移动平均数 - 页 125 1...118119120121122123124125126127128129130131132...155 新评论 Mladen Rakic 2015.05.23 12:24 #1241 Tsar: 亲爱的mladen。对这个指标感兴趣。 是否可以制作LSMA版本? 沙皇 Ema有一个不广为人知的特点:它的周期可以是小数(例如周期14.5对ema来说是完全正常的)。但对lsma来说就不是这样了。对于lsma来说,它必须是整数。正因为如此,它不适合调整(数值不会很平滑)。 syasya 2015.05.23 12:59 #1242 对不起,先生,什么是整数,希望你能告诉我,我需要更多地了解外汇。 Mladen Rakic 2015.05.23 14:21 #1243 prince_syasya: 对不起,先生,什么是整数,希望你能告诉我,我需要更多地了解外汇。 整数是这个:整数 - 维基百科,自由的百科全书 Tsar 2015.05.24 07:29 #1244 mladen: Tsar Ema有一个不广为人知的特点:它的周期可以是小数(例如周期14.5对EMA来说是完全正常的)。但对lsma来说却不是这样。对于lsma来说,它必须是整数。正因为如此,它不适合调整(数值不会很平滑)。 我明白了。谢谢你的解释...... tampa 2015.05.25 07:56 #1245 马锁 malock.mq4 附加的文件: malock.mq4 4 kb tampa 2015.05.28 14:32 #1246 价格 emas 价格_-_emas.mq4 附加的文件: price_-_emas.png 7 kb price_-_emas.mq4 4 kb majfa 2015.05.30 17:35 #1247 mladen, 有人想过这个问题吗? 也就是说,预测的MA值将基于MA的前值+价格的最后值? Mladen Rakic 2015.05.30 17:52 #1248 majfa: mladen。有谁想过对MA的预测吗? 也就是说,预测马的价值将基于马的前值+价格的最后值? 有一个添加了置信带的版本(有解释的版本在这里发布:https://www.mql5.com/en/forum/general)。 因为如果置信带的移动被设置为0,它可以被认为是一种预测(关于置信带的性质的更多信息请看这里。信心带和预测带 - 维基百科,自由的百科全 书 )我想这就是可以被认为是对某个平均值的 "预测"。 ________________ PS:你可能已经注意到,这里有一个值的范围,而不是单一的值。由于没有办法唯一地 "预测 "未来的价值,这是我们可以在一定程度上估计/预测未来价值的方法之一,这不是一个骗局,而是试图在已知的数学规则下进行估计。 myname 2015.05.31 07:51 #1249 mladen: 有一个添加了置信带的版本(有解释的版本贴在这里 :https://www.mql5.com/en/forum/general)因为如果置信带的移动被设定为0,它可以被认为是一种预测(在这里可以看到更多关于置信带性质的信息。置信带和预测带 - 维基百科,自由的百科全 书 )我想这就是可以被认为是对某个平均值的 "预测"。 ________________ PS:你可能已经注意到,这里有一个数值范围,而不是单一数值。由于没有办法唯一地 "预测 "未来的数值,这是我们可以在一定程度上估计/预测未来数值的方法之一,这不是一个骗局,而是试图在已知的数学规则下进行估计。 你推荐什么推断方法? Mladen Rakic 2015.05.31 16:38 #1250 nbtrading: 你推荐哪种外推方法? nbtrading 就推断而言,请先看这个帖子:https://www.mql5.com/en/forum/172923/page13Anyway, 有一个很好的例子是由qpwr做的。 以下是描述: 说明。该指标基于几种方法,可由方法输入变量选择。 方法1:傅里叶外推法;使用Quinn-Fernandes算法计算频率 方法2:自相关法 方法3:加权伯格法 方法4:带有Helme-Nikias加权函数的Burg方法 方法5:Itakura-Saito(几何学)方法 方法6:修正的协方差法 方法2-6是线性预测的方法。线性预测的基础是将未来值作为过去值的线性函数来寻找。假设我们有一些价格x[0]...x[n-1],其中较高的指数与最近的价格相符。未来价格x[n]的预测被计算为 x[n] = -Sum(a*x[n-i], i=1...p) 其中a-模型的系数,p-模型的顺序。 所列方法2-6通过减少训练最后n-p条上的平均根方误差来找到系数a[]。当然,如果我们直接用Levinson-Durbin方法解决上面提到的n=2*p的方程组,我们可以达到预测的零误差。这种预测方法被称为Prony方法。它的缺点是在预测系列的未来值时的不稳定性。 这就是为什么这种方法没有被包括在内。 其他的输入参数有。 LastBar - 过去数据中最后一个条形的数量。 PastBars - 用于预测未来值的过去条数 LPOrder - 线性模型的顺序,是过去条数的一部分(0...1)。 FutBars - 预测中的未来柱状图的数量 HarmNo - 方法1的最大频率数(0表示所有频率)。 FreqTOL - 方法1的自由度计算的不精确性(如果它>0.001,就不能收敛)。 BurgWin - 方法2的加权函数的编号(0=矩形 1=汉明 2=抛物线) 该指标画出两条线:蓝线显示训练条上模型的价格,红线显示预测的未来价格。 这里是代码:extrapolator.mq4(PS: 有几个编译器警告,但它们是良性的) 附加的文件: extrapolator.mq4 15 kb 1...118119120121122123124125126127128129130131132...155 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
亲爱的mladen。
对这个指标感兴趣。
是否可以制作LSMA版本?沙皇
Ema有一个不广为人知的特点:它的周期可以是小数(例如周期14.5对ema来说是完全正常的)。但对lsma来说就不是这样了。对于lsma来说,它必须是整数。正因为如此,它不适合调整(数值不会很平滑)。
对不起,先生,什么是整数,希望你能告诉我,我需要更多地了解外汇。
对不起,先生,什么是整数,希望你能告诉我,我需要更多地了解外汇。
整数是这个:整数 - 维基百科,自由的百科全书
Tsar Ema有一个不广为人知的特点:它的周期可以是小数(例如周期14.5对EMA来说是完全正常的)。但对lsma来说却不是这样。对于lsma来说,它必须是整数。正因为如此,它不适合调整(数值不会很平滑)。
我明白了。谢谢你的解释......
马锁
malock.mq4
价格 emas
价格_-_emas.mq4
mladen,
有人想过这个问题吗?
也就是说,预测的MA值将基于MA的前值+价格的最后值?
mladen。
有谁想过对MA的预测吗?
也就是说,预测马的价值将基于马的前值+价格的最后值?有一个添加了置信带的版本(有解释的版本在这里发布:https://www.mql5.com/en/forum/general)。
因为如果置信带的移动被设置为0,它可以被认为是一种预测(关于置信带的性质的更多信息请看这里。信心带和预测带 - 维基百科,自由的百科全 书 )我想这就是可以被认为是对某个平均值的 "预测"。
________________
PS:你可能已经注意到,这里有一个值的范围,而不是单一的值。由于没有办法唯一地 "预测 "未来的价值,这是我们可以在一定程度上估计/预测未来价值的方法之一,这不是一个骗局,而是试图在已知的数学规则下进行估计。
有一个添加了置信带的版本(有解释的版本贴在这里 :https://www.mql5.com/en/forum/general)
因为如果置信带的移动被设定为0,它可以被认为是一种预测(在这里可以看到更多关于置信带性质的信息。置信带和预测带 - 维基百科,自由的百科全 书 )我想这就是可以被认为是对某个平均值的 "预测"。
________________
PS:你可能已经注意到,这里有一个数值范围,而不是单一数值。由于没有办法唯一地 "预测 "未来的数值,这是我们可以在一定程度上估计/预测未来数值的方法之一,这不是一个骗局,而是试图在已知的数学规则下进行估计。你推荐什么推断方法?
你推荐哪种外推方法?
nbtrading
就推断而言,请先看这个帖子:https://www.mql5.com/en/forum/172923/page13Anyway, 有一个很好的例子是由qpwr做的。
以下是描述:
该指标基于几种方法,可由方法输入变量选择。
方法1:傅里叶外推法;使用Quinn-Fernandes算法计算频率
方法2:自相关法
方法3:加权伯格法
方法4:带有Helme-Nikias加权函数的Burg方法
方法5:Itakura-Saito(几何学)方法
方法6:修正的协方差法
方法2-6是线性预测的方法。线性预测的基础是将未来值作为过去值的线性函数来寻找。假设我们有一些价格x[0]...x[n-1],其中较高的指数与最近的价格相符。未来价格x[n]的预测被计算为
x[n] = -Sum(a*x[n-i], i=1...p)
其中a-模型的系数,p-模型的顺序。 所列方法2-6通过减少训练最后n-p条上的平均根方误差来找到系数a[]。当然,如果我们直接用Levinson-Durbin方法解决上面提到的n=2*p的方程组,我们可以达到预测的零误差。这种预测方法被称为Prony方法。它的缺点是在预测系列的未来值时的不稳定性。 这就是为什么这种方法没有被包括在内。
其他的输入参数有。
LastBar - 过去数据中最后一个条形的数量。
PastBars - 用于预测未来值的过去条数
LPOrder - 线性模型的顺序,是过去条数的一部分(0...1)。
FutBars - 预测中的未来柱状图的数量
HarmNo - 方法1的最大频率数(0表示所有频率)。
FreqTOL - 方法1的自由度计算的不精确性(如果它>0.001,就不能收敛)。
BurgWin - 方法2的加权函数的编号(0=矩形 1=汉明 2=抛物线)
该指标画出两条线:蓝线显示训练条上模型的价格,红线显示预测的未来价格。
这里是代码:extrapolator.mq4(PS: 有几个编译器警告,但它们是良性的)