Das geht Mashka nichts an! - Seite 7
Sie verpassen Handelsmöglichkeiten:
- Freie Handelsapplikationen
- Über 8.000 Signale zum Kopieren
- Wirtschaftsnachrichten für die Lage an den Finanzmärkte
Registrierung
Einloggen
Sie stimmen der Website-Richtlinie und den Nutzungsbedingungen zu.
Wenn Sie kein Benutzerkonto haben, registrieren Sie sich
Inszenierung des Experiments
Ich habe mich entschlossen, den Aufbau des Experiments nach bestem Wissen und Gewissen genauer zu beschreiben (so wie ich es verstanden habe, angesichts der Möglichkeiten meines Modells), um Missverständnisse auszuschließen. Es ist ganz einfach: Wir nehmen ein Segment zur Prüfung und das System lässt nacheinander alle Proben in diesem Segment durch. Für jeden Abschnitt wird eine Stichprobe historischer Daten mit einer festen Länge W entnommen. Diese Daten werden analysiert und es wird eine optimale Auswahl getroffen:
Ich habe das literarische Wort mit dem künstlerischen unterstützt und das Bild so gut wie möglich wiedergegeben:
Eine Vorhersage wird durchgeführt, die Vorhersagedaten und die "Umgebungsparameter" der jeweiligen Vorhersage werden aufgezeichnet und das System wechselt zur nächsten Referenz. Auf diese Weise ändern sich die Anzahl der Vorhersagepunkte und die Größe des jeweiligen gleitenden Fensters, für das die Vorhersagepunkte berechnet werden, von einer Referenz zur nächsten.Seryoga, das ist offenbar der Grund für unser Missverständnis. Wahrscheinlich legen Sie den MA fest und prognostizieren ihn nur über den gesamten Abschnitt, und dafür können Sie getrost auf die Inkremente zurückgreifen. Das geht nicht, denn der MA ändert sich ständig, und deshalb sind die Inkremente um den Nullpunkt der prognostizierten Messwerte "konzentriert".
Erste Ergebnisse der Prognose
Die Prognose wurde im untersuchten Zeitraum von 100 Stichproben, EURUSD-Kurs , Stunden,(H+L)/2 durchgeführt. Die Abbildung zeigt dieses Diagramm mit den Preisen H, L und(H+L)/2:
Änderung der Länge des gleitenden Fensters für jede Preisprognose (ich hoffe, es ist klar, warum die Zählungen länger sind als die Länge der Prognosedarstellung)
Änderung des Prognosehorizonts für jeden Prognosewert
Streudiagramm der prognostizierten Preise und der tatsächlichen Preise. Diex-Achse zeigt die prognostizierten Preise und diey-Achse die tatsächlichen Preise. Der Koeffizientb in der linearen Regressionsgleichung y=a+b*x beträgt 0,9983.
Ich möchte Sie noch einmal daran erinnern, dass es sich hier nicht um einen Irrtum handelt. Diese Tatsache ist zuverlässig und überprüft. Der Trick besteht darin, die Parameter für die Vorhersage zu optimieren. Übrigens, um die Vorhersage auf einer guten Maschine für 1000 Proben zu testen, muss ich etwa zwanzig Stunden warten, während der Operator selbst weniger als eine Sekunde braucht. Und ich bin immer noch dabei, den Code zu optimieren.
PS:
Seryoga, warum dieser verdächtig leere Beitrag? Wahrscheinlich hast du mich etwas Schickes genannt, oder? :о)
to Prival
Es gibt gewisse Schwierigkeiten mit Zecken - man braucht eine große Geschichte, vorzugsweise ohne Löcher, usw. Diese Anforderungen sind für ein Archiv mit Stunden oder Minuten leichter zu erfüllen.
Was die perfekte Kurve anbelangt, so vergleichen wir die MEMA-Kurve mit zwei Durchläufen (die ich verwende) mit dem Ergebnis der Fourier-Glättung. Ich schlage vor, dass das Kriterium für "Güte" der Wert der Standardabweichung vom Kegel und die Glätte der Kurve selbst ist - je kleiner die Sko und je glatter die Kurve, desto steiler!
Es ist klar, wie man den sko (den Wert der Abweichung von den Kursen) berechnet, aber wie berechnet man die Glattheit?
...
Wie man die sko (Abweichung Wert von den Zitaten) zu berechnen ist klar, Vorschläge, wie die Glätte zu berechnen?
und was wird uns diese Glätte bringen? Ich habe oben beschrieben - ich habe eine Reihe von MA's vorhergesagt und für jede Referenz, die MA ist in der besten Weise in Bezug auf die Vorhersagbarkeit ausgewählt
Habe den ganzen Beitrag oben geschrieben und er ist nach einer Weile verschwunden :-(
Oma, wir haben ein Missverständnis. Es hat keinen Sinn, noch weiter zu gehen!
Wenn wir die Prognosewolke nach absoluten Preis- und Prognosewerten aufzeichnen, erhalten wir eine gerade Linie mit dem Tangens = 1, selbst für integriertes weißes Rauschen. Das sollte klar sein, denn beide Reihen enthalten eine konstante Komponente, deren Wert gleich Null ist, und auf diese Komponente reagiert die Bewertung. Das ist es, was ich Ihnen sagen will. Überlegen Sie es sich.
zu Prival.
Как посчитать ско (величину отклонения от котировок) понятно, предложения как считать гладкость ?
Zum Zeitpunkt t wählen wir die Funktion (y[i]-x[i])^2 als Maß für die Nähe der Reihen X und Y und die Funktion (y[i]-y[i-1])^2 als Maß für die Glattheit der Reihen. Wir werden den Wert der Summe dieser Funktionen schätzen, d. h. S=(y[i]-x[i])^2+(y[i]-y[i-1])^2
(übernommen von S. Bulashov)
Habe den ganzen Beitrag oben geschrieben und er ist nach einer Weile verschwunden :-(
Oma, wir haben ein Missverständnis. Es hat keinen Sinn, noch weiter zu gehen!
Wenn wir die Prognosewolke nach absoluten Preis- und Prognosewerten aufzeichnen, erhalten wir eine gerade Linie mit dem Tangens = 1, selbst für integriertes weißes Rauschen. Das sollte klar sein, denn beide Reihen enthalten eine konstante Komponente, deren Wert gleich Null ist, und auf diese Komponente reagiert die Bewertung. Das ist es, was ich Ihnen sagen will. Denken Sie darüber nach.
ok. was, wenn ich MA prognostiziere und von ihm zu Inkrementen übergehe? würde das funktionieren? :о) Und vielleicht können wir anstelle von "Es ist sinnlos, weiterzugehen" ein Kriterium aufstellen? Gibt es vielleicht objektive Kriterien?
zu Neutron
Ich denke, es ist sinnvoll, die Fehleranalyse zu betrachten (die Differenz zwischen dem tatsächlichen und dem vorhergesagten Wert), eine sehr objektive Information (denken Sie daran, es handelt sich um EURUSD):
Glauben Sie, dass diese Zeitreihenanalyse objektiv ist?
PS (korrigiert):
Если строить прогнозное облако по абсолютным значениям цен и прогнозу, то мы получим прямую с тангенсом=1 даже для интегрированного белого шума. Это длжно быть понятно, оба ряда содержат постоянную составляющую ценность которой нулевая, а именно на эту составляющую и отреагирует оценка. Об этом я тебе и толдычу. Подумай об этом.
ANALOG und für Inkremente, in diesem Sinne sind sie nicht verschieden. Dieses Kriterium (kt LR) ist in beiden Fällen nicht das beste
Sergej, alle Ihre Bemerkungen können mit Zustimmung beantwortet werden - sie sind keine Frage des Prinzips. Wenn Sie nicht durch Regression schätzen wollen, sollten Sie sko verwenden. Sie wollen KI vorhersagen und dann zur Basislinie gehen - tun Sie es!
Der grundlegende Punkt ist eine Frage: Können Sie eine Vorhersage NUR 1 (einen) Takt im Voraus machen?
Sergej, alle Ihre Bemerkungen können mit Zustimmung beantwortet werden - sie sind keine Frage des Prinzips. Wenn Sie nicht durch Regression schätzen wollen, sollten Sie sko verwenden. Sie wollen KI vorhersagen und dann zur Basislinie gehen - tun Sie es!
Der grundlegende Punkt ist eine Frage: Können Sie eine Vorhersage NUR für einen (1) Takt im Voraus machen?
Natürlich kann ich eine Vorhersage einen Takt früher machen, es ist nicht schwer, sie abzuschneiden. Heißt das, dass Sie es nicht für sinnvoll halten, mehr als einen Takt vorauszusagen?
Natürlich!
Denn wenn man einen Balken vorhersagen kann, kann man auch zwei Balken vorhersagen, indem man eine Rekursion durchführt, und zwar durch Induktion. Der Vorhersagefehler wird jedoch mit zunehmendem Horizont exponentiell schlechter, weshalb wir nicht an der Suche nach einer Beziehung zwischen der Genauigkeit der Elementarvorhersage (für einen Balken) und der Breite des Konfidenzintervalls als f-fi des Vorhersagehorizonts interessiert sind. Lassen Sie das die Amateure machen. Sie und ich werden die Qualität der Vorhersagegrundlage selbst untersuchen - 1 BAR in der Zukunft und das war's! Natürlich werden wir zunächst Statistiken erstellen, indem wir jedes Mal um einen Balken voraussagen und einen Schritt vorwärts gehen, und so weiter 10.000 Mal. Nur um sicher zu gehen. Wir erhalten also einen Vorhersagevektor mit einer Länge von 10000 Elementen, von denen jedes eine Vorhersage für einen Balken ist und alle Daten berechnet, die wir haben, einschließlich neuer Daten.