Da teoria à prática - página 563

 
Alexander_K:

Obrigado. Estarei atento. Prepare seus bolsos, Yuri.

PS. corrigiu um pouco o pré-post.

Se o VisSim tem os LPFs certos, provavelmente é melhor usá-los. Não há necessidade de ir além da 2ª ordem. O melhor para atrasos, etc., é o filtro Butterworth.

Não revestir nada.

 
Igor Makanu:

Hmmm, aí está você... Você está basicamente em todos os tópicos do fórum de uma só vez e em nenhum lugar em particular

do tópico sobre aprendizagem de máquinas, aqui estão os módulos incrementais em Close draw o indicador que tem uma janela deslizante - onde e para onde? é um MA regular?

Eu sou o gato de Schrodinger.

Posso ter uma foto? Porque o computador A_K2 está ocupado e não me deixa chegar perto.

 
Alexander_K:

Eu sou o gato de Schrodinger.

Posso ter uma foto? O computador do A_K2 tomou o controle e não me deixa aproximar dele.



Gráfico EURUSD, M5, 2018.09.12 19:33 UTC, InstaForex Group, MetaTrader 4, Real

É um módulo incremental próximo.

o que fazer com eles? bem, eu vou parafusar amanhã.... precisam de uma estrela no céu... bem, teremos que correr... vamos refutar a idéia do graal e nos acalmar...

 
Alexander_K:

Eu sou o gato de Schrodinger.

Posso ter uma foto? O computador do A_K2 assumiu o controle e não me deixa chegar perto dele.

O gato de Schrodinger morreu de um frasco de cianeto de potássio há muito tempo.

O fantasma do gato de Schrodinger).

 
Igor Makanu:



Legal... Posso ver um histograma desses valores?

 
Alexander_K:

Legal... Posso ver um histograma desses valores?

Eu meio que lhe dei a fonte na mensagem acima, não sei o que mais... Posso lhe dar meu computador, ou seu laptop? - o que?

)))

ZS: fórmulas ou seus pensamentos escrevam, amanhã eu tenho tempo, talvez encontremos o graal

HH: Sua tarefa deve ser resolvida por várias etapas, ou seja, módulos de incremento próximos - eles devem ser descarregados em um arquivo de texto e depois processados em Matlab em todas as fórmulas perversas possíveis, então, tendo encontrado o Graal, devemos devolver tudo de volta ao MT... de volta, por assim dizer.

 
Igor Makanu:


Mais precisamente, a soma dos incrementos de CLOSE M5 na janela semanal. Certo?

 

Se for uma distribuição gaussiana com uma ACF adequada, uma rede neural irá invadi-la em segundos.

https://ru.wikipedia.org/wiki/Гауссовский_процесс

Гауссовский процесс — Википедия
  • ru.wikipedia.org
В теории вероятностей и статистике гауссовский процесс - это стохастический процесс (совокупность случайных величин, индексированных некоторым параметром, чаще всего временем или координатами), такой что любой конечный набор этих случайных величин имеет многомерное нормальное распределение, то есть любая конечная линейная комбинация из них...
 
Alexander_K:

Mais precisamente, a soma dos incrementos de CLOSE M5 na janela semanal. Certo?

ainda não há soma, estes são módulos incrementais em pips

o que precisamos resumir? fazer um MA para estes módulos?

qual é a janela semanal? qual é o ponto de partida no início da semana? e depois...?

toda essa pesquisa precisa ser feita no matlab de qualquer forma, há um tanque de material pronto para o matlab, pesquise-o no Google em 1-2 consultas, aqui está a ACF para o matlab:

function [AKF]=akf(signal,TAU)
Tn=length(signal);
for tau=0:TAU-1
    Tt=Tn-tau;
    AKF1=0;
    for t=1:Tt
        temp=signal(t+tau)*signal(t);
        AKF1=AKF1+temp;
    end
    if tau==0
        AKFc=AKF1/Tn;
    else
        AKFpr(tau)=AKF1/Tt;
    end
end
for i=1:(TAU-1)
    AKFlev(i)=AKFpr(TAU-i);
end
for i=1:TAU-1
    AKF(i)=AKFlev(i);
end
AKF(TAU)=AKFc;
for i=1:TAU-1
    AKF(TAU+i)=AKFpr(i);
end

//параметр signal — вектор входных значений. TAU — порядок АКФ.
 
Alexander_K:

Se for uma distribuição gaussiana com uma ACF adequada, uma rede neural irá invadi-la em segundos.

https://ru.wikipedia.org/wiki/Гауссовский_процесс

Eu ri por um longo tempo).

A NS não vai absolutamente entrar em pirataria se você mesmo não a piratear antes.

Engraçado sobre a parte dos segundos também). Levo 24 horas para aprender. A rede neural é esparsa - ~60 neurônios.