Regressionsgleichung - Seite 3
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
Interessant, interessant. Candid, erinnerst du dich an meinen Thread auf Inhabited Island über ein Metamodell mit einem quasi-stationären Prozess (diffurcas dort, auch ein Kaninchen, das wir aus dem Hut gezogen haben)? Etwas sehr Ähnliches. Die Noosphäre existiert ja, und die Gedanken darin sind allgemein...
Ich erinnere mich, wie könnte ich nicht.
Aber du hast die Insel als unbewohnt bezeichnet :)
Wenn Sie das in MQL machen, werden Sie eine Menge Ärger bekommen, denn es gibt keine Matrixoperationen...
https://www.mql5.com/ru/articles/1365
https://www.mql5.com/ru/articles/1365
Ich habe es gesehen. Es ist eine Menge Arbeit. Ich danke Ihnen für diese Arbeit. Aber Forschung, und das ist Forschung, sollte man besser in einer anderen Sprache betreiben, wo es wirklich Matrixoperationen gibt...
Z.I. Ich muss Desert Island verpasst haben. Ich würde gerne etwas lesen, das einen Sinn ergibt...
http://www.nsu.ru/ef/tsy/ecmr/quantile/quantile.htm
Wenn Sie das in MQL machen, haben Sie ein Problem, denn hier gibt es keine Matrixoperationen...Matrixoperationen können in jedem Fall auf gewöhnliche Rechenoperationen reduziert werden:)
Im Allgemeinen wird in dem Artikel die Suche nach Modellparametern mit der Simplex-Methode vorgeschlagen, die jedoch im Verhältnis zur Dimensionalität des Problems bekanntermaßen exponentiell lang ist. Dies scheint mir also die erste Richtung zu sein, in die wir arbeiten sollten. Übrigens scheint Ihr Artikel der einzige zu diesem Thema in russischer Sprache zu sein, und an sich ist er von eher minderer Qualität (wahrscheinlich die Hausarbeit oder das Diplom von jemandem:)
Ich wünschte, jemand würde ein Simplex in MQL schreiben... Ich bin selbst so faul!
Nun, Ellipsoide wären toll:)))
Ich werde versuchen, es theoretisch zu erklären, da ich noch nicht bereit bin, die Berechnungsdaten zu geben, sie sind noch roh.
...Durch die Annäherung mit MNC zwingen wir das Regressionspolynom, sich nicht nur an den normalen Teil des Prozesses zu "klammern", sondern auch an die Poisson-Ausreißer, daher die niedrige Vorhersageeffizienz, die wir im Allgemeinen für benötigen. Andererseits werden wir durch die Verwendung von Quantilpolynomen den zweiten, den Poisson-Teil des Prozesses vollständig los: Quantile reagieren einfach nicht darauf, und zwar absolut. Indem wir die Stellen identifizieren, an denen die Regression signifikante Versuche liefert, können wir also fast online "Ausfälle" mit einem hohen Maß an Vertrauen lokalisieren(wir können sie wahrscheinlich noch nicht vorhersagen, da es kein geeignetes Modell gibt, zumindest nicht bei mir:).
Ich verstehe immer noch nicht die konstruktive Kritik an der "Armut" der ISC...
;)
Ich verstehe immer noch nicht die konstruktive Kritik an der "Armut" der MNC...
;)
Ich habe den Satz in der Mitte nicht beendet, ich schätze, ich werde alt:))) lesen Sie ihn einfach nicht mit "welcher" beginnend.
Die Kritik zielt, wie einige Leser des Threads bereits erkannt haben, auf die Besonderheiten von MNC ab, die darin bestehen, dass a) die Leistung von MNC bei der Behandlung von Prozessen nicht-gaußscher Natur schlecht ist (die MNC-Schätzung ist in diesem Fall nicht effizient) und b) MNC nicht in der Lage ist, zwei Prozesse - gaußsche und nicht-gaußsche - zu "trennen": Die Methode reagiert auf das additive Gemisch in seiner Gesamtheit, während die Methode der kleinsten Quadrate oder die Quantilsregression nur auf den Gauß'schen Teil reagiert und somit die zweite Komponente vom Prozess trennt.
Und im Allgemeinen werden die MNCs nur verwendet, weil sie viel einfacher zu berechnen sind. Gleichzeitig erfordern im wirklichen Leben viele Probleme den Einsatz anderer Methoden, aber die Leute stochern entweder aus Faulheit oder aus Unwissenheit in den MNCs herum, wo immer sie können...
Und MOOCs werden in der Regel nur deshalb genutzt, weil sie viel leichter zu berechnen sind. Gleichzeitig erfordern im wirklichen Leben viele Probleme den Einsatz anderer Methoden, aber die Leute halten sich entweder aus Faulheit oder aus Unwissenheit an ANC, wo immer sie können...
Ich denke, dass die Eigenschaft einer quadratischen Funktion, ein Minimum zu finden, ausgenutzt wird... So wie die Ableitung am Punkt 0 null ist.
Deshalb funktionieren alle analytisch abgeleiteten Methoden zur Berechnung von Funktionsparametern unabhängig vom Definitionsbereich der Funktion. Ich habe einmal über dieses Problem geschrieben.
Aber wenn man die besten MNC-Parameter für eine Funktion mit einer Definition von -1001 anpasst, dann gibt es ein Problem.
Sie können auch schlechtere bekommen. Das Minimum der Abweichung wird zum Maximum.
Ich weise nochmals darauf hin, dass dies für "frontale" Methoden gilt.
Und da Sie Ihre eigene Verteilung "verwenden", und das ist sie wahrscheinlich ;), wird sie in den Ableitungen nicht auf die Möglichkeit reduziert, das MOC-Minimum für die Parameter zu berechnen, und was besonders wichtig ist, in "bemerkenswerten" Grenzen definiert - die minimale Wahrscheinlichkeit hat einen Platz.
Versuchen Sie, die Daten so zu normalisieren, dass kein Quadrat der Abweichung kleiner als 1 ist.
;)
Aber die Hauptfrage bleibt außerhalb des Rahmens - lassen Sie sich die Verteilungsparameter geben.
Wie wird sie auf Quotienten hochgerechnet? Von arctangence?
DDD