Não o Graal, apenas um normal - Bablokos!!! - página 265

Novo comentário
 
pedir dinheiro, você não precisa de intermediários :))
 
Joker:

Saudações aos colegas!

Feliz Ano Novo e Feliz Natal para todos! :)

Boas festas para você também, Sensei, e boas tendências para todos os 2016!

S.E. .... Mas minha mente se recusa a acreditar nisso! )))

Z.I.Y.A regra principal da realidade é não se enredar em suas próprias ilusões.;)

 
ha! como se a ilusão fosse fundamentalmente diferente da realidade...
 
Uau, eu me lembrei de uma conta antiga... legal!
 
Joker:

O spread trading não se trata de preços, níveis ou outras coisas. É o comércio da taxa de mudança de massa no mercado em relação umas às outras.

Imagine dois cavalos onde você tem a oportunidade de apostar igualmente em um e no outro. Considerando a natureza do câmbio, um desses cavalos certamente será turboalimentado em sua direção e estará à frente. A diferença nos donuts é o seu lucro.


Nós escolhemos os cavalos que pensamos que correrão na mesma direção ( moedas cointegrantes na direção do movimento ). Cavalos que correm mais rápido em suas orelhas, nós os viramos em suas orelhas de acordo))))

Cavalos tortos sem dentes e com arcos na cauda (ou seja, aqueles que não cabem em nosso canal - descartamos. Não precisamos de piadas de cavalos bêbados).

Selecionamos os cavalos mais vigorosos do nosso ponto de vista (marginais, ou seja, pares que estão na zona de sobre-compra ou sobre-venda).


O principal é não apostar em ganhar o cavalo correndo para trás (ou seja, contra o mercado)))

Em geral:

- Levamos os cavalos que achamos mais zelosos (os mais externos, os mais penteados, os cascos para brilhar e os dentes para serem escovados.

- Levamos o diâmetro dos cavalos para trás ( ou seja, seu valor ), os alinhamos artificialmente ( lotes ).

- Segundo: vimos a convergência ( ou seja, o início dos cavalos na direção certa, ou seja, e os calcanhares brilharam ) . Após o início, vimos qual cavalo era mais zeloso.

- Tendo visto o salto dos cavalos no início, ajustamos novamente nossas apostas, alinhando-as por lotes.


A diferença é que nas corridas de cavalos não podemos fazer uma aposta após a largada e antes da chegada e no Foreo podemos.

Portanto, fizemos uma aposta nivelada. O cavalo mais rápido nos trará lucro de qualquer maneira.

Depois que os cavalos terminarem, eles vão parar ( isto é divergência ).


uma pergunta foi feita sobre forexsystems: alguém entende do que se trata este post?

Não pretendo estar certo, na verdade acredito que a antiga descrição do processo não corresponde à atual do autor, mas arriscarei a descrevê-lo como o entendo agora.

Não posso dizer que entendi completa e corretamente o que o autor estava falando, especialmente o termo "garotos de massa" continua sendo um mistério para mim.

o cavalo não é um par e não é um spread (pelo menos agora... talvez o Joker entendesse um cavalo como uma propagação, mas agora eu acho que um cavalo deve ser entendido como algo completamente diferente, não é mesmo?

o começo dos cavalos - eu costumava pensar que era algum tipo de ponto de referência, como algum tipo de toque de borda de canal ou algo mais significativo, agora eu não acho que seja

Eu entendo que alguns cavalos podem correr para trás.

o que devemos fazer se, após o início, um dos cavalos decidir voltar para trás ou simplesmente ir fumar (também acontece)? o que o autor faz neste caso? ele deixa sair um cavalo de reserva desde o início para apoiar o perdido?

e a pergunta permanece sem resposta - é possível montar os mesmos cavalos que já terminaram na próxima corrida, que pode acontecer imediatamente? ou "cordeiros para o estábulo, geladeira para a casa?" ou seja, prêmio no bolso, mas cavalos para carne? acho que os mesmos cavalos poderiam participar de mais duas ou três corridas, não? então eles devem ser enviados para a carne de uma vez

Mas você pode ver que alguns cavalos podem ser usados indefinidamente, então por que eles deveriam ser usados para carne?


É totalmente compreensível porque o autor está participando de uma corrida de cavalos, porque o cavalo chega à linha de chegada de uma só vez

mas não está claro porque você não pode participar de corridas de baratas quando você pode apostar em famílias de baratas, por exemplo?

baratas de gengibre contra baratas negras, de bosque, de porão e debaixo de baratas, por exemplo?

Eles não são cavalos, é claro, e não podem terminar como cavalos, o que diminui parcialmente o prêmio total, mas eles terminarão, não é mesmo?

Além disso, as corridas de baratas são nosso entretenimento doméstico, elas podem ser praticadas em qualquer playground com os meninos dos vizinhos.

 

Duas semanas de leitura + insultos da esposa + matemática + imaginação = algo semelhante. Gostaria de agradecer ao iniciante do tópico, ele é um grande cara que disfarçou e ao mesmo tempo declarou todas as regras em texto simples. Gostaria de agradecer ao Joker, que encontrou uma solução de software, embora não seja o problema inicial, mas ele encontrou, e suspeito que muitas pessoas tenham encontrado um sistema real para trabalhar.

Quero dizer uma coisa aos "matemáticos sábios": por EURUSD + vender GBPUSD não é igual a por EURGBP !!!!!!!!!.

E como o sistema era originalmente suposto estar em uma "sebe" ou em "arbitragem", seja como for que se queira chamar. É possível encontrar verdadeiros canais estacionários (para spreads ou sintéticos, ou qualquer termo que você preferir) e você pode realmente trabalhar nestes canais.

Muito obrigado, mais uma vez, ao iniciador do tema Aleksander.

Atenciosamente ....

 
Alguém me ajude a entender esta função da LRBuild.
Eu tenho duas matrizes - AUDUSD e NZDUSD, como fazer regressão entre elas?
Que parâmetros devo usar na função?
//+------------------------------------------------------------------+
//| Linear regression                                                |
//| Subroutine builds model:                                         |
//|     Y = A(0)*X[0] + ... + A(N-1)*X[N-1] + A(N)                   |
//| and model found in ALGLIB format, covariation matrix, training   | 
//| set errors (rms, average, average relative) and leave-one-out    |
//| cross-validation estimate of the generalization error. CV        |
//| estimate calculated using fast algorithm with O(NPoints*NVars)   |
//| complexity.                                                      |
//| When  covariation  matrix  is  calculated  standard deviations of| 
//| function values are assumed to be equal to RMS error on the      |
//| training set.                                                    |
//| INPUT PARAMETERS:                                                |
//|     XY          -   training set, array [0..NPoints-1,0..NVars]: |
//|                     * NVars columns - independent variables      |
//|                     * last column - dependent variable           |
//|     NPoints     -   training set size, NPoints>NVars+1           |
//|     NVars       -   number of independent variables              |
//| OUTPUT PARAMETERS:                                               |
//|     Info        -   return code:                                 |
//|                     * -255, in case of unknown internal error    |
//|                     * -4, if internal SVD subroutine haven't     |
//|                           converged                              |
//|                     * -1, if incorrect parameters was passed     |
//|                           (NPoints<NVars+2, NVars<1).            |
//|                     *  1, if subroutine successfully finished    |
//|     LM          -   linear model in the ALGLIB format. Use       |
//|                     subroutines of this unit to work with the    |
//|                     model.                                       |
//|     AR          -   additional results                           |
//+------------------------------------------------------------------+
static void CAlglib::LRBuild(CMatrixDouble &xy,const int npoints,const int nvars,
                             int &info,CLinearModelShell &lm,CLRReportShell &ar)
  {
//--- initialization
   info=0;
//--- function call
   CLinReg::LRBuild(xy,npoints,nvars,info,lm.GetInnerObj(),ar.GetInnerObj());
//--- exit the function
   return;
  }
 
GerbertX:
Alguém pode me ajudar a entender esta função da LRBuild.
Eu tenho duas matrizes - AUDUSD e NZDUSD. Como posso usar a regressão entre elas?
Que parâmetros devo usar na função?

Não tenho certeza de como conectar essas funções a partir do algibe, mas aqui está um link para ver como fazer isso no código do indicador pronto para uso

https://www.mql5.com/ru/code/11859

 
ara66676:

Duas semanas de leitura + insultos da esposa + matemática + imaginação = algo semelhante. Gostaria de agradecer ao iniciante do tópico, ele é um grande cara que disfarçou e ao mesmo tempo declarou todas as regras em texto simples. Gostaria de agradecer ao Joker, que encontrou uma solução de software, embora não seja o problema inicial, mas ele encontrou, e suspeito que muitas pessoas tenham encontrado um sistema real para trabalhar.

Quero dizer uma coisa aos "matemáticos sábios": por EURUSD + vender GBPUSD não é igual a por EURGBP !!!!!!!!!.

E como o sistema era originalmente suposto estar em uma "sebe" ou em "arbitragem", seja como for que se queira chamar. É possível encontrar verdadeiros canais estacionários (para spreads ou sintéticos, ou qualquer termo que você preferir) e você pode realmente trabalhar nestes canais.

Muito obrigado, mais uma vez, ao iniciador do tema Aleksander.

Atenciosamente ....

Sobre "por EURUSD + vender GBPUSD não é igual por EURGBP !!!!!!!!!" isto já é conhecido há muito tempo.

Você pode dar algumas indicações sobre a direção certa? O que você quer dizer com "inicialmente, uma espécie de "sebe" ou "arbitragem"?

E alguns exemplos de canais estacionários (por um ano ou dois, três) você pode ver?

 
GerbertX:
Alguém me ajuda a entender esta função da LRBuild.
Eu tenho duas matrizes - AUDUSD e NZDUSD, como posso fazer regressão entre elas?
Que parâmetros devo usar para esta função?

Cada coluna de matriz retangular [,] xu função pública estática void alglib.lrbuilds() - estas são variáveis independentes x, a última coluna dependente respectivamente y. parâmetro out linearmodel lm é passado por referência, ou seja, o valor está disponível após a função

lrbuilds(). Em seguida, ligar para o público static void alglib.lrunpack(linearmodel lm, out double[] v, out int nvars) e pull out coefficients double[] v of obtained regression model.

P.S. Se você precisa de allglib apenas para a regressão, então esqueça - é inútil entender as peculiaridades do autor, se não é tudo que você precisa, então aprenda R, allglib é limitado pela funcionalidade.

1...258259260261262263264265266267268269270271272...650
Novo comentário