基于艾略特波浪理论的交易策略 - 页 206 1...199200201202203204205206207208209210211212213...309 新评论 Forex Trader 2007.01.08 06:57 #2051 1.假设有一个正态分布的随机变量，期望值为零，相关图为零或符号变量。通过整合它，我们得到了一个时间序列的类似物。如果该系列足够长，我们可以标出任何长时间的价格方向性运动。让我们把这种趋势称为随机 趋势。基于建立TS的主要不可能性，它可以在长时间间隔的这种系列上获得利润，我们得出结论，不可能在休闲系统的帮助下检测随机趋势。 2.假设有一个正态分布的随机变量，期望值为零，相关图为正。 如果这个系列足够长，我们可以标记出任何长时间的价格方向性运动。让我们把这样的趋势称为决定性的 趋势。确定性的趋势可以通过数字低通滤波器或其导数来检测。例如，两条不同周期的移动平均线 的交叉，无非是平滑的时间序列导数的近似。很明显，这与数学的要求一样：导数大于零意味着函数在增加，小于零意味着函数在减少。但只有少数人知道，它只对具有正FAC的系列起作用，而所有TF中的所有货币系列都具有负FAC!结果是，该方法在市场上不起作用，或起作用，但意外地起作用...... 继续这个主题。 时间序列分析的主要问题 时间序列与构成随机样本的观察序列的主要区别如下。 - 首先，与随机样本的元素不同，时间序列的成员不是独立的； - 其次，时间序列的成员不一定是平等分布的。 这意味着，随机抽样的统计分析的属性和规则不能扩展到时间序列。另一方面，时间序列项的相互依赖性为根据观察值构建被分析指标的预测值创造了自己的具体基础。 在时间序列值形成的影响下，对主要因素进行分类。 一般来说，这种因素有4种类型的区分。 1.形成被分析指标变化的一般（长期）趋势的长期因素。通常这种趋势是由一个非随机函数（其参数是时间）描述的，通常是单调的。这个函数被称为趋势函数或简称为趋势。 2.季节性，在一年中的某些时候，形成被分析属性的周期性波动。由于这个函数是周期性的（周期是 "季节 "的倍数），其分析表达涉及谐波（三角函数），其周期性通常由问题的本质决定。 3.由经济或人口性质的长期周期（康德拉季耶夫波、人口 "洼地 "等）引起的被分析属性的周期性（联合）形成变化。 4.随机（不规则）、不负责任和无记录。它们对时间序列值的形成的影响只是导致序列元素的随机性，因此需要将成员解释为对随机变量的观察。让我们用随机变量（"残差"、"误差"）来表示随机因素影响的结果。 当然，在任何时间序列的数值形成过程中，不一定所有四类因素都同时参与。关于某一类型的因素是否参与某一特定时间序列值的形成的结论，既可以基于对问题的实质部分的分析，也可以基于对所调查的时间序列的特殊统计分析。然而，在所有情况下，都假定有随机因素的参与。因此，在一般情况下，数据形成模型（具有因素影响的加法结构方案）看起来是所有或部分因素的总和。 随机流理论和外汇 William Blau 的 MQL5 Forex Trader 2007.01.08 09:19 #2052 嗯，这是一个悲伤的帖子。似乎没有什么能阻止这种趋势，但对于外汇来说，不能科学地找到它。:о)而我为什么要在上面放一个笑脸呢？可能是因为我知道的不多 :o) 好，我们继续。 <br / translate="no"> 设有一个正态分布的随机变量，期望值为零，相关图为正。如果这个系列足够长，我们可以标出任何长时间的价格方向性运动。让我们把这样的趋势称为决定性的趋势。 中子，我没有理解错吧，只有期望值为零、相关图为正的数列才能被认为是确定性的？ Forex Trader 2007.01.08 11:57 #2053 1.假设有一个期望值为零的正态分布随机变量，нулевой или знакопеременной 相关图。通过整合它，我们得到了一个时间序列的模拟。如果该系列足够长，我们可以标出任何长时间的价格方向性运动。让我们把这种趋势称为随机 趋势。基于建立TS的主要不可能性，它可以在长时间间隔的这种系列上获得利润，我们得出结论，不可能在休闲系统的帮助下检测随机趋势。 2.假设有一个正态分布的随机变量，期望值为零，相关图为正。 如果这个系列足够长，我们可以标记出任何长时间的价格方向性运动。让我们把这样的趋势称为决定性的 趋势。确定性的趋势可以通过数字低通滤波器或其导数来检测。例如，两条不同周期的移动平均线的交叉，无非是平滑的时间序列导数的近似。很明显，这与数学的要求一样：导数大于零，意味着函数在增加；小于零意味着函数在减少。但只有少数人知道，它只对具有正FAC的系列起作用，而所有TF中的所有货币系列都具有负FAC!结果是，该方法在市场上不起作用，或起作用，但意外地起作用...... 让我们继续这个主题。 时间序列分析的主要任务 时间序列与构成随机样本的观察序列之间的主要区别如下。 - 首先，与随机样本的元素不同，时间序列的成员并不独立。 - 第二，一个时间序列的成员不一定是平等分布的。 这意味着，随机抽样的统计分析的属性和规则不能扩展到时间序列。另一方面，时间序列成员的相互依存关系为根据观察值构建被分析指标的预测值创造了自己的具体基础。 在时间序列值形成的影响下，对主要因素进行分类。 一般来说，这种因素有4种类型的区分。 1.形成被分析指标变化的一般（长期）趋势的长期因素。通常这种趋势是由一个非随机函数（其参数是时间）描述的，通常是单调的。这个函数被称为趋势函数或简称为趋势。 2.季节性，在一年中的某些时候，形成被分析属性的周期性波动。由于这个函数是周期性的（周期是 "季节 "的倍数），其分析表达涉及谐波（三角函数），其周期性通常由任务的本质决定。 3.由经济或人口性质的长期周期（康德拉季耶夫波、人口 "洼地 "等）引起的被分析属性的周期性（联合）形成变化。 4.随机（不规则）、不负责任和无记录。它们对时间序列值的形成的影响只是导致序列元素的随机性，因此需要将成员解释为对随机变量的观察。让我们用随机变量（"残差"、"误差"）来表示随机因素影响的结果。 当然，在任何时间序列的数值形成过程中，不一定所有四类因素都同时参与。关于某一类型的因素是否参与某一特定时间序列值的形成的结论，既可以基于对问题的实质部分的分析，也可以基于对所调查的时间序列的特殊统计分析。然而，在所有情况下，都假定有随机因素的参与。因此，在一般情况下，数据形成模型（具有因素影响的加法结构方案）看起来是所有或部分因素的总和。 中子 ，你他妈的满嘴跑火车！！！。:)))))))))))) 相信我，这比你想象的要简单得多...... Forex Trader 2007.01.08 12:27 #2054 1.假设有一个期望值为零的正态分布随机变量 ，我的朋友，你凭什么认为这个分布是正态的？ 每个角落都在叫嚣着重尾的问题...... (事实上，它是对数正态的。) ，一切都由类似逻辑 方程的东西来描述，以及它所暗示的一切。 ，这一点的另一个确认--实验grasn(我不记得确切的，但与分形维度，或与赫斯特...) P.S. 顺便说一下，哈肯有一本漂亮的书《信息和自组织。复杂系统的宏观方法》。 Forex Trader 2007.01.08 13:19 #2055 2北风 PS Северный Ветер, а что такое Н-волатильность ? 这里http://forum.fxclub.org/showthread.php?t=32942&page=9，大约在页面的一半处，有原始资料的简短摘录。 谢谢你的链接。而且这个话题很有意思。 我不明白为什么那里的人这么奇怪。关于钱币的话题被淹没在洪水中。为什么？ 似乎这个话题大家都不感兴趣，他们只想挠挠舌头。 关于H-volatility太简略了，无法理解所有的东西，但足以让人明白一个概念。 我想知道对论文本身的访问是否开放？是否可以通过互联网访问？ Forex Trader 2007.01.08 14:55 #2056 <br/ translate="no">Grasn Neutron，我没有理解错，只有具有零期望和正相关图的系列才能被认为是确定性的？ 不，确定的趋势是由具有零期望和正相关图的正态分布随机变量的积分产生的趋势。 Tovaroved 08.01.07 13:27 ...伙计，你凭什么认为分布是正态的？ 你知道，他们在每个角落都喊着重尾... (事实上，它是对数正态的。) 只是为了说明问题。分布不需要是正常的。现实上，它很好地被一个双参数的指数分布 所近似。它使那些非常粗的尾巴。 。 亚历克斯-尼罗巴 中子 真是一派胡言！！！:)))))))))))) 相信我，这比你想象的要简单得多... 不是这样的!你对外汇抱有幻想。没有比这更简单的事情了。 它已经被测试过了。 Forex Trader 2007.01.08 15:53 #2057 <br / translate="no"> グリーン 中子，我是否正确地理解了只有具有零期望值和正相关图的系列才能被认为是确定性的？ 不，由具有零期望和正相关图的正态分布随机变量整合产生的趋势将是确定性的。 我不太明白。事实证明，决定性系列的概念并不存在？让我们始终如一地走下去。从你的话中，我理解了以下内容。我们有一些系列，比方说，我们不知道它们的特点。 我们做的第一件事是检查之前列出的参数（期望值和正相关图）是否符合要求，如果条件得到满足，我们就进入整合阶段。 还是一次性整合一个系列，看看它的特点？ 或者我们用一些拥有这些参数的随机变量来整合这个系列？但怎么做呢？ Forex Trader 2007.01.08 16:19 #2058 2Северный Ветер ... 关于H-volatility，太简洁了，无法理解所有的东西，但足以让人了解。 我不知道论文本身是否可以公开获取？是否有可能在互联网上得到它？ 起始点http://forex.kbpauk.ru/showflat.php?Cat=0&Board=mts&Number=139469&page=0&fpart=all 论文本身可以在蜘蛛网上找到，在书的部分，但那里需要注册。 我也有。 Forex Trader 2007.01.08 18:00 #2059 [引用] [引用] <br/ translate="no">Grasn 我不太明白。事实证明，决定性系列的概念并不存在？让我们始终如一地走下去。从你所说的，我已经理解了以下内容。我们有一些系列，比方说，我们不知道它们的特点。 我们做的第一件事是检查之前列出的参数（期望值和正相关图）是否符合要求，如果条件得到满足，我们就进入整合阶段。 还是一次性整合一个系列，看其特点？ 或者我们通过一些拥有这些参数的随机变量来整合这个系列？但怎么做？ 谢尔盖，我们所操作的那些时间序列（价格序列）已经是一阶的综合序列（作为一项规则）。通过连续求差，我们将得到一个静止的残差序列，我们将研究它的特性。这是正确之举。在开仓时，我们实际上不是用符号率的绝对值来操作，而是用它在持仓期间的预期增量来操作，也就是说，我们用一系列的差值来操作。正如我之前所说，整个交易策略的种类归结为一个动作--在开仓后 预测价格运动方向......。现在推导出检测确定性趋势的标准还为时过早。我们需要建立一个完整的，如果可能的话，内部一致的价格形成图，只有这样我们才知道如何建立一个最佳的预测模型。我的希望。 Forex Trader 2007.01.08 18:17 #2060 2北风 <br / translate="no">起点是http://forex.kbpauk.ru/showflat.php?Cat=0&Board=mts&Number=139469&page=0&fpart=all。 论文本身可以在蜘蛛网的书籍部分找到，但需要注册。 谢谢，登记是，虽然我去那里只是 "需要"。IMHO 这是非常黑暗的。 我已经做了。 1...199200201202203204205206207208209210211212213...309 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
2.假设有一个正态分布的随机变量，期望值为零，相关图为正。
如果这个系列足够长，我们可以标记出任何长时间的价格方向性运动。让我们把这样的趋势称为决定性的 趋势。确定性的趋势可以通过数字低通滤波器或其导数来检测。例如，两条不同周期的移动平均线 的交叉，无非是平滑的时间序列导数的近似。很明显，这与数学的要求一样：导数大于零意味着函数在增加，小于零意味着函数在减少。但只有少数人知道，它只对具有正FAC的系列起作用，而所有TF中的所有货币系列都具有负FAC!结果是，该方法在市场上不起作用，或起作用，但意外地起作用......
继续这个主题。
时间序列分析的主要问题
时间序列与构成随机样本的观察序列的主要区别如下。
- 首先，与随机样本的元素不同，时间序列的成员不是独立的；
- 其次，时间序列的成员不一定是平等分布的。
这意味着，随机抽样的统计分析的属性和规则不能扩展到时间序列。另一方面，时间序列项的相互依赖性为根据观察值构建被分析指标的预测值创造了自己的具体基础。
在时间序列值形成的影响下，对主要因素进行分类。
一般来说，这种因素有4种类型的区分。
1.形成被分析指标变化的一般（长期）趋势的长期因素。通常这种趋势是由一个非随机函数（其参数是时间）描述的，通常是单调的。这个函数被称为趋势函数或简称为趋势。
2.季节性，在一年中的某些时候，形成被分析属性的周期性波动。由于这个函数是周期性的（周期是 "季节 "的倍数），其分析表达涉及谐波（三角函数），其周期性通常由问题的本质决定。
3.由经济或人口性质的长期周期（康德拉季耶夫波、人口 "洼地 "等）引起的被分析属性的周期性（联合）形成变化。
4.随机（不规则）、不负责任和无记录。它们对时间序列值的形成的影响只是导致序列元素的随机性，因此需要将成员解释为对随机变量的观察。让我们用随机变量（"残差"、"误差"）来表示随机因素影响的结果。
当然，在任何时间序列的数值形成过程中，不一定所有四类因素都同时参与。关于某一类型的因素是否参与某一特定时间序列值的形成的结论，既可以基于对问题的实质部分的分析，也可以基于对所调查的时间序列的特殊统计分析。然而，在所有情况下，都假定有随机因素的参与。因此，在一般情况下，数据形成模型（具有因素影响的加法结构方案）看起来是所有或部分因素的总和。
好，我们继续。
中子，我没有理解错吧，只有期望值为零、相关图为正的数列才能被认为是确定性的？
2.假设有一个正态分布的随机变量，期望值为零，相关图为正。
如果这个系列足够长，我们可以标记出任何长时间的价格方向性运动。让我们把这样的趋势称为决定性的 趋势。确定性的趋势可以通过数字低通滤波器或其导数来检测。例如，两条不同周期的移动平均线的交叉，无非是平滑的时间序列导数的近似。很明显，这与数学的要求一样：导数大于零，意味着函数在增加；小于零意味着函数在减少。但只有少数人知道，它只对具有正FAC的系列起作用，而所有TF中的所有货币系列都具有负FAC!结果是，该方法在市场上不起作用，或起作用，但意外地起作用......
让我们继续这个主题。
时间序列分析的主要任务
时间序列与构成随机样本的观察序列之间的主要区别如下。
- 首先，与随机样本的元素不同，时间序列的成员并不独立。
- 第二，一个时间序列的成员不一定是平等分布的。
这意味着，随机抽样的统计分析的属性和规则不能扩展到时间序列。另一方面，时间序列成员的相互依存关系为根据观察值构建被分析指标的预测值创造了自己的具体基础。
在时间序列值形成的影响下，对主要因素进行分类。
一般来说，这种因素有4种类型的区分。
1.形成被分析指标变化的一般（长期）趋势的长期因素。通常这种趋势是由一个非随机函数（其参数是时间）描述的，通常是单调的。这个函数被称为趋势函数或简称为趋势。
2.季节性，在一年中的某些时候，形成被分析属性的周期性波动。由于这个函数是周期性的（周期是 "季节 "的倍数），其分析表达涉及谐波（三角函数），其周期性通常由任务的本质决定。
3.由经济或人口性质的长期周期（康德拉季耶夫波、人口 "洼地 "等）引起的被分析属性的周期性（联合）形成变化。
4.随机（不规则）、不负责任和无记录。它们对时间序列值的形成的影响只是导致序列元素的随机性，因此需要将成员解释为对随机变量的观察。让我们用随机变量（"残差"、"误差"）来表示随机因素影响的结果。
当然，在任何时间序列的数值形成过程中，不一定所有四类因素都同时参与。关于某一类型的因素是否参与某一特定时间序列值的形成的结论，既可以基于对问题的实质部分的分析，也可以基于对所调查的时间序列的特殊统计分析。然而，在所有情况下，都假定有随机因素的参与。因此，在一般情况下，数据形成模型（具有因素影响的加法结构方案）看起来是所有或部分因素的总和。
中子 ，你他妈的满嘴跑火车！！！。:))))))))))))
相信我，这比你想象的要简单得多......
，我的朋友，你凭什么认为这个分布是正态的？ 每个角落都在叫嚣着重尾的问题......
(事实上，它是对数正态的。)
，一切都由类似逻辑 方程的东西来描述，以及它所暗示的一切。
，这一点的另一个确认--实验grasn(我不记得确切的，但与分形维度，或与赫斯特...)
P.S. 顺便说一下，哈肯有一本漂亮的书《信息和自组织。复杂系统的宏观方法》。
PS Северный Ветер, а что такое Н-волатильность ?
这里http://forum.fxclub.org/showthread.php?t=32942&page=9，大约在页面的一半处，有原始资料的简短摘录。
谢谢你的链接。而且这个话题很有意思。
我不明白为什么那里的人这么奇怪。关于钱币的话题被淹没在洪水中。为什么？
似乎这个话题大家都不感兴趣，他们只想挠挠舌头。
关于H-volatility太简略了，无法理解所有的东西，但足以让人明白一个概念。
我想知道对论文本身的访问是否开放？是否可以通过互联网访问？
Neutron，我没有理解错，只有具有零期望和正相关图的系列才能被认为是确定性的？
不，确定的趋势是由具有零期望和正相关图的正态分布随机变量的积分产生的趋势。
...伙计，你凭什么认为分布是正态的？ 你知道，他们在每个角落都喊着重尾...
(事实上，它是对数正态的。)
只是为了说明问题。分布不需要是正常的。现实上，它很好地被一个双参数的指数分布 所近似。它使那些非常粗的尾巴。 。
中子 真是一派胡言！！！:))))))))))))
相信我，这比你想象的要简单得多...
不是这样的!你对外汇抱有幻想。没有比这更简单的事情了。 它已经被测试过了。
グリーン
中子，我是否正确地理解了只有具有零期望值和正相关图的系列才能被认为是确定性的？
不，由具有零期望和正相关图的正态分布随机变量整合产生的趋势将是确定性的。
我不太明白。事实证明，决定性系列的概念并不存在？让我们始终如一地走下去。从你的话中，我理解了以下内容。我们有一些系列，比方说，我们不知道它们的特点。
我们做的第一件事是检查之前列出的参数（期望值和正相关图）是否符合要求，如果条件得到满足，我们就进入整合阶段。
还是一次性整合一个系列，看看它的特点？
或者我们用一些拥有这些参数的随机变量来整合这个系列？但怎么做呢？
...
关于H-volatility，太简洁了，无法理解所有的东西，但足以让人了解。
我不知道论文本身是否可以公开获取？是否有可能在互联网上得到它？
起始点http://forex.kbpauk.ru/showflat.php?Cat=0&Board=mts&Number=139469&page=0&fpart=all
论文本身可以在蜘蛛网上找到，在书的部分，但那里需要注册。 我也有。
我不太明白。事实证明，决定性系列的概念并不存在？让我们始终如一地走下去。从你所说的，我已经理解了以下内容。我们有一些系列，比方说，我们不知道它们的特点。
我们做的第一件事是检查之前列出的参数（期望值和正相关图）是否符合要求，如果条件得到满足，我们就进入整合阶段。
还是一次性整合一个系列，看其特点？
或者我们通过一些拥有这些参数的随机变量来整合这个系列？但怎么做？
谢尔盖，我们所操作的那些时间序列（价格序列）已经是一阶的综合序列（作为一项规则）。通过连续求差，我们将得到一个静止的残差序列，我们将研究它的特性。这是正确之举。在开仓时，我们实际上不是用符号率的绝对值来操作，而是用它在持仓期间的预期增量来操作，也就是说，我们用一系列的差值来操作。正如我之前所说，整个交易策略的种类归结为一个动作--在开仓后 预测价格运动方向......。现在推导出检测确定性趋势的标准还为时过早。我们需要建立一个完整的，如果可能的话，内部一致的价格形成图，只有这样我们才知道如何建立一个最佳的预测模型。我的希望。
论文本身可以在蜘蛛网的书籍部分找到，但需要注册。
谢谢，登记是，虽然我去那里只是 "需要"。IMHO 这是非常黑暗的。
我已经做了。