浮动市场参数 - 页 3 12345678 新评论 Neutron 2012.01.19 10:06 #21 Rorschach: 你可以说我已经找到了一个模式--在 "公平价格 "附近波动,现在我正在挑选一个合适的方法。 是的......除了它相对于实际价格滞后,而且没有办法在商数的右边可靠地确定它。你不能从过去预测它,因为在滞后规模上有不可避免的预测误差。 Rorschach 2012.01.19 10:15 #22 Neutron: 是的......除了它相对于实际价格是滞后的,而且没有办法在商数的右边可靠地确定它。没有办法从过去预测它,因为滞后规模的预测误差是不可避免的。 所有静止性的证据你都轻易地忽略了 Igor Makanu 2012.01.19 11:06 #23 Rorschach: IgorM,你能分享一下这个库吗? 我晚上把它贴出来,我是为MT5做的,但似乎它也应该适用于MT4。 911 2012.01.19 12:44 #24 Rorschach: 有一张照片是这样的。 什么方法可以推断出这样的系列? 有谁能把这个放到神经网络里做个实验? 你是如何得到这个功能的? Igor Makanu 2012.01.19 13:29 #25 Rorschach: IgorM,你能分享一下这个库吗? 那是很久以前的事了,我不记得我在小波中寻找什么了。 附加的文件: mql5.zip 37 kb delphi.zip 100 kb Rorschach 2012.01.19 14:34 #26 911: 你是如何得到这个功能的? MathSin(2*Pi/(15+0.05*i)*i) 附加的文件: iiikkgfhdgd-zj.zip 2 kb Rorschach 2012.01.19 14:35 #27 IgorM: 那是很久以前的事了,我真的不记得我在寻找什么小波,我只是附上了我的东西 谢谢你 Rorschach 2012.01.19 16:50 #28 Neutron: 现在,同事们,请批评我。 我认为,任何推断都意味着时间序列(TP)具有 "跟随 "所选方向的特性。事实上,通过用n次方的多项式向前推算一步,我们假设NEED为第一导数,第二...原系列的n-1,至少在这一步...你知道我在说什么吗?第一导数的准连续性无非是BP在选定的时间框架(TF)的正自相关系数(AC)。众所周知,将外推法应用于布朗型BPs是毫无意义的。为什么?因为这种系列的CA是完全等于零的!但是,有的GR有负面的QA...对它们进行推断是根本不正确的(如果我是正确的)--价格很可能会向预测的方向相反的方向发展。 而对于初学者来说:几乎所有的外汇VR都有一个负的自相关函数(这是一个由所有可能的TF的KA构建的函数)--这是一个医学事实!例外的是一些小时间段的货币工具,还有就是Sberbank和欧盟RAO股票的周线。这特别解释了基于利用移动平均线的TS在现代市场上的不适宜性--同样是试图推断。 除非我弄错了,否则小波,先验地,发现自己处于一个它们将无法正确执行其功能的区域。 据我所知,你坚持认为市场是布朗运动的 "世界观"? 但你可以试着从人的角度来看待它。有大的参与者--他们推动市场,有流动性限制(你不能在瞬间提取大笔资金),有周期:财政年度、季度报告、交易所开业、新闻背景,等等。 顺便说一下,很想知道你对这些事情的看法。 http://www.onix-trade.net/forum/index.php?s=c04e226e5521ed472b8d31770b40832b&showtopic=47&view=findpost&p=5267 http://www.chronos.msu.ru/RREPORTS/mikhailovsky_biol_vremya/mikhailovsky_biol_vremya.htm СанСаныч Фоменко 2012.01.19 18:28 #29 中子。 而且,作为一个小吃:外汇中几乎所有的BP都有一个负的自 相关函数(这是一个由所有各种TF的CA构建的函数)--这是一个医学上的事实。 这不是我第一次看到你的这种说法,但我从来没有看到过证据。我所看到的所有ACF都是正常的ACF。负ACF是什么意思,它比正ACF差在哪里?你能不能给我一个例子,让我在一些小木屋上进行复制。 Neutron 2012.01.20 05:08 #30 faa1947: 你能不能给我一个关于某种报价器的例子,以便我可以复制 我们可以。 我们将寻找时间序列中相邻样本之间的成对相关系数。对于选定的时间框架,我们有一个在-1到+1范围内的系数。系数值小于零表示样本之间存在反持久性,大于零--在这个TF中的持久性,接近于零--离开这里!反过来,持久性作为选定的TF上的符号的趋势性/崩溃的指标。BP的最后一个属性允许使用TA的适当指标。 相关系数是在一个n-样本的窗口中。在这种情况下,我们使用了2010年的会议记录,通过稀释它们,我们建立了从1分钟到100分钟的人工TF。对于每个TF,我们找到了相关系数,并绘制了该值对TF的依赖性。我在上面的引文中正是指这种依赖性。 图显示了不同仪器在不同TF下发现的配对相关系数的依赖性。你可以看到,几乎所有的地方的系数都是负的,表明价格在扰动后倾向于返回到它的初始值。这一特性或多或少是所有符号的特点,在小TF上体现得最为明显(见图)。我使用了Alpari的2010年的数据。 问题是如何看待 "接近零"。为了估计,你可以用选定的TF的相关系数乘以该TF的工具波动率(点),并将得到的值与经纪公司的佣金(也是点)进行比较。如果它大于点差,那么无论如何你都不会成功,因为市场不是一个二律背反的系统,只要你开仓,一切都会变坏(只对你)。 12345678 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
你可以说我已经找到了一个模式--在 "公平价格 "附近波动,现在我正在挑选一个合适的方法。
是的......除了它相对于实际价格是滞后的,而且没有办法在商数的右边可靠地确定它。没有办法从过去预测它,因为滞后规模的预测误差是不可避免的。
所有静止性的证据你都轻易地忽略了
有一张照片是这样的。
什么方法可以推断出这样的系列?
有谁能把这个放到神经网络里做个实验?
你是如何得到这个功能的?
那是很久以前的事了,我不记得我在小波中寻找什么了。
你是如何得到这个功能的?
MathSin(2*Pi/(15+0.05*i)*i)
那是很久以前的事了,我真的不记得我在寻找什么小波,我只是附上了我的东西
谢谢你
现在,同事们,请批评我。
我认为,任何推断都意味着时间序列(TP)具有 "跟随 "所选方向的特性。事实上,通过用n次方的多项式向前推算一步,我们假设NEED为第一导数,第二...原系列的n-1,至少在这一步...你知道我在说什么吗?第一导数的准连续性无非是BP在选定的时间框架(TF)的正自相关系数(AC)。众所周知,将外推法应用于布朗型BPs是毫无意义的。为什么?因为这种系列的CA是完全等于零的!但是,有的GR有负面的QA...对它们进行推断是根本不正确的(如果我是正确的)--价格很可能会向预测的方向相反的方向发展。
而对于初学者来说:几乎所有的外汇VR都有一个负的自相关函数(这是一个由所有可能的TF的KA构建的函数)--这是一个医学事实!例外的是一些小时间段的货币工具,还有就是Sberbank和欧盟RAO股票的周线。这特别解释了基于利用移动平均线的TS在现代市场上的不适宜性--同样是试图推断。
除非我弄错了,否则小波,先验地,发现自己处于一个它们将无法正确执行其功能的区域。
据我所知,你坚持认为市场是布朗运动的 "世界观"?
但你可以试着从人的角度来看待它。有大的参与者--他们推动市场,有流动性限制(你不能在瞬间提取大笔资金),有周期:财政年度、季度报告、交易所开业、新闻背景,等等。
顺便说一下,很想知道你对这些事情的看法。
http://www.onix-trade.net/forum/index.php?s=c04e226e5521ed472b8d31770b40832b&showtopic=47&view=findpost&p=5267
http://www.chronos.msu.ru/RREPORTS/mikhailovsky_biol_vremya/mikhailovsky_biol_vremya.htm
中子。
而且,作为一个小吃:外汇中几乎所有的BP都有一个负的自 相关函数(这是一个由所有各种TF的CA构建的函数)--这是一个医学上的事实。
这不是我第一次看到你的这种说法,但我从来没有看到过证据。我所看到的所有ACF都是正常的ACF。负ACF是什么意思,它比正ACF差在哪里?你能不能给我一个例子,让我在一些小木屋上进行复制。
你能不能给我一个关于某种报价器的例子,以便我可以复制
我们可以。
我们将寻找时间序列中相邻样本之间的成对相关系数。对于选定的时间框架,我们有一个在-1到+1范围内的系数。系数值小于零表示样本之间存在反持久性,大于零--在这个TF中的持久性,接近于零--离开这里!反过来,持久性作为选定的TF上的符号的趋势性/崩溃的指标。BP的最后一个属性允许使用TA的适当指标。
相关系数是在一个n-样本的窗口中。在这种情况下,我们使用了2010年的会议记录,通过稀释它们,我们建立了从1分钟到100分钟的人工TF。对于每个TF,我们找到了相关系数,并绘制了该值对TF的依赖性。我在上面的引文中正是指这种依赖性。
图显示了不同仪器在不同TF下发现的配对相关系数的依赖性。你可以看到,几乎所有的地方的系数都是负的,表明价格在扰动后倾向于返回到它的初始值。这一特性或多或少是所有符号的特点,在小TF上体现得最为明显(见图)。我使用了Alpari的2010年的数据。
问题是如何看待 "接近零"。为了估计,你可以用选定的TF的相关系数乘以该TF的工具波动率(点),并将得到的值与经纪公司的佣金(也是点)进行比较。如果它大于点差,那么无论如何你都不会成功,因为市场不是一个二律背反的系统,只要你开仓,一切都会变坏(只对你)。