Analisar as características ESTATÍSTICAS mais importantes do padrão e escolher um método de negociação sobre ele. - página 7
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
Fórum sobre comércio, sistemas automatizados de comércio e testes de estratégia comercial
FOREX - Tendências, Previsões e Conseqüências 2015
-Aleks-, 2015.06.21 12:29
Veja no código. O método é bastante simples. Definir o comprimento do padrão atual, encontrar padrões similares na história (por exemplo, usar correlação como distância entre padrões), prever o comportamento do preço no futuro a partir de padrões passados. Este é essencialmente o mesmo agrupamento, ou RBF, ou SVM, ou GRNN. Tudo depende de como medimos a distância em relação ao padrão atual. Leia sobre GRNN e Bayes. Ali, a teoria das previsões é descrita em termos de distribuições estatísticas. Escrito muito sobre o GRNN e os métodos de previsão acima, mas resume-se a uma fórmula simples:
a previsão é y = SUM y [k] * exp (-d [k] / 2s ^ 2) / SUM exp (-d [k] / 2s ^ 2)
onde y [k] é o k-ésimo padrão passado, d [k] é a distância do k-ésimo padrão até o atual. Se as distâncias tiverem uma distribuição gaussiana, então d [k] = (x - x [k]) ^ 2. Para uma distribuição arbitrária (super gaussiana), d [k] = | x - x [k] | ^ p, onde você escolhe p, dependendo se você quer dar mais peso aos vizinhos mais próximos (p grande), ou dar a quase todos os vizinhos o mesmo peso (p pequeno) que sob o socialismo. Para p = 0, temos o socialismo completo.
Depois de conhecer os vizinhos mais próximos e o GRNN, surgirá a seguinte questão óbvia. E como medir a distância entre o padrão atual e os padrões passados. Se você levar em conta as distorções ao longo do eixo do tempo. Aqui é onde o cão é enterrado.
talvez isso ajude https://en.wikipedia.org/wiki/Hellinger_distance
https://dl.acm.org/citation.cfm?id=1288866