从理论到实践 - 页 340 1...333334335336337338339340341342343344345346347...1981 新评论 Andrei01 2018.04.27 06:15 #3391 Maxim Dmitrievsky:如果信号是静止的和周期性的，就没有必要杀死它，因为它是一个圣杯，对残余噪声进行调整。 如果信号是静止的噪声--甚至更好，根本不需要任何NS它究竟是什么样的信号--作者根本不感兴趣，他的目的是要从中提取噪声成分，希望噪声能准确预测信号的下一个数值。))) Andrei01 2018.04.27 06:22 #3392 Maxim Dmitrievsky:这到底是什么乱七八糟的东西？ 这样的排场是很容易预测的 好吧，胡说八道，只有这样一个系列的平均值是可以预测的，也就是说，它在平均范围内--方差，但具体数值显然是无法预测的...... Andrei01 2018.04.27 07:01 #3393 顺便说一下，这里还有一篇关于BP预测的评论文章，建议在去除趋势、周期性和其他信号成分后，隔离和分析噪声成分... https://pokrovka11.files.wordpress.com/2011/12/emetrix_time_series.pdf 什么是常识，它不清楚... Violetta Novak 2018.04.27 07:28 #3394 basilio:把BP变成RNG将使你根本不可能赚到什么，原则上是这样）。你自相矛盾，"你可以预测RNG（静止值）的平均值和方差，为此研究分布"，你自己已经回答了问题，而方差和平均值将是常数。 Dmitriy Skub 2018.04.27 08:27 #3395 从理论到实践的过渡，一个值得肯定的结论：没有信号，没有理智的模型，没有pamm账户。他们甚至称我们为道士））。 等待着亚历山大三世--他不会失败) secret 2018.04.27 10:35 #3396 Novaja:你自相矛盾，"对于一个RNG（静止值），你可以预测平均值和方差，为此你要研究分布。"你自己已经回答了这个问题，而方差和平均值是常数。不存在任何矛盾。 对于CLO的增量，预测平均增量是可能的，它是一个等于0的常数。对于LFO的一系列价格（一系列增量的积分，又称 "随机行走"），这意味着对交易方向 的预测是50/50，没有赚钱的可能。对最近的电流增量的预测（A_K2写的）也是0加减几个有效值，没有什么实际作用。 但GSF的增量是一个简化的价格模型，一个基本的模型，一个零的近似值。 与GSF不同，在真实的价格增量中，下一个价格对前一个价格有依赖性，也就是说，存在交易方向预测与50/50相差很大的情况。你的任务是在价格增量中找到这种情况，根据定义，它们不存在于RNG中。 secret 2018.04.27 10:40 #3397 Alexander_K2:面对公然的失望主义，即你无法用埃朗分布预测一系列随机数的说法，我不得不永远离开这个论坛。亚历山大，就个人而言，例如，我正试图通过提请你注意故意的错误道路来节省你多年的研究时间成本，甚至在你知道这些道路之前我就已经走过了。 因此，"永远离开论坛 "只是对自己的一种伤害。 等待亚历山大三世的到来 :) Violetta Novak 2018.04.27 11:33 #3398 basilio:不存在任何矛盾。 对于LFO的增量，预测平均增量是可能的，它是一个0的常数。对于LFO上的一系列价格（一系列增量的积分，又称 "随机行走"），这意味着对交易方向 的预测是50/50，没有赚钱的可能。对最近的电流增量的预测（A_K2写的）也是0加减几个有效值，没有什么实际作用。 但GSF的增量是一个简化的价格模型，一个基本的模型，一个零的近似值。 与GSF不同，在真实的价格增量中，下一个价格对上一个价格有依赖性，也就是说，存在交易方向预测与50/50相差很大的情况。你的任务是在价格增量中找到这种情况，根据定义，它们不存在于RNG中。正态分布下的绝对值偏差小于3*SCO的概率是0.9973。换句话说，偏差的绝对值超过RMS三倍的概率非常小，为0.0027=1-0.9973。这意味着只有0.27%的情况下可能发生。 在实践中：如果所研究的随机变量的分布是未知的，但条件成立，那么所研究的变量是正态分布，否则就不是正态分布，这就是BP所证明的，但如果我们由于某种非线性变换而从BP中获得了正态性，那么为什么不使用这一规则呢？ secret 2018.04.27 12:03 #3399 Novaja:在正态分布下，绝对值的偏差小于3*SCO的概率是0.9973。不是偏离，而是一个增量。但A_K2并不交易单一的增量，它只交易由许多连续增量组成的SMA的偏差。对于这些偏差，我们必须构建自己的分布，并计算出自己的概率。此外，均线本身在交易过程中会发生变化，所以收盘价 是否会有利润是个大问题。好的想法是画出随着时间的推移偏离进入价格的分布，我想它会更接近于均匀分布而不是正态分布。 简而言之，所有这些关于流和分布的废话都是纯粹的科学水，没有丝毫的理解）正常性对于我们的目的意味着......好吧，什么都没有，除了它是正常的）。 Novaja:这意味着只有0.27%的时间可以发生。 但这绝对不能说明价格会回到均线上（更不能说明价格会从进入价返回到足够的利润上）。价格可能会在同一个地方停留很长时间，然后走得更远，SMA会在它后面拉起来，而你不会在你的分配表上看到这一点。回报的概率也要单独计算。但是，写一个简单的TS并在历史上运行它要容易得多。 Violetta Novak 2018.04.27 12:08 #3400 Maxim Dmitrievsky:如果你考虑一下呢？分析残差，看模型是否选择了所有的信息。如果他们是噪音，那就没问题。趋势和严重程度因同质性而被扼杀，周期仍用于预测。没有周期性循环--没有预测（除了预期的回报）。 在市场周期是非周期性的，所以ARIMA模型不起作用，但尝试应用GARCH来处理可变方差（异方差），当过程记忆不能完全被杀死时，下一个波动率值取决于之前的波动率。 亚历山大提出了一种杀死ARCH效应的方法（过程记忆、标记、胖尾巴），他的叙述绝不能说是不正确或荒唐的如果市场不断处于变化之中：振幅、相位和频率的变化，去趋势将无济于事，因为在历史进程上，通过拟合都是可能的，但市场中存在的惯性被认为给了锻炼这种方法的机会，在短期内，但当规则改变时，历史拟合与现实有分歧。获得替代方法来解决过程的非平稳性，以埃朗流（Palm流）的形式来稀释BP是可能的，其他替代方法也是可能的。 1...333334335336337338339340341342343344345346347...1981 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
如果信号是静止的和周期性的，就没有必要杀死它，因为它是一个圣杯，对残余噪声进行调整。
如果信号是静止的噪声--甚至更好，根本不需要任何NS
它究竟是什么样的信号--作者根本不感兴趣，他的目的是要从中提取噪声成分，希望噪声能准确预测信号的下一个数值。)))
这到底是什么乱七八糟的东西？ 这样的排场是很容易预测的
顺便说一下，这里还有一篇关于BP预测的评论文章，建议在去除趋势、周期性和其他信号成分后，隔离和分析噪声成分...
https://pokrovka11.files.wordpress.com/2011/12/emetrix_time_series.pdf
什么是常识，它不清楚...
把BP变成RNG将使你根本不可能赚到什么，原则上是这样）。
你自相矛盾，"你可以预测RNG（静止值）的平均值和方差，为此研究分布"，你自己已经回答了问题，而方差和平均值将是常数。
从理论到实践的过渡，一个值得肯定的结论：没有信号，没有理智的模型，没有pamm账户。他们甚至称我们为道士））。
等待着亚历山大三世--他不会失败)
你自相矛盾，"对于一个RNG（静止值），你可以预测平均值和方差，为此你要研究分布。"你自己已经回答了这个问题，而方差和平均值是常数。
不存在任何矛盾。
对于CLO的增量，预测平均增量是可能的，它是一个等于0的常数。对于LFO的一系列价格（一系列增量的积分，又称 "随机行走"），这意味着对交易方向 的预测是50/50，没有赚钱的可能。对最近的电流增量的预测（A_K2写的）也是0加减几个有效值，没有什么实际作用。
但GSF的增量是一个简化的价格模型，一个基本的模型，一个零的近似值。
与GSF不同，在真实的价格增量中，下一个价格对前一个价格有依赖性，也就是说，存在交易方向预测与50/50相差很大的情况。你的任务是在价格增量中找到这种情况，根据定义，它们不存在于RNG中。
面对公然的失望主义，即你无法用埃朗分布预测一系列随机数的说法，我不得不永远离开这个论坛。
亚历山大，就个人而言，例如，我正试图通过提请你注意故意的错误道路来节省你多年的研究时间成本，甚至在你知道这些道路之前我就已经走过了。
因此，"永远离开论坛 "只是对自己的一种伤害。
等待亚历山大三世的到来 :)
不存在任何矛盾。
对于LFO的增量，预测平均增量是可能的，它是一个0的常数。对于LFO上的一系列价格（一系列增量的积分，又称 "随机行走"），这意味着对交易方向 的预测是50/50，没有赚钱的可能。对最近的电流增量的预测（A_K2写的）也是0加减几个有效值，没有什么实际作用。
但GSF的增量是一个简化的价格模型，一个基本的模型，一个零的近似值。
与GSF不同，在真实的价格增量中，下一个价格对上一个价格有依赖性，也就是说，存在交易方向预测与50/50相差很大的情况。你的任务是在价格增量中找到这种情况，根据定义，它们不存在于RNG中。
正态分布下的绝对值偏差小于3*SCO的概率是0.9973。换句话说，偏差的绝对值超过RMS三倍的概率非常小，为0.0027=1-0.9973。这意味着只有0.27%的情况下可能发生。
在实践中：如果所研究的随机变量的分布是未知的，但条件成立，那么所研究的变量是正态分布，否则就不是正态分布，这就是BP所证明的，但如果我们由于某种非线性变换而从BP中获得了正态性，那么为什么不使用这一规则呢？
在正态分布下，绝对值的偏差小于3*SCO的概率是0.9973。
不是偏离，而是一个增量。但A_K2并不交易单一的增量，它只交易由许多连续增量组成的SMA的偏差。对于这些偏差，我们必须构建自己的分布，并计算出自己的概率。此外，均线本身在交易过程中会发生变化，所以收盘价 是否会有利润是个大问题。好的想法是画出随着时间的推移偏离进入价格的分布，我想它会更接近于均匀分布而不是正态分布。
简而言之，所有这些关于流和分布的废话都是纯粹的科学水，没有丝毫的理解）正常性对于我们的目的意味着......好吧，什么都没有，除了它是正常的）。
这意味着只有0.27%的时间可以发生。
如果你考虑一下呢？分析残差，看模型是否选择了所有的信息。如果他们是噪音，那就没问题。趋势和严重程度因同质性而被扼杀，周期仍用于预测。没有周期性循环--没有预测（除了预期的回报）。
在市场周期是非周期性的，所以ARIMA模型不起作用，但尝试应用GARCH来处理可变方差（异方差），当过程记忆不能完全被杀死时，下一个波动率值取决于之前的波动率。
亚历山大提出了一种杀死ARCH效应的方法（过程记忆、标记、胖尾巴），他的叙述绝不能说是不正确或荒唐的
如果市场不断处于变化之中：振幅、相位和频率的变化，去趋势将无济于事，因为在历史进程上，通过拟合都是可能的，但市场中存在的惯性被认为给了锻炼这种方法的机会，在短期内，但当规则改变时，历史拟合与现实有分歧。获得替代方法来解决过程的非平稳性，以埃朗流（Palm流）的形式来稀释BP是可能的，其他替代方法也是可能的。