六度空间的帮助! - 页 2 123456 新评论 Dennis Jorgenson 2014.08.30 23:14 #11 gooly: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？ 你有什么链接可以让我研究吗？ Ian Venner 2014.08.30 23:40 #12 dennisj2: SDC--你现在和我处于同样的水平--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，产生了相同的结果。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.aspxIntegralCalc: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]）。和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，我显示了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糕--在可能导致我的EA过度反应的中间市场修正期间，SMA太敏感了。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。 我不久前编了一个线性回归的代码，这里有我的代码链接。线性回归 我不保证它是100%正确的，我想我在计算中发现了一个使用零x指数的问题，我在一段时间后修复了这个问题。我还编写了一个移动版本的代码，移动版本创建了一个类似于平滑移动平均线的抛物线，因为在每个柱子上它只画线性回归线的最后一个坐标。我一直在努力学习如何为你的线使用二度聚能名义。我想，如果我们能用二次函数来做，我们就能用六度函数来扩展。 我将阅读你的链接，看看我是否能学到一些东西。 Dennis Jorgenson 2014.08.31 00:19 #13 SDC: 我不久前编了一个线性回归的代码，这里有我的代码链接。线性回归 我不保证它是100%正确的，我想我在计算中发现了一个使用零x指数的问题，我在一段时间后修复了这个问题。我还编写了一个移动版本的代码，移动版本创建了一个类似于平滑移动平均线的抛物线，因为在每个柱子上它只画线性回归的最后一个坐标。我一直在努力学习如何为你的线使用二度聚能名义。我想，如果我们可以用二次函数来做，我们可以扩展到用六度函数来做。 我将阅读你的链接，看看我是否能学到一些东西。 SDC：我同意 - 二次方可能不够，但我倾向于相信三次方足以扩展到更高的程度。 Carl Schreiber 2014.08.31 10:56 #14 dennisj2:你有什么链接可以让我研究吗？ 只要谷歌一下：mt4指标然后其中一个名字...可能是你添加了（低通）滤波器。有些是在mt4代码库中--有些则不是，我们不应该发布外部链接。 Dennis Jorgenson 2014.08.31 17:34 #15 SDC：我有另一个链接--可能正是我们需要的东西http://udel.edu/~mcdonald/statcurvreg.html rocketman99 2014.08.31 22:52 #16 请记住，回归就是曲线拟合，而且正如有人已经指出的那样，回归是重新涂抹。我不确定纯曲线拟合有什么预测价值。从我自己的实验来看，他们的预测价值不是很好。 Dennis Jorgenson 2014.09.01 05:41 #17 rocketman99: 请记住，回归是曲线拟合，正如有人已经指出的那样，回归是重新画图。我不确定纯曲线拟合有什么预测价值。从我自己的实验来看，他们的预测价值不是很好。 火箭人。我部分同意你的观点，即回归模型 倾向于重绘历史趋势，不是很可靠。这显然是i-regr指标的情况--过去几天我一直在观察这个指标的现场表现，我可以诚实地说，这个指标没有提供任何价值，原因有三。1）它对短期修正过于敏感，2）其严重的延迟（与e-regr EA一起），当指标画出多头头寸的下限进入点，或空头头寸的上限时，市场已经远远超出了进入点，在大多数情况下，与市场趋势相反，3）仅从观察来看，当市场走高时，指标指向下跌，反之亦然，所以它作为方向性趋势指标的可靠性最多只有50%。上周，美元指数在102.35-102.50区域徘徊，i-regr显示市场趋势下行（它已经弯曲下来，并且正在走低），e-regr发出卖出，然后该指标在短短5个时期后转变为多头，并且在美元指数上升到104.20时重新画出好像它一直都是多头的样子)为了支持重绘型指标没有价值和不可靠的观点--考虑到我在MQL4库中所看到的工作，我向你保证，我理解那些使用这些指标的人所表达的挫折感--考虑到我们所拥有的，没有什么工作。也就是说，我仍然没有看到一个可靠的多项式回归指标，可以计算到6度。我还将保证，一旦我们有了可靠的多项式回归，其结果将是惊人的。 rocketman99 2014.09.01 05:52 #18 dennisj2: 火箭人。我部分同意你的观点，即回归模型倾向于重绘历史趋势，不是很可靠。这显然是i-regr指标的情况--过去几天我一直在观察这个指标的现场表现，我可以坦率地说，这个指标没有提供任何价值，原因有三。1）它对短期修正过于敏感，2）其严重的延迟（与e-regr EA一起），当指标画出多头头寸的下限进入点，或空头头寸的上限时，市场已经远远超出了进入点，在大多数情况下，与市场趋势相反，3）仅从观察来看，当市场走高时，指标指向下跌，反之亦然，所以它作为方向性趋势指标的可靠性最多只有50%。上周，美元指数在102.35-102.50区域徘徊，i-regr显示市场趋势下行（它已经弯曲下来，并且正在走低），e-regr发出卖出，然后该指标在短短5个时期后转变为多头，并且在美元指数上升到104.20时重新画出好像它一直是多头的样子)为了支持重绘型指标没有价值和不可靠的观点--考虑到我在MQL4库中所看到的工作，我向你保证，我理解那些使用这些指标的人所表达的挫折感--考虑到我们所拥有的，没有什么工作。也就是说，我仍然没有看到一个可靠的多项式回归指标，可以计算到6度。我还将保证，一旦我们有了可靠的多项式回归，其结果将是惊人的。 我不是一个数学家，但我对任何形式的回归的经验都不是很好。正如你所注意到的，有很多方法可以做回归，最终可能会产生更好的统计曲线拟合。但问题仍然在于它的预测能力。如果你真的想在这个东西上下功夫，那么你需要研究R，并尝试一些可用的高级回归（谷歌上的ARIMA、ARCH/GARCH等）：http://talksonmarkets.files.wordpress.com/2012/09/time-series-analysis-with-arima-e28093-arch013.pdf我在这个东西上花了几周时间，还研究了协整，我的成功率几乎为零。我不认为MQL4的编码能够满足这种高级统计分析的要求。 graziani 2014.09.01 11:14 #19 嗯，嗯嗯嗯..... I don't think MQL4 coding is up to the task for this advanced statistical analysis. 任何事情都可以在MQL中完成，这不是限制性因素。看起来，移植其中一个来源就足够了。http://rosettacode.org/wiki/Polynomial_regression解决P6（六度多项式）回归就是解决一个离散数值函数上的6个变量的6个方程组，这也许并不简单，但也不是不可能做到。我稍后可以看看i_regr.mq4中到底用的是什么方法。我对任何形式的回归的经验都不是很好 我不得不同意，这是我第一个评论的重点。因为......我们在做什么？我们正在用随机曲线的一部分（实际的PA（价格行动））来拟合P6，在这种情况下。然后我们期望PA的下一个点能作为这条曲线的延续？好吧，看来丹尼斯是把这条曲线作为PA的小延迟转换函数，这有一定的道理，但是这能有多好呢？这必须在较高的TF上进行，因为要进行噪音过滤，而且我认为当PA进入区间时，不可能避免损失，这是此类交易策略的问题所在。这个指标没有提供任何价值，原因有三。1）它对短期修正过于敏感，2）其严重的延迟（使用e-regr EA），当指标画出多头头寸的下限进入点或空头头寸的上限时，市场已经远远超出了进入点，在大多数情况下，与市场趋势相反，3）仅从观察来看，当市场走高时，指标是指向下的，反之亦然，所以它作为一个方向性趋势指标，最多只有50%的可靠性。好吧，i-regr的效果并不差。要看它的运行情况，只需使用e-regr.mq4的视觉模式回测，并将该指标放在测试窗口。 我猜它使用了某种快速回归或插值，但其结果并不坏。它跟随PA并适应曲线。 你的观点： 1）所有的指标都是如此。这通常是通过添加另一种类型的指标作为过滤器，或更高的TF来解决的。 2）好吧，有了更好的曲线拟合，延迟将得到改善。但主要问题不是延迟，而是e-regr的进入标准。在恒定大小的通道边缘触发反趋势？没有足够的趋势变化恢复？没有真正的资金管理？荒谬。，我的主要想法是在回归曲线方向变化时进入/退出，但我仍然不确定一个完整的重绘指标在这方面会有什么好处。总之，我的印象是，你在使用两条具有不同决定系数 的回归曲线的交点来进行进入/退出。 Ian Venner 2014.09.02 02:53 #20 T是的，正如Graziani所说，我们可以在mql4中编码任何东西，这一切都取决于我们对如何实现这个数学的理解。至于重绘，这将不是一个问题，我们关心的唯一一个条形图是零条形图，即当前价格交易条形图。我的编码方式（假设我们能算出数学）是对过去N个条形的价格进行方程计算，得出零条的数值，之前所有条形的线将保持之前计算的样子。首先，当我们只能在零条上进行交易时，没有必要将整条线重新安装到任何图表历史上，其次，它将显示出真实的历史，即当它是实时价格条时，该线是如何应用于每个条的。从丹尼斯发布的多义 数回归的链接中，我发现从适应性指标的角度来看，这非常有趣。"在多项式回归中，X变量的不同幂（X、X2、X3......）被添加到一个方程中，以观察它们是否能显著增加r2。首先进行线性回归，对数据进行Y=a+bX形式的拟合。然后将Y=a+b1X+b2X2 的方程与数据进行拟合，产生一个抛物线。当你增加一个高阶项时，r2 总是会增加，但问题是r2 的增加是否明显大于由于偶然性造成的预期。接下来，拟合产生S型线的Y=a+b1X+b2X2+b3X3 方程，并检验r2 的增加。这可以继续下去，直到增加另一个项不能明显增加r2 为止"这可能是我们需要知道的所有代码，注意到作者如何写y=a+b1X+b2X2 而不是y=ax2+bx+c？这就是让我感到困惑的地方，我认为c必须是完全不同的系数。从这篇文章来看，y=ax6+bx5+cx4+dx3+ex2+fx+g中的系数c,d,e,f,g与b直接相关，而我们已经从线性回归中知道，这是斜率。说到这里，我发现很难相信它真的那么简单？如果真的可以写成y=a+b1X+b2X2+b3X3+b4X4+b5X5+b6X6 ，他们为什么要写a、b、c、d、e、f、g这些系数？ 另外，正如Dennis所说，其他文章似乎认为线性回归中的斜率截距并不适用于多元回归。有时我在想，他们是否只是随心所欲地编造这些东西。除此之外，文章似乎暗示r2 可以用来衡量线对数据曲线的拟合程度，而我们正在测试多线性方程的增加程度。 我在想，r2 可能与方差有关系？谁能说说r2 是什么？ 123456 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
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？
你有什么链接可以让我研究吗？
SDC--你现在和我处于同样的水平--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，产生了相同的结果。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]）。
和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，我显示了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糕--在可能导致我的EA过度反应的中间市场修正期间，SMA太敏感了。
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。
我不久前编了一个线性回归的代码，这里有我的代码链接。线性回归 我不保证它是100%正确的，我想我在计算中发现了一个使用零x指数的问题，我在一段时间后修复了这个问题。
我还编写了一个移动版本的代码，移动版本创建了一个类似于平滑移动平均线的抛物线，因为在每个柱子上它只画线性回归线的最后一个坐标。
我一直在努力学习如何为你的线使用二度聚能名义。我想，如果我们能用二次函数来做，我们就能用六度函数来扩展。
我将阅读你的链接，看看我是否能学到一些东西。
我不久前编了一个线性回归的代码，这里有我的代码链接。线性回归 我不保证它是100%正确的，我想我在计算中发现了一个使用零x指数的问题，我在一段时间后修复了这个问题。
我还编写了一个移动版本的代码，移动版本创建了一个类似于平滑移动平均线的抛物线，因为在每个柱子上它只画线性回归的最后一个坐标。
我一直在努力学习如何为你的线使用二度聚能名义。我想，如果我们可以用二次函数来做，我们可以扩展到用六度函数来做。
我将阅读你的链接，看看我是否能学到一些东西。
SDC：我同意 - 二次方可能不够，但我倾向于相信三次方足以扩展到更高的程度。
你有什么链接可以让我研究吗？
然后其中一个名字...
可能是你添加了（低通）滤波器。
有些是在mt4代码库中--有些则不是，我们不应该发布外部链接。
请记住，回归是曲线拟合，正如有人已经指出的那样，回归是重新画图。我不确定纯曲线拟合有什么预测价值。从我自己的实验来看，他们的预测价值不是很好。
火箭人。
我部分同意你的观点，即回归模型 倾向于重绘历史趋势，不是很可靠。这显然是i-regr指标的情况--过去几天我一直在观察这个指标的现场表现，我可以诚实地说，这个指标没有提供任何价值，原因有三。1）它对短期修正过于敏感，2）其严重的延迟（与e-regr EA一起），当指标画出多头头寸的下限进入点，或空头头寸的上限时，市场已经远远超出了进入点，在大多数情况下，与市场趋势相反，3）仅从观察来看，当市场走高时，指标指向下跌，反之亦然，所以它作为方向性趋势指标的可靠性最多只有50%。
上周，美元指数在102.35-102.50区域徘徊，i-regr显示市场趋势下行（它已经弯曲下来，并且正在走低），e-regr发出卖出，然后该指标在短短5个时期后转变为多头，并且在美元指数上升到104.20时重新画出好像它一直都是多头的样子)
为了支持重绘型指标没有价值和不可靠的观点--考虑到我在MQL4库中所看到的工作，我向你保证，我理解那些使用这些指标的人所表达的挫折感--考虑到我们所拥有的，没有什么工作。也就是说，我仍然没有看到一个可靠的多项式回归指标，可以计算到6度。我还将保证，一旦我们有了可靠的多项式回归，其结果将是惊人的。
火箭人。
我部分同意你的观点，即回归模型倾向于重绘历史趋势，不是很可靠。这显然是i-regr指标的情况--过去几天我一直在观察这个指标的现场表现，我可以坦率地说，这个指标没有提供任何价值，原因有三。1）它对短期修正过于敏感，2）其严重的延迟（与e-regr EA一起），当指标画出多头头寸的下限进入点，或空头头寸的上限时，市场已经远远超出了进入点，在大多数情况下，与市场趋势相反，3）仅从观察来看，当市场走高时，指标指向下跌，反之亦然，所以它作为方向性趋势指标的可靠性最多只有50%。
上周，美元指数在102.35-102.50区域徘徊，i-regr显示市场趋势下行（它已经弯曲下来，并且正在走低），e-regr发出卖出，然后该指标在短短5个时期后转变为多头，并且在美元指数上升到104.20时重新画出好像它一直是多头的样子)
为了支持重绘型指标没有价值和不可靠的观点--考虑到我在MQL4库中所看到的工作，我向你保证，我理解那些使用这些指标的人所表达的挫折感--考虑到我们所拥有的，没有什么工作。也就是说，我仍然没有看到一个可靠的多项式回归指标，可以计算到6度。我还将保证，一旦我们有了可靠的多项式回归，其结果将是惊人的。
我不是一个数学家，但我对任何形式的回归的经验都不是很好。正如你所注意到的，有很多方法可以做回归，最终可能会产生更好的统计曲线拟合。但问题仍然在于它的预测能力。
如果你真的想在这个东西上下功夫，那么你需要研究R，并尝试一些可用的高级回归（谷歌上的ARIMA、ARCH/GARCH等）：http://talksonmarkets.files.wordpress.com/2012/09/time-series-analysis-with-arima-e28093-arch013.pdf
我在这个东西上花了几周时间，还研究了协整，我的成功率几乎为零。
我不认为MQL4的编码能够满足这种高级统计分析的要求。
嗯，嗯嗯嗯.....
I don't think MQL4 coding is up to the task for this advanced statistical analysis.
http://rosettacode.org/wiki/Polynomial_regression解决P6（六度多项式）回归就是解决一个离散数值函数上的6个变量的6个方程组，这也许并不简单，但也不是不可能做到。
我稍后可以看看i_regr.mq4中到底用的是什么方法。
我不得不同意，这是我第一个评论的重点。因为......我们在做什么？我们正在用随机曲线的一部分（实际的PA（价格行动））来拟合P6，在这种情况下。然后我们期望PA的下一个点能作为这条曲线的延续？
好吧，看来丹尼斯是把这条曲线作为PA的小延迟转换函数，这有一定的道理，但是这能有多好呢？这必须在较高的TF上进行，因为要进行噪音过滤，而且我认为当PA进入区间时，不可能避免损失，这是此类交易策略的问题所在。
好吧，i-regr的效果并不差。要看它的运行情况，只需使用e-regr.mq4的视觉模式回测，并将该指标放在测试窗口。
我猜它使用了某种快速回归或插值，但其结果并不坏。它跟随PA并适应曲线。
你的观点：
1）所有的指标都是如此。这通常是通过添加另一种类型的指标作为过滤器，或更高的TF来解决的。
2）好吧，有了更好的曲线拟合，延迟将得到改善。但主要问题不是延迟，而是e-regr的进入标准。在恒定大小的通道边缘触发反趋势？没有足够的趋势变化恢复？没有真正的资金管理？荒谬。
，我的主要想法是在回归曲线方向变化时进入/退出，但我仍然不确定一个完整的重绘指标在这方面会有什么好处。
总之，我的印象是，你在使用两条具有不同决定系数 的回归曲线的交点来进行进入/退出。
是的，正如Graziani所说，我们可以在mql4中编码任何东西，这一切都取决于我们对如何实现这个数学的理解。
至于重绘，这将不是一个问题，我们关心的唯一一个条形图是零条形图，即当前价格交易条形图。我的编码方式（假设我们能算出数学）是对过去N个条形的价格进行方程计算，得出零条的数值，之前所有条形的线将保持之前计算的样子。首先，当我们只能在零条上进行交易时，没有必要将整条线重新安装到任何图表历史上，其次，它将显示出真实的历史，即当它是实时价格条时，该线是如何应用于每个条的。
从丹尼斯发布的多义 数回归的链接中，我发现从适应性指标的角度来看，这非常有趣。
"在多项式回归中，X变量的不同幂（X、X2、X3......）被添加到一个方程中，以观察它们是否能显著增加r2。首先进行线性回归，对数据进行Y=a+bX形式的拟合。然后将Y=a+b1X+b2X2 的方程与数据进行拟合，产生一个抛物线。当你增加一个高阶项时，r2 总是会增加，但问题是r2 的增加是否明显大于由于偶然性造成的预期。接下来，拟合产生S型线的Y=a+b1X+b2X2+b3X3 方程，并检验r2 的增加。这可以继续下去，直到增加另一个项不能明显增加r2 为止"
这可能是我们需要知道的所有代码，注意到作者如何写y=a+b1X+b2X2 而不是y=ax2+bx+c？这就是让我感到困惑的地方，我认为c必须是完全不同的系数。从这篇文章来看，y=ax6+bx5+cx4+dx3+ex2+fx+g中的系数c,d,e,f,g与b直接相关，而我们已经从线性回归中知道，这是斜率。
说到这里，我发现很难相信它真的那么简单？如果真的可以写成y=a+b1X+b2X2+b3X3+b4X4+b5X5+b6X6 ，他们为什么要写a、b、c、d、e、f、g这些系数？ 另外，正如Dennis所说，其他文章似乎认为线性回归中的斜率截距并不适用于多元回归。有时我在想，他们是否只是随心所欲地编造这些东西。
除此之外，文章似乎暗示r2 可以用来衡量线对数据曲线的拟合程度，而我们正在测试多线性方程的增加程度。
我在想，r2 可能与方差有关系？谁能说说r2 是什么？