La estadística como forma de mirar al futuro - página 17
Está perdiendo oportunidades comerciales:
- Aplicaciones de trading gratuitas
- 8 000+ señales para copiar
- Noticias económicas para analizar los mercados financieros
Registro
Entrada
Usted acepta la política del sitio web y las condiciones de uso
Si no tiene cuenta de usuario, regístrese
Lo hay. Ya se las he dado varias veces y no las voy a repetir. Si no los ves o no quieres verlos, no puedo ayudarte.
Entienda que aquí nadie le está demostrando nada y nadie está obligado a hacerlo. Me pediste que te lo explicara, lo intenté, pero no lo entendiste. Por desgracia, no todo es tan sencillo en este mundo cruel. No todo se puede hacer de golpe, hay que tener una cierta base de conocimientos.
Lo hay. Ya se las he dado varias veces y no las voy a repetir. Si no los ves o no quieres verlos, no puedo ayudarte.
Entienda que aquí nadie le está demostrando nada y nadie está obligado a hacerlo. Me pediste que te lo explicara, lo intenté, pero no lo entendiste. Por desgracia, no todo es tan sencillo en este mundo cruel. No todo se puede hacer de golpe, hay que tener una cierta base de conocimientos.
Y qué, ¿ha conseguido predecir el precio en el marco de la Teoría de Sistemas Dinámicos no a pasos agigantados y con una cierta base de conocimientos?
Creo que no se puede construir un buen TS sin hacer una previsión, que sea 0,62 en lugar de 1, significa que entro en el mercado con SL=TR en 62 operaciones de 100 y obtengo un beneficio garantizado.
No puedo hacerlo sin una previsión, de lo contrario podría perder la cabeza en un arrebato.
Creo que el autor ha ampliado el concepto de pronóstico a las alturas del espacio y entonces todo lo que hace un trader en el mercado es su pronóstico, pero entonces las malas TS se basan en el pronóstico también, o bien redujo este concepto a los sistemas de indicadores, pero entonces las buenas TS también son posibles sin un pronóstico, pensé y pensé cómo llamar a los sistemas de no indicadores sin un pronóstico inicial y se me ocurrió SIMMETRIC)), pero tal vez ya tienen un nombre?
Y qué, ¿has conseguido predecir el precio dentro de la Teoría de Sistemas Dinámicos sin saltar y con una cierta base de conocimientos?
Si respondo que sí, me exigirás que te muestre pruebas hasta que renuncie a publicar en este foro por completo :) Así que responderé "no".
Si respondo que sí, me exigirás que te muestre pruebas hasta que renuncie a publicar en este foro por completo :) Así que responderé "no".
Tu racionalización sobre "qué responder" es sólo un refuerzo para ayudarte a admitir la verdad: ni tú, ni nadie en este foro, ni Anischenko, ni los padres fundadores tienen resultados positivos en la predicción de precios. Así es el mundo cruel: los que no saben pensar, lo engullen todo como un pollo con la esperanza de encontrar la semilla. Y sólo había que leer sobre las limitaciones de la aplicación de la Teoría de los Sistemas Dinámicos, para no aventar.
Si es así, seré el primero en tirar a la basura toda mi experiencia en NS y unirme a Prival como aprendiz. Ahora mismo (o casi) me pondré a releer el hilo sobre Streams en Forex y a construir un filtro Kalman.
La única pena es que probablemente no tenga que hacerlo. Y las razones, espero, se aclararán pronto.
No hay que confundir la regresión lineal y las redes neuronales, cada método tiene sus ventajas e inconvenientes. Por ejemplo, las redes neuronales dan un modelo de señal más suave y una mejor respuesta de fase, menos retraso de 1 a 2 barras cuando se pronostica pero la regresión lineal da una señal más estable más allá del entrenamiento. Las figuras muestran un ejemplo de modelización a partir de los mismos datos brutos utilizando redes neuronales y regresión lineal. El rango de cotizaciones para el entrenamiento del modelo se toma del 20 de mayo al 10 de junio, el rango de fluctuaciones de la tasa en este intervalo fue de 1,54 a 1,6 . La señal amarilla y la rosa son redes neuronales entrenadas con los mismos datos de entrada pero para diferentes funciones objetivo, la roja y la azul son regresiones lineales entrenadas con los mismos datos y para las mismas funciones objetivo que las redes neuronales, es decir, amarilla y roja para una función objetivo y rosa y azul respectivamente para la otra. La figura 1 muestra los gráficos dentro del rango en el que se realizó el entrenamiento. La Fig. 2 muestra gráficos fuera del rango de aprendizaje, como se ve en la Fig. 2, a partir del 8 de agosto, los modelos en redes neuronales empezaron a producir un gran error, es decir, el entrenamiento fue suficiente sólo durante 2 meses porque la tasa era inferior a 1,52, mientras que el límite inferior de la muestra de entrenamiento era 1,54. La Fig. 3 muestra los gráficos con las cotizaciones hasta el 13 de octubre, es claro que los modelos basados en redes neuronales muestran fuertes distorsiones, mientras que los modelos basados en regresión lineal preservaron su estabilidad sin reentrenamiento durante un mercado muy volátil. Combino tanto las redes neuronales como la regresión lineal, debilitando los puntos débiles de cada método y reforzando sus puntos fuertes.
No es necesario oponer la regresión lineal y las redes neuronales, cada método tiene sus ventajas e inconvenientes.
¿Estoy discutiendo contigo?
Por supuesto, la comparación de los métodos debe hacerse en el contexto de la tarea que se está llevando a cabo. Para mí, por ejemplo, es relevante la predicción de un paso adelante con la predicción en cada paso. En una formulación así, la NS está probablemente fuera de la competencia.
Los datos que has presentado son curiosos. Lamentablemente, la calidad de las imágenes no es excelente, y es difícil o incluso imposible ver algo en ellas. Si es posible, amplíe el primer tercio de la segunda figura - quiero ver la calidad de los muvings en la zona cercana al límite de la última optimización de NS. También puede presentar los datos de una forma más informativa: en forma de nube predictiva en coordenadas de incrementos de precios y mutaciones (véase la página 3 de este hilo).
Lamentablemente, la calidad de las fotos no es muy buena y es difícil o incluso imposible ver algo en las fotos.
Las imágenes se pueden pulsar y se muestran a su escala original.
Tengo una pregunta para Pilligrim: ¿cuál es el vector de entrada de estos modelos y cuál es la salida? Sin estos datos, estas cifras no dicen nada.
Se puede hacer clic en las imágenes, que se muestran a su escala original.
No, no es impresionante. Que lo vuelva a dibujar.