マクロ経済指標に基づく市場予測 - ページ 8 123456789101112131415...61 新しいコメント Vladimir 2015.02.22 15:22 #71 1本の直線回帰を、正の入力と負の入力の2本の直線に置き換えた場合、特に利点は見られなかった。S&P500の代わりにGDPの予測を試みたところ、予測値のRMSは低くなったが、最適な入力数は依然として1である。そのため、第2、第3の予測器を追加すると、常に事前予測のRMSが増加することになる。こんなの嫌だ。もっと変数を増やしたモデルも見てみたい。だから、モデル、データ、そしてその変換の模索は続く。すべての歴史をもとに予測物質をサンプリングし、選択された予測物質によって同じ歴史から予測することで、自分を欺くことはしたくない。これからの課題は、予測した日までの履歴しかない予測器をどのように選択するかである。現実は、本当に1つの予測因子だけに選択を限定しているのかもしれません。 transcendreamer 2015.02.22 15:45 #72 gpwr:1本の直線回帰を、正の入力値用と負の入力値用の2本の直線に置き換えた場合、特に利点は見られなかった。S&P500の代わりにGDPの予測を試みたところ、予測値のRMSは低くなったが、最適な入力数は依然として1である。そのため、第2、第3の予測器を追加すると、常に事前予測のRMSが増加することになる。こんなの嫌だ。もっと変数を増やしたモデルも見てみたい。だから、モデル、データ、そしてその変換の模索は続く。変数の数を増やすと、当然ながら全体の分散が大きくなる最適な予測変数の数を5から8へ(imho) forexman77 2015.02.24 15:10 #73 ダウ・ジョーンズとドルの3ヶ月物LIBOR金利。不思議なことに、教科書には「レートが上がると相場が下がる」と書いてありますが、逆なんです。しかし、強い相関は見られない。追伸:1986年以前の金利と2007年以前のトレガーの価格(利回りではありません)のデータをどこで見つけることができるか、どなたか教えてください。 transcendreamer 2015.02.24 17:16 #74 forexman77: ダウ・ジョーンズとドルの3ヶ月物LIBOR金利。不思議なことに、教科書には「レートが上がると相場が下がる」と書いてありますが、逆なんです。しかし、強い相関は見られない。追伸:1986年以前の金利と2007年以前の国債の価格(利回りではない)のデータをどこで見られるか、どなたか教えてください。http://www.treasury.gov/resource-center/data-chart-center/interest-rates/Pages/Historic-LongTerm-Rate-Data-Visualization.aspxが、本当にとても不便です(((;゚Д゚))) transcendreamer 2015.02.24 18:18 #75 transcendreamer:http://www.treasury.gov/resource-center/data-chart-center/interest-rates/Pages/Historic-LongTerm-Rate-Data-Visualization.aspxが、本当に気まずい((申し訳ありませんが、レートしかありません。 価格はこちらですが、月単位のみです。 http://www.investing.com/rates-bonds/us-10-yr-t-note-historical-data СанСаныч Фоменко 2015.02.25 07:10 #76 gpwr: 1本の線型回帰を、正の入力値用と負の入力値用の2本の線型回帰に置き換えても、あまり効果は見られませんでした。S&P500の代わりにGDPの予測を試みたところ、予測値のRMSは低くなったが、最適な入力数は依然として1である。そのため、第2、第3の予測器を追加すると、常に予測RMSが増加することになる。こんなの嫌だ。もっと変数を増やしたモデルも見てみたい。だから、モデル、データ、そしてその変換の模索は続く。すべての歴史をもとに予測物質をサンプリングし、選択された予測物質によって同じ歴史から予測することで、自分を欺くことはしたくない。これからの課題は、予測した日までの履歴しかない予測器をどのように選択するかである。現実は、本当に1つの予測因子だけに選択を限定しているのかもしれません。なぜRAttleしないのか理解できません。安っぽい、もっと言えば限定的なモデルを使っているのではないでしょうか。提案があります。カラム名を記載したtsv.fileを送信してください。どの(どの)列をターゲット変数として使用するかを指定します。当然ながら、テーブルの行はある一点を参照する必要がある。ラトルで実行し、許可を得て、非常にまともな6機種の結果をここに掲載することにします。PS.金融系列の線形回帰......疑問以上。 forexman77 2015.02.25 07:14 #77 transcendreamer:すみません、料金だけなんです。 価格はこちらですが、月単位のみです。 http://www.investing.com/rates-bonds/us-10-yr-t-note-historical-dataありがとうございました。2013年からホームページのチャートで判断した日次データ。 transcendreamer 2015.02.25 08:01 #78 faa1947:金融系列の線形回帰......疑問以上。なぜかというと、単純なモデルとしては、かなり適しているのです。 もちろん、ニューラルネットワークのような汎用性はありませんが、それでも 私はよく、あるリグレッションが良質なモデルを提供しない場合、他のオプティマイザが提供しないことを観察します。 СанСаныч Фоменко 2015.02.25 08:52 #79 transcendreamer:なぜかというと、単純なモデルがかなり適しているからです もちろん、ニューラルネットワークほど多機能ではありませんが、それでも 回帰が良質なモデルを与えない場合、他のオプティマイザが与えないことがよく観察されます。ええ、まあ...回帰 モデルは、財務データに適用することはほとんど不可能である。数字を手に入れ、それを信じ、目に見える数字がまったく存在しないこと、それを理解する知識がないこと、つまり数字ゲームです。しかし、私の仕事は、提案することです...そして、そこでは、あなた次第で...。PS.ニューラルネットワークは、最良の結果を得ることができません。他のモデルもあり、結果はより良く、内部構造を解釈することができます。 transcendreamer 2015.02.25 13:27 #80 faa1947:うん、わかった...回帰モデルは、財務データには実質的に適用できない。数字を手に入れ、それを信じ、目に見える数字がまったく存在しないこと、それを理解する知識がないこと、つまり数字ゲームです。しかし、私の仕事は、提案することです...そして、そこでは、あなた次第で...。PS.ニューラルネットワークでは、最良の結果は得られない。他のモデルもあり、結果はより良く、内部構造を解釈することができます。回帰はどんなデータでもうまくいくし、他の方法より優れているとは限らない。しかし、特に計算機資源の 極端な非負荷性を考慮すると、十分な効果がある。通常、回帰する前に対数化するか、差分を取ることが推奨されますが、それではトレンド情報が失われてしまいます。- だから、回帰に懐疑的なのでは?プリノーマライゼーションはデータを破壊する可能性があるため、非常に慎重に行う必要があります。モデルは「物理的」に意味を持たせないといけないというのは、私も同感ですが......。複雑なモデルであればあるほど、「物理的」な解釈から切り離されます。どんな複雑なモデルでも、係数は抽象的です(ロットや観測数/ボール、ボラティリティを計算するための乗数などに対応しない限り)。ニューラルネットワークは抽象的、ランダムフォレストも抽象的、他に何があるか?回帰では、係数は通常、要因の相関/影響の強さと解釈され、係数のモジュールの合計を計算し、合計で共有することは十分に論理的です - これは、変数の影響の有意水準となります。もちろん、これは必ずしも経済用語で表現できるわけではなく(この場合はしっかりとしたモデルを構築する必要があり、この数字を信用すればいいのですが、これは別次元です)、例えば株価指数とマクロ経済統計の関係を分析すると、「指数の伸び率%→指数の伸び率%」のようなものが出てきますし、例えば中央銀行の口座残高と為替レートには直接的な関係はありませんが、モデル上、客観的に関係がある(必ずしも残高が為替レートに影響するとは限らず、逆に影響がある)ことがわかりますが、同期的変化が見られるわけです。モデルに取引された商品しか含まれていない場合、ロット単位で係数を再計算することができる - 物理的な解釈よりも 123456789101112131415...61 新しいコメント 取引の機会を逃しています。 無料取引アプリ 8千を超えるシグナルをコピー 金融ニュースで金融マーケットを探索 新規登録 ログイン スペースを含まないラテン文字 このメールにパスワードが送信されます エラーが発生しました Googleでログイン WebサイトポリシーおよびMQL5.COM利用規約に同意します。 新規登録 MQL5.com WebサイトへのログインにCookieの使用を許可します。 ログインするには、ブラウザで必要な設定を有効にしてください。 ログイン/パスワードをお忘れですか? Googleでログイン
1本の直線回帰を、正の入力値用と負の入力値用の2本の直線に置き換えた場合、特に利点は見られなかった。S&P500の代わりにGDPの予測を試みたところ、予測値のRMSは低くなったが、最適な入力数は依然として1である。そのため、第2、第3の予測器を追加すると、常に事前予測のRMSが増加することになる。こんなの嫌だ。もっと変数を増やしたモデルも見てみたい。だから、モデル、データ、そしてその変換の模索は続く。
変数の数を増やすと、当然ながら全体の分散が大きくなる
最適な予測変数の数を5から8へ(imho)
ダウ・ジョーンズとドルの3ヶ月物LIBOR金利。不思議なことに、教科書には「レートが上がると相場が下がる」と書いてありますが、逆なんです。
しかし、強い相関は見られない。
追伸:1986年以前の金利と2007年以前のトレガーの価格(利回りではありません)のデータをどこで見つけることができるか、どなたか教えてください。
ダウ・ジョーンズとドルの3ヶ月物LIBOR金利。不思議なことに、教科書には「レートが上がると相場が下がる」と書いてありますが、逆なんです。
しかし、強い相関は見られない。
追伸:1986年以前の金利と2007年以前の国債の価格(利回りではない)のデータをどこで見られるか、どなたか教えてください。
http://www.treasury.gov/resource-center/data-chart-center/interest-rates/Pages/Historic-LongTerm-Rate-Data-Visualization.aspx
が、本当にとても不便です(((;゚Д゚)))
http://www.treasury.gov/resource-center/data-chart-center/interest-rates/Pages/Historic-LongTerm-Rate-Data-Visualization.aspx
が、本当に気まずい((
申し訳ありませんが、レートしかありません。
価格はこちらですが、月単位のみです。
http://www.investing.com/rates-bonds/us-10-yr-t-note-historical-data
1本の線型回帰を、正の入力値用と負の入力値用の2本の線型回帰に置き換えても、あまり効果は見られませんでした。S&P500の代わりにGDPの予測を試みたところ、予測値のRMSは低くなったが、最適な入力数は依然として1である。そのため、第2、第3の予測器を追加すると、常に予測RMSが増加することになる。こんなの嫌だ。もっと変数を増やしたモデルも見てみたい。だから、モデル、データ、そしてその変換の模索は続く。すべての歴史をもとに予測物質をサンプリングし、選択された予測物質によって同じ歴史から予測することで、自分を欺くことはしたくない。これからの課題は、予測した日までの履歴しかない予測器をどのように選択するかである。現実は、本当に1つの予測因子だけに選択を限定しているのかもしれません。
なぜRAttleしないのか理解できません。安っぽい、もっと言えば限定的なモデルを使っているのではないでしょうか。
提案があります。
カラム名を記載したtsv.fileを送信してください。どの(どの)列をターゲット変数として使用するかを指定します。当然ながら、テーブルの行はある一点を参照する必要がある。
ラトルで実行し、許可を得て、非常にまともな6機種の結果をここに掲載することにします。
PS.
金融系列の線形回帰......疑問以上。
すみません、料金だけなんです。
価格はこちらですが、月単位のみです。
http://www.investing.com/rates-bonds/us-10-yr-t-note-historical-data
ありがとうございました。2013年からホームページのチャートで判断した日次データ。
金融系列の線形回帰......疑問以上。
なぜかというと、単純なモデルとしては、かなり適しているのです。
もちろん、ニューラルネットワークのような汎用性はありませんが、それでも
私はよく、あるリグレッションが良質なモデルを提供しない場合、他のオプティマイザが提供しないことを観察します。
なぜかというと、単純なモデルがかなり適しているからです
もちろん、ニューラルネットワークほど多機能ではありませんが、それでも
回帰が良質なモデルを与えない場合、他のオプティマイザが与えないことがよく観察されます。
ええ、まあ...
回帰 モデルは、財務データに適用することはほとんど不可能である。数字を手に入れ、それを信じ、目に見える数字がまったく存在しないこと、それを理解する知識がないこと、つまり数字ゲームです。
しかし、私の仕事は、提案することです...そして、そこでは、あなた次第で...。
PS.
ニューラルネットワークは、最良の結果を得ることができません。他のモデルもあり、結果はより良く、内部構造を解釈することができます。
うん、わかった...
回帰モデルは、財務データには実質的に適用できない。数字を手に入れ、それを信じ、目に見える数字がまったく存在しないこと、それを理解する知識がないこと、つまり数字ゲームです。
しかし、私の仕事は、提案することです...そして、そこでは、あなた次第で...。
PS.
ニューラルネットワークでは、最良の結果は得られない。他のモデルもあり、結果はより良く、内部構造を解釈することができます。
回帰はどんなデータでもうまくいくし、他の方法より優れているとは限らない。しかし、特に計算機資源の 極端な非負荷性を考慮すると、十分な効果がある。
通常、回帰する前に対数化するか、差分を取ることが推奨されますが、それではトレンド情報が失われてしまいます。- だから、回帰に懐疑的なのでは?
プリノーマライゼーションはデータを破壊する可能性があるため、非常に慎重に行う必要があります。
モデルは「物理的」に意味を持たせないといけないというのは、私も同感ですが......。複雑なモデルであればあるほど、「物理的」な解釈から切り離されます。どんな複雑なモデルでも、係数は抽象的です(ロットや観測数/ボール、ボラティリティを計算するための乗数などに対応しない限り)。ニューラルネットワークは抽象的、ランダムフォレストも抽象的、他に何があるか?
回帰では、係数は通常、要因の相関/影響の強さと解釈され、係数のモジュールの合計を計算し、合計で共有することは十分に論理的です - これは、変数の影響の有意水準となります。
もちろん、これは必ずしも経済用語で表現できるわけではなく(この場合はしっかりとしたモデルを構築する必要があり、この数字を信用すればいいのですが、これは別次元です)、例えば株価指数とマクロ経済統計の関係を分析すると、「指数の伸び率%→指数の伸び率%」のようなものが出てきますし、例えば中央銀行の口座残高と為替レートには直接的な関係はありませんが、モデル上、客観的に関係がある(必ずしも残高が為替レートに影響するとは限らず、逆に影響がある)ことがわかりますが、同期的変化が見られるわけです。
モデルに取引された商品しか含まれていない場合、ロット単位で係数を再計算することができる - 物理的な解釈よりも