Nossa Masha! - página 5
Você está perdendo oportunidades de negociação:
- Aplicativos de negociação gratuitos
- 8 000+ sinais para cópia
- Notícias econômicas para análise dos mercados financeiros
Registro
Login
Você concorda com a política do site e com os termos de uso
Se você não tem uma conta, por favor registre-se
Prival писал(а) >>
Melhor ainda ) O que são estas fórmulas e de onde você as tira.
ver como é calculado o coeficiente de correlação https://ru.wikipedia.org/wiki/%D0%9A%D0%BE%D1%8D%D1%84%D1%84%D0%B8%D1%86%D0%B8%D0%B5%
D0%BD%D1%82_%D0%BA%D0%BE%D1%80%D1%80%D0%B5%D0%BB%D1%8F%D1%86%D0%B8%D0%B8
O coeficiente de correlação é calculado entre arrays, não entre contagens. Por favor, seja preciso em sua redação, para que outros possam entender o que você está dizendo, o que você alega e o que você considera.
Sergey, você pega e constrói um correlograma pela "sua" fórmula (a dada na wikipedia) e pela dada por mim - você obterá o mesmo resultado. A fórmula que utilizo é mais simples e com comprimento de amostra suficiente o erro de contagem tende a zero, em comparação com a forma completa. Por mim tudo bem. Se você precisa de mais precisão ou rigor matemático neste assunto, por favor, justifique e use. Eu, em meus cálculos, às vezes (quando se justifica) uso expressão completa para construir correlograma:
Não precisamos de um modelo fotográfico abstrato e suave, estamos procurando uma varinha que não seja apenas para os olhos, mas que também tenha outras vantagens que são valiosas para nós.
As máquinas funcionam de forma diferente:
- para uma parada TS precisamos de uma máquina estável como uma linha de suporte/resistência, ou seja, suficientemente lisa, integral, retardada, distante da BP.
O número de interseções com o preço é crítico, porque esta interseção é um avanço = um sinal para o TS.
Tal MA está atrasado por definição.
-Para um TS em reversão, precisamos de um MA de liderança e previsão, sua posição em relação à BP não importa.
O número de interseções com o preço também não é crítico, pois é a volta da cabeça que importa, mas não a fixação em relação à BP
. No total há dois tipos, duas classes de varinhas e + lag.
Com um turno zero, o mesmo MA é adequado apenas para um tipo de TS - uma quebra ou inversão, ou para nada.
(O MA não é um meio, mas presumivelmente apenas para comércio manual)
...
O uso futuro da MA deve ser levado em consideração ao projetá-la (encontrá-la)?
= a) - Em geral, não é necessário considerar, o principal é ter)), - conseguir um novo mestrado e tentar onde está a sorte.
b) - Depois de muitos anos de experiência com MA, queremos algo mais completo e menos escorregadio e traiçoeiro.
...
Assim, a cada novo Mashka o experiente desenvolvedor MTS será cada vez mais cínico,
- cada vez mais exigente.
No entanto, se é possível sintetizar um novo MA com propriedades predefinidas cada vez, ainda é uma grande questão.
Seguindo em frente!
Então, aqui está nossa funcionalidade: S=w1*(X[i]-Y[i])^2+w2*(Y[i]-Y[i-1])^2-w3*{(Y[i]-Y[i-1])*(X[i]-X[i-1])}^2-->min minimizem-na. Vamos reescrevê-la considerando a i-ésima referência como sendo a atual (a equação superior):
Pegue a derivada de y[0] dela (segunda expressão) e igualando-a a zero, resolva-a com respeito a y[0] (terceira equação), obtendo assim uma expressão recorrente para calcular o valor atual de nosso MA usando os valores conhecidos do quociente x[0], x[1] e os valores anteriores do próprio muv y[0] e y[1]. Observe que na expressão para o funcional, os dois primeiros termos responsáveis pela suavidade da MA e sua proximidade ao quociente coincidem com a expressão semelhante para a média exponencial. Se seguirmos o exemplo de Bulashov descrito em seu artigo (arquivo localizado na página anterior), podemos excluir um dos parâmetros ajustáveis colocando w1+w2=1, então chegamos a uma expressão de dois parâmetros para o MA "ideal":
Com w1 sendo responsável pela lisura e w2 sendo responsável pela proficiência. Acho que sim.
Agora podemos fazer algumas codificações!
Isso é assustador.
S=w1*(X[i]-Y[i])^2+w2*(Y[i]-Y[i-1])^2-w3*{(Y[i]-Y[i-1])*(Х[i]-Х[i-1])}^2-->min
Estou um pouco familiarizado com o cálculo de variações, mas apenas para funções devidamente diferenciáveis. Isto é algo mais. Eu ainda nem entendo como resolver este problema.
Refresque sua memória sobre os requisitos básicos para um MA ideal:
1. proximidade com o MA original. Esta exigência é equivalente à pequena distância entre o quociente X (linha verde na figura) e a curva suavizada Y (azul). Pode ser escrito que em média, sobre uma grande amostra, deve satisfazer: (X[i]-Y[i])^2-->min
2. Suavidade da MA. Esta exigência é igual à pequena distância entre amostras vizinhas da curva lisa: (Y[i]-Y[i-1])^2-->min.
3. A curva de Equidade que será composta das peças cortadas da BP inicial considerando a direção (sinal) das posições abertas (entre as linhas verticais na figura) deve estar aumentando. O sinal de abertura da posição é igual ao sinal da derivada MA. Em nossa terminologia, assinar(Y[i]-Y[i-1]). Neste caso, a curva de equidade será composta de peças kotier que serão ajustadas juntas de acordo com o sinal da posição a ser fechada. É assim que pode ser implementado. Vamos construir uma primeira série de diferença (FDD) d[i]=X[i]-X[i-1] para o kotier. Depois a BP inicial é facilmente restaurada a partir do FDD de acordo com o algoritmo, depois um rápido crescimento da curva de equidade () é igual à exigência de maximização da primeira derivada dela: dE[i]/dt=E[i]-E[i-1]= sinal(Y[i]-Y[i-1])*(X[i]-X[i-1]) ou com um pequeno, mas admissível, em nosso caso, trecho {(Y[i]-Y[i-1])*(X[i]-X[i-1])}^2-->max É óbvio que a maximização de alguma expressão, é equivalente à minimização de sua própria expressão com sinal oposto: -{(Y[i]-Y[i-1])*(Х[i]-Х[i-1])}^2-->min.
É isso aí. Conseguimos o funcionamento necessário para a minimização:
S=w1*(X-Y)^2+w2*(Y[i]-Y[i-1])^2-w3*{(Y[i]-Y[i-1])*(Х[i]-Х[i-1])}^2-->min
Precisamos encontrar seu mínimo relativo a Y[i], onde i é o dado atual.
Do ponto de vista matemático, tudo está correto.
Quando tenho tempo livre, tento resolver algo semelhante, mas por outro método.
Do meu ponto de vista (não é necessariamente verdade, mas pode viver))) não é necessário definir a função Y e calcular seus valores. - Uma rede neural pode desenhar este Mashka. Um perceptron de três camadas com uma função de ativação hiperbólica para cada neurônio pode teoricamente lidar com a tarefa. O desvio permitido de equidade (diferença entre o quociente e MA, ou seja, min) permitirá definir o valor de erro permitido para o treinamento da malha. Neste caso, o valor de min deve ser determinado pelo nível de risco aceitável do TC, mas também tende a 0.
Em princípio, é simples à primeira vista, mas apenas à primeira...
Isso é assustador.
Vamos lá, já encontramos uma solução.
O problema está na área onde os coeficientes w1, w2 e w3 são definidos. Como na derivação do funcional não nos limitamos de forma alguma em relação a seus valores, é lógico (provavelmente) colocar um deles identicamente igual a 1 (é w3), e conectar os outros dois como no exemplo de Bulashov. Em seguida, obtemos uma expressão de um parâmetro para o filtro:
Aqui. Bastante simples e de bom gosto! Isto é bom. Agora podemos codificar com certeza.
P.S. Em geral, seria bom se as pessoas que conhecem o DSP e os fundamentos da construção de filtros pudessem nos ajudar a definir a área de determinação desses coeficientes (todos os três). Como me lembro, você precisa encontrar uma equação característica e satisfazer que suas raízes estavam dentro de um círculo unitário no plano complexo. Isto permitirá que você trabalhe com um filtro estável e afine todos os seus três botões. Mas, por enquanto, vamos nos contentar com uma simples implementação.
Uma maneira de torná-lo completamente suave, em minha opinião, é usar o duplo lenitivo
usando o RMS para definir o viés do MA, mas há uma seção que não tem dados calculados
Cada MA tem sua própria, pois o atraso aumenta dependendo do período de suavização.
Ao utilizar o indicador NoLagMA, este atraso é expresso no coeficiente 6,8541
em termos simples, pode ser expresso em uma tabela.
esta relação foi obtida pela primeira vez de forma puramente ilustrativa, através de um viés forçado,
e então, usando o RMS, foi confirmado
A variante final para clareza é mostrada na figura, que à primeira vista mostra uma imagem suavizada e claramente sobreposta... mas há uma peculiaridade, que é que os dados inicialmente calculados para os últimos dados sempre terão informações de exibição distorcidas, mas quanto menor o período, menor é esta distorção. É possível reduzir a distorção em períodos superiores usando a opção de calcular o período inferior no TF superior e depois aproximando os pontos que faltam, suavizando...
Vamos lá, já encontramos uma solução.
O problema está na área onde os coeficientes w1, w2 e w3 são definidos. Como na derivação do funcional não nos limitamos de forma alguma em relação a seus valores, é lógico (provavelmente) colocar um deles identicamente igual a 1 (é w3), e conectar os outros dois como no caso de Bulashov. Em seguida, obtemos uma expressão de um parâmetro para o filtro:
Aqui. Bastante simples e de bom gosto! Isto é bom. Agora podemos codificar com certeza.
P.S. Em geral, seria bom se as pessoas que conhecem o DSP e os fundamentos da construção de filtros pudessem nos ajudar a definir a área de determinação desses coeficientes (todos os três). Como me lembro, você precisa encontrar uma equação característica e satisfazer que suas raízes estavam dentro de um círculo unitário no plano complexo. Isto permitirá que você trabalhe com um filtro estável e afine todos os seus três botões. Mas, por enquanto, vamos nos contentar com uma simples implementação.
Não parece liso.
Isto é com coeficientes diferentes.
Embora quanto menor o coeficiente, mais suave é a varredura. Ainda interessante.
Vamos lá, já encontramos uma solução.
O problema está na área onde os coeficientes w1, w2 e w3 são definidos. Como na derivação do funcional não nos limitamos de forma alguma em relação a seus valores, é lógico (provavelmente) colocar um deles identicamente igual a 1 (é w3), e conectar os outros dois como no caso de Bulashov. Em seguida, obtemos uma expressão de um parâmetro para o filtro:
Aqui. Bastante simples e de bom gosto! Isto é bom. Agora podemos codificar com certeza.
P.S. Em geral, seria bom se as pessoas que conhecem o DSP e os fundamentos da construção de filtros pudessem nos ajudar a definir a área de determinação desses coeficientes (todos os três). Como me lembro, você precisa encontrar uma equação característica e satisfazer que suas raízes estavam dentro de um círculo unitário no plano complexo. Isto lhe permitirá trabalhar com um filtro estável e afinar todos os seus três botões. Mas por enquanto vamos nos contentar com uma simples implementação.
Se eu não estou enganado (vou verificar quando chegar em casa), você soube pelo Kalman filtrando o filtro alpha-betta
Não parece liso.
É com diferentes proporções.
Embora quanto mais baixo o coeficiente, mais suave é o vagão. Ainda interessante.
Oh, ótimo!
Não importa se não é nada tranqüilo, o principal é que é o que deve obter a taxa máxima de crescimento de lucro ao negociar em extremos (com todas as advertências mencionadas acima). Vinin, por que você não nos fornece o MTS para testar o MA MA.
A propósito, note que os extremos estão exatamente na intersecção do kotir com o MA. Lembro-me da exigência desta intersecção dos livros sobre a análise... Tudo isso é interessante.
Se não estou enganado (vou verificar quando chegar em casa), você tem o conhecido filtro Kalman alpha-betta
Então, alfa ou betta,-)
...mas há uma peculiaridade, que é que os dados inicialmente computados para os dados mais recentes sempre terão informações cartográficas distorcidas...