Ce ne sont pas les affaires de Mashka ! - page 2

 
Neutron:
lna01:
Je regarderais comment les poids se comportent dans l'histoire. C'est-à-dire que je créerais un indicateur avec trois tampons : w1, w2 et w3.

Pas de problème. Seulement, qu'est-ce que cela va nous donner ? Il est clair qu'ils auront un comportement régulier avec une période de fluctuations d'une échelle plus petite, car ils sont une solution de l'équation cubique.

J'essaierais de me faire une idée visuelle de leur prévisibilité et de la possibilité d'existence de certains modèles à partir d'un tel graphique.


P.S. Si l'impression était négative, je refuserais probablement de continuer.

 

Seryoga, si vous ne comprenez pas cela : "Si vous reconstruisez la série temporelle par la moyenne prédite, ça ne marchera pas, grosses erreurs", alors c'est simple. Je voulais dire que si vous avez prédit la courbe MA pour N comptes à l'avance, et connaissant le BP initial, vous pouvez facilement reconstruire le BP futur.

 

5+ à Neutron

La méthode d'élimination des "dépendants de la ligne" est très bonne en soi.
Sinon, certaines personnes le prennent au plafond, ou font du mysticisme 5, 8, 13.

 
Oui, je suis curieux de connaître les 6, 80 et 300. C'est peut-être là la particularité du système de Better- étant donné que, disons, sur les minutes, 80 est 5,33 sur les 15 minutes (oups, des périodes non entières sont apparues) et 300 est environ 5 sur les heures ?
 
À propos, oui, il est également possible d'inverser le problème. Voir comment les périodes de battement doivent changer, pour que les poids restent approximativement constants. Le seuil de corrélation de 20%, à en juger par le premier post, n'est pas vraiment justifié.
 
Ahh, je vois qui est la parfaite maman. J'aurais dû boire moins de bière hier soir :o)
 
lna01 писал (а): Le seuil de corrélation de 20%, à en juger par le premier message, n'est pas particulièrement justifié.

En fait, ce n'est pas un mauvais seuil, pas les méchants 60-70% avec lesquels on ne peut pas faire grand-chose. J'ai essayé une fois, lorsque je m'amusais avec NS, de voir comment le S.T.O. de la prévision varie en fonction de la corrélation de plusieurs séries de prévisions. La conclusion était que s'il y a une corrélation et qu'elle est positive, il y a une limite à la diminution du RC, c'est-à-dire qu'il ne diminue pas du tout de manière inversement proportionnelle à la racine du nombre de séries.

 
Mathemat:
lna01 a écrit (a) : Le seuil de corrélation de 20%, à en juger par le premier message, n'est pas particulièrement raisonnable.

En fait, ce n'est pas un mauvais seuil, pas les méchants 60-70% avec lesquels on ne peut pas faire grand-chose. J'ai essayé une fois, lorsque je m'amusais avec NS, de voir comment le S.O.P. de la prévision changeait en fonction de la corrélation de plusieurs séries de prévisions. La conclusion était que s'il y a une corrélation et qu'elle est positive, il y a une limite à la diminution de la corrélation, c'est-à-dire qu'elle ne diminue pas du tout par l'inverse de la racine du nombre de lignes.

Ce n'est pas si facile. La longueur de la ligne est très importante pour le calcul de la CA, elle équivaut en fait à un plafond à partir duquel on prend des valeurs :o(

 
lna01:
Neutron:
lna01:
Je regarderais comment les poids se comportent dans l'histoire. C'est-à-dire que je créerais un indicateur avec trois tampons : w1, w2 et w3.

Pas de problème. Seulement, qu'est-ce que cela va nous donner ? Il est clair qu'ils auront un comportement régulier avec une période de fluctuations d'une échelle plus petite, car ils sont une solution de l'équation cubique.

J'essaierais de faire une impression visuelle de leur prévisibilité et de la possibilité de l'existence de certains modèles.


P.S. Si l'impression était négative - j'aurais probablement refusé de continuer.

Aha, j'ai compris ! En effet, si la période de battement caractéristique des coefficients est inférieure à la fenêtre de moyennage N, alors on peut oublier la prédiction. Et c'est exactement ce qui va se passer. Merci, Candid, tu viens de m'épargner beaucoup de temps et d'efforts. Je vois que le problème ne peut pas être résolu dans cette formulation.


grasn 10.04.2008 14:19

Seryoga, si vous ne comprenez pas cela : "Si vous reconstruisez la série temporelle par la moyenne prédite, rien ne sortira, de grosses erreurs", alors c'est simple. Je voulais dire que si vous avez prédit la courbe MA pour N comptes à l'avance et que vous connaissez le BP initial, vous pouvez facilement rétablir le BP futur.


C'est ça le problème, je n'ai pas trouvé de moyen de "récupérer facilement" le BP original. Toutes les méthodes que je connais s'effondrent lorsqu'on s'approche du bord droit de la BP. J'ai même posté une fois sur ce forum un dessin humoristique où est montré le processus d'approche de la série de prévisions à l'horizon des événements. Le fait est qu'en intégrant la BP initiale (en construisant la MA), nous n'apportons pratiquement rien de nouveau aux données traitées et nous n'obtenons donc aucun progrès en termes de prévision. Je pense que nous avons besoin d'un outil capable d'analyser les dépendances non linéaires de la BP...


Korey 10.04.2008 14:26

5+ à Neutron

Merci !


 

à Neutron

Seryoga, je suis un peu confus (ne faites pas attention, c'est le résidu de la bière :) S'il vous plaît, comment avez-vous calculé la corrélation mutuelle entre les MA?[MA(n) et MA(n+1)] puis[MA(n+1) et MA(n+2)] ou d'une autre manière ?


Si oui, et en observant la tendance du graphique lui-même :


L'origine de ces valeurs n'est pas très claire. Après tout, à partir d'une fenêtre de longueur 20 et plus, la corrélation entre les MAs est très forte et comment elles diffèrent de 20% et ensuite comment vous avez obtenu les fenêtres 6, 80 et 300. Ce n'est pas possible ! Mais si vous avez calculé par exemple[MA(n) et MA(n+k)], sur quelle base avez-vous choisi ce k (conditions d'éclaircissement) ? Le choix de k change-t-il le résultat ?

В том-то и дело, что я не смог найти способа "легко восстановить" исходный ВР. Все известные мне методы рассыпаются при приближении к правому краю ВР. Я даже как-то мультяшку выкладывал на этом форуме где показан процесс приближения прогнозного ряда к горизонту событий. Дело в том, что интегрируя исходный ВР (строя МА) мы по сути ничего нового не привносим в обрабатываемые данные и, как следствие, не продвигаемся в плане прогнозирования. Думаю, тут нужен инструмент способный к анализу нелинейных зависимостей ВР...

OK. Je vous donnerai mon humble idée plus tard :o)