Кластерные индикаторы – это набор индикаторов, разделяющих валютные пары на отдельные валюты. Индикаторы позволяют следить за колебаниями валют относительно друг друга, определять потенциал зарождения новых валютных трендов, получать торговые сигналы и сопровождать среднесрочные и долгосрочные позиции.
我在M1上看到过欧元兑美元的出版物。
你必须要看一下Rugarch
有许多这样的GARCNs。它们有三组参数：模型本身、平均值的类型和残差分布的类型。对于每个参数类型，最新的窥视。上文讨论了去趋势化问题。因此，在GARCH中，我们使用ARFIMA进行去趋势，即使用分数分化（Hurst）。
我现在就在做这件事的过程中。
Autocorr功能M1。窗口是60米。
她很不错）。在+/-1米处已经是零，或者说是一个非常微弱的负值。然而，该视频的建议是要做区分，然后...在我们的案例中，在分化之后，除了噪音，什么都没有。
我现在就在做这件事。
Autocorr功能M1。窗口是60米。
她很不错）。在+/-1米处已经是零，或者说是一个非常微弱的负值。然而，该视频的建议是要做区分，然后...在我们的案例中，在分化之后，除了噪音，什么都没有留下。
6000米呢？"噪音不是噪音，应该有小周期，理论上，有一天它们会是周期性的，另一天就不是了。
如果是6000米呢？
这都是一样的。不过，Delta函数）。
如果在以前的计数方向上有相关性，就应该出来了。但它并没有。它不在那里。如果有周期，也应该有明显的相关性，因为在这种情况下几个相邻的样品是相互依赖的，即使没有检测到周期本身，峰值也应该扩大。
SZZ 窗口是滑动的，即整个样本是~52000个样本。
这都是一样的。不过，Delta函数）。
如果在以前的计数方向上有相关性，就应该出来了。但它并没有。它不在那里。如果有周期，也应该有有意义的相关性，因为在这种情况下几个相邻的样本是相互依赖的。
SZW 窗口是滑动的，即整个样本是~52000个样本。
悲伤:)
使用rsi autocorre怎么样？ 或者一个更平滑的震荡器。顺便说一下，rsi并不十分依赖于趋势的斜率--我改变了图表的斜率，它显示的结果与原来的大致相同。
还有，作为一种选择，想试试这个https://www.mql5.com/ru/articles/1472。
它看起来有周期性。你可以把它直接塞进NS，或者用自 相关来试试。而且在我看来，它的预测能力比rsi更好。而且，顺便说一下，它已经是多货币了，也就是说，它取决于一篮子货币对，而不是当前的货币对。
他们唯一需要的是在MT5上重写它。
悲伤:)
用一个自相关轴怎么样？ 或者一个更平滑的振荡器。顺便说一下，Rci并不真正取决于趋势的斜率--我改变了图表的斜率，它显示的结果与原来的大致相同。
已经考虑过类似的问题。autocor功能将只反映RSI本身的周期。按MA计算，会有一个MA平滑期，等等。这很自然。也就是说，它将与市场无关。
坦率地说，我没有看到集群中的任何东西与同样的MAH有根本的不同。当然，我认为是这样的，但在轮廓上是一样的鸡蛋。
我现在就在做这件事。
Autocorr功能M1。窗口是60米。
这很好）。在+/-1米处已经是零，或者说是一个非常微弱的负值。然而，该视频的建议是要做区分，然后...在我们的案例中，在分化之后，除了噪音，什么都没有。
不，它不像那样工作。
你必须看一看Kotir，拿起工具来解决你所发现的问题。
1.初始报价不是静止的--可变平均数。滞后+偏离趋势，很容易耗尽存款。
有两条路可以走。
2.移除趋势：Average = const
3.看看结果吧。更准确地说，看一下残差。
3.1 如果残差是静止的，则为ARMA模型。有这样的系列，但非常少见。
3.2 如果残差不是静止的，那么再进行微分。ARIMA模型。这种模式的行数比较多，但仍然非常罕见。
4.看一下残差和建立GARCH模型。
在现实中，它要复杂得多。
已经考虑过类似的问题。autocor功能将只反映RSI本身的周期。按MA计算，会有一个MA平滑期，等等。这很自然。也就是说，它将与市场无关。
坦率地说，我没有看到集群中的任何东西与同样的MAH有根本的不同。当然，这是我的看法，但从轮廓上看是同一个鸡蛋。
好吧，还有最后一个选择--训练撒播者，感谢元报价很快承诺定制饲料，你可以使用标准工具建立各种工具
在相同的股票或指数上
不，它不会那样工作。
我们需要看一下报价，并选择工具来解决所发现的问题。
1.最初的报价不是静止的--一个可变的平均数。我们可以交易趋势，但我们不能区分修正和反转。滞后+偏离趋势的情况下，很容易耗尽存款。
这是可以理解的。然而，如果我们开始将上述所有内容应用于维纳过程（随机漫步），我们将看到趋势、反转、平坦，以及见鬼去吧--以前已经试过了）。我们将计算各种回归的结果。(但这不会有任何好处）。而且，正如维纳或费曼所写的那样，在解决一个问题之前，最好先弄清楚它是否有一个解决方案。
要做到这一点，首先要找到任何稳定的相关关系（它们的存在），然后建立模型。看起来是这样的。
然而，到目前为止还是一片寂静。
我最近做了一个这样的实验。在时间序列的每个点上，我建立了一个前一个时期的多项式回归，并只显示最后一个点。计算时间很长，大约8小时，我没有保存任何东西，不能显示。只在文字上。我可能会在以后的作品中展示它。
因此，周期性地在回归线上出现一个转折点，之后又出现了一条平滑的线。我不得不说，我还没有弄清楚为什么会发生这种情况，但我们可以假设，在这些点的附近，时间序列的统计数据会发生飞跃性的变化。
PS找到了一块图。
忽略异常值（不知道它们从何而来，也许是多项式系数偏离图表，）。不幸的是，我无法将这个特定的图表与价格系列结合起来。
我最近做了一个这样的实验。在时间序列的每个点上，我建立了一个前一个时期的多项式回归，并只显示最后一个点。计算时间很长，大约8个小时--没有保存任何东西，所以我不能展示它。只在文字上。我可能会在以后的作品中展示它。
因此，周期性地在回归线上出现一个转折点，之后又出现了一条平滑的线。我必须说，我明白为什么会发生这种情况，但可以认为，在这些点的附近，时间序列的统计数据会发生突然的变化。
在遗传优化过程中，结果开始变得动荡不安，这意味着什么？:) 随着时间的推移，图表应该有所改善