从理论到实践 - 页 518 1...511512513514515516517518519520521522523524525...1981 新评论 Andrei01 2018.09.02 18:06 #5171 Renat Akhtyamov:不超过10分钟或直到市场上出现新的、有足够风险的交易为止 如果后者不可用,则重新计算这取决于时间框架,它有自己的趋势部分。 Andrei01 2018.09.02 18:09 #5172 Novaja: 好吧,拿最后一点来说,即我们知道此时系统的状态,那么未来系统的状态要稳定多久才能够预测?它总是可以预测的,因为一个状态过渡到另一个状态,可以据此进行预测。 Andrei01 2018.09.02 18:17 #5173 Novaja:Victor在他的kodobase里有一个基于EMA的回传过滤器的例子。https://www.mql5.com/ru/code/192他在这个问题上所写的内容。平滑的结果将与使用零延迟滤波器相同(对称脉冲响应),除了序列的边缘会出现边缘效应,或者这里所说的过冲。上文以MA,即有限脉冲响应的滤波器为例进行了说明。如果你使用无限脉冲响应的滤波器(例如EMA),理论上边缘效应将延伸到整个序列的长度。通过逻辑重绘,与其说是邪恶,不如说是一种福音,因为它可以将受到噪声成分干扰的状态系统化,这些状态,也就是较小时间范围内的有用信息... Violetta Novak 2018.09.02 18:28 #5174 Andrei:重写在逻辑上是好处多于坏处,因为它允许系统化的状态,这些状态受到噪音成分的阻碍,是状态,即在较小的时间范围内的有用信息... 安德烈,你是个天才,我真的很想念它,以一种好的方式))。 Evgeniy Chumakov 2018.09.02 18:32 #5175 一般来说,公式D = Sqrt(c * lambda * t)显然缺少其他东西。 惯性或加速度。 Andrei01 2018.09.02 18:35 #5176 Novaja: 安德烈,你是个天才,我真的很想念它,以一种好的方式))。 不,它已经被不同的人在这里解释了一百次。)) Maxim Dmitrievsky 2018.09.02 18:39 #5177 Andrei:预测总是可以在一个状态过渡到另一个状态时进行,并且可以做出相应的预测。完全是咕咕咕? Andrei01 2018.09.02 18:42 #5178 Maxim Dmitrievsky:你完全是个怪人吗?你是想在这里挑起一场争吵吗?我不感兴趣... Maxim Dmitrievsky 2018.09.02 18:47 #5179 Andrei:你想在这里挑起一场争吵吗?我不感兴趣...不,我是在呼唤清醒)。 [删除] 2018.09.02 19:03 #5180 Smokchi Struck: x@@@@@vo!))) 想出如何改进它。嗯,这是我的假设;)))。 1)多项式回归适用于近似固定(非变化)数据(多项式阶数为5或更少)。该模型可用于插补中间值。但它不适用于超出近似区间的推断。 2)多项式回归对于逼近动态(变化)数据来说是一个非常糟糕的主意。 1...511512513514515516517518519520521522523524525...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
不超过10分钟或直到市场上出现新的、有足够风险的交易为止
如果后者不可用,则重新计算
这取决于时间框架,它有自己的趋势部分。
好吧,拿最后一点来说,即我们知道此时系统的状态,那么未来系统的状态要稳定多久才能够预测?
它总是可以预测的,因为一个状态过渡到另一个状态,可以据此进行预测。
通过逻辑重绘,与其说是邪恶,不如说是一种福音,因为它可以将受到噪声成分干扰的状态系统化,这些状态,也就是较小时间范围内的有用信息...
重写在逻辑上是好处多于坏处,因为它允许系统化的状态,这些状态受到噪音成分的阻碍,是状态,即在较小的时间范围内的有用信息...
安德烈,你是个天才,我真的很想念它,以一种好的方式))。
预测总是可以在一个状态过渡到另一个状态时进行,并且可以做出相应的预测。
完全是咕咕咕?
你完全是个怪人吗?
你是想在这里挑起一场争吵吗?我不感兴趣...
你想在这里挑起一场争吵吗?我不感兴趣...
不,我是在呼唤清醒)。
x@@@@@vo!)))
想出如何改进它。
嗯,这是我的假设;)))。
1)多项式回归适用于近似固定(非变化)数据(多项式阶数为5或更少)。该模型可用于插补中间值。但它不适用于超出近似区间的推断。
2)多项式回归对于逼近动态(变化)数据来说是一个非常糟糕的主意。