Modelin en önemli İSTATİSTİK özelliklerinin analizi ve bunun için bir ticaret yöntemi seçimi. - sayfa 7
Alım-satım fırsatlarını kaçırıyorsunuz:
- Ücretsiz alım-satım 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
Ticaret, otomatik ticaret sistemleri ve ticaret stratejilerinin test edilmesi hakkında forum
FOREX - Trendler, Tahminler ve Sonuçlar 2015
-Aleks- , 2015.06.21 12:29
koda bakın. Yöntem oldukça basittir. Mevcut kalıbın uzunluğunu ayarlayın, geçmişte benzer kalıpları bulun (örneğin, kalıplar arasındaki mesafe olarak korelasyonu kullanın), geçmişteki kalıplardan gelecekteki fiyatın davranışını tahmin edin. Bu temelde aynı kümeleme veya RBF veya SVM veya GRNN'dir. Her şey, mevcut modele olan mesafeyi nasıl ölçtüğümüze bağlıdır. GRNN ve Bayes'i okuyun. Orada, tahminler teorisi istatistiksel dağılımlar açısından açıklanmıştır. GRNN ve yukarıdaki tahmin yöntemleri hakkında çokça yazılmıştır, ancak basit bir formüle indirgenmiştir:
tahmin y = TOPLA y[k] * exp(-d[k]/2s^2) / TOPLA exp(-d[k]/2s^2)
burada y [k] k'inci geçmiş modeldir, d [k] k'inci modelden mevcut olana olan mesafedir. Mesafelerin bir Gauss dağılımı varsa, o zaman d[k] = (x - x[k]) ^ 2. Rastgele (süper Gauss) bir dağılım için, d[k] = | x - x[k] | ^ p, en yakın komşulara daha fazla ağırlık vermek (büyük p) veya neredeyse tüm komşulara sosyalizmde olduğu gibi aynı ağırlığı (küçük p) vermek isteyip istemediğinize bağlı olarak p'yi seçtiğiniz yer. p = 0 için tam sosyalizme sahibiz.
En yakın komşular ve GRNN ile tanıştıktan sonra, aşağıdaki bariz soru ortaya çıkacaktır. Ve mevcut kalıp ile geçmiş kalıplar arasındaki mesafenin nasıl ölçüleceği . Zaman ekseni boyunca bozulmaları hesaba katarsanız. Burası köpeğin gömüldüğü yer.
belki bu yardımcı olur https://en.wikipedia.org/wiki/Hellinger_distance
https://dl.acm.org/citation.cfm?id=1288866