六度空间的帮助!
i-regr指标可以做任意的多项式回归，达到任何程度。我从来没有尝试过高于3度的东西，但代码就在那里，你可以看一看。6度可能会杀死你的CPU，但你可以试一试。
i-regr指标可以做任意的多项式回归，达到任何程度。我从来没有尝试过高于3度的东西，但代码就在那里，你可以看一看。6度可能会杀死你的CPU，但你可以试一试。
谢谢rocketman!完全没有杀死我的CPU - 我将用这个工作一段时间，看看我想出了什么办法。
更新。
i-regr似乎没有很高的准确度--可能是由于高斯（i-regr）和最小二乘法（excel）用于解决。我不知道--还在找，谁有更好的聚能程序？
嗨，dennisj2。
你确定你真的需要你的公式吗？
也许你可以先搜索一下其他的滤波器，比如Kalman, Ehlers, Gauss, Jurik (JMA), DEMA。它们中的大多数都是从低通（物理）频率滤波器派生出来的，而且它们中的大多数都在mt4代码中找到了自己的方法。
也许一个周期较长的JMA（有许多变化）可以满足你的要求？
现在我的探索开始了。
现在，我确定了一个实际应用，我寻求学习（或者，在我的情况下，重新学习）多头趋势线公式背后的数学。祝你好运。最小二乘法的还原和矩阵，加上极其复杂的公式和多项式方程所需的系数计算，（对我来说）要翻译成代码太难了。因此，我想最简单的方法是调用Excel（很可能来自c++），提供一个（x,y）数据值的数组，使用LINEST()计算聚（x,y）截距（趋势线值），并将此值返回到我的桌面应用程序（一个封闭的专有软件应用程序，调用功能有限）。
使用LINEST()组装公式已经成为一个巨大的障碍。提供数据很容易--但是，我怎样才能计算出图形上完美显示的(x,y)截距？每一个新的措施都会改变公式并使用新计算的系数？为什么会出现这种情况？我已经花了好几个小时，在互联网上寻找解决方案--（就像一个男人）最后决定向别人请教。
我已经得到了源值（多年来的源值）。我缺少的是a）生成poly(x,y)截距的方法，b）通过外部调用Excel，c）根据提供的(x,y)数据返回poly(x,y)。
如果谁有关于这个问题的文章或非常具体的处理方法，或者甚至愿意伸出援手，我将永远感激你。
dj
外面有很多关于代数的文章，有希腊语的例子，但实际上是巫术。
例如，维基百科上有一篇关于线性回归 的文章，对我来说完全没有意义，但我现在就可以对你的直线进行线性回归的编码，因为在别的地方我学会了使用这个公式
y=a+bx
然而在维基百科的文章中根本没有提到这个公式，这怎么可能有意义？
我在使用该公式时还了解到
a==斜率
b==截距
计算斜率和截距的数学方法是众所周知的，而且是非常简单的计算数值之和，对其中一些数值进行平方计算等。
我还知道二次回归（二度）的公式是y=ax^2+bx+c。
所以我认为它们是相关的，这应该意味着三度回归的公式是
y=ax^3 + bx^2 + cx + d
所以我认为第6次回归应该是
y=ax^6 + bx^5 + cx^4 + dx^3 + ex^2 + fx + g
但如果a是斜率，b是截距，那么c是什么，d是什么等等？这就是我不能给你的线条编码的唯一原因，我不知道系数是什么，也不知道如何计算它们。
更新：好吧，我又学到了一些东西，现在让我很困惑。
在另一篇文章中，二次多项式被描述为
ax^2 + bx + c = 0
这是否意味着我们根本不需要知道斜率截距的计算方法，我们可以通过求解二次方程来找到a、b和c的值？
但是，ax^2 + bx + c = 0是什么意思？
与
y=ax^2 + bx + c ?
它们看起来很相似，但为什么一个是y=，另一个是=0？
SDC。
一个点的斜率可以通过一个函数 的第一次推导来计算。
像y=ax+b这样的线性函数在任何一点都有相同的斜率：a。
一般来说，线性函数ax^n + bx^n-1 + ...+ z = y 简单来说就是：nax^(n-1) + (n-1)bx^n-2 ... = y'--原函数的最后一个常数变成了0，总是这样！所以ax + b = y =>
所以ax + b = y => y' = a ( <= 1*a^(1-1); b=0 )，二次函数变成y' = 2ax + b ( <= 2ax^(2-1) + 1bx^(1-1); c=0 ) 。
但我认为要理解过滤器的概念，你最好思考（和阅读）一下过滤频率的问题。不管是声音、图片、引文还是...。
人们总是想摆脱噪音--一般来说--短期的频率。而使用线性函数只是一种方法。
SDC:
外面有很多关于代数的文章，有希腊语的例子，但实际上它是巫术。
SDC--你现在和我处于同一水平--我发现的线性回归公式是有效的--我发现有两个明显不同的公式，产生的结果是一样的。如果线性回归（一条直的趋势线）是我们所追求的，那么这些公式就很好。
首先，一些参考材料。
微软：http://office.microsoft.com/en-us/excel-help/linest-HP005209155.aspx
IntegralCalc:https://www.youtube.com/watch?v=1pawL_5QYxE&noredirect=1
给出线性回归方程y=mx+b。
其中y=价格，（例如，Close[x]）。
和x=指数（例如，Bar[x]）。
m = 斜率（应用于每个（x,y）对的系数）。
和b = Y-截距（应用于每个(x,y)对的Y-截距的基值)
方法A:来自IntegralCalc方法B:来自微软（其中x(overbar)和y(overbar)是平均值）。
即使是多项式回归趋势线公式的n次方，应用起来也相对容易。
给出公式：y = m1*x1 + m2*x2 + m3*x3 + ...+ b
其中变量x、y、m和b带有线性方程中描述的相同定义。
似乎我什么都有了，那么还缺什么呢？
缺少的是对多项式回归的m（斜率）和b（Y截距）的计算；计算这些数值的线性方程不适用于多项式回归。根据我所学到的知识，多项式回归需要一个公式，根据使用矩阵的多项式方程系统来计算最小二乘法。请看上面的例子图。在第一张图中，poly(6)线绝对是无懈可击的--顶部和底部被清楚地叫出来。有了这些数据，我将能够比今天更长时间地持有交易，最终使我每笔交易的平均点数翻倍，甚至可能翻三倍。
在第二张图中，我展示了poly(6)与i-regr方法的结果，该方法使用高斯矩阵来解决斜率系数--不用说，由于该方法的大量延迟，它相当无用。另一方面，简单的移动平均线甚至更糟--在中间市场修正期间，SMA太敏感了，可能会导致我的EA反应过度。
我愿意花钱请人开发一个真正的多项式回归指标--但是，其结果绝对要反映出Excel产生的结果。LINEST()函数是一个黑匣子，其中有许多巫术被用来计算系数。很简单，我需要了解这些巫术。
更新：我附上了一个文件，显示在Excel中实现的方法。
i-regr是根据每个条形的Close[]值工作的，这可能会造成差异（我猜你已经在MT4和excel中平衡了模式长度）。
你可以通过将Close[]改为Open/High/Low或任何其他分析表达式（如权重函数）来轻松改变这一点。
然而，我不相信你能从中获利，它就像任何其他重新绘制的趋势指标一样。
Grazi -
我使用了i-regr并比较了上述结果--Poly(6)算法与i-regr的对比显示，基于相同的数据集，i-regr的延迟大大高于poly(6)--在这个市场上，延迟就是死亡。我的EA不交易日内震荡，而是为趋势而持有。所以，你错了--我确实从我的EA中获利，而且，如果有一个反应较慢的指标，我的EA会比现在捕获更多的市场。具体来说，一旦我整合了一个真正的poly(6)算法，我将有能力更长时间地持有未结头寸，并提前 3-4个时期预测趋势变化，提高 我的进入点。
