Équation de régression - page 9
Vous manquez des opportunités de trading :
- Applications de trading gratuites
- Plus de 8 000 signaux à copier
- Actualités économiques pour explorer les marchés financiers
Inscription
Se connecter
Vous acceptez la politique du site Web et les conditions d'utilisation
Si vous n'avez pas de compte, veuillez vous inscrire
mais vous pouvez faire une régression polynomiale multivariée... est-ce pire que la régression linéaire ? je ne sais pas, il n'y a qu'une seule vérification - si la précision de la prédiction augmente ou si le temps de prédiction augmente avec la même précision, alors oui, c'est mieux ... Je ne sais pas quel est l'intérêt de le vérifier, mais il ne suffit pas de comprendre comment le faire, il faut aussi tout expliquer à l'outil ...
Vous pouvez faire toutes les régressions que vous voulez. Qu'est-ce que tu veux dire, pire ou mieux ? ! As-tu seulement lu mon vélo ? Vous devez comprendre quel outil appliquer à quoi ! J'ai écrit mes conneries en étant ignorant des concepts de régression et proches de ceux-ci. Je devais obtenir clairement ce que je voulais. Je l'ai fait. Puis j'ai découvert qu'elle pouvait être subsumée sous la définition de la régression linéaire multivariée.
Et si vous y ajoutez un polynôme, ou n'importe quel autre, je n'en vois pas l'intérêt.
Essayer de prédire le comportement d'un instrument financier par le biais d'une régression d'autres instruments financiers est certainement la voie à suivre. Mais c'est tellement trivial... que je suis sûr que c'est une impasse. Et la mise en œuvre de toute régression multivariée ne pose aucun problème. Vous devez simplement comprendre pourquoi vous le faites, et non pas seulement le désir d'essayer quelque chose que vous n'avez pas encore essayé.
alsu:
ce sera mieux, mais ça va aussi charger l'ordinateur :)
Il ne charge rien. Règle des méthodes numériques.
P.S. Mec, lis ton écriture. Ça a l'air tellement cool, toutes sortes de termes, etc. J'ai pensé la même chose en lisant les autres sans comprendre les termes. Et en fait, ils discutent de choses aussi élémentaires que celles de l'école primaire... Lisez un peu les bases de l'analyse de régression, comment le problème est posé. Et vous comprendrez que la discussion porte sur les idées les plus simples à un niveau supérieur au MA.
....
Et si vous mettez un polynôme, ou tout autre polynôme, alors je ne comprends pas le but.
Essayer de prédire le comportement d'un instrument financier par le biais d'une régression d'autres instruments financiers est certainement un moyen. Mais c'est tellement trivial... que je suis sûr que c'est une impasse. Et la mise en œuvre de toute régression multivariée ne pose aucun problème. Vous devez simplement comprendre pourquoi vous le faites, plutôt que de vouloir simplement essayer quelque chose que vous n'avez pas encore essayé.
Si vous ne voyez pas l'intérêt (vous ne comprenez pas ce que vous faites et pourquoi vous le faites), alors tout sera stupide et inutile. Vous avez tout à fait raison.
L'analogue absolu de cette action. prendre 2 machines, optimiser les paramètres de classe ... ...j'ai optimisé des paramètres pour une démo, pas mieux qu'une vraie... et puis je me suis gratté la tête, optimisons trois machines, OK, je les ai optimisées, je suis passé à la vraie... bam, alligator tout le chemin... appris sur les RSI ... optimisation... bam... réseau neuronal... bam...
et ainsi de suite, parce que les gens n'utilisent pas leur tête, ils agissent comme des robots...
Z.I. alsu peut penser. on peut le dire par les questions. il pose les bonnes questions. S'il obtient la réponse, bravo, il réfléchit avec sa tête et non avec son ordinateur, peut-être aura-t-il la réponse...
Si vous ne comprenez pas ce que vous faites et pourquoi vous le faites, tout sera stupide et inutile. Vous avez tout à fait raison.
Pas à un niveau supérieur, mais littéralement au niveau d' un démolisseur. J'ai écrit ici une fois que la régression linéaire est la l.c. de deux dunks différents les plus communs. Les gens ne l'ont pas cru immédiatement. Voici le sujet.
N'insultez pas l'analyse de régression avec les cas les plus simples.
Dans un autre ordre d'idées, ce sont les méthodes d'estimation de régression autres que les MCO qui m'ont fait réfléchir. Jusqu'à présent, je ne vois l'application de la régression que dans le domaine de la construction de portefeuilles optimaux. Et dans la prévision de la rentabilité du portefeuille optimal. Mais en aucun cas BP des instruments financiers.
Un portefeuille relativement optimal a déjà été proposé ouvertement avec tous les détails...
Oui, pas un niveau au-dessus, mais littéralement au niveau du démolisseur. J'ai écrit ici une fois que la régression linéaire est la l.c. de deux différents dummies les plus communs. Les gens ne l'ont pas cru immédiatement. Voici le sujet.
Alexei, tu sais très bien que je suis passé par là. Dans ce fil. C'est juste que l'homme pose les bonnes questions.
Nous avons donc une série temporelle contenant N échantillons. À ce stade, peu importe ce que l'on entend exactement par échantillons - ticks, OHLC ou autre. L'important semble être la réponse à la question concernant la longueur optimale de l'échantillon d' entraînement n qui n'est pas égale à N, le nombre optimal de paramètres ajustables k<=n (degré du polynôme).
1. j'ai répondu que le degré polynomial est au maximum de 3. je n'utilise pas la régression, ce nombre est donné par d'autres considérations (niveaux de diff. stochastiques)
2. le nombre optimal de paramètres réglables est de zéro
3. la longueur optimale de l'échantillon je ne sais pas, je ne peux pas encore la calculer, il me semble qu'elle dépend d'au moins deux variables, l'heure de la journée et l'ACF. mais c'est ainsi ...
Qu'entend-on par "optimal" ?
Je n'ai pu appliquer ce mot qu'à la construction du meilleur portefeuille sur la fenêtre.
Réalisation de simulations sur les paires EURUSD-GBPUSD
Une équation de régression linéaire a été utilisée.
Vous êtes invités à l'interpréter ou à proposer vos propres variantes de l'expérience.
Le fichier est dans la pièce jointe.
J'ai écrit un exemple de régression linéaire multivariée. L'algorithme pour préparer un système d'équations linéaires (vous pouvez le résoudre avec Gauss) est donné dans la fonction GetLinearMatrix:
Le fichier Mathcad lui-même est également joint.