分析模式的最重要的统计学特征,并选择一种交易方法。 - 页 3 1234567 新评论 Maxim Dmitrievsky 2017.04.04 05:27 #21 Aliaksandr Hryshyn:你也可以使用百分位数,它更容易计算,你需要更多的数据,所以没有意外......给出了挖掘地点的方向)。虽然,你可以做很多事情.... 我将阅读有关百分数的文章,谢谢 ) Maxim Dmitrievsky 2017.04.04 09:58 #22 Alexander Laur: 直觉告诉我,这个几率将接近50%。:) 是什么,有什么感觉? Maxim Dmitrievsky 2017.04.04 10:27 #23 Alexander Laur: 可能是经验。:) 哦,有多少奇妙的发现 启蒙的精神 和经验,[儿子]困难的错误。 还有天才,[悖论]朋友。[还有机会,发明之神] Vladimir 2017.04.06 04:20 #24 在代码库中查找我的最近的邻居指标。该方法非常简单。你设置当前模式的长度,从历史中寻找类似的模式(例如,使用相关性作为模式之间的距离),通过加权他们各自的预测,从过去的模式预测未来的价格行为。这与聚类,或RBF,或SVM,或GRNN基本相同。这完全取决于你如何衡量当前模式与过去类似模式之间的距离。阅读关于GRNN和贝叶斯。那里的预测理论是用统计分布 来描述的。关于GRNN和上述预测方法有很多文章,而这一切都可以归结为一个简单的公式。预测 y = SUM y[k]*exp(-d[k]/2s^2) / SUM exp(-d[k]/2s^2)其中y[k]是第k个过去的模式,d[k]是第k个模式到当前模式的距离。如果距离有高斯分布,那么d[k]=(x-x[k])^2。对于一个任意的(超高斯)分布,d[k]=|x-x[k]|^p,其中你选择p取决于你是想给最近的邻居更多的权重(大p),还是像社会主义那样给所有邻居几乎相同的权重(小p)。如果p=0,我们就有完全的社会主义。在熟悉了最近的邻居和GRNN之后,下一个明显的问题出现了。如果考虑到时间轴的扭曲(即过去的模式可能看起来像当前的模式,但在时间上被拉伸或压缩),如何测量当前模式和过去模式之间的距离。这就是问题所在。 Maxim Dmitrievsky 2017.04.06 05:41 #25 Vladimir:这就是问题所在。 我已经吃过那条狗了,现在的问题是不同的。也许这不太合适 :)但你的出版物非常有趣,谢谢,我会看看的。 fxsaber 2017.04.06 06:21 #26 Vladimir:如果考虑到时间轴的失真(即过去的模式可能看起来像当前的模式,但在时间上被拉长或压缩)。这就是狗被埋葬的地方。作为这一声明的结果--这只狗目前没有被发现,只是由于计算资源 的限制。这似乎是一个矛盾:如果你有尽可能多的计算资源,任何狗都可以被揭开。就像,任何问题的解决只取决于可用的计算资源的数量。总的来说,说起来,这种逻辑很奇怪。因此,当他们说 "狗被埋在那里",间接地抱怨目前计算的不可溶性时,我们可以肯定地说,那里没有狗。 Maxim Dmitrievsky 2017.04.06 06:26 #27 fxsaber:作为这一声明的结果--这只狗目前没有被解锁,只是因为计算资源 数量的限制。这似乎是一个矛盾:如果有多少计算资源就有多少计算资源,那么任何狗都可以被解锁。就像,任何问题的解决只取决于可用的计算资源的数量。总的来说,说起来,这种逻辑很奇怪。因此,当他们说 "狗被埋在那里",间接地抱怨目前计算的不可溶性时,我们可以肯定地说,那里没有狗。 所有这些都是通过仿生变换完成的......它需要最少的资源......用正确的方法 fxsaber 2017.04.06 06:30 #28 Maxim Dmitrievsky: 所有这些都是通过仿生变换完成的......而且需要最少的资源......用正确的方法圣杯 没能成功--方法不够称职!这句话变得如此流行的原因是什么? Maxim Dmitrievsky 2017.04.06 06:33 #29 fxsaber:圣杯没能成功--方法不够称职!这句话变得如此流行的原因是什么? 好吧,魔鬼总是在细节中......需要的不是圣杯,但至少是有用的东西 :)问题是人们不知道他们在做什么,我想......以及为了什么? Stanislav Korotky 2017.04.06 09:17 #30 Vladimir:预测 y = SUM y[k]*exp(-d[k]/2s^2) / SUM exp(-d[k]/2s^2)其中y[k]是第k个过去的模式,d[k]是第k个模式到当前模式的距离。如果距离有高斯分布,那么d[k]=(x-x[k])^2。对于一个任意的(超高斯)分布,d[k]=|x-x[k]|^p,其中你选择p取决于你是想给最近的邻居更多的权重(大p),还是像社会主义那样给所有邻居几乎相同的权重(小p)。如果p=0,我们就有完全的社会主义。在熟悉了最近的邻居和GRNN之后,下一个明显的问题出现了。如果考虑到时间轴的扭曲(即过去的模式可能看起来像当前的模式,但在时间上被拉伸或压缩),如何测量当前模式和过去模式之间的距离。这就是问题所在。 你是否尝试过做冲突分析?也就是说,函数不应该是时间上的价格p = x(i),而是二维的f = z(i, p)。距离d是由两个坐标来计算的。而其他公式也是如此。 1234567 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
你也可以使用百分位数,它更容易计算,你需要更多的数据,所以没有意外......
给出了挖掘地点的方向)。虽然,你可以做很多事情....
我将阅读有关百分数的文章,谢谢 )
直觉告诉我,这个几率将接近50%。:)
是什么,有什么感觉?
可能是经验。:)
哦,有多少奇妙的发现
启蒙的精神
和经验,[儿子]困难的错误。
还有天才,[悖论]朋友。
[还有机会,发明之神]
在代码库中查找我的最近的邻居指标。该方法非常简单。你设置当前模式的长度,从历史中寻找类似的模式(例如,使用相关性作为模式之间的距离),通过加权他们各自的预测,从过去的模式预测未来的价格行为。这与聚类,或RBF,或SVM,或GRNN基本相同。这完全取决于你如何衡量当前模式与过去类似模式之间的距离。阅读关于GRNN和贝叶斯。那里的预测理论是用统计分布 来描述的。关于GRNN和上述预测方法有很多文章,而这一切都可以归结为一个简单的公式。
预测 y = SUM y[k]*exp(-d[k]/2s^2) / SUM exp(-d[k]/2s^2)
其中y[k]是第k个过去的模式,d[k]是第k个模式到当前模式的距离。如果距离有高斯分布,那么d[k]=(x-x[k])^2。对于一个任意的(超高斯)分布,d[k]=|x-x[k]|^p,其中你选择p取决于你是想给最近的邻居更多的权重(大p),还是像社会主义那样给所有邻居几乎相同的权重(小p)。如果p=0,我们就有完全的社会主义。
在熟悉了最近的邻居和GRNN之后,下一个明显的问题出现了。如果考虑到时间轴的扭曲(即过去的模式可能看起来像当前的模式,但在时间上被拉伸或压缩),如何测量当前模式和过去模式之间的距离。这就是问题所在。
这就是问题所在。
我已经吃过那条狗了,现在的问题是不同的。也许这不太合适 :)
但你的出版物非常有趣,谢谢,我会看看的。
如果考虑到时间轴的失真(即过去的模式可能看起来像当前的模式,但在时间上被拉长或压缩)。这就是狗被埋葬的地方。
作为这一声明的结果--这只狗目前没有被发现,只是由于计算资源 的限制。
这似乎是一个矛盾:如果你有尽可能多的计算资源,任何狗都可以被揭开。就像,任何问题的解决只取决于可用的计算资源的数量。
总的来说,说起来,这种逻辑很奇怪。因此,当他们说 "狗被埋在那里",间接地抱怨目前计算的不可溶性时,我们可以肯定地说,那里没有狗。
作为这一声明的结果--这只狗目前没有被解锁,只是因为计算资源 数量的限制。
这似乎是一个矛盾:如果有多少计算资源就有多少计算资源,那么任何狗都可以被解锁。就像,任何问题的解决只取决于可用的计算资源的数量。
总的来说,说起来,这种逻辑很奇怪。因此,当他们说 "狗被埋在那里",间接地抱怨目前计算的不可溶性时,我们可以肯定地说,那里没有狗。
所有这些都是通过仿生变换完成的......它需要最少的资源......用正确的方法
所有这些都是通过仿生变换完成的......而且需要最少的资源......用正确的方法
圣杯 没能成功--方法不够称职!
这句话变得如此流行的原因是什么?
圣杯没能成功--方法不够称职!
这句话变得如此流行的原因是什么?
好吧,魔鬼总是在细节中......需要的不是圣杯,但至少是有用的东西 :)
问题是人们不知道他们在做什么,我想......以及为了什么?
预测 y = SUM y[k]*exp(-d[k]/2s^2) / SUM exp(-d[k]/2s^2)
其中y[k]是第k个过去的模式,d[k]是第k个模式到当前模式的距离。如果距离有高斯分布,那么d[k]=(x-x[k])^2。对于一个任意的(超高斯)分布,d[k]=|x-x[k]|^p,其中你选择p取决于你是想给最近的邻居更多的权重(大p),还是像社会主义那样给所有邻居几乎相同的权重(小p)。如果p=0,我们就有完全的社会主义。
在熟悉了最近的邻居和GRNN之后,下一个明显的问题出现了。如果考虑到时间轴的扭曲(即过去的模式可能看起来像当前的模式,但在时间上被拉伸或压缩),如何测量当前模式和过去模式之间的距离。这就是问题所在。