苏尔托诺夫回归模型（SRM）--声称是市场的数学模型。 - 页 44 1...3738394041424344454647 新评论 Sceptic Philozoff 2012.11.29 20:11 #431 yosuf: 其中 - A，a1，a2，a3，a4是由MNC高斯法确定的常数系数，这就是我们对15条TF D1的结果。15分的五个参数太多。通常的装配。在一千根柱子上用同样的参数尝试同样的方程式。你的研究方向似乎有了变化。你曾经编造迪福拉并试图解释市场。 现在你只是试图描述它，甚至没有试图解释它。 Юсуфходжа 2012.11.30 00:58 #432 Mathemat:15分的五个参数太多。通常的配合。在一千根柱子上用同样的参数尝试同样的方程式。你的研究方向似乎有了变化。你曾经编造迪福拉并试图解释市场。 现在你只是试图描述它，甚至没有试图解释它。 1.正确地注意到，这里是赤裸裸的统计数据，是另一个研究方向的副产品，与外汇无关。如你所知，在用ANC法估计有变量集的线性方程的系数时，高斯只指出了两步法，即第一步逐渐消除变量，第二步寻找系数，这是很费力和麻烦的。第二种方法是基于克拉默的方法，使用行列式，这并不比高斯的方法简单，而且具有相同的计算复杂性，尽管它更优雅。我已经成功地简化了方法，直接确定了系数，上面的例子是一个首次亮相，我想你会注意，我是如何在同时改变四个变量的情况下找到5个系数的。通常情况下，例如在计划一个实验时，建议只用一个变量逐步确定系数，将其他变量设置在一个恒定的水平上，你可能还记得这个在60和70年代不太成功的打击。现在真的，我在同一时间研究1000条没有问题，我也会这样做。只是请告诉我如何用逗号将故事直接下载到exel，对不起，我对使用comp的技术是个零。我正在逐步学习，只学习目前需要的东西。请非常详细地说明，甚至是按下按钮的顺序。2.没有合适的，但确实数据量不大，因为，它是手动输入的。然而，难能可贵的是，这个简单的方程式试图描述价格的变化，好像它是周期性的，尽管它绝非如此。3.你认为在这四个参数中增加数量有意义吗，特别是它们是可用的，尽管它们被说成是有偏见的？4.注意到OHLC的系数差异，显然是由于缺乏数据。 СанСаныч Фоменко 2012.11.30 05:51 #433 yosuf: 只是请告诉我如何用逗号将故事直接下载到exel中，对不起，我是电脑技术的新手。1.在终端，按F2.在弹出的表格中，选择一个符号并按 "导出"。我们得到了一份文件。我们 在Excel中打开该文件。它看起来像。 2012.06.27,00:00,1.2494,1.2500,1.2491,1.2492,167 2012.06.27,01:00,1.2493,1.2494,1.2486,1.2489,108 2012.06.27,02:00,1.2488,1.2493,1.2484,1.2486,217 2012.06.27,03:00,1.2487,1.2499,1.2484,1.2492,244 2012.06.27,04:00,1.2493,1.2506,1.2491,1.2503,265 3.在Excel顶部的 "数据 "标签。4.突出显示表格中所需要的数据部分。5.点击 "逐栏"，将弹出文本向导。6.在第一步，我们选择 "分隔"。7.在向导的第二步，你应该额外指定逗号分隔符。8.在第三步。8.1.对于前两列，指定 "文本 "列的数据格式。8.3 我们把 "一般 "留给其他人，但开放 "更多细节"，并把 "点 "作为一个地方分隔符。它应该看起来像这样 2012.06.27 00:00 1,2494 1,25 1,2491 1,2492 167 2012.06.27 01:00 1,2493 1,2494 1,2486 1,2489 108 2012.06.27 02:00 1,2488 1,2493 1,2484 1,2486 217 2012.06.27 03:00 1,2487 1,2499 1,2484 1,2492 244 2012.06.27 04:00 1,2493 1,2506 1,2491 1,2503 265 2012.06.27 05:00 1,2504 1,2508 1,2497 1,2499 220 2012.06.27 06:00 1,25 1,2506 1,2496 1,2503 248 2012.06.27 07:00 1,2502 1,2506 1,2498 1,2499 236 2012.06.27 08:00 1,25 1,2503 1,2487 1,2494 437 2012.06.27 09:00 1,2493 1,2503 1,2482 1,2499 667 2012.06.27 10:00 1,2498 1,2502 1,2491 1,2494 581 The Sultonov Regression Model Experts: earlyTopProrate EA: DD Report EA СанСаныч Фоменко 2012.11.30 06:07 #434 它只需要这个等式F=1.00010409798*CLOSE(-1)^0.999631066509试图添加另一个值会导致一个退化（奇异）的矩阵。合身性非常好。因变量：F 方法：小组最小二乘法 日期: 11/30/12 时间: 10:57 样本：1 2652 包括的时期：23 包括横截面：113 总的小组（非平衡）观察值：2538 1次迭代后达到收敛效果 f=c(1)*close(-1)^c(2) 系数 Std.误差 t-统计学 概率。 C(1) 1.000104 0.000122 8222.019 0.0000C(2) 0.999631 0.000511 1955.530 0.0000 R-squared 0.999342 平均依赖变量 1.266171调整后的R平方 0.999342 S.D. dependent var 0.029512S.E.的回归 0.000757 Akaike信息准则 -11.53332和平方残差 0.001454 施瓦兹准则 -11.52872Log likelihood 14637.78 Hannan-Quinn criterion。 -11.53165Durbin-Watson统计 1.951579 它可以被逆转。因变量：CLOSE 方法：小组最小二乘法 日期：11/30/12 时间：10:59 样本：1 2652 包括的时期：23 包括横截面：113 总的小组（非平衡）观察值：2538 2次迭代后达到收敛效果 close=c(1)*f(-1)^c(2) 系数 Std.误差 t-统计学 概率。 C(1) 1.000222 0.000233 4283.747 0.0000C(2) 0.999132 0.000981 1018.334 0.0000 R-squared 0.997578 平均依赖变量 1.266170调整后的R平方 0.997577 S.D. dependent var 0.029520S.E.的回归 0.001453 Akaike信息准则 -10.22961残差总和 0.005354 施瓦兹准则 -10.22501Log likelihood 12983.38 Hannan-Quinn criterion。 -10.22794Durbin-Watson统计 1.294442 以下是图表 我们看到100点左右的峰值。 但一个非常体面的直方图，虽然不正常赔率=14点。但置信椭圆 是令人沮丧的--我们看到我们的系数有极高的相关性。这就是当添加额外变量时，矩阵出现奇异性的原因。我将避免使用上述公式 The Sultonov Regression Model 忘记随机引语 TarasBY 2012.11.30 07:06 #435 yosuf:我曾试图通过以前的条形图的OHLC价格来表达未来条形图的平均预测价格（F），即以下关系，尽管我不知道以前是否有人以这种形式尝试过。F=A*O^a1*H^a2*L^a3*C^a4, 其中 - A, a1, a2,a3,a4是由MNC高斯方法确定的常数系数，这就是我们对15条TF D1的结果。 A a4 a3 a2 a1 1,0531049 1,17477 -0,70935 0,04371 0,27950 因此，商原则上可以用一个方程来表示，但让我们来看看这有什么实际用处。你有什么看法？ 我没有找到你提取价格样本的时间段，但最后15个柱子显示了相同的情况（根据上述公式和推导出的系数）。用周期=1的绿色МА来更清楚地比较预测。价格标记是由一个脚本绘制的（在附件中）。 附加的文件： pricefuture.zip 3 kb Юсуфходжа 2012.11.30 07:38 #436 TarasBY: 我没有找到你提取价格样本的时间段，但最后15根柱子显示了这种情况（根据公式和你所得出的系数）。 用周期=1的绿色МА来更清楚地比较预测。 价格标记是由一个脚本绘制的（在附件中）。 从16.09.12到05.D1的数据。10.12 TarasBY 2012.11.30 07:47 #437 yosuf: 数据用于D1，从16.09.12到05。10.12 没有马上注意到系数是按相反顺序排列的a4->a1。然后一个月后，计算出来的系数就不是 "一指天 "了......。;) P.S. 如果不是月底，目前的蜡烛将是 "看跌 "的...:))) Юсуфходжа 2012.11.30 08:08 #438 TarasBY: 没有马上注意到系数是按相反顺序排列的a4->a1。然后一个月后，计算出来的系数就不是 "一指天 "了......。;) P.S. 如果不是月底，目前的蜡烛将是 "看跌 "的...:))) 你是说，到目前为止，情况还不错？的确，一个月后还不错，现在我们将尝试确定直到现在的系数。然后我们将研究系数的行为，也许我们会找到一些可靠的趋势预测器。 Юсуфходжа 2012.11.30 08:14 #439 faa1947: 它只需要这个等式 F=1.00010409798*CLOSE(-1)^0.999631066509 试图添加另一个值会导致一个退化（奇异）的矩阵。 合身性非常好。 因变量：F 方法：小组最小二乘法 日期: 11/30/12 时间: 10:57 样本：1 2652 包括的时期：23 包括横截面：113 总的小组（非平衡）观察值：2538 1次迭代后达到收敛效果 f=c(1)*close(-1)^c(2) 系数 Std.误差 t-统计学 概率。 C(1) 1.000104 0.000122 8222.019 0.0000 C(2) 0.999631 0.000511 1955.530 0.0000 R-squared 0.999342 平均依赖变量 1.266171 调整后的R平方 0.999342 S.D. dependent var 0.029512 S.E.的回归 0.000757 Akaike信息准则 -11.53332 和平方残差 0.001454 施瓦兹准则 -11.52872 Log likelihood 14637.78 Hannan-Quinn criterion。 -11.53165 Durbin-Watson统计 1.951579 它可以被逆转。 因变量：CLOSE 方法：小组最小二乘法 日期：11/30/12 时间：10:59 样本：1 2652 包括的时期：23 包括横截面：113 总的小组（非平衡）观察值：2538 2次迭代后达到收敛效果 close=c(1)*f(-1)^c(2) 系数 Std.误差 t-统计学 概率。 C(1) 1.000222 0.000233 4283.747 0.0000 C(2) 0.999132 0.000981 1018.334 0.0000 R-squared 0.997578 平均依赖变量 1.266170 调整后的R平方 0.997577 S.D. dependent var 0.029520 S.E.的回归 0.001453 Akaike信息准则 -10.22961 残差总和 0.005354 施瓦兹准则 -10.22501 Log likelihood 12983.38 Hannan-Quinn criterion。 -10.22794 Durbin-Watson统计 1.294442 以下是图表 我们看到100点左右的峰值。 但一个非常体面的直方图，虽然不正常 赔率=14点。 但置信椭圆是令人沮丧的--我们看到我们的系数有极高的相关性。这就是当添加额外变量时，矩阵出现奇异性的原因。 我将避免使用上述公式 不要急于下结论 СанСаныч Фоменко 2012.11.30 08:44 #440 yosuf: 不要急于下结论 如果你解决了椭圆问题，这表明相关系数很高，你将能够找到一个解决方案。 1...3738394041424344454647 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
15分的五个参数太多。通常的装配。
在一千根柱子上用同样的参数尝试同样的方程式。
你的研究方向似乎有了变化。你曾经编造迪福拉并试图解释市场。
现在你只是试图描述它，甚至没有试图解释它。
15分的五个参数太多。通常的配合。
在一千根柱子上用同样的参数尝试同样的方程式。
你的研究方向似乎有了变化。你曾经编造迪福拉并试图解释市场。
现在你只是试图描述它，甚至没有试图解释它。
1.正确地注意到，这里是赤裸裸的统计数据，是另一个研究方向的副产品，与外汇无关。如你所知，在用ANC法估计有变量集的线性方程的系数时，高斯只指出了两步法，即第一步逐渐消除变量，第二步寻找系数，这是很费力和麻烦的。第二种方法是基于克拉默的方法，使用行列式，这并不比高斯的方法简单，而且具有相同的计算复杂性，尽管它更优雅。我已经成功地简化了方法，直接确定了系数，上面的例子是一个首次亮相，我想你会注意，我是如何在同时改变四个变量的情况下找到5个系数的。通常情况下，例如在计划一个实验时，建议只用一个变量逐步确定系数，将其他变量设置在一个恒定的水平上，你可能还记得这个在60和70年代不太成功的打击。现在真的，我在同一时间研究1000条没有问题，我也会这样做。只是请告诉我如何用逗号将故事直接下载到exel，对不起，我对使用comp的技术是个零。我正在逐步学习，只学习目前需要的东西。请非常详细地说明，甚至是按下按钮的顺序。
2.没有合适的，但确实数据量不大，因为，它是手动输入的。然而，难能可贵的是，这个简单的方程式试图描述价格的变化，好像它是周期性的，尽管它绝非如此。
3.你认为在这四个参数中增加数量有意义吗，特别是它们是可用的，尽管它们被说成是有偏见的？
4.注意到OHLC的系数差异，显然是由于缺乏数据。
只是请告诉我如何用逗号将故事直接下载到exel中，对不起，我是电脑技术的新手。
1.在终端，按F2.在弹出的表格中，选择一个符号并按 "导出"。我们得到了一份文件。
我们 在Excel中打开该文件。它看起来像。
3.在Excel顶部的 "数据 "标签。
4.突出显示表格中所需要的数据部分。
5.点击 "逐栏"，将弹出文本向导。
6.在第一步，我们选择 "分隔"。
7.在向导的第二步，你应该额外指定逗号分隔符。
8.在第三步。
8.1.对于前两列，指定 "文本 "列的数据格式。
8.3 我们把 "一般 "留给其他人，但开放 "更多细节"，并把 "点 "作为一个地方分隔符。
它应该看起来像这样
它只需要这个等式
F=1.00010409798*CLOSE(-1)^0.999631066509
试图添加另一个值会导致一个退化（奇异）的矩阵。
合身性非常好。
因变量：F
方法：小组最小二乘法
日期: 11/30/12 时间: 10:57
样本：1 2652
包括的时期：23
包括横截面：113
总的小组（非平衡）观察值：2538
1次迭代后达到收敛效果
f=c(1)*close(-1)^c(2)
系数 Std.误差 t-统计学 概率。
C(1) 1.000104 0.000122 8222.019 0.0000
C(2) 0.999631 0.000511 1955.530 0.0000
R-squared 0.999342 平均依赖变量 1.266171
调整后的R平方 0.999342 S.D. dependent var 0.029512
S.E.的回归 0.000757 Akaike信息准则 -11.53332
和平方残差 0.001454 施瓦兹准则 -11.52872
Log likelihood 14637.78 Hannan-Quinn criterion。 -11.53165
Durbin-Watson统计 1.951579
因变量：CLOSE
方法：小组最小二乘法
日期：11/30/12 时间：10:59
样本：1 2652
包括的时期：23
包括横截面：113
总的小组（非平衡）观察值：2538
2次迭代后达到收敛效果
close=c(1)*f(-1)^c(2)
系数 Std.误差 t-统计学 概率。
C(1) 1.000222 0.000233 4283.747 0.0000
C(2) 0.999132 0.000981 1018.334 0.0000
R-squared 0.997578 平均依赖变量 1.266170
调整后的R平方 0.997577 S.D. dependent var 0.029520
S.E.的回归 0.001453 Akaike信息准则 -10.22961
残差总和 0.005354 施瓦兹准则 -10.22501
Log likelihood 12983.38 Hannan-Quinn criterion。 -10.22794
Durbin-Watson统计 1.294442
以下是图表
我们看到100点左右的峰值。 但一个非常体面的直方图，虽然不正常
赔率=14点。
但置信椭圆 是令人沮丧的--我们看到我们的系数有极高的相关性。这就是当添加额外变量时，矩阵出现奇异性的原因。
我将避免使用上述公式
我曾试图通过以前的条形图的OHLC价格来表达未来条形图的平均预测价格（F），即以下关系，尽管我不知道以前是否有人以这种形式尝试过。
F=A*O^a1*H^a2*L^a3*C^a4,
其中 - A, a1, a2,a3,a4是由MNC高斯方法确定的常数系数，这就是我们对15条TF D1的结果。
因此，商原则上可以用一个方程来表示，但让我们来看看这有什么实际用处。你有什么看法？
我没有找到你提取价格样本的时间段，但最后15个柱子显示了相同的情况（根据上述公式和推导出的系数）。
用周期=1的绿色МА来更清楚地比较预测。
价格标记是由一个脚本绘制的（在附件中）。
我没有找到你提取价格样本的时间段，但最后15根柱子显示了这种情况（根据公式和你所得出的系数）。
用周期=1的绿色МА来更清楚地比较预测。
价格标记是由一个脚本绘制的（在附件中）。
数据用于D1，从16.09.12到05。10.12
P.S. 如果不是月底，目前的蜡烛将是 "看跌 "的...:)))
没有马上注意到系数是按相反顺序排列的a4->a1。然后一个月后，计算出来的系数就不是 "一指天 "了......。;)
P.S. 如果不是月底，目前的蜡烛将是 "看跌 "的...:)))
它只需要这个等式
F=1.00010409798*CLOSE(-1)^0.999631066509
试图添加另一个值会导致一个退化（奇异）的矩阵。
合身性非常好。
因变量：F
方法：小组最小二乘法
日期: 11/30/12 时间: 10:57
样本：1 2652
包括的时期：23
包括横截面：113
总的小组（非平衡）观察值：2538
1次迭代后达到收敛效果
f=c(1)*close(-1)^c(2)
系数 Std.误差 t-统计学 概率。
C(1) 1.000104 0.000122 8222.019 0.0000
C(2) 0.999631 0.000511 1955.530 0.0000
R-squared 0.999342 平均依赖变量 1.266171
调整后的R平方 0.999342 S.D. dependent var 0.029512
S.E.的回归 0.000757 Akaike信息准则 -11.53332
和平方残差 0.001454 施瓦兹准则 -11.52872
Log likelihood 14637.78 Hannan-Quinn criterion。 -11.53165
Durbin-Watson统计 1.951579
因变量：CLOSE
方法：小组最小二乘法
日期：11/30/12 时间：10:59
样本：1 2652
包括的时期：23
包括横截面：113
总的小组（非平衡）观察值：2538
2次迭代后达到收敛效果
close=c(1)*f(-1)^c(2)
系数 Std.误差 t-统计学 概率。
C(1) 1.000222 0.000233 4283.747 0.0000
C(2) 0.999132 0.000981 1018.334 0.0000
R-squared 0.997578 平均依赖变量 1.266170
调整后的R平方 0.997577 S.D. dependent var 0.029520
S.E.的回归 0.001453 Akaike信息准则 -10.22961
残差总和 0.005354 施瓦兹准则 -10.22501
Log likelihood 12983.38 Hannan-Quinn criterion。 -10.22794
Durbin-Watson统计 1.294442
以下是图表
我们看到100点左右的峰值。 但一个非常体面的直方图，虽然不正常
赔率=14点。
但置信椭圆是令人沮丧的--我们看到我们的系数有极高的相关性。这就是当添加额外变量时，矩阵出现奇异性的原因。
我将避免使用上述公式
不要急于下结论