市場は制御されたダイナミックなシステムである。 - ページ 63

 
alsu:

これらはすべて、常に予測して取引を行うシステムを考えた場合にのみ言えることである。しかし、システムが最適なエントリーポイントを検出し、そこで質の高い予測が可能と判断した場合にのみ、予測の方向性を選択するというのは、バリアントには全く当てはまりません。 実際には、分足チャートで1週間に2-5回のエントリーがあり、つまり、予測された回数は、8分割サンプル数の 0.1% 未満であることが多いのです。

また、リターンのPFラグが重要な場合、浅いフレームでトレードの内部でスタックアップとダウンを行うことができます。

alsu:

もちろん、それは魅力的なことですが、必要なエラーリダクションは購入後に発生するのです。そして、その基準を評価し、方向性を決定することがBEFOREエントリーです。ですから、入力する前に、片方の異常値がもう片方の異常値よりも高い可能性があることが分かっていれば、それをシステムに取り込んで、それ以降はそれを利用すればいいのです。

また、途中で図を消したのが間違いでした。図にはTWOのエラーが描かれていました。1)内部モデル誤差、これはモデルがシステム構造を適切に記述しているかどうかの基準なので、正規かつ無相関であるべきだと申し上げました(計量経済学は関係ありません)。そうでなければ、私たちの潜在的な収益さえもおそらく0になることが保証されているのですから。

内部モデリングエラーについて - どのようにカウントしているのか?

 
alsu:.

また、途中で回路図を消したのが間違いでした。回路図には2つのエラーが描かれていました。1) 内部モデル化誤差。これは、モデルがシステム構造を適切に記述しているかどうかの基準なので、正規かつ無相関であるべきだと申し上げました(計量経済学は関係ありません)。2) 予測誤差。これは、予測できない異常値を入力としているので、正規であってはならないし、正規であることもありません。そして、これは良いことでさえあります。そうでなければ、私たちの潜在的な利益でさえ、おそらく0であることが保証されるからです。

そう、この計画はすぐに消えてしまったのです。

アレクセイ、どのような予測地平が最適/可能だと思う?

限界はとにかくあるべきで、あまり遠くまで見ようとすると誤差が大きくなる......。

それとも、可変パラメータで、起動後(動作モードに入るまで)のデータ到着・蓄積の過程で、システムが何らかの方法で決定しなければならないのでしょうか?

 
Avals:
内部モデリングエラーについて - どのようにカウントしているのか?


入力信号の決定論的成分とシステムの構造およびパラメータ(ブラインド・デコンボリューション問題)を、選択した基準で選択した区間において何らかの最適化手法を用いて推定し、次に入力推定値をモデルに通す。こうして得られた出力と実際のプロセスとの差が、ノイズ推定値である。
 

sergeyas:

アレクセイ、どのような予測地平が最適/可能だと思う?

制限はとにかくあった方がいい。あまり遠くまで見ようとすると誤差が大きくなる...。

それとも、可変パラメータで、起動後(動作モードに入るまで)のデータ到着・蓄積の過程で、システムが何らかの方法で決定する必要があるのでしょうか?


むしろ変数であり、導き出されたモデルパラメータから決定することができる。大雑把に言えば、システムには必ず何らかの特徴的な緩和時間があり、水平線はこの数値に比例することができるのである。
 

今のところ、自動調整はまだしておらず、このような状態です。

GBPUSD H4

GBPUSD H4

.

GBPUSD 日足

GBPUSD 日足

引用元: 5桁の数字で表示されています。

 

ちなみに、予測の水平線の問題、その最適化の可能性とばらつきの問題は、まったくもってそう単純なものではありません。

ある予測システムpp(n) が構築され、k番目の ステップでn ステップ先の予測を行うとする。さらに、nが 異なれば予測誤差ep(n) も異なる。さらに、予測誤差ep(n) はステップごとに変化し、すなわちkに 依存する。

k-n)ステップで 予測したとき、k番目の ステップで最小の予測誤差を与える地平線をNepと 定義する。

ステップごとにネップの ばらつきがあるのがよくわかります。

しかし、このばらつきは、部分的にネップに 依存するところがある。

 

ネプの 変動を視覚化したビデオをご覧ください。

ファイル:
pp1.zip  3525 kb
 
avtomat:

ところで、予測の水平線、その最適性、変動性についての問題は、まったくもってそう単純なものではありません。

ある予測システムpp(n) が構築され、k番目の ステップでn ステップ先の予測を行うとする。さらに、nが 異なれば予測誤差ep(n) も異なる。さらに、予測誤差ep(n) はステップごとに変化し、すなわちkに 依存する。

k-n)ステップで 予測したとき、k番目の ステップで予測誤差が最小となる地平線をNepと 定義する。

ステップごとにネップの ばらつきがあるのがよくわかります。

しかし、このばらつきには、プロセスの異なる部分について、ある程度の相関関係がある

一見すると非常によく似ていますが、何か、ネップのバリエーションに関与しているのはkと いうより、むしろ品質だと思います。

を予測する。

このモデルは、何らかの理由で(たぶん - 仮定が間違っているなど)、いくつかの重要な要素や特性などを考慮していないことが判明しました。

プロセスや観測履歴が 不十分なため。

kとは 、要するに何なのか?時間の経過ではなく?もしそうなら、それを責めるのは正しくない(と思う)。

 
sergeyas:

何か、ネパールの変動が「悪い のではなく、予報システムの質そのものに原因があるような気がしてきた。

その結果、何らかの理由(おそらく間違った仮定など)により、そのモデルが

プロセスや観測履歴が不十分なため。

kとは 、要するに何なのか?時間の経過ではなく?もしそうなら、それを責めるのは間違っている(と思う)。



いや、もちろん、kは それ自体でネップの 変動を「有罪」にするわけではなく、時間kにおける プロセスの状態が、プロセスのさらなる発展を予測することを可能にする、つまり外的要因なのである。また、予測システムの内部要因、つまりプロセスのいくつかの事実や特性を考慮に入れることができないことにも影響があります。

 
avtomat:
SFでなくとも、ニュース・ノー・イベント )です。