Статья посвящена вопросам использования при торговле в MetaTrader индикатора открытого интереса (Open Interest), публикуемого CFTC. В ней подробно описан предлагаемый проект, показано как загружать необходимую информацию. С помощью торгового робота, входящего в проект, исследуется эффективность концепции изложенной в статье, делаются итоговые выводы, высказываются конструктивные предложения.
Disaggregated Futures Only Reports: The complete Disaggregated Commitments of Traders Futures Only reports file from September 2009 is included by year. Disaggregated Futures-and-Options Combined Reports: The complete Disaggregated Commitments of Traders Futures-and-Options Combined reports file from September 2009 is included by year...
在mql中，它是这样的。
如果(h<3) { h=pow(4./3./n,0.2); }
这里有一个错误。如果没有给出h，则通过公式h=pow(4./3./n,0.2) 计算。如果指定为输入参数p_h，那么h=p_h。在Matlab中，衡量输入数量的变量被称为nargin。如果nargin<3，那么意味着在调用函数时只指定前两个输入，即x和y。在这种情况下，我们用公式计算h。
如果(h<3) { h=pow(4./3./n,0.2); }
这里有一个错误。如果没有给出h，则通过公式h=pow(4./3./n,0.2) 计算。如果指定为输入参数p_h，那么h=p_h。在Matlab中，衡量输入数量的变量被称为nargin。如果nargin<3，那么意味着在调用函数时只指定前两个输入，即x和y。在这种情况下，我们用公式计算h。
我看到一篇文章，它似乎是在讨论这个问题。该文件在附件中。
以下是这句话
我们报告了纽约证券交易所每日股票收益率的交叉关系层次属性和多变性之间的深刻相互作用的证据。
我看到一篇文章，它似乎是在讨论这个问题。该文件在附件中。
以下是这句话
我们报告了纽约证券交易所每日股票收益率的交叉关系层次属性和多变性之间的深刻相互作用的证据。
我觉得这篇文章很难理解，但还是要感谢。
我想知道市场价格正负偏差的分布情况。这里曾经讨论过这个问题，结论是负偏差比正偏差更强。我将尝试用两条线代替单线回归，一条是正的输入值，一条是负的输入值。我将看看会发生什么。
我觉得这篇文章很难理解，但还是要感谢。
我想知道市场价格正负偏差的分布情况。这里曾经讨论过这个问题，结论是负偏差比正偏差更强。我打算尝试用两条线代替单线回归，一条是正向输入值，一条是负向输入值。我将看看会发生什么。
模型有两种类型。
随机森林对于分类来说是非常常见的，它们对于有很多变量的源数据来说效果非常好，这些变量的维度很少。通常情况下，50-100次测量就足够了。而变量可以是几万个。
瑞特对于近似的计算非常方便。你提到了Matlab，所以对你来说，Rattle是一天的工作，6种类型的模型都变得可用，包括回归和分类模型。在那里你还可以看一下相关性，放弃一些变量，估计结果.....。获得很多关于你的变量的有趣信息。顺便评估一下这些变量的重要性。
花时间在Rattle上--你不会后悔的，特别是在你的阶段和你的目标--只是为了看看你得到了什么。
你想把这些数据添加到你的分类器中吗。"Meta COT项目--MetaTrader 4终端中CFTC报告分析的新视野"。看看他们的预测能力有多强，会很有趣。
看了这篇文章，但不明白数据的意思。我很想尝试新的数据，但请告诉我到底是哪种数据，在哪里可以得到它。数据至少要到1980年（如果是从1960年开始最好）。如果你把历史的起点向右移动，我的系统预测的有效值就会下降，如果把训练历史的起点移到1980年之后，它的预测就会变得比随机预测差。这很可能是由于过去的预测数量减少了，在此基础上选择了自2000年以来的测试期的最佳预测器。我已经在为标普500指数的看跌/看涨比率打气了，但这个数据被我的系统抛弃了，因为它是从1995年开始的，而系统是从1960年开始学习的。所有晚于1860年开始的数据都被自动丢弃。
不幸的是，对1960年深度的要求是非常苛刻的。现在开始出版的COT，是在80年代末（美好的八十年代）开始收集的。
试着把一个模型放在一起，用更少的历史来学习。COT每周出一次，认沽/认购比率一般在每天结束时提供。也就是说，这种数据的测量总数可能比月度报告还要多。
如果有的话，数据就在这里。http://www.cftc.gov/MarketReports/CommitmentsofTraders/HistoricalCompressed/index.htm
我们怎么能预测2010年5月由机器人错误造成的崩溃（每个人都得出了这个观点），欧元崩溃了1000多（！）点，或者1月由法郎的行为造成的崩溃？
这就是为什么崩溃是立即发生的崩溃!:)
由算法引起的崩溃是一个算法错误，它很少发生，可以通过分析情况和算法本身进行纠正。
但崩溃每天都在发生，任何从平衡状态的急剧速率变化都可以从崩溃的角度考虑。
这样的崩溃是由群众的行为造成的，有其预兆。每个人都在寻找他们。