첫 번째 의견의 요지였습니다. 왜냐하면 ... 우리는 무엇을 하고 있습니까? 이 경우 무작위 곡선의 일부(실제 PA(Price Action))를 P6에 맞추었습니다. 그리고 나서 PA의 다음 점이 이 곡선의 연속으로 작용할 것으로 예상합니까?
좋아요, Dennis가 이 곡선을 PA의 작은 대기 시간 변환 함수로 사용하고 있는 것 같습니다. 이것은 어느 정도 의미가 있습니다. 그러나 이것이 얼마나 좋을 수 있습니까? 이것은 노이즈 필터링 때문에 더 높은 TF에서 수행되어야 하며 PA가 이러한 유형의 거래 전략의 문제인 범위에 들어갈 때 손실을 피할 수 없을 것이라고 생각합니다.
글쎄, i-regr은 그렇게 나쁘게 작동하지 않습니다. 작동하는 모습을 보려면 e- regr.mq4 의 비주얼 모드 백테스트를 사용하고 테스트 창에 표시기를 놓으면 됩니다.
일종의 빠른 회귀 또는 보간법을 사용하는 것 같지만 결과는 그리 나쁘지 않습니다. PA를 따라 곡선에 적응합니다.
당신의 포인트:
1) 모든 지표가 있습니다. 이것은 일반적으로 다른 유형의 지표를 필터로 추가하거나 더 높은 TF를 추가하면 해결됩니다.
2) 커브 피팅이 향상되면 대기 시간이 향상됩니다. 그러나 주요 문제는 대기 시간이 아니라 e-regr 입력 기준입니다. 일정한 크기 채널의 에지에서 트리거링하는 카운터 트랜드? 추세 변화에 대한 적절한 회복 없이? 진정한 돈 관리 없이? 말도 안 되는.
내 주요 아이디어는 회귀 곡선 방향의 변경에 대한 진입/퇴장이지만 완전한 다시 그리기 표시기가 이에 대해 어떻게 좋을지 아직 확실하지 않습니다.
어쨌든, 나는 당신이 진입 / 퇴장에 대한 결정 계수 가 다른 두 회귀 곡선의 교차점을 사용하고 있다는 인상을 받았습니다.
예, Graziani가 mql4에서 무엇이든 코딩할 수 있다고 말했듯이, 모든 것은 이 수학을 구현하는 방법을 얼마나 잘 이해하고 있는지에 달려 있습니다.
다시 칠하는 것과 관련하여 문제가 되지는 않습니다. 우리가 관심을 갖는 유일한 막대는 현재 가격 거래 막대인 제로 막대입니다. 내가 이것을 코딩하는 방법(수학을 알아낼 수 있다고 가정)은 방정식이 마지막 n개 막대의 가격에 대해 수행되고 0 막대에 대한 결과 값이 그려지고 모든 이전 막대의 선이 남습니다. 이전 계산에서 어떻게 되었는지. 첫째, 제로 막대에서만 거래할 수 있고 두 번째로 라이브 가격 막대였을 때 각 막대에 라인이 적용된 실제 이력을 보여줄 때 차트 기록에 전체 라인을 다시 맞출 필요가 없습니다.
Dennis Posted Polynominal Regression 링크에서 적응 지표의 관점에서 이것이 매우 흥미롭다는 것을 알았습니다.
" 다항식 회귀에서 X 변수(X, X 2 , X 3 …)의 다른 거듭제곱이 방정식에 추가되어 r 2 가 크게 증가하는지 확인합니다. 먼저 선형 회귀가 수행되어 Y 형식의 방정식에 적합합니다. =a+bX를 데이터에 대입합니다. 그런 다음 포물선을 생성하는 Y=a+b1X+b2X 2 형식의 방정식이 데이터에 적합합니다. r 2 는 고차 항을 추가하면 항상 증가하지만 문제는 r 2 의 증가가 우연으로 인해 예상보다 훨씬 더 큰지 여부입니다. 다음으로 S자형 선을 생성하는 Y=a+b1X+b2X 2 +b3X 3 형식의 방정식이 적합하고 증가합니다. r 2 에서 테스트됩니다. 이것은 다른 항을 추가해도 r 2 가 크게 증가하지 않을 때까지 계속될 수 있습니다.
이것이 우리가 그것을 코딩하기 위해 알아야 할 전부일 수 있습니다. 작성자가 y=ax 2 +bx+c 대신 y=a+b1X+b2X 2 를 어떻게 쓰는지 주목하세요. 그것이 나를 버리고 있었던 것입니다. 나는 c가 완전히 다른 계수를 가져야한다고 생각했습니다. 이 기사에서 알 수 있듯이 y=ax 6 +bx 5 +cx 4 +dx 3 +ex 2 +fx+g의 계수 c,d,e,f,g는 선형 회귀에서 이미 알고 있는 b와 직접적으로 관련되어 있습니다. , 는 기울기입니다.
나는 그것이 정말로 그렇게 간단하다는 것을 믿기 어렵다고 말했는데 ? 실제로 y=a+b1X+b2X 2 +b3X 3 +b4X 4 +b5X 5 +b6X 6 으로 작성할 수 있다면 왜 그들은 a,b,c,d,e,f,g, 계수를 작성할까요? 또한 Dennis가 말했듯이 다른 기사에서는 선형 회귀가 다중 회귀에 적용되지 않는 것처럼 기울기 절편을 제안하는 것 같습니다. 때때로 나는 그들이 진행하면서 이 물건을 만들지 않는지 궁금합니다.
그 외에도 기사는 r 2 를 사용하여 선이 데이터 곡선에 얼마나 잘 맞는지 측정할 수 있음을 암시하는 것으로 보입니다.
r 2 가 분산과 관련이 있다고 생각합니까? r 2 가 무엇인지 확실히 말할 수 있는 사람이 있습니까?