差分微积分,例子。 - 页 5 123456789101112...24 新评论 Nikolai Semko 2018.01.14 06:46 #41 阿列克谢-潘菲洛夫。 关于傅里叶的问题,这是一个丰富的话题。如果有兴趣,我们会定期触及这个问题。最有可能的是,主要问题会出现在问题陈述上(由于方法不同)。现在,据我所知,该指标从傅里叶频谱中选择最多振幅的频率。我有一个想法,就是把一个傅里叶 指标栓在已经平均好的多项式线上。我怀疑其推断的读数变化会更慢。一般来说,思考的方向是正确的。 多项式和傅里叶方法的推断在性质上完全不同。傅里叶外推法只能适用于平坦的市场,因为它具有周期性(这条线路是不同频率、相位和振幅的正弦波的总和),而且它总是趋向于回调。 而多项式外推法则相反,它适合于趋势分析,因为它的阶梯性质使它一直试图向下或向上 "飞"。 因此,将两种方法结合起来是非常明智的。当然,你不会因为简单的总结而得逞。但我对如何最好地结合它们有一个明确的想法,而且必须使用模式识别来完成。而我在这个问题上已经有一些严肃的工作要做。我甚至在很久之前就把我的第一个识别算法公布在开放源代码 中。这个算法在所有的TF中找到线性(1度的多项式)通道。虽然它是我的算法中最原始和最慢的,但即使在市场上我也没有找到更好的算法(我在 )。 傅里叶外推法比多项式外推法慢得多,所以最好能尝试加快它的速度;不过,以目前的速度,你还是可以做得很好。 Aleksey Panfilov 2018.01.15 07:07 #42 叶夫根尼-别利亚耶夫。 这就是大家一直在做的事情......写的...为了开始一系列的比较,让我们回到众所周知的事情上。 a1_Buffer[i] =iMA(NULL,0,145,0,MODE_EMA,PRICE_OPEN,i);// a1_Buffer[i]= ((open[i] - Znach) +5061600*a1_Buffer[i+1 ]-7489800 *a1_Buffer[i+2 ]+4926624*a1_Buffer[i+3 ]-1215450*a1_Buffer[i+4 ])/1282975; a5_Buffer[i+92]=a1_Buffer[i]; if(i<=1) { for(z=92-1;z>=0;z--){ a5_Buffer[i+0+z]= 2*a5_Buffer[i+1+z] - 1*a5_Buffer[i+2+z] ; }} a2_Buffer[i]= ( (open[i] - Znach) + 72 *a2_Buffer[i+1 ] )/73; a6_Buffer[i+92]=a2_Buffer[i]; if(i<=1) { for(z=92-1;z>=0;z--){ a6_Buffer[i+0+z]= 2*a6_Buffer[i+1+z] - 1*a6_Buffer[i+2+z] ; }} 第一条线a1_Buffer 被绘制成周期为145(72*2+1)的经典EMA,基于开盘点,向左移动72步。图片中的灰色宽线。第二条线a5_Buffer 显示了在第一条线的最后两点上使用直线进行的外推。 图中的灰色线比较细。第三条线a2_Buffer 是直接从一级差分方程绘制的。图中的蓝线。1*Y_(-1)-2*Y_0+1*Y_(+1)=0 等距点的第一级差分方程。2*Y_(-1)-3*Y_0+1*Y_(+2)=0 肩部的第一级差分方程在2个区间。72*Y_(-1)-73*Y_0+1*Y_(+72)=0 以72为间隔的肩部第一度差分方程。它本质上是一个 阿基米德勒维 方程的第一度。第四条线a6_Buffer 显示了使用第三条线最后两点的直线进行的推断。 图片中的红线,它是基于开端点的。我们可以看到这两个结构的完全相同。我举了一个例子,不是为了说明代码的转换,也不是为了说明经典的EMA公式向差额形式的转换。我想指出的是,这意味着在既定的术语中,我们可以把使用多项式的构造称为一定程度的EMA。由于对所建线路的命名问题仍未解决。)当然,如果你不介意的话:)) 附加的文件: 2018_01_15_EMA_Polynom_s1_s1_p72.mq4 17 kb Difference calculus, examples. Aleksey Panfilov 2018.01.15 07:38 #43 尼古拉-森科。我甚至在很久之前就把我的第一个识别算法公布在开放源代码 中。这个算法在所有的TF中找到了线性(1度的多项式)通道。尽管它是我的算法中最原始和最慢的,但即使在市场上我也没有找到更好的(我在 )。 在我看来,很有道理。:)) Aleksey Panfilov 2018.01.16 09:08 #44 我想指出的是,该点可以通过事先计算系数(a2_Buffer蓝线)或从被重绘的线中获取所需的值(a6_Buffer黄线)来进行推算。当然,第二种变体是消耗资源的。 a1_Buffer[i] =iMA(NULL,0,145,0,MODE_EMA,PRICE_OPEN,i);// a1_Buffer[i]= ((open[i] - Znach) +5061600*a1_Buffer[i+1 ]-7489800 *a1_Buffer[i+2 ]+4926624*a1_Buffer[i+3 ]-1215450*a1_Buffer[i+4 ])/1282975; a5_Buffer[i+92]=a1_Buffer[i]; if(i<=1100) { for(z=92-1;z>=0;z--){ a5_Buffer[i+0+z]= 2*a5_Buffer[i+1+z] - 1*a5_Buffer[i+2+z] ; }} a2_Buffer[i]= 37* a1_Buffer[i] -36 *a1_Buffer[i+1]; a6_Buffer[i+56]=a5_Buffer[i+56]; 附加的文件: 2018_01_16_EMA_Polynom_s1_s1_p72_dv.2n.mq4 17 kb Aleksey Panfilov 2018.01.17 07:51 #45 现在用二度多项式(EMA的二度)求平均,用直线推算不同的杠杆率。 a1_Buffer[i]= ((open[i] - Znach) +5328*a1_Buffer[i+1 ]- 2628 *a1_Buffer[i+2 ])/2701; a5_Buffer[i+92]=a1_Buffer[i]; if(i<=1100) { for(z=92-1;z>=0;z--){ a5_Buffer[i+0+z]= 2*a5_Buffer[i+1+z] - 1*a5_Buffer[i+2+z] ; }} a2_Buffer[i+20]=a5_Buffer[i+20]; a3_Buffer[i+38]=a5_Buffer[i+38]; a4_Buffer[i+56]=a5_Buffer[i+56]; a6_Buffer[i+74]=a5_Buffer[i+74]; 第一个图是绘图方案,在第二个图中,所有没有重画 的线都画到最后一个值。地下室中的指标只在设定的线偏移量上有所不同。 附加的文件: 2018_01_17_EMA_Polynom_s2_s1_p72_kv.1r.mq4 17 kb 2018_01_17_EMA_Polynom_s2_s1_p72_wv.28.mq4 17 kb Aleksey Panfilov 2018.01.17 08:15 #46 用二度多项式(二度EMA)进行平均,用正抛物线(二度多项 式)外推到不同的杠杆。 a1_Buffer[i]= ((open[i] - Znach) +5328*a1_Buffer[i+1 ]- 2628 *a1_Buffer[i+2 ])/2701; a5_Buffer[i+92]=a1_Buffer[i]; if(i<=1100) { for(z=92-1;z>=0;z--){ a5_Buffer[i+0+z]= 3*a5_Buffer[i+1+z] - 3*a5_Buffer[i+2+z] + 1*a5_Buffer[i+3+z] ; }} a2_Buffer[i+20]=a5_Buffer[i+20]; a3_Buffer[i+38]=a5_Buffer[i+38]; a4_Buffer[i+56]=a5_Buffer[i+56]; a6_Buffer[i+74]=a5_Buffer[i+74]; 第一个图是绘图方案,在第二个图中,所有没有重画 的线都画到最后一个值。地下室中的指标只在设定的线偏移量上有所不同。 附加的文件: 2018_01_17_EMA_Polynom_s2_s2_p72_zv.13.mq4 17 kb 2018_01_17_EMA_Polynom_s2_s2_p72_8v.2z.mq4 17 kb СанСаныч Фоменко 2018.01.17 09:00 #47 我看了几遍这个主题,我不明白我们在谈论什么。报价是一个随机过程,可以用各种分析曲线来近似,特别是这里的线程。但有一个非常基本的问题。这些分析曲线中的系数是常数,这是一个非常大胆的想法。由于我们近似于一个随机过程,系数也是罕见的数量,它们应该被评估,而不是被计算,以及所有这一切意味着。例如,人们可以很容易地得到一个系数的值,看到它的值,在看它的评价时,发现确定该系数值的误差是该值本身的倍数。 而麻烦并没有就此结束。如果一个误差是正态分布的,那就是一个误差,如果它不是静止的,那就根本没有系数,尽管我们可以看到它。这就是为什么所有的指标都变成了非功能性的。虽然它们可以是难以形容的美丽。PS。上面有一个帖子说,未来并不是从过去流出来的。所以上面是对这一悲惨事实的披露。 Aleksey Panfilov 2018.01.17 18:46 #48 桑桑尼茨-弗门科。我看了几遍这个主题,我不明白我们在谈论什么。报价是一个随机过程,可以用各种分析曲线来近似,特别是这里的线程。但有一个非常基本的问题。这些分析曲线中的系数是常数,这是一个非常大胆的想法。由于我们近似于一个随机过程,系数也是罕见的数量,它们应该被评估,而不是被计算,以及所有这一切意味着。例如,人们可以很容易地得到一个系数的值,看到它的值,在看它的评价时,发现确定该系数值的误差是该值本身的倍数。 而麻烦并没有就此结束。如果一个误差是正态分布,那么它就是一个误差,如果它不是静止的,那么根本就没有系数,尽管我们可以看到它。这就是为什么所有的指标都变成了非功能性的。虽然它们可以是难以形容的美丽。PS。上面有一个帖子说,未来并不是从过去流出来的。所以上面是对这一悲惨事实的披露。谢谢你的帖子。也记住了。 关于交易、自动交易系统和交易策略测试的论坛 你知道如何准备渠道吗? SanSanych Fomenko, 2017.12.31 11:00 关于交易、自动交易系统和测试交易策略的论坛 你知道如何准备渠道吗? Aleksey Ivanov, 2017.12.31 10:48 是的,我忘了说明,我建立的这些移动概率分布是非延迟的( 由2n+1点建立的移动平均数 滞后n点,当然,分布也是如此),对于这一点,只要通过模型 GARCH预测了一些点,并在历史的末端部分建立了一个非退化 分布的模型(这很重要),考虑到他们提供的额外统计数据。我向桑桑尼茨(SanSanych Fomenko)提问:"这种方法对于跳跃来说会更正确,还是也会造成问题? 我无法评估你的方法并给出答案。 你正试图考虑一个想法,市场上有无数的想法,但像绝大多数想法的作者一样,你没有问自己一个问题:你在历史数据中看到的一切将在未来重复出现在什么基础上?或者更准确地说:你的想法甚至具有预测能力吗?GARCH的作者并没有立即得出这个模型,顺便说一下,在与有效市场的思想家的激烈斗争中,他们把有效市场理解为静止的。我们从统计学中知道,静止的过程是可以预测的,但非静止的过程的预测效果很差。这正是问题所在。非稳态性使无用的数学山在其他领域变得极为有效。GARCH意识形态。其基本前提不是静止性我们精确地阐述了非平稳性一词的含义开始一点一点地从NOT到静止状态到静止状态。越接近静止性,算法对未来的预测能力就越强你的想法是这样的吗? 我认为它肯定会派上用场。 Difference calculus, examples. Aleksey Panfilov 2018.01.17 20:28 #49 通过四度多项式与杠杆72(四度EMA)进行平均,并使用直线外推到不同的杠杆率。 a1_Buffer[i]=((open[i] - Znach) +5061600*a1_Buffer[i+1 ]-7489800 *a1_Buffer[i+2 ]+4926624*a1_Buffer[i+3 ]-1215450*a1_Buffer[i+4 ])/1282975; a5_Buffer[i+92]=a1_Buffer[i]; if(i<=1100) { for(z=92-1;z>=0;z--){ a5_Buffer[i+0+z]= 2*a5_Buffer[i+1+z] - 1*a5_Buffer[i+2+z] + 0*a5_Buffer[i+3+z] ; }} a2_Buffer[i+20]=a5_Buffer[i+20]; a3_Buffer[i+38]=a5_Buffer[i+38]; a4_Buffer[i+56]=a5_Buffer[i+56]; a6_Buffer[i+74]=a5_Buffer[i+74]; 第一个图是绘图方案,在第二个图中,所有没有重画 的线都画到最后一个值。地下室中的指标只在设定的线偏移量上有所不同。 附加的文件: 2018_01_18_EMA_Polynom_s4_s1_p72_hv.10.mq4 17 kb 2018_01_18_EMA_Polynom_s4_s1_p72_9v.2x.mq4 17 kb Aleksey Panfilov 2018.01.17 20:39 #50 用四度多项式进行平均,杠杆率为72(四度EMA),用方形抛物线(二度多项式) 推算出不同的杠杆率。 a1_Buffer[i]=((open[i] - Znach) +5061600*a1_Buffer[i+1 ]-7489800 *a1_Buffer[i+2 ]+4926624*a1_Buffer[i+3 ]-1215450*a1_Buffer[i+4 ])/1282975; a5_Buffer[i+92]=a1_Buffer[i]; if(i<=1100) { for(z=92-1;z>=0;z--){ a5_Buffer[i+0+z]= 3*a5_Buffer[i+1+z] - 3*a5_Buffer[i+2+z] + 1*a5_Buffer[i+3+z] ; }} a2_Buffer[i+20]=a5_Buffer[i+20]; a3_Buffer[i+38]=a5_Buffer[i+38]; a4_Buffer[i+56]=a5_Buffer[i+56]; a6_Buffer[i+74]=a5_Buffer[i+74]; 第一个图是一个绘图方案,在第二个图中,所有没有重画 的线都画到最后一个值。地下室中的指标只在设定的线偏移量上有所不同。 附加的文件: 2018_01_18_EMA_Polynom_s4_s2_p72_hv.1i.mq4 17 kb 2018_01_18_EMA_Polynom_s4_s2_p72_3v.2q.mq4 17 kb 123456789101112...24 新评论 您错过了交易机会: 免费交易应用程序 8,000+信号可供复制 探索金融市场的经济新闻 注册 登录 拉丁字符(不带空格) 密码将被发送至该邮箱 发生错误 使用 Google 登录 您同意网站政策和使用条款 如果您没有帐号,请注册 可以使用cookies登录MQL5.com网站。 请在您的浏览器中启用必要的设置,否则您将无法登录。 忘记您的登录名/密码? 使用 Google 登录
关于傅里叶的问题,这是一个丰富的话题。如果有兴趣,我们会定期触及这个问题。
最有可能的是,主要问题会出现在问题陈述上(由于方法不同)。现在,据我所知,该指标从傅里叶频谱中选择最多振幅的频率。
我有一个想法,就是把一个傅里叶 指标栓在已经平均好的多项式线上。我怀疑其推断的读数变化会更慢。
一般来说,思考的方向是正确的。
多项式和傅里叶方法的推断在性质上完全不同。傅里叶外推法只能适用于平坦的市场,因为它具有周期性(这条线路是不同频率、相位和振幅的正弦波的总和),而且它总是趋向于回调。
而多项式外推法则相反,它适合于趋势分析,因为它的阶梯性质使它一直试图向下或向上 "飞"。
)。
因此,将两种方法结合起来是非常明智的。当然,你不会因为简单的总结而得逞。但我对如何最好地结合它们有一个明确的想法,而且必须使用模式识别来完成。而我在这个问题上已经有一些严肃的工作要做。我甚至在很久之前就把我的第一个识别算法公布在开放源代码 中。这个算法在所有的TF中找到线性(1度的多项式)通道。虽然它是我的算法中最原始和最慢的,但即使在市场上我也没有找到更好的算法(我在
傅里叶外推法比多项式外推法慢得多,所以最好能尝试加快它的速度;不过,以目前的速度,你还是可以做得很好。
这就是大家一直在做的事情......写的...
为了开始一系列的比较,让我们回到众所周知的事情上。
第一条线a1_Buffer 被绘制成周期为145(72*2+1)的经典EMA,基于开盘点,向左移动72步。图片中的灰色宽线。
第二条线a5_Buffer 显示了在第一条线的最后两点上使用直线进行的外推。 图中的灰色线比较细。
第三条线a2_Buffer 是直接从一级差分方程绘制的。图中的蓝线。
1*Y_(-1)-2*Y_0+1*Y_(+1)=0 等距点的第一级差分方程。
2*Y_(-1)-3*Y_0+1*Y_(+2)=0 肩部的第一级差分方程在2个区间。
72*Y_(-1)-73*Y_0+1*Y_(+72)=0 以72为间隔的肩部第一度差分方程。
它本质上是一个 阿基米德勒维 方程的第一度。
第四条线a6_Buffer 显示了使用第三条线最后两点的直线进行的推断。 图片中的红线,它是基于开端点的。
我们可以看到这两个结构的完全相同。我举了一个例子,不是为了说明代码的转换,也不是为了说明经典的EMA公式向差额形式的转换。
我想指出的是,这意味着在既定的术语中,我们可以把使用多项式的构造称为一定程度的EMA。由于对所建线路的命名问题仍未解决。)
当然,如果你不介意的话:))
我甚至在很久之前就把我的第一个识别算法公布在开放源代码 中。这个算法在所有的TF中找到了线性(1度的多项式)通道。尽管它是我的算法中最原始和最慢的,但即使在市场上我也没有找到更好的(我在
)。
我想指出的是,该点可以通过事先计算系数(a2_Buffer蓝线)或从被重绘的线中获取所需的值(a6_Buffer黄线)来进行推算。当然,第二种变体是消耗资源的。
现在用二度多项式(EMA的二度)求平均,用直线推算不同的杠杆率。
第一个图是绘图方案,在第二个图中,所有没有重画 的线都画到最后一个值。
地下室中的指标只在设定的线偏移量上有所不同。
用二度多项式(二度EMA)进行平均,用正抛物线(二度多项 式)外推到不同的杠杆。
第一个图是绘图方案,在第二个图中,所有没有重画 的线都画到最后一个值。
地下室中的指标只在设定的线偏移量上有所不同。
我看了几遍这个主题,我不明白我们在谈论什么。
报价是一个随机过程,可以用各种分析曲线来近似,特别是这里的线程。
但有一个非常基本的问题。
这些分析曲线中的系数是常数,这是一个非常大胆的想法。
由于我们近似于一个随机过程,系数也是罕见的数量,它们应该被评估,而不是被计算,以及所有这一切意味着。例如,人们可以很容易地得到一个系数的值,看到它的值,在看它的评价时,发现确定该系数值的误差是该值本身的倍数。
而麻烦并没有就此结束。如果一个误差是正态分布的,那就是一个误差,如果它不是静止的,那就根本没有系数,尽管我们可以看到它。
这就是为什么所有的指标都变成了非功能性的。虽然它们可以是难以形容的美丽。
PS。
上面有一个帖子说,未来并不是从过去流出来的。所以上面是对这一悲惨事实的披露。
我看了几遍这个主题,我不明白我们在谈论什么。
报价是一个随机过程,可以用各种分析曲线来近似,特别是这里的线程。
但有一个非常基本的问题。
这些分析曲线中的系数是常数,这是一个非常大胆的想法。
由于我们近似于一个随机过程,系数也是罕见的数量,它们应该被评估,而不是被计算,以及所有这一切意味着。例如,人们可以很容易地得到一个系数的值,看到它的值,在看它的评价时,发现确定该系数值的误差是该值本身的倍数。
而麻烦并没有就此结束。如果一个误差是正态分布,那么它就是一个误差,如果它不是静止的,那么根本就没有系数,尽管我们可以看到它。
这就是为什么所有的指标都变成了非功能性的。虽然它们可以是难以形容的美丽。
PS。
上面有一个帖子说,未来并不是从过去流出来的。所以上面是对这一悲惨事实的披露。
谢谢你的帖子。
也记住了。
关于交易、自动交易系统和交易策略测试的论坛
你知道如何准备渠道吗?
SanSanych Fomenko, 2017.12.31 11:00
关于交易、自动交易系统和测试交易策略的论坛
你知道如何准备渠道吗?
Aleksey Ivanov, 2017.12.31 10:48
是的,我忘了说明,我建立的这些移动概率分布是非延迟的( 由2n+1点建立的移动平均数 滞后n点,当然,分布也是如此),对于这一点,只要通过模型
GARCH预测了一些点,并在历史的末端部分建立了一个非退化 分布的模型(这很重要),考虑到他们提供的额外统计数据。我向桑桑尼茨(SanSanych Fomenko)提问:"这种方法对于跳跃来说会更正确,还是也会造成问题?
我无法评估你的方法并给出答案。
你正试图考虑一个想法,市场上有无数的想法,但像绝大多数想法的作者一样,你没有问自己一个问题:你在历史数据中看到的一切将在未来重复出现在什么基础上?或者更准确地说:你的想法甚至具有预测能力吗?
GARCH的作者并没有立即得出这个模型,顺便说一下,在与有效市场的思想家的激烈斗争中,他们把有效市场理解为静止的。
我们从统计学中知道,静止的过程是可以预测的,但非静止的过程的预测效果很差。这正是问题所在。非稳态性使无用的数学山在其他领域变得极为有效。
GARCH意识形态。
你的想法是这样的吗?
通过四度多项式与杠杆72(四度EMA)进行平均,并使用直线外推到不同的杠杆率。
第一个图是绘图方案,在第二个图中,所有没有重画 的线都画到最后一个值。
地下室中的指标只在设定的线偏移量上有所不同。
用四度多项式进行平均,杠杆率为72(四度EMA),用方形抛物线(二度多项式) 推算出不同的杠杆率。
第一个图是一个绘图方案,在第二个图中,所有没有重画 的线都画到最后一个值。
地下室中的指标只在设定的线偏移量上有所不同。