Das Sultonov-Regressionsmodell (SRM) - behauptet, ein mathematisches Modell des Marktes zu sein.
Suche nach Mustern, Beschreibung der wichtigsten Muster
Alle Grundannahmen der Korrelations- und Regressionstheorie beruhen auf der Annahme, dass die untersuchten Daten normalverteilt sind. Haben Ihre Inputs (Preise) eine Normalverteilung?
Alle Grundannahmen der Korrelations- und Regressionstheorie beruhen auf der Annahme, dass die untersuchten Daten normal verteilt sind. Haben Ihre Inputs (Preise) eine Normalverteilung?
hat es nicht verstanden
Im Prinzip werde ich zeigen, dass RMS jedes in einer Ziffernreihe eingebettete Muster erkennt, einschließlich Zeitreihen (RT), denke ich, unabhängig von der Art des Auftretens dieser Ziffern in der Reihe. All diese und andere Feinheiten werden anhand konkreter Beispiele, einschließlich der Analyse von Zufallsreihen, erörtert.
RMS wird ein gültiges oder fiktives Muster finden, aber aufgrund der fehlenden Verteilungsnormalität wird der Vorhersagewert des Modells 0 sein. Dies sind keine Feinheiten, dies ist die Grundlage.
Was genau haben Sie nicht verstanden?
RMS wird ein reales oder imaginäres Muster finden, aber aufgrund der fehlenden Normalität der Verteilung wird der Vorhersagewert des Modells 0 sein. Dies ist keine Spitzfindigkeit, sondern die Grundlage.
RMS findet die am besten geeignete Abhängigkeit und nicht eine abgeleitete Abhängigkeit. Und über die Abwesenheit oder das Vorhandensein der Normalität der Verteilung der Ausgangsdaten sollten wir eine separate Diskussion eröffnen und die Experten dieser Basis hier parallel sprechen lassen.
Verstanden..... Und richtig - vergiss es, Normalität! Er ist einfach im Weg.
P.S.: Der Vorhersagewert des Modells wird nahe bei 0 liegen.
Beginnen wir mit einer linearen Funktion.
Stellen wir uns vor, dass die Reihe durch die Zahlen Yi = a+bxi gegeben ist:
xi Yi
0,00000001 10,0000
1,00000001 15,0000
2,00000001 20,0000
3,00000001 25,0000
4,00000001 30,0000
5,00000001 35,0000
6,00000001 40,0000
7,00000001 45,0000
8,00000001 50,0000
9,00000001 55,0000
10,00000001 60,0000
11,00000001 65,0000
12,00000001 70,0000
13,00000001 75,0000
14,00000001 80,0000
15,00000001 85,0000
16,00000001 90,0000
17,00000001 95,0000
18,00000001 100,0000
Hier ist ein Diagramm der tatsächlichen und der berechneten Werte. Der Modellfehler beträgt 2,78163E-14%:
Verstanden..... Und das zu Recht - scheiß auf die Normalität! Das ist nur hinderlich.
P.S.: Der Vorhersagewert des Modells wird nahe bei 0 liegen.
Aufgrund Ihrer Hartnäckigkeit muss ich zunächst die Vorhersagefähigkeit des Modells demonstrieren, indem ich die Funktion Y=tg(0,1x)+2 analysiere und die ersten 8 Ziffernpaare einführe:
xi Yi
0,00000001 2,0000
1,00000001 2,1003
2,00000001 2,2027
3,00000001 2,3093
4,00000001 2,4228
5,00000001 2,5463
6,00000001 2,6841
7,00000001 2,8423
Fehler 0,427140953%:
Sobald jedoch das 9. Ziffernpaar eingegeben wird, sagt das Modell sofort das "seltsame" Verhalten des Objekts in der Zukunft voraus:
Eine weitere Dateneingabe bringt die vorhergesagte "Anomalie" näher an die ursprünglichen Daten:
Auch hier haben die Rohdaten begonnen, die vorhergesagte "Finte" durchzuführen:
Schließlich wird die Vorhersage perfekt erfüllt:
Anschließend erfasst das Modell perfekt den Endzustand des Objekts, so dass die Summe der tatsächlichen Werte der Funktion dem berechneten RMS mit Computergenauigkeit entspricht
- Freie Handelsapplikationen
- Über 8.000 Signale zum Kopieren
- Wirtschaftsnachrichten für die Lage an den Finanzmärkte
Sie stimmen der Website-Richtlinie und den Nutzungsbedingungen zu.
Liebe Forumsmitglieder, es ist kein Geheimnis, dass die Frage nach den Abhängigkeiten, die die Grundmuster des Marktes beschreiben, eine wichtige ist. Wir werden hier versuchen, uns dieser Frage mit allen verfügbaren Analysemitteln zu nähern, einschließlich der verschiedenen Vorschläge der Teilnehmer zu diesem Thema und des theoretischen und praktischen Materials, das bis zu diesem Zeitpunkt aus allen möglichen Quellen zusammengetragen wurde. Als Ergebnis dieser Arbeit, wenn wir auch nur einen Blick auf diese Funktion werfen, werden wir, denke ich, feststellen, dass Zeit und Mühe nicht umsonst gewesen sind.
Ich beginne damit, die Möglichkeiten von RMS anhand einfacher Beispiele für die Beschreibung bekannter Muster zu demonstrieren: Linear, Parabel, Hyperbel, Exponent, Sinus, Kosinus, Tangens, Kotangens und andere, sowie deren Kombinationen, die sicherlich auf dem Markt vorhanden sind. Bitte unterstützen Sie mich bei diesem Impuls mit konstruktiven Vorschlägen und ggf. gesunder Kritik.