Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 2322
Ticaret fırsatlarını kaçırıyorsunuz:
- Ücretsiz ticaret uygulamaları
- İşlem kopyalama için 8.000'den fazla sinyal
- Finansal piyasaları keşfetmek için ekonomik haberler
Kayıt
Giriş yap
Gizlilik ve Veri Koruma Politikasını ve MQL5.com Kullanım Şartlarını kabul edersiniz
Hesabınız yoksa, lütfen kaydolun
Bence, amaçlarımız için - makale çok iyi değil, onu sadece çok fraktaliteyi ve stokastikliği birleştiren bir yaklaşımın bir örneği olarak seçtim.
Kabaca söylemek gerekirse, çoklu fraktal = birçok fraktaldan oluşur ve spektrum bu temel fraktalların boyutlarıdır. Ancak "spektrum" kavramıyla oynayabilir ve bizim için uygun bir şey bulabilirsiniz - örneğin, farklı ölçeklerde SB'den farkın derecesini gösteren bir fonksiyon.
ölçek daha büyük bir daha küçük aralık, spektrum verir veya SB olmayanları tespit etmek için başka bir yöntem gösterir, yine de gösterdiğini gösterir, ancak hiçbir şekilde SB olmayanların nedenleriyle bağlantı kurmaz. Genel olarak her şeyin ve herkesin kontrolüne erişim ve bu verilerin işlenmesi bazı fırsatlar sağlayabilir. AMA herkes mosh'a girmeyecek)))
ölçek daha büyük bir daha küçük aralık, spektrum verir veya SB olmayanları tespit etmek için başka bir yöntem gösterir, yine de gösterdiğini gösterir, ancak hiçbir şekilde SB olmayanların nedenleriyle bağlantı kurmaz. Genel olarak her şeyin ve herkesin kontrolüne erişim ve bu verilerin işlenmesi bazı fırsatlar sağlayabilir. AMA herkes mosh'a girmeyecek)))
Eh, DC ve ECN sunucularına girmemize izin vermiyorlar) Her şeyi kendimiz icat etmek zorundayız)
https://www.mql5.com/ru/forum/325441/page15#comment_20589051
onlar. bir bot yazın ve hata ayıklayın - sorun olmamalı
İyi makale. Yaklaşım gerçekten açıklanmadı, sadece sonuçlar ve nasıl yapıldığına dair yarım ipuçları, ancak sonuçlar etkileyici.
İyi makale. Yaklaşım gerçekten açıklanmadı, sadece sonuçlar ve nasıl yapıldığına dair yarım ipuçları, ancak sonuçlar etkileyici.
Buna gerçekten girmedim, ancak görünüşe göre, bazı algoritmalar aracılığıyla, verilen metriklere göre orijinal seri için en uygun olan serinin çok sayıda olası devamı yapıldı, sonra seçilir. Sorunu, böyle bir "tahmin" sonucunun belirsizliğinde görüyorum:
1) Birkaç metrik ayarlanmışsa, her birinin kendi "tahmini" olacaktır. Birkaç ölçümden bir uzlaşma yaparsanız, "tahmin", belirli cihazına bağlı olacaktır.
2) "Tahmin", serinin bir dizi olası devamını oluşturmak için kullanılan algoritmaya büyük ölçüde bağlı olacaktır.
Parametrik modellerden uzaklaşma fikri anlaşılabilir ve çekici ancak burada uygulanmıyor (umarım neden olduğu açıktır).
Buna gerçekten girmedim, ancak görünüşe göre, bazı algoritmalar aracılığıyla, verilen metriklere göre orijinal seri için en uygun olan serinin çok sayıda olası devamı yapıldı, sonra seçilir. Sorunu, böyle bir "tahmin" sonucunun belirsizliğinde görüyorum:
1) Birkaç metrik ayarlanmışsa, her birinin kendi "tahmini" olacaktır. Birkaç ölçümden bir uzlaşma yaparsanız, "tahmin", belirli cihazına bağlı olacaktır.
2) "Tahmin", serinin bir dizi olası devamını oluşturmak için kullanılan algoritmaya büyük ölçüde bağlı olacaktır.
Parametrik modellerden uzaklaşma fikri anlaşılabilir ve çekici ancak burada uygulanmıyor (umarım neden olduğu açıktır).
Anladığım kadarıyla, yazarlar algoritmanın kendisini çok fazla açığa vurmuyorlar, şu gibi özdeyişlerle yola çıkıyorlar:
Bu nedenle, GenericPred yöntemi iki temel kural kullanır:
R1: Tahmin sırasında her zaman doğrusal olmayan bir ölçümün değerini mümkün olduğunca sabit tutmaya çalışın ( Şekil 3 ).
R2: Yeni değer, bir olasılık dağılımından oluşturulan bir dizi potansiyel değerden seçilmelidir.
Tahmin adım adım takip edilmelidir çünkü bir sonraki adım için geçerli değişim aralığını belirlemek için mevcut adımdaki tahmin edilen değere ihtiyaç vardır.
Tahmin edebildiğim kadarıyla, önce belirli bir lojistik lineer bileşen seçiliyor ve daha sonra her adımda lineer olmayan bir simülasyon gerçekleştirilir, bunun için ana kriter serinin belirli bir stokastik karakteristiğinin kararlılığıdır. Genel olarak belirsiz, ancak sonuç etkileyici.
Benim düşünceme göre, yaklaşım R'deki "peygamber" paketinde kullanılana biraz benziyor.
Görüyorum ki bu konuya ilgi var..
Hatırladığım kadarıyla , bu algoritmayı R'de uygulamak için bir girişim vardı , ancak makaleler artık açılmıyor, en azından benim için deneyin.
Görüyorum ki bu konuya ilgi var..
Hatırladığım kadarıyla , bu algoritmayı R'de uygulamak için bir girişim vardı , ancak makaleler artık açılmıyor, en azından benim için deneyin.
Neredeyse tüm interneti arşivleyen harika bir site var.
İşte makalelerinizin ilk kopyaları
https://web.archive.org/web/20160701000000*/https://mechanicalforex.com/2016/03/using-r-in-trading-time-series-forecasting-using-chaos-part-1.html