忘记随机引语 - 页 54 1...474849505152535455565758596061...66 新评论 СанСаныч Фоменко 2012.07.25 14:05 #531 以上混淆了：Dependent=函数，指标。独立=参数，指标所依据的商数。 СанСаныч Фоменко 2012.07.25 14:08 #532 C-4: 显然，价格是一个独立的功能。经营者、投机者和小型交易者的净头寸是一个因变量。净值显示到'H'列（根据Excel）。然后是计算指标。相应地，他们已经依赖于经营者、投机者和小商人的净值。 典型的一种 "功能"。 请在文件（表）名称中指定列的名称或其编号。例如，像这样。 table.XXXX: col1 = col2, col5, col6, 这意味着col1的数据（可能有一个名字）是由col2,5,6的数据计算出来的。可以来自不同的表，但随后将列与表名联系起来 Vasiliy Sokolov 2012.07.30 08:11 #533 列的名称在表头中给出。你所指的列是指从'A'到'H'和从'O'到'Q'的列（excel地址）。其他各栏是根据基数计算的技术指标值。我将向你简要介绍一下这些条形图的价值。 未偿付利息 - 未偿付利息 非商业性多头 - 非商业性交易者（大型投机者）的多头头寸。 非商业性空头 - 非商业性交易者（大型投机者）的空头。 经营者多头 - 商业交易者（对冲者）的多头头寸。 经营者空头--商业交易者（套期保值者）的空头。 非报告多头 - 非报告交易者（小型投机者）的多头头寸。 Nonrep Short - 不负责任的交易者（小型投机者）的空头。 请特别注意集团的净头寸。这个衍生值的计算方法是一个组的多头和空头之间的简单差额，例如，净操作者=操作者多头-操作者空头，等等。它被认为是一个具有预测能力的重要比率。 至少有一些问题我想澄清一下。 获得的数据趋势叠加在时间轴上，尽管这些数据的静止性（时间依赖性、季节性因素）没有得到证明。 相反，与价格有明显的关系：价格上涨--运营商仓位上升，价格下跌--运营商仓位下降。这里的主导因素是什么，奴隶是什么，我们需要弄清楚。而且我们也希望看到对这些数据的预测能力的测试。人们反复观察到，参与者头寸的极端值比市场断裂时间早得多，也就是说，在这些情况下，他们具有预测能力。 СанСаныч Фоменко 2012.07.30 11:08 #534 C-4: 列的名称在表头中给出。你所指的列是指从'A'到'H'和从'O'到'Q'的列（excel地址）。其他各栏是根据基数计算的技术指标值。我将向你简要介绍一下这些条形图的价值。 未偿付利息 - 未偿付利息 非商业性多头 - 非商业性交易者（大型投机者）的多头头寸。 非商业性空头 - 非商业性交易者（大型投机者）的空头。 经营者多头 - 商业交易者（对冲者）的多头头寸。 经营者空头--商业交易者（套期保值者）的空头。 非报告多头 - 非报告交易者（小型投机者）的多头头寸。 Nonrep Short - 不负责任的交易者（小型投机者）的空头。 请特别注意集团的净头寸。这个衍生值的计算方法是一个组的多头和空头之间的简单差额，例如，净操作者=操作者多头-操作者空头，等等。它被认为是一个具有预测能力的重要比率。 至少有一些问题我想澄清一下。 获得的数据趋势叠加在时间轴上，尽管这些数据的静止性（时间依赖性、季节性因素）没有得到证明。 相反，与价格有明显的关系：价格上涨--运营商仓位上升，价格下跌--运营商仓位下降。这里的主导因素是什么，奴隶是什么，我们需要弄清楚。而且我们也希望看到对这些数据的预测能力的测试。人们反复观察到，参与者头寸的极端值要比市场断裂的时间早得多，也就是说，在这些情况下，他们具有预测的能力。 让我们开始吧。 虽然你在我面前布置的任务对我来说不是很清楚。 我们在交易什么？ 我将做一些计算，你来评论。 Роман 2012.07.30 11:11 #535 faa1947: 让我们开始吧。 虽然你在我面前布置的任务对我来说不是很清楚。 我们在交易什么？ 我做一些计算，你来评论。 这将是有趣的... 下面是一个关于市场经营者净头寸的结点的TS计划样本："大师班 "在交易中使用CFTC报告"。如果这有点偏离主题，请原谅。 Vasiliy Sokolov 2012.07.30 11:15 #536 faa1947: 让我们开始吧。 虽然你给我布置的任务我不是很清楚。 我也不知道。让我们边走边想吧。你可以不从交易开始，而是从系列分析（与价格的相关性，静止性，等等，等等）。我不想强加标准的TA方法。让分析是独立的，从一个完全不同的方面。 СанСаныч Фоменко 2012.07.30 11:35 #537 C-4: 未偿付利息 - 未偿付利息 非商业性多头 - 非商业性交易者（大型投机者）的多头头寸。 非商业性空头 - 非商业性交易者（大型投机者）的空头。 让我们从第一个表中抽取指定的列。 由于不是所有的变量都有相同的最小观察数--597 这些变量的形式是：。 柱状图。我们可以看到，该分布与正态分布的关系不大 自相关 部分相关 AC PAC Q-Stat Prob .|******* .|******* 1 0.955 0.955 547.11 0.000 .|******* .|. 2 0.917 0.053 1052.0 0.000 .|******| .|. | 3 0.886 0.074 1524.4 0.000 .|******| .|. 4 0.859 0.040 1969.4 0.000 .|******| .|*| 5 0.839 0.076 2394.4 0.000 .|******| .|. | 6 0.815 -0.030 2796.2 0.000 .|******| .|*| 7 0.799 0.088 3182.8 0.000 .|******| .|* |* 8 0.791 0.112 3563.0 0.000 .|******| .|. | 9 0.785 0.047 3937.6 0.000 .|******| .|* |2 10 0.782 0.075 4310.4 0.000 .|******| .|. 11 0.780 0.047 4681.3 0.000 .|******| .|* 12 0.783 0.106 5055.8 0.000 .|******| .|* 13 0.792 0.114 5439.5 0.000 .|***** | ***|. | 14 0.762 -0.389 5795.2 0.000 观测值之间没有相关性的概率为零 去除偏差和趋势后的固定性测试 无效假设：OPEN_INTEREST有一个单位根 外生的：常数，线性趋势 滞后长度：13（自动 - 基于SIC，最大滞后=18）。 t统计量 Prob.* 扩增Dickey-Fuller检验统计数字 -3.717413 0.0219 非平稳性的概率约为2%，即在去除移位和趋势后，该系列是平稳的。 在用HP滤波器进行解趋势处理后，这一点清晰可见。 在残差的底部，你可以看到平均值没有变化，而是围绕着平均值波动。但震荡的幅度是不同的--这需要建立异方差的模型。 如果对第一个变量的分析有兴趣，我也可以对其他两个变量进行分析。 Forget random quotes 反向交易: 减少最大回撤以及在其它市场上测试 MQL5 中的统计分布 - 充分利用 СанСаныч Фоменко 2012.07.30 11:50 #538 C-4: 未偿付利息 - 未偿付利息 非商业性多头 - 非商业性交易者（大型投机者）的多头头寸。 非商业性空头 - 非商业性交易者（大型投机者）的空头。 看看这些变量的关系。让我们问一个问题：公开利息是否取决于其他两个变量。如果有趣，我们可以增加这个列表。 因此，看看未平仓合约对投机者的依赖性吧。 回归方程 估算公式。 ========================= open_interest = c(1)*long_in_oi + c(2)*short_in_oi 代用系数。 ========================= 未平仓合约 = 181072.989406*长仓合约 + 215543.752303*短仓合约 对所获系数的评估 因变量：OPEN_INTEREST 方法：最小二乘法 日期: 07/30/12 时间: 17:46 样本：1,597 纳入观察：597 变量 系数 Std.误差 t-统计学 概率。 LONG_IN_OI 181073.0 6965.536 25.99556 0.0000 系数估计误差=181073.0，是 6965.536 约4%--一个了不起的结果。 short_in_oi 215543.8 7539.375 28.58907 0.0000 R-squared 0.276436 但未平仓合约与投机者的匹配度很低! 调整后的R平方 0.275220 S.D.因变量 46013.71 S.E.的回归 39173.32 Akaike信息准则 23.99272 和平方残差 9.13E+11 施瓦兹准则 24.00744 Log likelihood -7159.828 Hannan-Quinn criterion。 23.99845 Durbin-Watson统计 0.288368 我稍后会继续这个话题。 Forget random quotes 苏尔托诺夫回归模型（SRM）--声称是市场的数学模型。 深度神经网络 (第 II 部)。制定和选择预测因子 Vasiliy Sokolov 2012.07.30 11:57 #539 faa1947: 如果对第一个变量的分析有兴趣，我也可以对其他两个变量进行分析。 是的，你当然要这样做。未平仓合约甚至没有那么重要。最重要的一栏是操作者。原则上，非商业性应该是一个镜像（至少这是你可以用眼睛看出来的）。但仍有一种观点认为并非如此，尽管外部镜子 "相似"，但它们是不同的图表，具有肉眼看不到的不同特征。另外，小的投机者应该给出自己的独立系列。 奇怪的是，OI是静止的。原则上，它应该与价格相关，而价格是不稳定的。但OI的水平（尤其是结算期货）强烈地依赖于到期时间，并稳步地接近到期时间。也许这就是静止性的意义所在。 所有栏目之间的关系一般是直接的（2个公式计算累计多头和累计空头头寸）。 OI=非商业交易商多头+非商业交易商价差+操作者多头+非报告多头。 OI=非商业交易员空头+非商业交易员价差+操作者空头+非报告空头。 即未平仓合约总是有两个方面：买入和卖出，所以如果未平仓合约等于1个合约，就意味着两个卖家达成了1个合约的交易。一个将持有空头头寸，另一个将持有多头头寸。 一切都围绕着群体之间的不均衡分配。而当出现强烈的不平衡时，就是一个做交易的信号。 Vasiliy Sokolov 2012.07.30 12:16 #540 faa1947: 看一下这些变量的关系。问一个问题：公开的兴趣是否取决于其他两个。如果你有兴趣，你可以把这个名单做得更长。 因此，看看未平仓合约对投机者的依赖性吧。 回归方程为 开盘价=c(1)*长线_in_oi+c(2)*短线_in_oi 我上面写的公式很棘手，它只计算累计多头头寸或只计算累计空头头寸。 1...474849505152535455565758596061...66 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
显然，价格是一个独立的功能。经营者、投机者和小型交易者的净头寸是一个因变量。净值显示到'H'列（根据Excel）。然后是计算指标。相应地，他们已经依赖于经营者、投机者和小商人的净值。
典型的一种 "功能"。
请在文件（表）名称中指定列的名称或其编号。例如，像这样。
table.XXXX: col1 = col2, col5, col6, 这意味着col1的数据（可能有一个名字）是由col2,5,6的数据计算出来的。可以来自不同的表，但随后将列与表名联系起来
列的名称在表头中给出。你所指的列是指从'A'到'H'和从'O'到'Q'的列（excel地址）。其他各栏是根据基数计算的技术指标值。我将向你简要介绍一下这些条形图的价值。
未偿付利息 - 未偿付利息
非商业性多头 - 非商业性交易者（大型投机者）的多头头寸。
非商业性空头 - 非商业性交易者（大型投机者）的空头。
经营者多头 - 商业交易者（对冲者）的多头头寸。
经营者空头--商业交易者（套期保值者）的空头。
非报告多头 - 非报告交易者（小型投机者）的多头头寸。
Nonrep Short - 不负责任的交易者（小型投机者）的空头。
请特别注意集团的净头寸。这个衍生值的计算方法是一个组的多头和空头之间的简单差额，例如，净操作者=操作者多头-操作者空头，等等。它被认为是一个具有预测能力的重要比率。
至少有一些问题我想澄清一下。
获得的数据趋势叠加在时间轴上，尽管这些数据的静止性（时间依赖性、季节性因素）没有得到证明。 相反，与价格有明显的关系：价格上涨--运营商仓位上升，价格下跌--运营商仓位下降。这里的主导因素是什么，奴隶是什么，我们需要弄清楚。而且我们也希望看到对这些数据的预测能力的测试。人们反复观察到，参与者头寸的极端值比市场断裂时间早得多，也就是说，在这些情况下，他们具有预测能力。
列的名称在表头中给出。你所指的列是指从'A'到'H'和从'O'到'Q'的列（excel地址）。其他各栏是根据基数计算的技术指标值。我将向你简要介绍一下这些条形图的价值。
未偿付利息 - 未偿付利息
非商业性多头 - 非商业性交易者（大型投机者）的多头头寸。
非商业性空头 - 非商业性交易者（大型投机者）的空头。
经营者多头 - 商业交易者（对冲者）的多头头寸。
经营者空头--商业交易者（套期保值者）的空头。
非报告多头 - 非报告交易者（小型投机者）的多头头寸。
Nonrep Short - 不负责任的交易者（小型投机者）的空头。
请特别注意集团的净头寸。这个衍生值的计算方法是一个组的多头和空头之间的简单差额，例如，净操作者=操作者多头-操作者空头，等等。它被认为是一个具有预测能力的重要比率。
至少有一些问题我想澄清一下。
获得的数据趋势叠加在时间轴上，尽管这些数据的静止性（时间依赖性、季节性因素）没有得到证明。 相反，与价格有明显的关系：价格上涨--运营商仓位上升，价格下跌--运营商仓位下降。这里的主导因素是什么，奴隶是什么，我们需要弄清楚。而且我们也希望看到对这些数据的预测能力的测试。人们反复观察到，参与者头寸的极端值要比市场断裂的时间早得多，也就是说，在这些情况下，他们具有预测的能力。
让我们开始吧。
虽然你在我面前布置的任务对我来说不是很清楚。
我们在交易什么？
我将做一些计算，你来评论。
让我们开始吧。
虽然你在我面前布置的任务对我来说不是很清楚。
我们在交易什么？
我做一些计算，你来评论。
这将是有趣的...
下面是一个关于市场经营者净头寸的结点的TS计划样本："大师班 "在交易中使用CFTC报告"。如果这有点偏离主题，请原谅。
让我们开始吧。
虽然你给我布置的任务我不是很清楚。
未偿付利息 - 未偿付利息
非商业性多头 - 非商业性交易者（大型投机者）的多头头寸。
非商业性空头 - 非商业性交易者（大型投机者）的空头。
让我们从第一个表中抽取指定的列。
由于不是所有的变量都有相同的最小观察数--597
这些变量的形式是：。
柱状图。我们可以看到，该分布与正态分布的关系不大
自相关 部分相关 AC PAC Q-Stat Prob
.|******* .|******* 1 0.955 0.955 547.11 0.000
.|******* .|. 2 0.917 0.053 1052.0 0.000
.|******| .|. | 3 0.886 0.074 1524.4 0.000
.|******| .|. 4 0.859 0.040 1969.4 0.000
.|******| .|*| 5 0.839 0.076 2394.4 0.000
.|******| .|. | 6 0.815 -0.030 2796.2 0.000
.|******| .|*| 7 0.799 0.088 3182.8 0.000
.|******| .|* |* 8 0.791 0.112 3563.0 0.000
.|******| .|. | 9 0.785 0.047 3937.6 0.000
.|******| .|* |2 10 0.782 0.075 4310.4 0.000
.|******| .|. 11 0.780 0.047 4681.3 0.000
.|******| .|* 12 0.783 0.106 5055.8 0.000
.|******| .|* 13 0.792 0.114 5439.5 0.000
.|***** | ***|. | 14 0.762 -0.389 5795.2 0.000
观测值之间没有相关性的概率为零
去除偏差和趋势后的固定性测试
无效假设：OPEN_INTEREST有一个单位根
外生的：常数，线性趋势
滞后长度：13（自动 - 基于SIC，最大滞后=18）。
t统计量 Prob.*
扩增Dickey-Fuller检验统计数字 -3.717413 0.0219
非平稳性的概率约为2%，即在去除移位和趋势后，该系列是平稳的。
在用HP滤波器进行解趋势处理后，这一点清晰可见。
在残差的底部，你可以看到平均值没有变化，而是围绕着平均值波动。但震荡的幅度是不同的--这需要建立异方差的模型。
如果对第一个变量的分析有兴趣，我也可以对其他两个变量进行分析。
未偿付利息 - 未偿付利息
非商业性多头 - 非商业性交易者（大型投机者）的多头头寸。
非商业性空头 - 非商业性交易者（大型投机者）的空头。
看看这些变量的关系。让我们问一个问题：公开利息是否取决于其他两个变量。如果有趣，我们可以增加这个列表。
因此，看看未平仓合约对投机者的依赖性吧。
回归方程
估算公式。
=========================
open_interest = c(1)*long_in_oi + c(2)*short_in_oi
代用系数。
=========================
未平仓合约 = 181072.989406*长仓合约 + 215543.752303*短仓合约
对所获系数的评估
因变量：OPEN_INTEREST
方法：最小二乘法
日期: 07/30/12 时间: 17:46
样本：1,597
纳入观察：597
变量 系数 Std.误差 t-统计学 概率。
LONG_IN_OI 181073.0 6965.536 25.99556 0.0000 系数估计误差=181073.0，是 6965.536 约4%--一个了不起的结果。
short_in_oi 215543.8 7539.375 28.58907 0.0000
R-squared 0.276436 但未平仓合约与投机者的匹配度很低!
调整后的R平方 0.275220 S.D.因变量 46013.71
S.E.的回归 39173.32 Akaike信息准则 23.99272
和平方残差 9.13E+11 施瓦兹准则 24.00744
Log likelihood -7159.828 Hannan-Quinn criterion。 23.99845
Durbin-Watson统计 0.288368
我稍后会继续这个话题。
如果对第一个变量的分析有兴趣，我也可以对其他两个变量进行分析。
是的，你当然要这样做。未平仓合约甚至没有那么重要。最重要的一栏是操作者。原则上，非商业性应该是一个镜像（至少这是你可以用眼睛看出来的）。但仍有一种观点认为并非如此，尽管外部镜子 "相似"，但它们是不同的图表，具有肉眼看不到的不同特征。另外，小的投机者应该给出自己的独立系列。
奇怪的是，OI是静止的。原则上，它应该与价格相关，而价格是不稳定的。但OI的水平（尤其是结算期货）强烈地依赖于到期时间，并稳步地接近到期时间。也许这就是静止性的意义所在。
所有栏目之间的关系一般是直接的（2个公式计算累计多头和累计空头头寸）。
OI=非商业交易商多头+非商业交易商价差+操作者多头+非报告多头。
OI=非商业交易员空头+非商业交易员价差+操作者空头+非报告空头。
即未平仓合约总是有两个方面：买入和卖出，所以如果未平仓合约等于1个合约，就意味着两个卖家达成了1个合约的交易。一个将持有空头头寸，另一个将持有多头头寸。
一切都围绕着群体之间的不均衡分配。而当出现强烈的不平衡时，就是一个做交易的信号。
看一下这些变量的关系。问一个问题：公开的兴趣是否取决于其他两个。如果你有兴趣，你可以把这个名单做得更长。
因此，看看未平仓合约对投机者的依赖性吧。
回归方程为
开盘价=c(1)*长线_in_oi+c(2)*短线_in_oi
我上面写的公式很棘手，它只计算累计多头头寸或只计算累计空头头寸。