Le modèle de régression de Sultonov (SRM) - qui prétend être un modèle mathématique du marché. - page 44
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
Cinq paramètres pour 15 points, c'est trop. L'ajustement habituel.
Essayez la même équation avec les mêmes paramètres sur un millier de barres.
Vous semblez avoir un changement de direction dans vos recherches. Vous aviez l'habitude d'inventer des difuras et d'essayer d'expliquer le marché.
Maintenant, vous essayez juste de le décrire sans même essayer de l'expliquer.
Cinq paramètres pour 15 points, c'est trop. La coupe habituelle.
Essayez la même équation avec les mêmes paramètres sur un millier de barres.
Vous semblez avoir un changement de direction dans vos recherches. Vous aviez l'habitude d'inventer des difuras et d'essayer d'expliquer le marché.
Maintenant, vous essayez juste de le décrire sans même essayer de l'expliquer.
1. remarquée à juste titre, il s'agit ici de simples statistiques et d'un sous-produit d'une autre direction de recherche, non liée au Forex. Comme vous le savez, lorsqu'il s'agit d'estimer les coefficients d'une équation linéaire avec des ensembles de variables par la méthode ANC, Gauss n'a indiqué qu'une méthode en deux étapes consistant à éliminer progressivement les variables à la première étape et à trouver les coefficients à la deuxième étape, ce qui est très laborieux et lourd. La deuxième méthode est basée sur la méthode de Cramer utilisant des déterminants, qui n'est pas plus simple que la méthode de Gauss et présente la même complexité de calcul, bien qu'elle soit plus élégante. J'ai réussi à simplifier la méthode de manière décisive et à déterminer les coefficients directement et l'exemple ci-dessus est un début et je pensais que vous prêteriez attention, comment j'ai réussi à trouver 5 coefficients tout en faisant varier quatre variables simultanément. Habituellement, par exemple, lors de la planification d'une expérience, il est recommandé de déterminer progressivement les coefficients avec une seule variable, en fixant les autres variables à un niveau constant, vous vous souvenez peut-être de ce succès pas très réussi des années 60 et 70. Maintenant, vraiment, je n'ai aucun problème à faire des recherches sur 1000 bars en même temps et je le ferai. Juste s'il vous plaît dites-moi comment télécharger l'histoire directement dans exel avec des virgules, désolé, je suis un zéro dans la technique d'utilisation d'un comp. J'apprends progressivement et seulement ce qui est nécessaire pour le moment. Veuillez spécifier de manière très détaillée, jusqu'à la séquence d'appui sur les boutons.
2. Pas d'ajustement, mais effectivement la quantité de données n'est pas très importante, car elles ont été saisies manuellement. Cependant, il est remarquable que cette simple équation tente de décrire les variations de prix comme si elles étaient périodiques, alors qu'elles ne le sont en aucun cas.
3. pensez-vous qu'il soit judicieux d'ajouter des volumes à ces quatre paramètres, d'autant plus qu'ils sont disponibles, même si l'on dit qu'ils sont biaisés ?
4. remarqué la différence des coefficients à l'OHLC, apparemment par manque de données.
Dites-moi simplement comment télécharger l'histoire directement dans exel avec des virgules, désolé, je suis novice en technique informatique.
1. Dans le terminal, appuyez sur F2. Dans le tableau qui s'affiche, sélectionnez un symbole et appuyez sur "Exporter". On a un dossier.
Nous ouvrons le fichier dans Excel. On dirait :
3. Dans Excel, en haut de l'onglet "Données".
4. Mettez en surbrillance la section de données souhaitée dans le tableau.
5. Cliquez sur "Colonne par colonne" L'assistant de texte s'affiche.
6. Dans la première étape, nous sélectionnons "Délimité".
7. Dans la deuxième étape de l'assistant, vous devez en outre spécifier le séparateur de virgule.
8. A la troisième étape :
8.1. Pour les deux premières colonnes, indiquez le format de données de la colonne "texte".
8.3 Nous laissons "Général" pour le reste, mais ouvrons "plus de détails" et mettons "point" comme séparateur de lieu.
Cela devrait ressembler à ceci
Il suffit de cette équation
F=1.00010409798*CLOSE(-1)^0.999631066509
Essayer d'ajouter une autre valeur conduit à une matrice dégénérée (singulière).
L'ajustement est très bon.
Variable dépendante : F
Méthode : Panel Least Squares
Date : 11/30/12 Heure : 10:57
Echantillon : 1 2652
Périodes incluses : 23
Sections transversales incluses : 113
Observations totales du panel (non équilibré) : 2538
Convergence atteinte après 1 itération
F=C(1)*CLOSE(-1)^C(2)
Coefficient Std. Erreur t-Statistique Prob.
C(1) 1.000104 0.000122 8222.019 0.0000
C(2) 0,999631 0,000511 1955,530 0,0000
R-carré 0,999342 Var moyenne dépendante 1,266171
R-carré ajusté 0,999342 S.D. dependent var 0,029512
S.E. de régression 0.000757 Critère d'info d'Akaike -11.53332
Somme des carrés des résidus 0,001454 Critère de Schwarz -11,52872
Log-vraisemblance 14637.78 Critère de Hannan-Quinn. -11.53165
Durbin-Watson stat 1.951579
Variable dépendante : CLOSE
Méthode : Panel Least Squares
Date : 11/30/12 Heure : 10:59
Echantillon : 1 2652
Périodes incluses : 23
Sections transversales incluses : 113
Observations totales du panel (non équilibré) : 2538
Convergence atteinte après 2 itérations
CLOSE=C(1)*F(-1)^C(2)
Coefficient Std. Erreur t-Statistique Prob.
C(1) 1,000222 0,000233 4283,747 0,0000
C(2) 0,999132 0,000981 1018,334 0,0000
R-carré 0.997578 Var moyenne dépendante 1.266170
R-carré ajusté 0,997577 S.D. dependent var 0,029520
S.E. de régression 0,001453 Critère d'info d'Akaike -10,22961
Somme des carrés des résidus 0,005354 Critère de Schwarz -10,22501
Log-vraisemblance 12983.38 Critère de Hannan-Quinn. -10.22794
Durbin-Watson stat 1.294442
Voici le tableau
Nous voyons des pics d'environ 100 pips. Mais un histogramme très correct, bien qu'il ne soit pas normal.
Cotes = 14 pips.
Mais l'ellipse de confiance est déprimante - nous constatons une corrélation extrêmement élevée de nos coefficients. C'est la raison de la singularité de la matrice lorsque des variables supplémentaires sont ajoutées.
Je m'abstiendrais d'utiliser l'équation ci-dessus
J'ai essayé d'exprimer le prix moyen prévu d'une barre future (F) par les prix OHLC des barres précédentes sous la forme de la relation suivante, bien que je ne sache pas si elle a été essayée auparavant sous cette forme ou non :
F=A*O^a1*H^a2*L^a3*C^a4,
où - A, a1, a2,a3,a4 sont des coefficients constants déterminés par la méthode gaussienne MNC et c'est ce que nous obtenons pour 15 barres de TF D1
Le quotient peut donc en principe être exprimé par une seule équation, mais voyons quelle en est l'utilité pratique. Quel est votre point de vue ?
Je n'ai pas trouvé la période de temps à partir de laquelle vous avez pris l'échantillon de prix, mais les 15 dernières barres montrent la même image (selon la formule ci-dessus et les coefficients dérivés) :
Le vert МА avec la période = 1 est utilisé pour comparer les prévisions plus clairement.
Les marques de prix sont dessinées par un script (dans la pièce jointe).
Je n'ai pas trouvé la période de temps à partir de laquelle vous avez pris l'échantillon de prix, mais les 15 dernières barres montrent cette image (selon la formule et les coefficients que vous avez dérivés) :
Le vert МА avec la période = 1 est utilisé pour comparer les prévisions plus clairement.
Les marques de prix sont dessinées par un script (dans la pièce jointe).
Données utilisées sur D1 du 16. 09. 12 au 05. 10. 12
P.S. Et si ce n'était pas la fin du mois, la bougie actuelle serait "baissière"... :)))
Je n'ai pas remarqué tout de suite que les coefficients sont disposés dans l'ordre inverse a4 -> a1. Puis un mois plus tard, les coefficients calculés ne sont pas "un doigt dans le ciel"... ;)
P.S. Et si ce n'était pas la fin du mois, la bougie actuelle serait "baissière"... :)))
Il suffit de cette équation
F=1.00010409798*CLOSE(-1)^0.999631066509
Essayer d'ajouter une autre valeur conduit à une matrice dégénérée (singulière).
L'ajustement est très bon.
Variable dépendante : F
Méthode : Panel Least Squares
Date : 11/30/12 Heure : 10:57
Echantillon : 1 2652
Périodes incluses : 23
Sections transversales incluses : 113
Observations totales du panel (non équilibré) : 2538
Convergence atteinte après 1 itération
F=C(1)*CLOSE(-1)^C(2)
Coefficient Std. Erreur t-Statistique Prob.
C(1) 1.000104 0.000122 8222.019 0.0000
C(2) 0,999631 0,000511 1955,530 0,0000
R-carré 0,999342 Var moyenne dépendante 1,266171
R-carré ajusté 0,999342 S.D. dependent var 0,029512
S.E. de régression 0.000757 Critère d'info d'Akaike -11.53332
Somme des carrés des résidus 0,001454 Critère de Schwarz -11,52872
Vraisemblance logarithmique 14637.78 Critère de Hannan-Quinn. -11.53165
Durbin-Watson stat 1.951579
Variable dépendante : CLOSE
Méthode : Panel Least Squares
Date : 11/30/12 Heure : 10:59
Echantillon : 1 2652
Périodes incluses : 23
Sections transversales incluses : 113
Observations totales du panel (non équilibré) : 2538
Convergence atteinte après 2 itérations
CLOSE=C(1)*F(-1)^C(2)
Coefficient Std. Erreur t-Statistique Prob.
C(1) 1,000222 0,000233 4283,747 0,0000
C(2) 0,999132 0,000981 1018,334 0,0000
R-carré 0.997578 Var moyenne dépendante 1.266170
R-carré ajusté 0,997577 S.D. dependent var 0,029520
S.E. de régression 0,001453 Critère d'info d'Akaike -10,22961
Somme des carrés des résidus 0,005354 Critère de Schwarz -10,22501
Log-vraisemblance 12983.38 Critère de Hannan-Quinn. -10.22794
Durbin-Watson stat 1.294442
Voici le tableau
Nous voyons des pics d'environ 100 pips. Mais un histogramme très correct, bien qu'il ne soit pas normal.
Cotes = 14 pips.
Mais l'ellipse de confiance est déprimante - nous constatons une corrélation extrêmement élevée de nos coefficients. C'est la raison de la singularité de la matrice lorsque des variables supplémentaires sont ajoutées.
Je m'abstiendrais d'utiliser l'équation ci-dessus
Évitez de tirer des conclusions hâtives