随机谐振 - 页 29 1...222324252627282930313233343536...38 新评论 Avals 2007.10.30 11:01 #281 Yurixx: 当涉及到标准的TA指标时,并不多。但它也值得关注。我已经贴出了照片。这里有两个不同时期的RSI图表和我对它的评论。如果对RSI进行归一化处理,使其幅度不取决于平滑期,可能会更有效地使用 它。这也适用于其他一些指标。 重要的是如何 "使用 "该指标。也许,不存在这样的问题。 有一些关于指标的适应性 问题的文章。最简单的是叠加布林RSI。基于RMS的简单统计方式,不需要建立理论分布。 Yurixx 2007.10.30 11:07 #282 Mathemat: Yurixx写道(a): 谁说这个积分是用梯度下降法取得的? 没关系,Yurixx,我并没有把这句话归于你。那么,对计谋的怀疑态度呢......。我在家里安装了Maple,有时它真的能帮助我,包括符号计算。然而,我已经很久没有使用它了。 我曾经有一个Matcad,然后我升级到Matlab。最近安装了neuroshell2。我还能在哪里花时间去了解这一切。 而且我想...有一些事情我真的很想去了解。 因此,在不开玩笑的情况下,我的怀疑态度仅限于对自己掌握一切的能力的怀疑。 所有这些东西都是那些不需要深入研究、需要数字结果的人应用已经开发和完善的方法的美妙行李。如果我们在这里谈论我们所有的人,我们正在努力创造新的东西。没有深刻的洞察力,这几乎是不可能的。但是...这就是祖父们的作用,深入挖掘。 Yurixx 2007.10.30 11:13 #283 Avals: 尤里克斯。 当涉及到标准的TA指标时,并不多。但它也值得关注。我已经贴出了照片。这里有两个不同时期的RSI图表和我对它的评论。如果对RSI进行归一化处理,使其幅度不取决于平滑期,可能会更有效地使用 它。其他一些指标的情况也是如此。 重要的是如何 "使用 "该指标。可能没有这样的问题。 有一些关于指标的适应性的文章。最简单的是叠加布林的RSI。基于RMS的简单统计方式,不需要建立理论分布。 毫无疑问,有很多不同的可能性和方法。这是否意味着我们应该拒绝做任何新的事情,特别是 "理论分配"? Yurixx 2007.10.30 11:14 #284 grasn: 对Yurixx :-)) Candid 2007.10.30 11:24 #285 Yurixx: 我有一个有趣的问题,因为我在进行中。谁能给我指点一下,为什么这样一个简单方便、属性良好的分布函数没有在统计学中使用?如果它被使用,为什么不写出来呢?我从未见过有人试图近似对数正态以外的增量分布。 我可以假设,该理论使用了从第一原理得出的分布。而这个函数只是可能的近似函数之一,这就是现象学的范畴。 关于我工作的实质,我有以下说明:有必要澄清,我们真正谈论的是期望值Ymin和Ymax。用系列的最小值计算最小平均值的 "杀戮 "条件平滑了这个缺点,但产生了另一个缺点--事实上它涉及到系列的M个最小(最大)值在一行中出现的概率(这就是为什么我使用 "杀戮 "一词)。随着N趋于无穷大,这种事件的概率将趋于0。我没有详细分析计算结果,但我们必须假设X1将运行到0,X2也将运行到无穷大。 在它们之后,Ymin和Ymax将遵循同样的方式,第一个在第二张图片中清楚地看到,第二个不适合任何图表。 这使得它们作为归一化系数的价值值得怀疑,即使趋于缓慢。 我已经实践了相当长的时间,包括对价格的规范化。 IMHO,最自然的事情是使用置信区间。也就是F(Ymax)=1-Delta,如果在实践中--你用最大的可用N做Y的真实分布,对于选定的Delta你通过排序找到Ymax。我没有计时,但对于简单的Y来说,不会花太多时间。 Сергей 2007.10.30 11:25 #286 Yurixx: 格拉斯恩。 对Yurixx :-)) 简洁而扼要。请原谅我病态的自然好奇心,你总是想了解甚至你个人不需要的东西。:о) Yurixx 2007.10.30 11:31 #287 grasn: 尤里克斯。 格拉斯恩。 对Yurixx :-)) 简洁而扼要。请原谅我病态的自然好奇心,你总是想了解甚至你个人不需要的东西。:о) 这就是为什么我爱你们所有人的原因,人们!:-) Neutron 2007.10.30 11:39 #288 Yurixx:...我沿途有一个有趣的问题。谁能给我指点一下,为什么这样一个简单方便、属性良好的分布函数没有在统计学中使用?如果它被使用,为什么不写出来呢?我从未见过有人试图近似对数正态以外的增量分布。 尤拉,我不知道这个问题的答案。 我只能假设你提出的分布 p(X)=A*(X^a)*exp(-B*(X^b)),是一个特殊情况(例如,广义指数分布p(X)=a/(2G[1/a]*l*s)exp{-[(x-m)/l*sl*s]^a}, Bulashev, p.41),或者那些少数人,也设法弄清了事情的真相,决定保持沉默,悄悄地在广阔的Forpolye上割白菜:) 但是,我有一个反问! 前段时间,我在研究任意阶数的自回归模型(当我们寻找当前柱状体的振幅和它的符号与任意数量的先前柱状体对它的作用之和的依赖性)。我很好地解决了这个问题,以至于我无法从外观上判断模型系列是否真实,但有一个例外--模型系列的分布函数(DP)与现实相差甚远。我始终无法找到差异的原因。直观地讲,我觉得自相关函数的重合性足以匹配它们的第一差值的PDF。事实证明,这不是...在对残差系列的行为进行建模 时,我有些地方没有考虑到。 你对这个问题有什么看法? Sceptic Philozoff 2007.10.30 11:53 #289 我要在这里出面了,中子。我不是一个统计学家,所以我不得不在mexmat.ru 上问这个问题。它在这里:http://lib.mexmat.ru/forum/viewtopic.php?t=9102 问题:关于静止过程的哪些信息足以使其正确再现?答案是:必须知道过程的协方差函数和m.o.。我还不知道如何建立一个具有特定协方差函数的过程。但我们的想法是,所产生的过程可以被认为是原始模拟过程的适当实现。也许你的过程不是静止的? P.S. 我想要一个合理的模拟剩余物过程(回报)。根据Peters的说法,残差的分布是分形的,精度可以接受,而且这个过程是静止的。虽然不排除其他型号... Yurixx 2007.10.30 11:55 #290 lna01:Yurixx: 我有一个有趣的问题,因为我在进行中。谁能给我指点一下,为什么这样一个简单方便、属性良好的分布函数没有在统计学中使用?如果它被使用,为什么不写出来呢?我从未见过有人试图对对数正态以外的增量型分布进行近似。 我可以假设,该理论使用了从第一原理得出的分布。而这个函数只是可能的近似函数之一,这就是现象学的领域。 事实上,我有以下说明:有必要澄清,我们真正谈论的是期望值Ymin和Ymax。用系列的最小值计算最小平均值的 "杀戮 "条件平滑了这个缺点,但产生了另一个缺点--事实上它涉及到系列的M个最小(最大)值在一行中出现的概率(这就是为什么我使用 "杀戮 "一词)。随着N趋于无穷大,这种事件的概率将趋于0。我还没有详细分析计算结果,但我们必须假设X1会移动到0,X2也会移动到无限大。在他们之后,Ymin和Ymax将遵循同样的方式,第一个在第二张图片中可以清楚地看到,第二个将不适合任何图示。这使得它们作为配给系数的价值值得怀疑,即使是在相当缓慢的努力下。 我在相当长的时间里一直在实践规范化,包括对价格的规范化。IMHO,最自然的事情是使用一个置信区间来做。也就是F(Ymax)=1-Delta,如果在实践中--你用最大的可用N做Y的真实分布,对于选定的Delta你通过排序找到Ymax。我没有计时,但对于简单的Y来说,不会花太多时间。 我同意所有的评论。而在N->那里的极限行为的描述是完全正确的。但是。 这不是对极限Ymin和Ymax的计算,只是对它们的统计评估。目标,范围正常化,对任务的准确性提出了不太严格的要求。考虑到这一点,我认为这样的假设(事实上是不正确的)是非常可以接受的。但如果有必要确定边界以外的通话时间,就必须更准确地确定。 我真的把自己限制在有限N的情况下,这是我明确说的。如果连你都在计算中使用最大的可用但有限的N,那么我就有权得到它。:-))当N达到无穷大时,它将发生什么是未知的。有一个安慰--你和我将不复存在。还有外汇。 我想提请你们注意这个问题的主要目的。这不是计算Ymin和Ymax本身的问题。这是关于使用原始系列的数据重新 计算衍生系列的数据。另外,你重新计算正常化的方法是任意的,与你所做的历史集联系在一起。当你切换t/f时,它可以从2000条变为,例如,500000条。在第一种情况下达到范围边界说明不了什么,但在第二种情况下却说明了很多。只有在考虑到模型 分布函数 的情况下,你才能指责我的方法具有任意性。然而,如果真实的、实验上绘制的 "最大可用 "的数据量被模型分布很好地近似,那么它的任意性在哪里? 1...222324252627282930313233343536...38 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
重要的是如何 "使用 "该指标。也许,不存在这样的问题。
有一些关于指标的适应性 问题的文章。最简单的是叠加布林RSI。基于RMS的简单统计方式,不需要建立理论分布。
没关系,Yurixx,我并没有把这句话归于你。那么,对计谋的怀疑态度呢......。我在家里安装了Maple,有时它真的能帮助我,包括符号计算。然而,我已经很久没有使用它了。
我曾经有一个Matcad,然后我升级到Matlab。最近安装了neuroshell2。我还能在哪里花时间去了解这一切。 而且我想...有一些事情我真的很想去了解。
因此,在不开玩笑的情况下,我的怀疑态度仅限于对自己掌握一切的能力的怀疑。 所有这些东西都是那些不需要深入研究、需要数字结果的人应用已经开发和完善的方法的美妙行李。如果我们在这里谈论我们所有的人,我们正在努力创造新的东西。没有深刻的洞察力,这几乎是不可能的。但是...这就是祖父们的作用,深入挖掘。
重要的是如何 "使用 "该指标。可能没有这样的问题。
有一些关于指标的适应性的文章。最简单的是叠加布林的RSI。基于RMS的简单统计方式,不需要建立理论分布。
毫无疑问,有很多不同的可能性和方法。这是否意味着我们应该拒绝做任何新的事情,特别是 "理论分配"?
对Yurixx
我有一个有趣的问题,因为我在进行中。谁能给我指点一下,为什么这样一个简单方便、属性良好的分布函数没有在统计学中使用?如果它被使用,为什么不写出来呢?我从未见过有人试图近似对数正态以外的增量分布。
关于我工作的实质,我有以下说明:有必要澄清,我们真正谈论的是期望值Ymin和Ymax。用系列的最小值计算最小平均值的 "杀戮 "条件平滑了这个缺点,但产生了另一个缺点--事实上它涉及到系列的M个最小(最大)值在一行中出现的概率(这就是为什么我使用 "杀戮 "一词)。随着N趋于无穷大,这种事件的概率将趋于0。我没有详细分析计算结果,但我们必须假设X1将运行到0,X2也将运行到无穷大。 在它们之后,Ymin和Ymax将遵循同样的方式,第一个在第二张图片中清楚地看到,第二个不适合任何图表。 这使得它们作为归一化系数的价值值得怀疑,即使趋于缓慢。
我已经实践了相当长的时间,包括对价格的规范化。 IMHO,最自然的事情是使用置信区间。也就是F(Ymax)=1-Delta,如果在实践中--你用最大的可用N做Y的真实分布,对于选定的Delta你通过排序找到Ymax。我没有计时,但对于简单的Y来说,不会花太多时间。
对Yurixx
简洁而扼要。请原谅我病态的自然好奇心,你总是想了解甚至你个人不需要的东西。:о)
对Yurixx
简洁而扼要。请原谅我病态的自然好奇心,你总是想了解甚至你个人不需要的东西。:о)
这就是为什么我爱你们所有人的原因,人们!:-)
...我沿途有一个有趣的问题。谁能给我指点一下,为什么这样一个简单方便、属性良好的分布函数没有在统计学中使用?如果它被使用,为什么不写出来呢?我从未见过有人试图近似对数正态以外的增量分布。
尤拉,我不知道这个问题的答案。
我只能假设你提出的分布 p(X)=A*(X^a)*exp(-B*(X^b)),是一个特殊情况(例如,广义指数分布p(X)=a/(2G[1/a]*l*s)exp{-[(x-m)/l*sl*s]^a}, Bulashev, p.41),或者那些少数人,也设法弄清了事情的真相,决定保持沉默,悄悄地在广阔的Forpolye上割白菜:)
但是,我有一个反问!
前段时间,我在研究任意阶数的自回归模型(当我们寻找当前柱状体的振幅和它的符号与任意数量的先前柱状体对它的作用之和的依赖性)。我很好地解决了这个问题,以至于我无法从外观上判断模型系列是否真实,但有一个例外--模型系列的分布函数(DP)与现实相差甚远。我始终无法找到差异的原因。直观地讲,我觉得自相关函数的重合性足以匹配它们的第一差值的PDF。事实证明,这不是...在对残差系列的行为进行建模 时,我有些地方没有考虑到。
你对这个问题有什么看法?
我要在这里出面了,中子。我不是一个统计学家,所以我不得不在mexmat.ru 上问这个问题。它在这里:http://lib.mexmat.ru/forum/viewtopic.php?t=9102
问题:关于静止过程的哪些信息足以使其正确再现?答案是:必须知道过程的协方差函数和m.o.。我还不知道如何建立一个具有特定协方差函数的过程。但我们的想法是,所产生的过程可以被认为是原始模拟过程的适当实现。也许你的过程不是静止的?
P.S. 我想要一个合理的模拟剩余物过程(回报)。根据Peters的说法,残差的分布是分形的,精度可以接受,而且这个过程是静止的。虽然不排除其他型号...
我有一个有趣的问题,因为我在进行中。谁能给我指点一下,为什么这样一个简单方便、属性良好的分布函数没有在统计学中使用?如果它被使用,为什么不写出来呢?我从未见过有人试图对对数正态以外的增量型分布进行近似。
事实上,我有以下说明:有必要澄清,我们真正谈论的是期望值Ymin和Ymax。用系列的最小值计算最小平均值的 "杀戮 "条件平滑了这个缺点,但产生了另一个缺点--事实上它涉及到系列的M个最小(最大)值在一行中出现的概率(这就是为什么我使用 "杀戮 "一词)。随着N趋于无穷大,这种事件的概率将趋于0。我还没有详细分析计算结果,但我们必须假设X1会移动到0,X2也会移动到无限大。在他们之后,Ymin和Ymax将遵循同样的方式,第一个在第二张图片中可以清楚地看到,第二个将不适合任何图示。这使得它们作为配给系数的价值值得怀疑,即使是在相当缓慢的努力下。
我在相当长的时间里一直在实践规范化,包括对价格的规范化。IMHO,最自然的事情是使用一个置信区间来做。也就是F(Ymax)=1-Delta,如果在实践中--你用最大的可用N做Y的真实分布,对于选定的Delta你通过排序找到Ymax。我没有计时,但对于简单的Y来说,不会花太多时间。
我同意所有的评论。而在N->那里的极限行为的描述是完全正确的。但是。
这不是对极限Ymin和Ymax的计算,只是对它们的统计评估。目标,范围正常化,对任务的准确性提出了不太严格的要求。考虑到这一点,我认为这样的假设(事实上是不正确的)是非常可以接受的。但如果有必要确定边界以外的通话时间,就必须更准确地确定。
我真的把自己限制在有限N的情况下,这是我明确说的。如果连你都在计算中使用最大的可用但有限的N,那么我就有权得到它。:-))当N达到无穷大时,它将发生什么是未知的。有一个安慰--你和我将不复存在。还有外汇。
我想提请你们注意这个问题的主要目的。这不是计算Ymin和Ymax本身的问题。这是关于使用原始系列的数据重新 计算衍生系列的数据。另外,你重新计算正常化的方法是任意的,与你所做的历史集联系在一起。当你切换t/f时,它可以从2000条变为,例如,500000条。在第一种情况下达到范围边界说明不了什么,但在第二种情况下却说明了很多。只有在考虑到模型 分布函数 的情况下,你才能指责我的方法具有任意性。然而,如果真实的、实验上绘制的 "最大可用 "的数据量被模型分布很好地近似,那么它的任意性在哪里?