从理论到实践 - 页 577 1...570571572573574575576577578579580581582583584...1981 新评论 Violetta Novak 2018.09.16 18:23 #5761 Alexander_K:1.速度=增量之和(绝对值)/时间2.Lambda=增量之和(绝对值)/实数报价的数量3.时间=观察窗口4.标准偏差 D = Sqrt(速度 * λ * 时间) 5.我的图表有期望值+-标准偏差*量化。 关于立方根... 我试着把标准差读成SUMM(ABS(return))/DEVEL(N,0.3333333),甚至SUMM(ABS(return))/DEVEL(N,0.4)而不是SUMM(ABS(return))/DEVEL(N,0.5)。 它似乎效果更好,但我还不确定。我需要寻找和阅读更多...所以结果是:标准偏差D=Sqrt(增量之和*增量之和*时间) ------------------------------------------------------------ 时间*真实报价的数量 ) total: 增量的总和/sqrt(实数),时间在这里完全放弃,对吗? Alexander_K 2018.09.16 18:27 #5762 Novaja:总结果:标准偏差D=Sqrt(增量之和*增量之和*时间 ------------------------------------------------------------ 时间*真实报价的数量 ) 总数:增量的总和/sqrt(实数),这里的时间是不存在的,对吗?如果考虑到每个时间的平均速度=观察窗口,那么是的,如果是瞬时的,比如说每个刻度,那么就不是。 Alexander_K 2018.09.16 19:09 #5763 Vizard_:请Zhenya或其他人来做。 1.火鸡+信封。 2.股权(2倍价差)。 插入公式--看一看切口,等等。 然后,你可以添加一个新的 "小 "字。 嗯,是的--如果我理解正确的话,就是滑动窗口中的增量之和。指标不错,但对趋势没有什么作用。但是--很酷...但不是很好...我很迷惑。 我现在正在读一本书。这是我在一段时间内发现的最好的。这里面有很多我们在这个主题+神经网络中谈到的内容。 我再次发表。 附加的文件: msooltl0._g0pllcf3ow_oezwz1re.zip 7342 kb Vladimir 2018.09.16 19:11 #5764 Novaja:总结果:标准偏差D=Sqrt(增量之和*增量之和*时间 ------------------------------------------------------------ 时间*真实报价的数量 ) 总数:增量之和/sqrt(实际报价数),时间在这里完全放弃了,对吗?这很有趣。如果我们也取一个4位数的报价,那么 "增量之和(绝对值)"等于乘积0.0001*N,其中N是 "实际报价的数量",并且 标准偏差 D = 0.0001 * N / N^0.5 = 0.0001 * N^0.5 = Sqrt(N/100)。因此,整个诀窍是取而代之的是真正的引言。它们是如何变薄的。 Vitaly Muzichenko 2018.09.16 19:14 #5765 Vladimir:有趣的是。如果你也采取4位数报价的DC,那么 "增量之和(绝对值)"等于乘积0.0001*N,其中N是 "实际报价的数量",并且 标准偏差 D = 0.0001 * N / N^0.5 = 0.0001 * N^0.5 = Sqrt(N/100)。因此,整个诀窍是取而代之的是真正的引言。它们是如何变薄的。这个话题很有趣,但与市场没有关系。 一些奇怪的图片、名称和术语,与市场无关。 没有增量,这不是寻找增量的地方。 Vladimir 2018.09.16 19:19 #5766 Alexander_K:... 我试着把标准差算成SUM(ABS(return))/Degree(N,0.3333333),甚至SUM(ABS(return))/Degree(N,0.4)而不是SUM(ABS(return))/Degree(N,0.5)。 它似乎效果更好,但我还不确定。我必须看一看,并阅读更多...在我看来,如果你采取ABS(return)^4而不是ABS(return),对偏离平均值的情况会有更敏锐的反应,而你似乎正在抓住它们。 Alexander_K 2018.09.16 19:24 #5767 Vitaly Muzichenko:这个话题很有趣,但与市场没有关系。 一些奇怪的图片、名称和术语,与市场无关。没有增量,这不是一个可以寻找增量的领域。你必须从第二章开始阅读。而分配的形式与外汇中相同。而神经网络决定了这些分布的参数。总而言之,这是一本好书。 Alexander_K 2018.09.16 19:26 #5768 Vizard_:做一个合适的工具。在飞行中--输入公式并查看切割结果。 我希望它能吸收几百万个观察值,并有一个可扩展的图形。 这就是我所说的...明白了。收到。 Алексей Тарабанов 2018.09.16 19:40 #5769 Vladimir:在我看来,如果你采取ABS(return)^4而不是ABS(return),对偏离平均水平的情况会有更敏锐的反应,而你似乎是在抓它们。:) Alexander_K 2018.09.16 20:00 #5770 Maxim Dmitrievsky: 该死的,这太有趣了,我可以整天坐着......但它没有带来任何钱):)))震惊了我自己...缺少一些东西... 但巫师固执地建议我完成一个科目。好吧,如果我们必须这样做,我们会的。如果没有神经网络,恐怕我们无法做到这一点。在书中(见上文),这些人使用神经元网来确定 "飞行 "中的电流分布参数。也许这就是失踪的原因.... 毕竟,分位数总是一个常数,由分位数高斯分布函数得出,这是一个非常粗略的近似值。四分位数也必须动态地计算。这就是神经网络可以非常方便地发挥作用的地方。 1...570571572573574575576577578579580581582583584...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
1.速度=增量之和(绝对值)/时间
2.Lambda=增量之和(绝对值)/实数报价的数量
3.时间=观察窗口
4.标准偏差 D = Sqrt(速度 * λ * 时间)
5.我的图表有期望值+-标准偏差*量化。
关于立方根...
我试着把标准差读成SUMM(ABS(return))/DEVEL(N,0.3333333),甚至SUMM(ABS(return))/DEVEL(N,0.4)而不是SUMM(ABS(return))/DEVEL(N,0.5)。
它似乎效果更好,但我还不确定。我需要寻找和阅读更多...
所以结果是:标准偏差D=Sqrt(增量之和*增量之和*时间)
------------------------------------------------------------
时间*真实报价的数量 )
total: 增量的总和/sqrt(实数),时间在这里完全放弃,对吗?
总结果:标准偏差D=Sqrt(增量之和*增量之和*时间
------------------------------------------------------------
时间*真实报价的数量 )
总数:增量的总和/sqrt(实数),这里的时间是不存在的,对吗?
如果考虑到每个时间的平均速度=观察窗口,那么是的,如果是瞬时的,比如说每个刻度,那么就不是。
请Zhenya或其他人来做。
1.火鸡+信封。
2.股权(2倍价差)。
插入公式--看一看切口,等等。
然后,你可以添加一个新的 "小 "字。
嗯,是的--如果我理解正确的话,就是滑动窗口中的增量之和。指标不错,但对趋势没有什么作用。但是--很酷...但不是很好...我很迷惑。
我现在正在读一本书。这是我在一段时间内发现的最好的。这里面有很多我们在这个主题+神经网络中谈到的内容。
我再次发表。
总结果:标准偏差D=Sqrt(增量之和*增量之和*时间
------------------------------------------------------------
时间*真实报价的数量 )
总数:增量之和/sqrt(实际报价数),时间在这里完全放弃了,对吗?
这很有趣。如果我们也取一个4位数的报价,那么 "增量之和(绝对值)"等于乘积0.0001*N,其中N是 "实际报价的数量",并且
标准偏差 D = 0.0001 * N / N^0.5 = 0.0001 * N^0.5 = Sqrt(N/100)。因此,整个诀窍是取而代之的是真正的引言。它们是如何变薄的。
有趣的是。如果你也采取4位数报价的DC,那么 "增量之和(绝对值)"等于乘积0.0001*N,其中N是 "实际报价的数量",并且
标准偏差 D = 0.0001 * N / N^0.5 = 0.0001 * N^0.5 = Sqrt(N/100)。因此,整个诀窍是取而代之的是真正的引言。它们是如何变薄的。
这个话题很有趣,但与市场没有关系。
一些奇怪的图片、名称和术语,与市场无关。
没有增量,这不是寻找增量的地方。
...
我试着把标准差算成SUM(ABS(return))/Degree(N,0.3333333),甚至SUM(ABS(return))/Degree(N,0.4)而不是SUM(ABS(return))/Degree(N,0.5)。
它似乎效果更好,但我还不确定。我必须看一看,并阅读更多...
在我看来,如果你采取ABS(return)^4而不是ABS(return),对偏离平均值的情况会有更敏锐的反应,而你似乎正在抓住它们。
这个话题很有趣,但与市场没有关系。
一些奇怪的图片、名称和术语,与市场无关。没有增量,这不是一个可以寻找增量的领域。
你必须从第二章开始阅读。而分配的形式与外汇中相同。而神经网络决定了这些分布的参数。总而言之,这是一本好书。
做一个合适的工具。在飞行中--输入公式并查看切割结果。
我希望它能吸收几百万个观察值,并有一个可扩展的图形。
这就是我所说的...
明白了。收到。
在我看来,如果你采取ABS(return)^4而不是ABS(return),对偏离平均水平的情况会有更敏锐的反应,而你似乎是在抓它们。
:)
该死的,这太有趣了,我可以整天坐着......但它没有带来任何钱)
:)))震惊了我自己...缺少一些东西...
但巫师固执地建议我完成一个科目。好吧,如果我们必须这样做,我们会的。如果没有神经网络,恐怕我们无法做到这一点。在书中(见上文),这些人使用神经元网来确定 "飞行 "中的电流分布参数。也许这就是失踪的原因....
毕竟,分位数总是一个常数,由分位数高斯分布函数得出,这是一个非常粗略的近似值。四分位数也必须动态地计算。这就是神经网络可以非常方便地发挥作用的地方。