Il modello di regressione di Sultonov (SRM) - che pretende di essere un modello matematico del mercato. - pagina 44
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
Cinque parametri per 15 punti sono troppi. Il solito montaggio.
Prova la stessa equazione con gli stessi parametri su mille barre.
Sembra che lei abbia cambiato direzione nella sua ricerca. Inventavi difuras e cercavi di spiegare il mercato.
Ora stai solo cercando di descriverlo senza nemmeno provare a spiegarlo.
Cinque parametri per 15 punti sono troppi. La solita misura.
Prova la stessa equazione con gli stessi parametri su mille barre.
Sembra che lei abbia cambiato direzione nella sua ricerca. Inventavi difuras e cercavi di spiegare il mercato.
Ora stai solo cercando di descriverlo senza nemmeno provare a spiegarlo.
1.Correttamente notato, qui è nuda statistica e un sottoprodotto di un'altra direzione di ricerca, non legata al Forex. Come sapete, quando si stimano i coefficienti di un'equazione lineare con insiemi di variabili con il metodo ANC, Gauss ha indicato solo un metodo in due fasi, eliminando gradualmente le variabili al primo passo e trovando i coefficienti al secondo passo, che è molto laborioso e ingombrante. Il secondo metodo è basato sul metodo di Cramer che usa i determinanti, che non è più semplice del metodo di Gauss e ha la stessa complessità di calcolo, anche se è più elegante. Sono riuscito a semplificare il metodo in modo decisivo e a determinare direttamente i coefficienti e l'esempio qui sopra è un debutto e ho pensato che ci farete caso, come sono riuscito a trovare 5 coefficienti mentre variavo quattro variabili simultaneamente. Di solito, per esempio, quando si pianifica un esperimento, si raccomanda di determinare gradualmente i coefficienti con una sola variabile, impostando le altre variabili a un livello costante, probabilmente ricorderete questo successo non molto riuscito degli anni '60 e '70. Ora, davvero, non ho problemi a ricercare 1000 bar allo stesso tempo e lo farò. Per favore, ditemi solo come scaricare la storia direttamente in exel con le virgole, scusate, sono uno zero nella tecnica dell'uso di un comp. Sto imparando gradualmente e solo ciò che è necessario al momento. Si prega di specificare nei minimi dettagli, fino alla sequenza di pressione dei tasti.
2. Nessuna misura, ma in effetti la quantità di dati non è molta, poiché è stata inserita manualmente. Tuttavia, ciò che è notevole è che questa semplice equazione cerca di descrivere le variazioni dei prezzi come se fossero periodiche, anche se non lo sono affatto.
3. pensi che abbia senso aggiungere i volumi a questi quattro parametri, soprattutto perché sono disponibili, anche se si dice che siano di parte?
4. ha notato la differenza di coefficienti a OHLC, apparentemente per mancanza di dati.
Per favore, ditemi solo come scaricare la storia direttamente in exel con le virgole, scusate, sono un novizio nelle tecniche del computer.
1. Nel terminale, premi F2. Nella tabella che appare, seleziona un simbolo e premi "Export". Abbiamo un file.
Apriamo il file in Excel. Sembra:
3. In Excel nella parte superiore della scheda "Dati".
4. Evidenzia la sezione di dati desiderata nella tabella.
5. Cliccate su "Colonna per colonna" Il Wizard del testo apparirà.
6. Nel primo passo selezioniamo "Delimitato".
7. Nel secondo passo della procedura guidata dovresti specificare anche il separatore di virgole.
8. Al terzo passo:
8.1. Per le prime due colonne specificate il formato dei dati della colonna "testo".
8.3 Lasciamo "Generale" per il resto, ma apriamo "più dettagli" e mettiamo "punto" come separatore di luogo.
Dovrebbe essere così
Ci vuole solo questa equazione
F=1.00010409798*CLOSE(-1)^0.999631066509
Cercare di aggiungere un altro valore porta ad una matrice degenerata (singolare).
La vestibilità è molto buona.
Variabile dipendente: F
Metodo: Panel Least Squares
Data: 30/11/12 Ora: 10:57
Campione: 1 2652
Periodi inclusi: 23
Sezioni trasversali incluse: 113
Totale osservazioni del pannello (non bilanciato): 2538
Convergenza raggiunta dopo 1 iterazione
F=C(1)*CLOSE(-1)^C(2)
Coefficiente Std. Errore t-Statistica Prob.
C(1) 1.000104 0.000122 8222.019 0.0000
C(2) 0.999631 0.000511 1955.530 0.0000
R-squared 0.999342 Var media dipendente 1.266171
R-squared aggiustato 0.999342 S.D. var dipendente 0.029512
S.E. di regressione 0.000757 Criterio informativo di Akaike -11.53332
Somma quadratica residua 0.001454 Criterio di Schwarz -11.52872
Log likelihood 14637.78 Criterio di Hannan-Quinn. -11.53165
Durbin-Watson stat 1.951579
Variabile dipendente: CLOSE
Metodo: Panel Least Squares
Data: 30/11/12 Ora: 10:59
Campione: 1 2652
Periodi inclusi: 23
Sezioni trasversali incluse: 113
Totale osservazioni del pannello (non bilanciato): 2538
Convergenza raggiunta dopo 2 iterazioni
CHIUDERE=C(1)*F(-1)^C(2)
Coefficiente Std. Errore t-Statistica Prob.
C(1) 1.000222 0.000233 4283.747 0.0000
C(2) 0.999132 0.000981 1018.334 0.0000
R-squared 0.997578 Var media dipendente 1.266170
R-squared aggiustato 0.997577 S.D. var dipendente 0.029520
S.E. di regressione 0.001453 Criterio informativo di Akaike -10.22961
Somma quadratica residua 0.005354 Criterio di Schwarz -10.22501
Log likelihood 12983.38 Criterio di Hannan-Quinn. -10.22794
Durbin-Watson stat 1.294442
Ecco il grafico
Vediamo picchi di circa 100 pip. Ma un istogramma molto decente, anche se non normale
Quota = 14 pips.
Ma l'ellisse di fiducia è deprimente - vediamo una correlazione estremamente alta dei nostri coefficienti. Questa è la ragione della singolarità della matrice quando si aggiungono ulteriori variabili.
Mi asterrei dall'usare l'equazione di cui sopra
Ho cercato di esprimere il prezzo medio di previsione di una barra futura (F) attraverso i prezzi OHLC delle barre precedenti come la seguente relazione, anche se non so se è stato provato prima in tale forma o no:
F=A*O^a1*H^a2*L^a3*C^a4,
dove - A, a1, a2,a3,a4 sono coefficienti costanti determinati dal metodo MNC Gaussian e questo è ciò che si ottiene per 15 barre di TF D1
Quindi, il quoziente può essere espresso in linea di principio da una sola equazione, ma scopriamo qual è l'utilità pratica di questo. Quali sono le vostre opinioni?
Non ho trovato il periodo di tempo da cui hai preso il campione di prezzo, ma le ultime 15 barre mostrano la stessa immagine (secondo la formula di cui sopra e i coefficienti derivati):
Il verde МА con periodo = 1 è usato per confrontare la previsione più chiaramente.
I segni dei prezzi sono disegnati da uno script (in allegato).
Non ho trovato il periodo di tempo da cui hai preso il campione di prezzo, ma le ultime 15 barre mostrano questo quadro (secondo la formula e i coefficienti che hai derivato):
Il verde МА con periodo = 1 è usato per confrontare la previsione più chiaramente.
I segni dei prezzi sono disegnati da uno script (nell'allegato).
Dati utilizzati su D1 dal 16. 09. 12 al 05. 10. 12
P.S. E se non fosse la fine del mese, la candela attuale sarebbe "ribassista"... :)))
Non ho notato subito che i coefficienti sono disposti in ordine inverso a4 -> a1. Poi un mese dopo i coefficienti calcolati non sono "un dito nel cielo"... ;)
P.S. E se non fosse la fine del mese, la candela attuale sarebbe "ribassista"... :)))
Ci vuole solo questa equazione
F=1.00010409798*CLOSE(-1)^0.999631066509
Cercare di aggiungere un altro valore porta ad una matrice degenerata (singolare).
La vestibilità è molto buona.
Variabile dipendente: F
Metodo: Panel Least Squares
Data: 30/11/12 Ora: 10:57
Campione: 1 2652
Periodi inclusi: 23
Sezioni trasversali incluse: 113
Totale osservazioni del pannello (non bilanciato): 2538
Convergenza raggiunta dopo 1 iterazione
F=C(1)*CLOSE(-1)^C(2)
Coefficiente Std. Errore t-Statistica Prob.
C(1) 1.000104 0.000122 8222.019 0.0000
C(2) 0.999631 0.000511 1955.530 0.0000
R-squared 0.999342 Var media dipendente 1.266171
R-squared aggiustato 0.999342 S.D. var dipendente 0.029512
S.E. di regressione 0.000757 Criterio informativo di Akaike -11.53332
Somma quadratica residua 0.001454 Criterio di Schwarz -11.52872
Log likelihood 14637.78 criterio di Hannan-Quinn. -11.53165
Durbin-Watson stat 1.951579
Variabile dipendente: CLOSE
Metodo: Panel Least Squares
Data: 30/11/12 Ora: 10:59
Campione: 1 2652
Periodi inclusi: 23
Sezioni trasversali incluse: 113
Totale osservazioni del pannello (non bilanciato): 2538
Convergenza raggiunta dopo 2 iterazioni
CHIUDERE=C(1)*F(-1)^C(2)
Coefficiente Std. Errore t-Statistica Prob.
C(1) 1.000222 0.000233 4283.747 0.0000
C(2) 0.999132 0.000981 1018.334 0.0000
R-squared 0.997578 Var media dipendente 1.266170
R-squared aggiustato 0.997577 S.D. var dipendente 0.029520
S.E. di regressione 0.001453 Criterio informativo di Akaike -10.22961
Somma quadratica residua 0.005354 Criterio di Schwarz -10.22501
Log likelihood 12983.38 Criterio di Hannan-Quinn. -10.22794
Durbin-Watson stat 1.294442
Ecco il grafico
Vediamo picchi di circa 100 pip. Ma un istogramma molto decente, anche se non normale
Quota = 14 pips.
Ma l'ellisse di fiducia è deprimente - vediamo una correlazione estremamente alta dei nostri coefficienti. Questa è la ragione della singolarità della matrice quando si aggiungono ulteriori variabili.
Mi asterrei dall'usare l'equazione di cui sopra
Evitare di saltare alle conclusioni