基于艾略特波浪理论的交易策略 - 页 53

新评论
 
<br/ translate="no"> 老实说，我对这个文件没有任何了解。听听大家的意见会很有意思。我认为弗拉迪斯拉瓦策略中的交易风险应该完全根据信心区间中的当前价格位置来计算，而不是根据随机数发生器。据我所知，是用随机数发生器作为文件中交易量的设定值？
。


在你的测试报告 中，你可以看到交易盈利的概率约为0.9，而平均盈利为10点（~1%），平均损失为20点（2%）。也就是说，如果你在Alpari用0.1手的1000美元存款开盘。因此，如果你改变手数（风险），你可以得到近似的交易序列和概率平衡。同样，直截了当地按下F9会显示，这些都是非常好的结果，它不可能排水。当然，如果这就是未来交易的分配方式。 简而言之，这就是这个模拟背后的想法。
 
有趣的是...和我解决这个问题没有太大区别，在网中找到了分解正态分布的函数（12行）并计算到第二位的概率，我不知道它能否减慢计算速度（向专家靠拢），如果会感兴趣我可以布置一段代码 ...

我也在ALGLIB.SOURCES.RU网站上发现了inet的定量计算。但不知何故，它看起来根本不是12个字符串，一个函数需要计算其他函数。我早些时候在这个主题中写过这个问题。所以我认为本网站使用的方法会使专家顾问的速度减慢。因此，如果你真的有12行代码做同样的事情，那么每个人都会有兴趣去读它们。我使用一个小数点后3位的量化表。我认为，小数点后2位不会改变工作的全貌，但对每个人都会有帮助。
 
我们拥有的最大标准偏差 是多少？不超过100。那么找到价格图上任何一点接近分布中心的概率将不超过1%，也就是小数点后2位。因此，没有必要提高精确度。
 
也许我没有理解中心极限定理的结论（在我的参考书中是这样写的：如果一个随机变量可以表示为大量独立成分的总和，每个成分对总和的贡献很小，那么这个总和就近似于正态分布），原来我们只需用正态分布函数表来确定在表的值所给的置信区间 内找到SF的概率。

这就是为什么我简单地对分布函数进行了串联展开，并以点数（如果k=真（即价格上升或下降的概率））或以配比值确定了区间大小

double ver(bool k, double Par,int e, int b) {if(k) {Canal(PriseData,e,b);
Par=(Par-CanalA[0]*b-CanalA[1])/CanalA[2];} double t=MathAbs(Par); double sum=t; double x=t*t; double s=0; for( int m=3; MathAbs(s-sum)>0。01;m=m+2){t=x*t/m; s=sum; sum=sum+t;} if(Par>0)return(-0.7968*sum*MathExp(-x/2)); else return(0.7968*sum*MathExp(-x/2)); }




我非常惊讶，你没有这样做，现在让我怀疑这一切......还有，如果你不介意的话，请告诉我你说的 "量化 "是什么意思。

 
这里有一段现成的代码，用于实际计算偏差的概率。

https://c.mql5.com/mql4/forum/2006/06/kvantil.zip

如何在代码中使用它并不难猜。
 
我似乎没有在这个函数中发现任何错误，所以我不会改变任何东西，直到我得到一个专家。

我将对该功能做出解释。
k - 表示在Par参数中传递给函数的内容的键
如果k=true，Par是一个价格，在这种情况下，我们也应该把计算概率所依据的通道参数传入函数。参数e是最后一个通道条，b是第一个通道条。
如果k=false，那么Par是以RMS值表示的偏差，然后不使用参数b和e。
Canal(Data[],e,b)是一个计算回归和有效值的函数，它将获得的数值填入CanalA[]。

然后是分解算法，该算法取自http://www.kamlit.ru/docs/aloritms/lgolist.manual.ru/maths/matstat/NormalDF/NormalDF1.php.htm 网站

MathAbs(s-sum)>0.01，这里你可以设置所需的精度
 
<br/ translate="no">如果一个随机变量可以表示为大量独立项的总和，每个独立项对总和的贡献很小，那么总和就近似于正态分布），那么我们只需用正态分布函数表来确定在置信区间内找到c的概率，由给定值决定。

ZSY 你没有这样做，让我非常惊讶，现在让我怀疑这一切......

ZZZY，如果你不介意的话，请告诉我你说的 "量化 "是什么意思。

在 "如果一个随机变量可以被表示为一个大数的总和 "这句话中，关键词是大。而这个词我认为既指因素本身，也指观察的数量。在实践中，我们所处理的样品，例如从30条到1000条。在这种情况下，使用学生分布 而不是正态分布更合适。我正是这样做的。虽然，也许我们用正态分布会得到同样的东西。我还没有测试过。说实话，我第一眼就看不懂你的代码。你怎么能在这么少的代码中考虑到自由度呢？Excel有现成的函数来计算不同概率和不同自由度的量值。我使用学生分布表，而不是正态分布（第53-55页Bulashev）。我所说的 "量化 "是指布拉舍夫在其开创性工作的第18-19页上写的东西。
 
<br / translate="no"> 说实话，我第一眼看到你的代码时无法理解。


上面的帖子中对该功能的解释
 
solandr，我记得学生分布 的唯一应用是评估实验室的测量。我记得我在terver测试中得到了C，总的来说不算太差，因为其他组的人都得到了D :)
所以我很想听听你是如何应用学生的分布的 :)

遗憾的是，在那些日子里，特维尔太过理论化，无法在生活中应用。
 
所以我很想听听你是如何应用学生分布的 :)

嗯，我已经在上面写了。只是计算量值以建立置信区间。还能怎么用呢？Bulashev写过如何在Excle中计算这些非常的量值。一般来说，我有和你上面发布的一样的文件，但只是针对学生的分发。这里有区别。试想一下，如果只有几根柱子，你怎么能把正态概率分布应用到例如30根柱子的样本上？只要比较不同自由度下的学生分布的量值，一切都会一下子变得清晰。
1...464748495051525354555657585960...309
新评论