Ayuda para el 6º grado de policía - página 3
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
I am thinking r2 might have something to do with variance ? Can anyone say what r2 is for sure ?
r2 es el grado de ajuste de los datos a la curva https://en.wikipedia.org/wiki/Coefficient_of_determination
r2 es el grado de ajuste de los datos a la curva https://en.wikipedia.org/wiki/Coefficient_of_determination
Gracias rocketman, ¿alguna opinión sobre y=a+b1X+b2X2+b3X3+b4X4+b5X5+b6X6? ¿Crees que es la forma correcta para la recta de regresión polinómica de 6º grado y que debemos calcular a y b por la misma pendiente intercepción que en una regresión lineal? Me parece que me falta algo.
Gracias rocketman, ¿alguna opinión sobre y=a+b1X+b2X2+b3X3+b4X4+b5X5+b6X6? ¿Crees que es la forma correcta para la recta de regresión polinómica de 6º grado y que debemos calcular a y b por la misma pendiente intercepción que en una regresión lineal? Me parece que me falta algo.
SDC, si X == 0 y = a.
y la pendiente en cualquier punto y' - esto idenifica en matemáticas la(s) pendiente(s) de una función o más exactamente la 1a derivación
y'=b1+2b2X1+3b3X2+4b4X3+5b5X4+6b6X5
Si te interesa puedes ir más allá y construir y" = la 2ª derivación. Te da la curva de la función.
Si y">0 la pendiente es creciente o está a punto de producirse una tendencia alcista o se está reforzando: al cabo de un tiempo se puede llamar copa.
Si y"<0 la pendiente es decreciente o está a punto de producirse una tendencia bajista o se está reforzando: más rápido hacia abajo.
y"=2b2+6b3X1+12b4X2+20b5X3+30b6X4
Pero COSUDE, ¿ya has decidido cómo vas a calcular los valores X a partir del TimeStamp? ¿Dónde colocas el 0?
Gooly
Bueno, como sospechaba, i_regr funciona bien y hace una verdadera regresión polinómica. Era obvio por la forma de la curva generada. Utiliza el algoritmo estándar para resolver el sistema de ecuaciones, idéntico a los que he enlazado en el post anterior.
Incluso el tamaño del canal es proporcional a la desviación estándar, con kstd utilizado como factor de proporcionalidad, por lo que este indicador libre es en realidad una muy buena.
Es sólo una cuestión de orientación que causa la diferencia de los resultados de LIVEST().
Esto podría ser todo lo que necesitamos saber para codificarlo, fíjate cómo el autor escribe y=a+b1X+b2X2 en lugar de y=ax2+bx+c ? Eso era lo que me despistaba, pensaba que c tenía que ser un coeficiente totalmente diferente. Parece ser que en este artículo, los coeficientes c,d,e,f,g en y=ax6+bx5+cx4+dx3+ex2+fx+g están directamente relacionados con b que ya sabemos por la regresión lineal, es la pendiente.
En la ecuación anterior, los coeficientes a a f son coeficientes de pendiente - g es el Intercepto Y, el valor base que cuando se suma con los coeficientes de pendiente produce el valor del eje y (precio) para una x dada (índice).
COSUDE:
Aparte de eso, el artículo parece implicar que r2 puede usarse para medir lo bien que la línea se ajusta a la curva de datos mientras estamos probando los aumentos en la ecuación de la polilínea por grado, estoy pensando que r2 podría tener algo que ver con la varianza ? ¿Puede alguien decir qué es r2 con seguridad?
El r^2 es el factor de error utilizado para determinar el mejor ajuste que luego se utiliza para determinar el mejor grado de la regresión. Por ejemplo, si los datos se ajustan mejor en el 3er grado, el valor de r^2 tendrá el valor más bajo, es decir, más bajo que el valor de r^2 de un 2º grado, 4º grado, y así sucesivamente. El factor de error se basa en un promedio o media (asumo) de la varianza de una coordenada dada (x,y) de la línea trazada. Yo consideraría usar r^2 como un auto-optimizador que ajustaría el grado de nuestro ajuste polinómico basado en lo que el mercado está haciendo ahora. Tal vez esto podría ser implementado para detectar patrones de rango lateral. Tal vez un tema de la fase II.
He encontrado a alguien que entiende las matemáticas - planeo pasar unas horas con él esta semana. Más por venir.
Edición: Pensándolo bien, consideremos calcular y mantener el valor r^2 de cada grado hasta n (donde n es actualmente 6) - creo que puede haber algún valor en esta medida.
Bueno, como sospechaba, i_regr funciona bien y hace una verdadera regresión polinómica. Era obvio por la forma de la curva generada. Utiliza el algoritmo estándar para resolver el sistema de ecuaciones, idéntico a los que he enlazado en el post anterior.
Incluso el tamaño del canal es proporcional a la desviación estándar, con kstd utilizado como factor de proporcionalidad, por lo que este indicador libre es en realidad una muy buena.
Es sólo una cuestión de orientación que causa la diferencia de los resultados de LIVEST().
Grazi - tienes razón, el I-regr hace, de hecho, una verdadera regresión polinomial - sin embargo, el método de regresión utilizado por este indicador es una eliminación gaussiana. Por lo que he visto - el indicador es demasiado reactivo en correcciones de mercado leves a moderadas. En cuanto a su mensaje anterior, también estoy de acuerdo en que la gestión del dinero es el factor más importante para cualquier EA - y, también estoy de acuerdo en que un indicador a corto plazo es necesario para determinar los puntos de entrada/salida precisos. Esto ya lo tengo cubierto - el indicador poly6 no se va a utilizar para los puntos de entrada/salida, sino para la dirección, la duración y el tamaño de una operación determinada. Este indicador es un indicador de análisis de tendencia, no un oscilador intradiario. Usado en conjunto con los otros indicadores de corto plazo ya desarrollados - tendré lo que necesito para maximizar las ganancias.
La diferencia entre la función I-regr y la función LINEST() es el método con el que se calculan los coeficientes de pendiente. El método de Guass frente al método de mínimos cuadrados. Acabo de asistir a una conferencia sobre este tema de un profesor de la Universidad de Stanford que indicaba (de forma muy enfática) que el método de los mínimos cuadrados se está convirtiendo de nuevo en el método de regresión más fiable y que los enfoques de cálculo son cada vez más teóricos.
No iba a utilizar timestamp pensé que podríamos utilizar los números enteros de la barra ?
Absolutamente correcto - de 0/actual a N/rango, quizás en orden inverso.
SDC, si X == 0 y = a.
Gooly, me ha costado un poco pero, ¡has dado en el clavo! El coeficiente a del ejemplo anterior es la intersección Y definida como "el valor de y cuando x = 0" o la coordenada (0,a). Además, la forma cuadrática (de 2º grado) que sugieres crea una "copa", es decir, una parábola que no tiene mucha aplicación práctica más que para resolver la cuestión del binomio "arriba" o "abajo".
Grazi - tienes razón, el I-regr hace, de hecho, una verdadera regresión polinómica - sin embargo, el método de regresión utilizado por este indicador es una eliminación gaussiana. Por lo que he visto - el indicador es demasiado reactivo en correcciones de mercado leves a moderadas. En cuanto a su mensaje anterior, también estoy de acuerdo en que la gestión del dinero es el factor más importante para cualquier EA - y, también estoy de acuerdo en que un indicador a corto plazo es necesario para determinar los puntos de entrada/salida precisos. Esto ya lo tengo cubierto - el indicador poly6 no se va a utilizar para los puntos de entrada/salida, sino para la dirección, la duración y el tamaño de una operación determinada. Este indicador es un indicador de análisis de tendencia, no un oscilador intradiario. Usado en conjunto con los otros indicadores de corto plazo ya desarrollados - tendré lo que necesito para maximizar las ganancias.
La diferencia entre la función I-regr y la función LINEST() es el método por el que se calculan los coeficientes de pendiente. El método de Guass frente al método de mínimos cuadrados. Acabo de asistir a una conferencia sobre este tema de un profesor de la Universidad de Stanford que indicaba (de forma muy enfática) que el método de los mínimos cuadrados se está convirtiendo de nuevo en el método de regresión más fiable y que los enfoques de cálculo son cada vez más teóricos.
Sí, utiliza Gauss-Jordan, pero es completamente irrelevante qué método se utiliza, ya que todos ellos (Gauss-Jordan, mínimos cuadrados, Gram-Schmidt o quizás algún otro?) ofrecen soluciones únicas. Usted puede verificar esto a través de archivo adjunto, los resultados se imprimen en la ficha de expertos, y la entrada de su Excel está codificado en la fuente.
Sin embargo, lo que hay que examinar es cómo afectan otros factores a la curva: el precio aplicado, el punto de partida del eje x, el crecimiento del eje x, el número de puntos, la TF, etc.
Y tu forma de utilizar el P6 es definitivamente innovadora en un sentido positivo, y de acuerdo con mis críticas a los enfoques estándar.