作者的对话。亚历山大-斯米尔诺夫。 - 页 41 1...3435363738394041424344 新评论 ANG3110 2008.02.17 14:07 #401 lna01: 线路系数a和b在这些线路中被计算出来。 A = (SumXY - N3*SumY)*N4; B = (N1*SumY - SumXY)*N2; 为了说明问题，我附上MovingLR_2版本，它只是绘制当前的线性回归。特别是，因为之前在计算N4的时候，有一个错误:) MovingLR_2给出的是纯线性回归，要确保这一点非常容易。在at_LR0中，从以小时为单位的周期到以条为单位的周期的变化是不准确的。如果你将at_LR0中的Close改为（High+Low）/2，并以1为周期，将MovingLR_2中的周期改为61而不是60，并在一分钟的图表上显示，结果是一样的。 。 那么MovingLR_2是一个很好的算法，只要调整一下代码布局就可以了! 在at_LR0中，一栏的偏移是为了适应MT4标准工具箱的线性回归。也许这不需要做...... Prival 2008.02.17 14:18 #402 Mathemat: 2个zigan。 对于线性回归，公式为：LRMA = 3*LWMA - 2*MA 对于二次回归。 二次回归MA = 3 * SMA + QWMA * ( 10 - 15/( N + 2 ) )- lwma * ( 12 - 15/( n + 2 ) ) 这里N是平均数的周期。 QWMA( i; N ) = 6/( N*(N+1)(2*N+1) )* sum( Close[i] * (N-i)^2; i = 0...N-1 ) （平方权重机）。 for cubic: oops, still can't get it out of Trading Solutions, my formula is too wild there. 2 候选人： 你真的很偏执，我不会想到...... 我有不同的配方。 哪里是 Candid 2008.02.17 15:35 #403 嗯，对RMS来说，这比Yurixx 的结果更有味道。 RMS^2 = (Sum(Y*Y) - A*Sum(X*Y) - B*Sum(Y))/(N-2) 与Yurixx 类似，表达的简单性是由于选择了X轴的原点和方向。如果没有人发现错误，这就是接近算法的终点。为了使计算出的A和RMS不会消失，我在指标中留下了LR线图，并添加了RMS通道:) ANG3110: 对代码布局做了一点调整，一切都好了! 我想我不会完全使用这个指标，我将使用一种算法。 2Yurixx: 看来小N的RMS值的差异不是由于RMS校正，而是由于起点和方向X的选择。因为当你改变它们时，我以前的公式也开始给出不同的结果，而且它是准确的，没有任何保留。 附加的文件： movinglrv3_2.mq4 5 kb Yurixx 2008.02.17 17:14 #404 lna01: 2Yurixx: 看来小N的RMS值的差异不是由于RMS校正，而是由于起点和方向X的选择。因为当你改变它们时，我的旧公式也开始给出不同的结果，而它是准确的，没有任何保留。 你当然是对的，正确选择坐标系是一种强大的技术，可以简化计算和最终公式的外观。我没有用它来做线性回归，一切结果都足够好。但对于抛物线回归来说，在给定的原点选择下，最终表达式变成了两倍的简单，而算法的有效性则增加了一个数量级。此外，对计算精度的限制问题也完全消除了。 然而，有一点我不能同意你的观点。RMS值，以及实际的回归值，不能取决于X轴原点的选择。也许不是公式本身开始给出不同的结果，而是计算准确性这个问题变得明显。由于双数 只有15位有效数字被存储（更不用说int 了），在计算过程中错误会很快被积累。当X和Y有不同的数量级时，这一点尤其正确。例如，X是几十万数量级的条形数字，Y是1数量级的价格，价格变化是0.0001的数量级。 PS 我想了解是什么让这种配方 "好吃"。显然，这要简单得多--在一条线上。虽然我不明白为什么你要除以（N-2）而不是除以（N-1）。我还是要指出，如果以最大加速度为目标，你必须使用不同的公式。如果你固定选择与当前价格值有关的原点X，使用没有Sum(X*Y)的公式更有利。那么你就不必在每个条上计算卷积。但是，在每个柱子上更新Sum(Y*Y)或Sum(X*X)是一个操作符。 Prival 2008.02.17 17:42 #405 如果你知道线性回归中系数A和B的当前值，你能计算出RMS吗？ 下面是公式 系数A 系数B Candid 2008.02.17 18:18 #406 Prival: 如果你知道线性回归中系数A和B的当前值，你能计算出RMS吗？ 对于像QWMA这样的二次项，可能是有可能的。但通过假人的算法本质上是非最优的。一个机会是使用内置破折号的本地代码的机会，但似乎已经失败。 P.S. 我刚刚想起来，QWMA是被X二次方的，我需要一个被Y二次方的项。因此，QWMA不会有任何帮助。 Yurixx 2008.02.17 18:26 #407 Prival: 如果你知道线性回归中系数A和B的当前值，你能计算出RMS吗？ 我不认为你可以。回归直线是由两个常数A和B定义的。在A和B相同的情况下，在这条直线周围可以有任何数值的分布。要计算有效值，你还需要X和Y的方差。可能QWMA也是不够的，因为它不包含Y的平方，因此不能确定Y的方差。 Candid 2008.02.17 18:33 #408 Yurixx: QWMA可能也不够，因为它没有对Y进行平方，因此不能确定Y的方差。 是的，我只是忘了，QWMA根本不是Y-squared。当我想起来的时候，我加了一个后记。 Candid 2008.02.17 18:57 #409 Yurixx: 但有一点，我不能同意你的观点。RMS值以及回归值本身，不能取决于X轴起点的选择。也许不是公式本身开始给出不同的结果，而是这个计算准确性的问题变得明显。 这正是我所说的计算结果的意思。虽然我不明白为什么你要除以（N-2）而不是除以（N-1）。 因为回归有一个额外的自由度。Yandex可以帮助解决细节问题，例如：http://cmacfm.mazoo.net/archives/000936.html我还是要指出，以最大加速度为目标，你应该使用不同的公式。如果你固定选择与当前价格值有关的原点X，使用没有Sum(X*Y)的公式更有利。那么你就不必在每个条上计算卷积。但是，在每个柱子上更新Sum(Y*Y)或Sum(X*X)是一个操作符。 我们已经有了Sum(X*Y)--没有它你就无法计算A和B，它是反复计算的，分三次进行。更仔细地看一下_LR0或MovingLRv3。 P.S. 对于Sum(Y*Y) - 我也有三个操作，对于Sum(X*X) -没有。 Sceptic Philozoff 2008.02.17 21:28 #410 Prival: 数学。二次回归MA = 3 * SMA + QWMA * ( 10 - 15/( N + 2 ) )- lwma * ( 12 - 15/( n + 2 ) ) QWMA( i; N ) = 6/( N*(N+1)(2*N+1) )* sum( Close[i] * (N-i)^2; i = 0...N-1 ) （平方权重向导）。 我有其他配方。 其中 完全相同的公式，谢谢你，Prival。给我类似的与混搭有关的。 1...3435363738394041424344 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
线路系数a和b在这些线路中被计算出来。 A = (SumXY - N3*SumY)*N4; B = (N1*SumY - SumXY)*N2; 为了说明问题，我附上MovingLR_2版本，它只是绘制当前的线性回归。特别是，因为之前在计算N4的时候，有一个错误:) MovingLR_2给出的是纯线性回归，要确保这一点非常容易。在at_LR0中，从以小时为单位的周期到以条为单位的周期的变化是不准确的。如果你将at_LR0中的Close改为（High+Low）/2，并以1为周期，将MovingLR_2中的周期改为61而不是60，并在一分钟的图表上显示，结果是一样的。 。
那么MovingLR_2是一个很好的算法，只要调整一下代码布局就可以了!
在at_LR0中，一栏的偏移是为了适应MT4标准工具箱的线性回归。也许这不需要做......
2个zigan。
对于线性回归，公式为：LRMA = 3*LWMA - 2*MA
对于二次回归。
二次回归MA = 3 * SMA + QWMA * ( 10 - 15/( N + 2 ) )- lwma * ( 12 - 15/( n + 2 ) )
这里N是平均数的周期。
QWMA( i; N ) = 6/( N*(N+1)(2*N+1) )* sum( Close[i] * (N-i)^2; i = 0...N-1 ) （平方权重机）。
for cubic: oops, still can't get it out of Trading Solutions, my formula is too wild there.
2 候选人： 你真的很偏执，我不会想到......
我有不同的配方。
哪里是
对代码布局做了一点调整，一切都好了!
2Yurixx:
看来小N的RMS值的差异不是由于RMS校正，而是由于起点和方向X的选择。因为当你改变它们时，我以前的公式也开始给出不同的结果，而且它是准确的，没有任何保留。
2Yurixx: 看来小N的RMS值的差异不是由于RMS校正，而是由于起点和方向X的选择。因为当你改变它们时，我的旧公式也开始给出不同的结果，而它是准确的，没有任何保留。
你当然是对的，正确选择坐标系是一种强大的技术，可以简化计算和最终公式的外观。我没有用它来做线性回归，一切结果都足够好。但对于抛物线回归来说，在给定的原点选择下，最终表达式变成了两倍的简单，而算法的有效性则增加了一个数量级。此外，对计算精度的限制问题也完全消除了。
然而，有一点我不能同意你的观点。RMS值，以及实际的回归值，不能取决于X轴原点的选择。也许不是公式本身开始给出不同的结果，而是计算准确性这个问题变得明显。由于双数 只有15位有效数字被存储（更不用说int 了），在计算过程中错误会很快被积累。当X和Y有不同的数量级时，这一点尤其正确。例如，X是几十万数量级的条形数字，Y是1数量级的价格，价格变化是0.0001的数量级。
PS
我想了解是什么让这种配方 "好吃"。显然，这要简单得多--在一条线上。虽然我不明白为什么你要除以（N-2）而不是除以（N-1）。我还是要指出，如果以最大加速度为目标，你必须使用不同的公式。如果你固定选择与当前价格值有关的原点X，使用没有Sum(X*Y)的公式更有利。那么你就不必在每个条上计算卷积。但是，在每个柱子上更新Sum(Y*Y)或Sum(X*X)是一个操作符。
如果你知道线性回归中系数A和B的当前值，你能计算出RMS吗？
下面是公式
系数A
系数B
如果你知道线性回归中系数A和B的当前值，你能计算出RMS吗？
P.S. 我刚刚想起来，QWMA是被X二次方的，我需要一个被Y二次方的项。因此，QWMA不会有任何帮助。
如果你知道线性回归中系数A和B的当前值，你能计算出RMS吗？
QWMA可能也不够，因为它没有对Y进行平方，因此不能确定Y的方差。
但有一点，我不能同意你的观点。RMS值以及回归值本身，不能取决于X轴起点的选择。也许不是公式本身开始给出不同的结果，而是这个计算准确性的问题变得明显。
虽然我不明白为什么你要除以（N-2）而不是除以（N-1）。
P.S. 对于Sum(Y*Y) - 我也有三个操作，对于Sum(X*X) -没有。
二次回归MA = 3 * SMA + QWMA * ( 10 - 15/( N + 2 ) )- lwma * ( 12 - 15/( n + 2 ) )
QWMA( i; N ) = 6/( N*(N+1)(2*N+1) )* sum( Close[i] * (N-i)^2; i = 0...N-1 ) （平方权重向导）。
我有其他配方。
其中