uma estratégia comercial baseada na Teoria da Onda de Elliott - página 45

 
if((H[k-1]<H[k])&&(H[k]>H[k+1])&&(H[k]>curHi)) для минимума аналогично.

Tudo o que resta é justificar a escolha de uma área suficiente ao redor da Alta para tomá-la como a Alta da amostra dada. Presumo que esta Alta deve ser um ponto máximo dentro de um raio de +-30% do comprimento da amostra? Caso não seja assim, a amostra deve ser aumentada para determinar duas coisas em conjunto - o extremo e o comprimento da amostra? O que você pensa sobre isso?

Se você simplesmente selecionar um extremo em um determinado intervalo (ou seja, a mais alta (a mais baixa) de três barras) e selecionar a mais alta (a mais baixa), você deve basicamente obter o que precisa. Embora, provavelmente faria sentido verificar se o comprimento da amostra de um tal extremo é suficiente, ou seja, todos os critérios devem funcionar. Eu vou experimentar

Vladislav, você acha que irá corrigir o código do indicador Murray à luz das novas informações? Estamos aguardando a nova versão ;o)!


Sim, não é difícil endireitar. No entanto, se necessário, eu o consertarei.

Boa sorte e boa sorte com as tendências passageiras.
 
Se simplesmente selecionarmos um extremo (ou seja, a mais alta (mais baixa) de três barras em um dado intervalo e escolhermos a mais alta (mais baixa), devemos, em princípio, obter o que precisamos.


Encontrar o que você precisa pode ser feito de forma muito simples, classificando uma matriz bidimensional.
Há 2 colunas na matriz: 1º = Alto, e no 2º escrevemos o número da barra.
A triagem (em MQL, é realizada na primeira coluna) coloca o máximo na primeira, e o mínimo na última (ou vice-versa),
e mínimo na última posição (ou vice versa, dependendo do modo de classificação).
O número da barra é lido a partir da segunda coluna.

Mas não sei quanto tempo vai levar.
 
Saudações a todos os poucos membros ativos desta linha muito interessante :-)
No momento, estou tentando descobrir o método que Vladislav generosamente nos deu, o que significa pesquisar em todas as 23 páginas. Enquanto pesquiso, é claro que estou examinando as peças de código que os membros do painel escolheram publicar. Eu entendo que o código na pg. Mas, no entanto, por precaução, quero chamar sua atenção para o fato de que acho que a função de cálculo de dispersão de erros contém um erro que faz com que o cálculo seja inconsistente com a fórmula e causa uma possível divisão por zero erros em tempo de execução.
double dispercia_oshibok(double data[], double centr) { int k,size; double disper=0; size=ArraySize(data); for(k=size-1;k>=0;k--) disper=disper+MathPow((data[k]-centr),2); if(size>1) disper=disper/(size-2); return(disper); }



Talvez a linha if(size>1) disper=disper/(size-2); seria mais corretamente escrita como se (size>1) disper=disper/(size-1);

Por favor, confirme ou refute minha conclusão, pois, infelizmente, não posso seguir em frente sem descobrir os menores detalhes. :-) Agradecemos antecipadamente.

 
Continue lendo - ele responderá à pergunta.
 
Oh... cavalheiros. Tudo o que você precisa fazer é dizer "sim" ou "não sim". :-) Eu li o fio completo. Provavelmente não o vi, por isso vou procurar novamente. Ao pesquisar, encontrei um site interessante com vários algoritmos: http: //alglib.sources.ru/ Espero não considerá-lo um anúncio. :-)
 
Em nosso caso tamanho>=30 e a fórmula é disper=disper/(tamanho)

ZS Isto é melhor ? :)
 
Em nosso caso tamanho>=30 e a fórmula seria disper=disper/(size)<br / translate="no">
SZZ que melhor ? :)


De forma alguma. :-) Agora eu preciso consertar o "telhado" urgentemente, porque Bulashev de longa duração em "4.3 Estimativa de dispersão e desvio padrão" na fórmula de cálculo da dispersão no divisor está presente N-1.
De onde vem a madeira, Rosh ???? :-)
 
ee. :-) Agora eu preciso consertar o "teto" urgentemente, porque o Bulashev de longa duração em "4.3. Estimativa de variância e desvio padrão" tem N-1 na fórmula para calcular a variância no divisor. <br / translate="no"> De onde vem a madeira, Rosh ???? :-)

De fato, quando estamos estimando a variação dos erros de aproximação, ao invés da própria amostra de dados, o denominador deve ser N-2, é claro. https://c.mql5.com/mql4/forum/2006/06/disp_oshibok.zip
Bulashev até dá um exemplo concreto em seu livro sobre este ponto.
 
<br / translate="no"> Na verdade, quando estamos estimando a variância dos erros de aproximação, não a amostra de dados em si, o denominador deve ser N-2, naturalmente.


Sim, obrigado. Entendi agora. Vou ler esta peça com mais atenção.
Neste caso, é melhor escrevermos a condição como "se (tamanho>2)", para não tentar o destino. O código deve ser estável :-)
 
Nesse caso, a condição deve ser escrita como "if(size>2)", de modo a não tentar o destino. O código deve ser estável :-)

É tão simples como o dia!:o)))
Esse roteiro feito para locação foi publicado como uma pergunta para Valadislav e não para uso prático.
No código que tenho no momento, o desvio é calculado sem chamar uma função especial para economizar o tempo de cálculo e também verifica
if(size-2!=0) disper=disper/(size-2);
em geral, acho que tais trivialidades de programação não valem nada a pena discutir neste tópico.