Ema에는 널리 알려지지 않은 한 가지가 있습니다. 마침표는 소수일 수 있습니다(예: 마침표 14.5는 ema의 경우 완전히 정상임). 그러나 lsma는 그렇지 않습니다. lsma의 경우 정수여야 합니다. 그 때문에 적응에 적합하지 않습니다 (값이 매끄럽지 않을 것입니다)
mladen: Tsar Ema에는 널리 알려지지 않은 한 가지가 있습니다. 기간은 분수일 수 있습니다(예: 기간 14.5는 ema의 경우 완전히 정상입니다). 그러나 lsma는 그렇지 않습니다. lsma의 경우 정수여야 합니다. 그 때문에 적응에 적합하지 않습니다 (값이 매끄럽지 않을 것입니다)
신뢰 대역의 이동이 0으로 설정되면 일종의 예측으로 간주될 수 있기 때문에(신뢰 대역의 특성에 대한 자세한 내용은 여기를 참조하십시오. 신뢰 및 예측 대역 - Wikipedia, 무료 백과사전 ) 그게 가능하다고 생각합니다. 일부 평균 값의 "예측"으로 간주
________________
추신: 단일 값 대신 값의 범위가 있다는 것을 눈치채셨을 것입니다. 미래 값을 고유하게 "예측"할 수 있는 방법이 없기 때문에 사기가 아니라 추정을 위해 알려진 수학 규칙 내에서 작업하려고 시도하는 어느 정도 확실하게 미래 가치를 추정/예측할 수 있는 방법 중 하나입니다.
신뢰 대역의 이동이 0으로 설정되면 일종의 예측으로 간주될 수 있기 때문에(신뢰 대역의 특성에 대한 자세한 내용은 여기를 참조하십시오. 신뢰 및 예측 대역 - Wikipedia, 무료 백과사전 ) 그게 가능하다고 생각합니다. 일부 평균 값의 "예측"으로 간주
________________
추신: 단일 값 대신 값의 범위가 있다는 것을 눈치채셨을 것입니다. 미래 값을 고유하게 "예측"할 수 있는 방법이 없기 때문에 사기가 아니라 추정을 위해 알려진 수학 규칙 내에서 작업하려고 시도하는 어느 정도 확실하게 미래 가치를 추정/예측할 수 있는 방법 중 하나입니다.
방법 1: 푸리에의 외삽; 주파수는 Quinn-Fernandes 알고리즘을 사용하여 계산됩니다.
방법 2: 자기 상관 방법
방법 3: 가중 버그 방법
방법 4: Helme-Nikias 가중치 함수가 있는 Burg 방법
방법 5: Itakura-Saito(기하학적) 방법
방법 6: 수정된 공분산 방법
방법 2-6은 선형 예측 방법입니다. 선형 예측은 과거 값의 선형 함수로 미래 값을 찾는 것을 기반으로 합니다. 더 높은 지수가 최근 가격을 준수하는 여러 가격 x[0]..x[n-1]이 있다고 가정합니다. 미래 가격 x[n]의 예측은 다음과 같이 계산됩니다.
x[n] = -Sum(a*x[ni], i=1..p)
여기서 a - 모델의 계수, p - 모델의 차수. 나열된 방법 2-6은 훈련 마지막 np 막대에서 평균 제곱근 오차를 줄여 계수 a[]를 찾습니다. 물론 Levinson-Durbin 방법으로 n=2*p로 위에서 언급한 일련의 방정식을 직접 풀면 예측 오차 0에 도달할 수 있습니다. 이러한 예측 방법을 Prony 방법이라고 합니다. 단점은 시리즈의 미래 값을 예측하는 동안 불안정하다는 것입니다. 그래서 이 방법은 포함되지 않았습니다.
다른 입력 매개변수는 다음과 같습니다.
LastBar - 과거 데이터의 마지막 막대 번호
PastBars - 미래 값 예측에 사용된 과거 막대의 수
LOrder - 과거 막대 수(0..1)의 분수로 선형 모델의 차수
FutBars - 예측의 미래 막대 수
HarmNo - 방법 1의 최대 주파수 수(0은 모든 주파수를 의미함)
FreqTOL - 방법 1에 대한 주파수 계산의 부정확성(>0.001인 경우 수렴할 수 없음)
BurgWin - 방법 2의 가중치 함수 수(0=직사각형 1=해밍 2=포물선)
표시기는 두 개의 선을 그립니다. 파란색 선은 훈련 막대의 모델 가격을 나타내고 빨간색 선은 예측된 미래 가격을 나타냅니다.
친애하는 mladen,
이 지표에 관심이 있습니다.
LSMA 버전을 만들 수 있습니까?황제
Ema에는 널리 알려지지 않은 한 가지가 있습니다. 마침표는 소수일 수 있습니다(예: 마침표 14.5는 ema의 경우 완전히 정상임). 그러나 lsma는 그렇지 않습니다. lsma의 경우 정수여야 합니다. 그 때문에 적응에 적합하지 않습니다 (값이 매끄럽지 않을 것입니다)
죄송합니다. 정수가 무엇인가요? 이에 대해 말씀해 주시기 바랍니다. 나는 외환에 대해 더 많이 배울 필요가 있습니다.
죄송합니다. 정수가 무엇인가요? 이에 대해 말씀해 주시기 바랍니다. 나는 외환에 대해 더 많이 배울 필요가 있습니다.
정수는 이것입니다 : 정수 - 무료 백과사전 위키피디아
Tsar Ema에는 널리 알려지지 않은 한 가지가 있습니다. 기간은 분수일 수 있습니다(예: 기간 14.5는 ema의 경우 완전히 정상입니다). 그러나 lsma는 그렇지 않습니다. lsma의 경우 정수여야 합니다. 그 때문에 적응에 적합하지 않습니다 (값이 매끄럽지 않을 것입니다)
이해합니다. 설명해주셔서 감사합니다...
MA 잠금
말록.mq4
가격 에마스
가격___emas.mq4
믈라덴,
MA의 예측은 어떻습니까? 아무도 그것에 대해 생각합니까?
즉, ma의 예측 값은 ma의 이전 값 + 가격의 마지막 값을 기반으로 합니까?
믈라덴,
MA의 예측은 어떻습니까? 아무도 그것에 대해 생각합니까?
즉, ma의 예측 값은 ma의 이전 값 + 가격의 마지막 값을 기반으로 합니까?신뢰도 밴드가 추가된 버전이 있습니다(설명이 게시된 버전: https://www.mql5.com/en/forum/general ).
신뢰 대역의 이동이 0으로 설정되면 일종의 예측으로 간주될 수 있기 때문에(신뢰 대역의 특성에 대한 자세한 내용은 여기를 참조하십시오. 신뢰 및 예측 대역 - Wikipedia, 무료 백과사전 ) 그게 가능하다고 생각합니다. 일부 평균 값의 "예측"으로 간주
________________
추신: 단일 값 대신 값의 범위가 있다는 것을 눈치채셨을 것입니다. 미래 값을 고유하게 "예측"할 수 있는 방법이 없기 때문에 사기가 아니라 추정을 위해 알려진 수학 규칙 내에서 작업하려고 시도하는 어느 정도 확실하게 미래 가치를 추정/예측할 수 있는 방법 중 하나입니다.
신뢰도 밴드가 추가된 버전이 있습니다(설명이 게시된 버전: https://www.mql5.com/en/forum/general ).
신뢰 대역의 이동이 0으로 설정되면 일종의 예측으로 간주될 수 있기 때문에(신뢰 대역의 특성에 대한 자세한 내용은 여기를 참조하십시오. 신뢰 및 예측 대역 - Wikipedia, 무료 백과사전 ) 그게 가능하다고 생각합니다. 일부 평균 값의 "예측"으로 간주
________________
추신: 단일 값 대신 값의 범위가 있다는 것을 눈치채셨을 것입니다. 미래 값을 고유하게 "예측"할 수 있는 방법이 없기 때문에 사기가 아니라 추정을 위해 알려진 수학 규칙 내에서 작업하려고 시도하는 어느 정도 확실하게 미래 가치를 추정/예측할 수 있는 방법 중 하나입니다.어떤 외삽법을 권장합니까?
어떤 외삽법을 추천합니까?
nbtrading
외삽에 관한 한 이 게시물을 먼저 읽으십시오. https://www.mql5.com/en/forum/172923/page13 어쨌든, qpwr이 한 가지 좋은 예를 만들었습니다.
다음은 설명입니다.
표시기는 방법 입력 변수로 선택할 수 있는 여러 방법을 기반으로 합니다.
방법 1: 푸리에의 외삽; 주파수는 Quinn-Fernandes 알고리즘을 사용하여 계산됩니다.
방법 2: 자기 상관 방법
방법 3: 가중 버그 방법
방법 4: Helme-Nikias 가중치 함수가 있는 Burg 방법
방법 5: Itakura-Saito(기하학적) 방법
방법 6: 수정된 공분산 방법
방법 2-6은 선형 예측 방법입니다. 선형 예측은 과거 값의 선형 함수로 미래 값을 찾는 것을 기반으로 합니다. 더 높은 지수가 최근 가격을 준수하는 여러 가격 x[0]..x[n-1]이 있다고 가정합니다. 미래 가격 x[n]의 예측은 다음과 같이 계산됩니다.
x[n] = -Sum(a*x[ni], i=1..p)
여기서 a - 모델의 계수, p - 모델의 차수. 나열된 방법 2-6은 훈련 마지막 np 막대에서 평균 제곱근 오차를 줄여 계수 a[]를 찾습니다. 물론 Levinson-Durbin 방법으로 n=2*p로 위에서 언급한 일련의 방정식을 직접 풀면 예측 오차 0에 도달할 수 있습니다. 이러한 예측 방법을 Prony 방법이라고 합니다. 단점은 시리즈의 미래 값을 예측하는 동안 불안정하다는 것입니다. 그래서 이 방법은 포함되지 않았습니다.
다른 입력 매개변수는 다음과 같습니다.
LastBar - 과거 데이터의 마지막 막대 번호
PastBars - 미래 값 예측에 사용된 과거 막대의 수
LOrder - 과거 막대 수(0..1)의 분수로 선형 모델의 차수
FutBars - 예측의 미래 막대 수
HarmNo - 방법 1의 최대 주파수 수(0은 모든 주파수를 의미함)
FreqTOL - 방법 1에 대한 주파수 계산의 부정확성(>0.001인 경우 수렴할 수 없음)
BurgWin - 방법 2의 가중치 함수 수(0=직사각형 1=해밍 2=포물선)
표시기는 두 개의 선을 그립니다. 파란색 선은 훈련 막대의 모델 가격을 나타내고 빨간색 선은 예측된 미래 가격을 나타냅니다.
그리고 다음은 코드입니다.extrapolator.mq4 (PS: 컴파일러 경고가 몇 가지 있지만 문제가 없습니다)