Non sono affari di Mashka! - pagina 7
Ti stai perdendo delle opportunità di trading:
- App di trading gratuite
- Oltre 8.000 segnali per il copy trading
- Notizie economiche per esplorare i mercati finanziari
Registrazione
Accedi
Accetti la politica del sito e le condizioni d’uso
Se non hai un account, registrati
Mettere in scena l'esperimento
Ho deciso di descrivere il setup dell'esperimento in modo più dettagliato (come l'ho capito io, date le capacità del mio modello), al meglio delle mie conoscenze, in modo da eliminare i malintesi. È abbastanza semplice, prendiamo un segmento per il test e il sistema passa sequenzialmente tutti i campioni in questo segmento. Su ogni sezione, viene preso un campione di dati storici di una lunghezza fissa W. Questi dati vengono analizzati e viene fatta una scelta ottimale:
Sostenendo la parola letteraria con quella artistica, ho rappresentato l'immagine al meglio delle mie possibilità:
Viene eseguita una previsione, i dati della previsione e i "parametri ambientali" della particolare previsione vengono registrati e il sistema passa al riferimento successivo. In questo modo, il numero di punti di previsione e la dimensione della particolare finestra scorrevole per la quale i punti di previsione sono calcolati cambiano da un riferimento all'altro.Seryoga, apparentemente questo è il motivo del nostro malinteso. Probabilmente, si fissa la MA e la si prevede solo su tutta la sezione e per questo si può tranquillamente andare agli incrementi. Non posso farlo, la MA cambia sempre e quindi gli incrementi sono "concentrati" intorno allo zero delle letture previste.
Primi risultati della previsione
La previsione è stata eseguita nel periodo studiato di 100 campioni, quotazione EURUSD , ore,(H+L)/2. L'immagine mostra questa trama con i prezzi H, L e(H+L)/2:
Cambiamento della lunghezza della finestra scorrevole per ogni previsione di prezzo (spero sia chiaro perché i conteggi sono più lunghi della lunghezza del grafico di previsione)
Cambiamento del valore dell'orizzonte di previsione per ogni valore di previsione
Il grafico a dispersione dei prezzi previsti e dei prezzi effettivi. L'asse x mostra i prezzi previsti e l'asse y mostra i prezzi effettivi. Il coefficienteb nell'equazione di regressione lineare y=a+b*x è 0,9983.
Lasciate che vi ricordi ancora una volta che qui non c'è nessun errore. Il fatto è affidabile e verificato. Il trucco è solo ottimizzare i parametri per la previsione. A proposito, per testare la predizione su una buona macchina per 1000 campioni dovrò aspettare circa venti ore, mentre l'operatore stesso impiega meno di un secondo. E sto ancora ottimizzando il codice.
PS:
Seryoga, perché questo post sospettosamente vuoto? Probabilmente mi hai chiamato con un nome di fantasia, vero? :о)
to Prival
Ci sono alcune difficoltà con le zecche - hai bisogno di una storia grande, preferibilmente senza buchi, ecc. Questi requisiti sono più facili da soddisfare per un archivio con ore o minuti.
Per quanto riguarda la curva perfetta, confrontiamo il MEMA a due corse (è quello che uso io) e quello che dà il Fourier-smoothing. Suggerisco che il criterio per la "bontà" è il valore della deviazione standard dalla frontiera e la scorrevolezza della curva stessa - più piccolo è lo sko e più liscia è la curva, più ripida è!
È chiaro come calcolare lo sko (il valore della deviazione dalle quotazioni), ma come calcolare la scorrevolezza?
...
Come calcolare lo sko (valore di deviazione dalle quotazioni) è chiaro, suggerimenti come calcolare la scorrevolezza ?
e cosa ci darà questa morbidezza? Ho descritto sopra - ho un mucchio di MA previsti e per ogni riferimento quel MA è selezionato nel modo migliore in termini di prevedibilità
Ho scritto tutto il post qui sopra ed è scomparso dopo un po' :-(
Nonni, c'è un malinteso. Non ha senso andare oltre!
Se tracciamo la nuvola di previsioni in base al prezzo assoluto e ai valori di previsione, otteniamo una linea retta con tangente=1 anche per il rumore bianco integrato. Questo dovrebbe essere chiaro, entrambe le serie contengono una componente costante il cui valore è zero, ed è questa componente che la valutazione reagirà. Questo è quello che vi dico. Pensateci.
a Prival.
Как посчитать ско (величину отклонения от котировок) понятно, предложения как считать гладкость ?
Al tempo t, scegliamo la funzione (y[i]-x[i])^2 come misura di vicinanza delle serie X e Y, e la funzione (y[i]-y[i-1])^2 come misura di scorrevolezza delle serie. Stimeremo il valore della somma di queste funzioni, cioè S=(y[i]-x[i])^2+(y[i]-y[i-1])^2
(tratto da S. Bulashov)
Ho scritto tutto il post qui sopra ed è scomparso dopo un po' :-(
Nonni, c'è un malinteso. Non ha senso andare oltre!
Se tracciamo la nuvola di previsioni in base al prezzo assoluto e ai valori di previsione, otteniamo una linea retta con tangente=1 anche per il rumore bianco integrato. Questo dovrebbe essere chiaro, entrambe le serie contengono una componente costante il cui valore è zero, ed è questa componente che la valutazione reagirà. Questo è quello che vi dico. Pensateci.
Ok. E se prevedessi il MA e passassi da esso agli incrementi? Funzionerebbe? :о) E forse invece di "È inutile andare oltre" possiamo trovare un criterio? Forse ci sono criteri oggettivi?
al neutrone
Penso che abbia senso guardare l'analisi dell'errore (la differenza tra il valore reale e quello previsto), un'informazione molto oggettiva (ricorda, questo è EURUSD):
Pensa che questa analisi delle serie temporali sia obiettiva?
PS (corretto):
Если строить прогнозное облако по абсолютным значениям цен и прогнозу, то мы получим прямую с тангенсом=1 даже для интегрированного белого шума. Это длжно быть понятно, оба ряда содержат постоянную составляющую ценность которой нулевая, а именно на эту составляющую и отреагирует оценка. Об этом я тебе и толдычу. Подумай об этом.
ANALOGICO e per incrementi, in questo senso non sono diversi. Questo criterio (kt LR) non è il migliore in entrambi i casi
Sergei, a tutti i tuoi commenti si può rispondere d'accordo - non sono una questione di principio. Non si vuole stimare per regressione, usiamo sko. Vuoi prevedere l'IA e poi andare alla linea di base - fallo!
Il punto fondamentale è una domanda: si può dare una previsione SOLO 1 (una) barra avanti?
Sergei, a tutti i tuoi commenti si può rispondere d'accordo - non sono una questione di principio. Non si vuole stimare per regressione, usiamo sko. Vuoi prevedere l'IA e poi andare alla linea di base - fallo!
Il punto fondamentale è una domanda: si può emettere una previsione SOLO una (1) barra avanti?
Emettere un pronostico una barra avanti, certo che posso, non è difficile da tagliare. Significa che non pensate che sia ragionevole prevedere più di una barra in avanti?
Naturalmente!
Dopo tutto, se potete prevedere una barra in avanti, potete prevedere due barre usando la ricorsione, e lì per induzione. Ma l'errore di previsione diventerà esponenzialmente peggiore all'aumentare dell'orizzonte, ecco perché non siamo interessati a cercare una relazione tra la precisione della previsione elementare (per una barra) e l'ampiezza dell'intervallo di confidenza come f-fi dell'orizzonte di previsione. Lascia fare ai dilettanti. Tu ed io studieremo la qualità della base di previsione stessa - 1 BAR in avanti e basta! È vero, per cominciare dovremmo raccogliere statistiche, prevedendo ogni volta di 1 barra e andando un passo avanti, e così via per 10.000 volte. Solo per essere sicuri. Così otterremo un vettore di previsioni della lunghezza di 10000 elementi, ognuno dei quali è una previsione per 1 barra e calcola tutti i dati che abbiamo, compresi quelli nuovi.