测试实时预测系统 - 页 51

 
Lord_Shadows писал(а)>>

你的预测只是更现实。我们在一天之内突破通道中间的1.5050,然后再往下走。

好了,上去了......。但不是非常多,可能今天左右就会持平 :)

 
grasn >> :

好了,上去了......。但不要太多,今天会是平地或什么的 :)

Siarhei,你尝试用你的计算结果在真实或模拟中进行交易,结果如何?你有更多的数据,如你所说(你没有显示所有的数据)。或者只是到目前为止的研究。顺便问一下,旧时期的数据是如何计算的,结合进一步的移动,15M的数据也是如此?

 
Lord_Shadows >> :

谢尔盖,你是否尝试过用你的计算方法在真实或模拟模式下交易,结果如何?好吧,你有更多的数据,如你所说(你可能不会提出所有的数据)。或者只是研究。

我在这里和那里测试这个特殊的系统,当然更多的交易是在演示中进行。我只有一次失败的交易(到目前为止是在模拟交易中)--我损失了600美元,但在一般的背景下并不那么明显。现在得出任何结论还为时过早,我正在计划在MathCAD中做一个大的实验,同时我也在把这个系统移植到MT上。

顺便问一下,旧时期的数据是如何与进一步的动作结合起来计算的,15分钟的时期也是如此?

它们是1:1的组合,我将详细解释。该模型采用结构识别以及基于最大似然法的模型识别。所以,这对我来说有点出乎意料,但如果在15分钟内找到了解决方案,那么在完全不同的系列(M30、M60)上将会找到非常接近的解决方案。然后,就像笑话里说的,"遇到恐龙的概率是50/50,要么你会,要么你不会":o)

 
grasn >> :

我在那里测试这个特殊的系统,当然,在演示中还有更多的交易。我只有一次失败的交易(到目前为止是在模拟交易中)--我损失了600美元,但在一般的背景下并不那么明显。现在得出任何结论还为时过早,目前我正在计划在MathCAD中做一个大的实验,同时我也在把这个系统移植到MT上。

它们是1:1的组合,我将详细解释。该模型采用结构识别以及基于最大似然法的模型识别。所以,这对我来说有点出乎意料,但如果在15分钟内找到了解决方案,那么在完全不同的系列(M30、M60)上将会找到非常接近的解决方案。此外,就像笑话中所说的:"遇到恐龙的概率是50/50,要么你会,要么你不会。" :o)

是的...说实话,我现在已经可以在天花板上放一根雪糕了。 而你就像,"我不确定,我不确定。:))

 
Lord_Shadows >> :

是的...说实话,我现在已经可以在天花板上喝上一杯雪纳瑞了。 而你就像,"我不确定,我不确定。:))

该系统有一个明显的缺点--相当大的回撤(以我的理解),所有相同的交易水平,这些是价格高度集中的水平。但价格是如何来到他们身边的...

 
grasn >> :

该系统有一个明显的缺点--相当大的回撤(以我的理解),毕竟交易水平是价格高度集中的水平。但是,价格将如何达到他们......


那么你必须使用大资本和小批量...拦截器应放置在较远的地方(针对不可抗力)。

 
Lord_Shadows >> :

那么你必须使用更大的资本和更小的地段...拦截器应放置在较远的地方(针对不可抗力)。

在这种情况下,该系统将发挥作用,因为现在有许多这样的系统--采用过度托管战术。图表很美,但使用这样的系统进行交易是相当不稳定的。

 
marketeer >> :

然后你会得到一个已经充满了他们的系统,有了过度托管的战术。图表很美,但使用这样的系统进行交易是有点令人毛骨悚然的。

我认为过度曝光的策略在这里不起作用。每隔一段时间(根据所进行的研究选择),就会重新计算目标。

 
似乎已经说过,需要大的资本和大的止损,因为在通往目标水平的路上可能发生重大的回撤,而且是在已经计算好的时期内,预计不会再重新计算到下一个时期。如果你 "保持 "在这样的位置,就会出现重叠,但如果不是这样,应该是可以的。当(或如果;-))grasn 显示出某种状态时,讨论将变得更加实质性。
 

我预测实现(轨迹),但在我的交易决策中,我专注于 "频率 "特征,例如,预测范围内最有可能的轨迹的平均值+/-。就目标而言,这些是更可靠的,但通往这些水平的价格路径可能非常曲折。当然,我正在研究第二种方法,以估计局部反转区。至于MM这样的人就不那么简单了,它似乎是一个独立的、严肃的任务。

marketeer >>:
grasn покажет какой-нибудь стейт, разговор станет более предметным.

正是因为这个原因,也就是这次谈话的主题,我正在将MathCAD的代码翻译成MT。在统计学上,至少要有6个月的测试期(通过眼睛)才有意义。因此,我将在稍后发布状态。


顺便说一下,有一个编程问题,因为我被卡住了(我不是什么程序员)。

(1) 如何正确初始化一个多维数组(其所有维度)。根据我的理解,这段代码对于一维数组和多维数组中的第一个发现的维度来说是正确的。

double memRow[];

ArrayResize(memRow, N);
ArrayInitialize(memRow, 0.0);


但如何处理更多的尺寸?


(2) 如何动态地扩展单变量和多变量数组?



for(i=0; i<=N-1; i++)

{

...

memRow[];

...

}


在这种情况下,数组memRow[]应该在每次迭代时增加一些数值,无论如何,为了简单起见,让它为1。 同样,对于二维数组,它应该在两个方向上增长i和j - memRow[i][j]