引文中的依赖性统计（信息论、相关和其他特征选择方法）。 - 页 64

新评论
 
Mathemat:

显然，它声称是了解市场的唯一真正科学的方法。

P.S. 稍后我将尝试发布一个类似的价格而非收益的研究结果。只是它将在那里用chi-squared，而不是用TI语言。

如果有兴趣，我们可以私下讨论这一切。
 
Mathemat:

不关心一小时内的运动结构。它是一个最小的原子，是模型中不可分割的一部分。

谨慎化...好吧，你建议的是哪一个？

这些是尺度不变的网络。我们的结果表明，不存在尺度不变性。

也没有断裂性的结果。这是EWA的一个神话，没有任何支持。


getch 01.04.2010 11:03

重复。

EA计算ZigZag膝盖的数量（至少是 Pips）并写入文件。

EA文本

绘制成膝盖数与最小尺寸（点）的函数图

http://www.cognitivist.ru/er/kernel/prologi_02_signature_scalefree.xml

也许认知秩序最基本的标志是尺度不变性，即现象的分形结构。如果我们研究的对象或现象具有尺度不变性，那么这就是寻找其中认知秩序规律性作用的一个很好的理由。相反，如果所研究的现象没有尺度不变性，这表明它主要受物理秩序的规律支配。
可以说，认知秩序的特征是在现象中没有一个特征尺度，这使它与物理秩序的表现相区别，在物理秩序中几乎总是有一个特征尺度，设定一个典型的空间大小或其他量级。这种差异很容易在观察对象或现象的统计参数中得到体现。

现象的参数中没有一个特征性的刻度，这是控制这一现象的认知秩序的标志。

 
Mathemat: P.S. 稍后我将尝试发布一个类似的价格研究结果，而不是收益。只是会有用chi-squared，而不是用TI语言。

胡说八道，如果你能原谅我的表达。说实话，这正是我所期望的。

事实证明，零条对之前的所有条都有极其严重的依赖性--不仅对价格，而且对纯粹的维纳过程（基于MT4的PRNG的纯粹过程），其中的依赖性原则上应不超过显著水平（0.01）。结果，卡方标准比边界标准高了数百倍。这是如果你处理价值本身而不是它们的回报。

依赖性不应该存在，它们在维纳过程中是错误的。粗略地说，你不能检查I（1），你必须检查它的差异I（0）。当然，科蒂尔的回报不是I(0)，但也不会离它太远。

顺便说一下，通常的布朗运动的回报 显示出依赖性，只是在显著性水平0.01，这是很自然的。

简而言之，一切都像它应该的那样。研究的对象选择正确--报价回报。我们没有错过去趋势化的过程。

 
Mathemat，你说的报价回报是什么意思？引用1和引用2之间的三角洲，还是什么？
 
x4x:
Mathemat，你说的报价回报是什么意思？它是引用1和引用2之间的delta，还是什么？

Return[i] = return[i] = close[i] - open[i] （我的）。

如果正确的话，应该是 return[i] = close[i] - close[i+1] 。

在第一个公式中，我只是简单地删除了间隙。但这其实并不太重要。

这个工具在任何地方都是一样的。

 
这是正确的回报率，分析起来更有利。 分析这些回报率是否有意义 return[i] = close[i] - close[i+1]，相对于 high[i] - low[i+1] 工具的潜在回报-https://forum.mql4.com/ru/22251
 
另外，采取等量条的回报可能更有利（例如按点的数量）。
 
更准确地说，它不是。分析的不是收益率，而是中位线差（（（高+低）/2）-（（开-收）/2））。
 

海达罗...不，这将是一个很难的工作，在一个零的酒吧。不要把简单与复杂混为一谈。

而这里的情况很简单--14:00开门，15:00关门，没有问题。或者等待并继续，如果预测减去同一方向的第一条杠。

而且会有什么高低起伏--胡说八道。

 

弗拉基米尔，我在任何方面冒犯了你吗？)))

1...575859606162636465666768697071...74
新评论