1. Системность как общее свойство окружающего мира. Определение системы. 2. Принципы системного подхода в моделировании систем. 3. Моделирование как метод на...
Time series forecasting is of fundamental importance for a variety of domains including the prediction of earthquakes, financial market prediction and the prediction of epileptic seizures. We present an original approach that brings a novel perspective to the field of long-term time series forecasting. Nonlinear properties of a time series are...
Time series forecasting is of fundamental importance for a variety of domains including the prediction of earthquakes, financial market prediction and the prediction of epileptic seizures. We present an original approach that brings a novel perspective to the field of long-term time series forecasting. Nonlinear properties of a time series are...
Today is the last post of the year 2009. With the end of this year I complete 2 years and 4 months of having this blog and working on automated trading systems and projects. I have to say that this year was the most constructive year I have ever had while trading the forex market. […]
在我看来,就我们的目的而言,这篇文章不是很好,我只是选择它作为一个结合了多面性和随机性的方法的说明。
粗略地说,多分形=由许多分形组成,频谱是这些基础分形的维度。但我们可以玩弄 "光谱 "的概念,想出一些适合我们的东西--例如,一个显示在不同尺度上与SB差异程度的函数。
刻度给出一个更大更小的范围,频谱或其他检测非SSB的方法仍会显示它所显示的内容,但不会以任何方式将其与非SSB的原因联系起来。一般来说,对任何事物的控制权和对这些数据的处理可能会带来一些可能性。但它们不会进入每个人的大脑))))。
比例尺给出了一个更大的下限范围,频谱或其他检测非SSB的方法仍然会显示它所显示的内容,但决不会将它与非SSB的原因联系起来。一般来说,获得对任何事物的控制权以及对这些数据的处理可能会带来一些可能性。但它不会进入每个人的大脑))))。
他们不允许我们进入经纪公司和ECN的服务器)他们必须自己发明一切。)
https://www.mql5.com/ru/forum/325441/page15#comment_20589051
也就是说,编写和调试一个机器人应该是没有问题的。
好文章。该方法没有得到很好的介绍,只有结果和对如何做的半点提示,但结果却令人印象深刻。
好文章。该方法没有很好地披露,只有结果和半点提示如何做,但结果却令人印象深刻。
我没有深入研究,但似乎通过某种算法,对该系列进行了大量可能的扩展,并从中选择了与原始系列最匹配的指标。我认为问题在于这种 "预测 "的结果的模糊性。
1)如果给出几个指标,每个指标都会有一个不同的 "预测"。如果你在几个指标中做出一个折中的指标,"预测 "将取决于其特定的设备。
2)"预测 "将在很大程度上取决于构建一组可能的系列扩展的算法。
摆脱参数化模型的想法是可以理解的,也是有吸引力的,但在这里没有实施(我希望能清楚地知道原因)。
我没有深入研究,但似乎是通过某种算法做出大量可能的系列扩展,然后根据给定的指标选择与初始系列最匹配的系列。我认为问题在于这种 "预测 "的结果的模糊性。
1)如果给出几个指标,每个指标都会有一个不同的 "预测"。如果你在几个指标中做出一个折中的指标,"预测 "将取决于其特定的设备。
2)"预测 "将在很大程度上取决于构建一组可能的系列扩展的算法。
摆脱参数化模型的想法是可以理解的,也是有吸引力的,但在这里没有实施(我希望能清楚地知道原因)。
据我所知,作者并没有透露太多关于算法本身的信息,而是用一些格言来搪塞。
因此,GenericPred方法使用两个基本规则。
R1:在预测过程中,始终努力保持非线性测量值尽可能的稳定(图3)。
R2:新值必须从一组由概率分布产生的潜在值中选择。
预测工作必须一步一步地进行,因为当前步骤的预测值需要用来确定下一步的有效变化范围。
据我猜测,一开始会选择一些对数的线性成分,然后在每一步对一个非线性成分进行建模,主要标准是系列的一些随机特性的稳定性。一般来说,它是模糊的,但结果是令人印象深刻的。
在我看来,这种方法有点类似于R中的 "先知 "包所使用的方法。
我看到大家对这个话题很感兴趣...
在我的印象中, 曾经有人试图在R上实现这种算法,但文章已经不再开放,至少对我来说是这样,请尝试一下
我看到大家对这个话题很感兴趣...
在我的印象中, 曾经有人试图在R上实现这种算法,但文章已经不再开放,至少对我来说是这样,请尝试一下
有一个很好的网站,几乎把整个互联网都存档了。
以下是你的第一篇文章的副本
https://web.archive.org/web/20160701000000*/https://mechanicalforex.com/2016/03/using-r-in-trading-time-series-forecasting-using-chaos-part-1.html