スルトノフ回帰モデル（SRM） - 市場の数学的モデルであると主張する。 - ページ 40

新しいコメント
 
HideYourRichess:
神聖な質問ですが、この回帰で大儲けできたのでしょうか？もうそろそろ考えてもいいのではないでしょうか？
まず何らかの回帰の信念を持ち、その上でお金を稼ぐという段階が来るのです。
 


Roman:

線形回帰と 何が違うのか、簡単に説明してください。

yosuf 12.07.2012 09:21
線形回帰（LR）は、価格の時間に対する線形依存性の存在を仮定した場合に適用されます。一般的には明らかにそうではありませんが、限られた時間間隔では線形依存性が現れることもありますが、この仮定を適用しようとすると将来的に大きな乖離を生じることになります。そのため、RMSが属する非線形回帰を適用せざるを得ないが、先に示したように、線形回帰の場合も一義的にカバーすることが可能である。

上記に加えて

ここでは、反復アルゴリズム（https://forum.mql4.com/ru/50108/page5）を用いた離散系列シミュレーション結果のLRとRMSの処理例について説明します。

 
yosuf:


ローマン..:

線形回帰と何が違うのかを簡単に説明すると...。

yosuf 2012.07.12 09:21
線形回帰（LR）は、価格と時間の間に線形関係が存在すると仮定した場合に適用されます。これは、限られた時間間隔で時々線形関係を示すことができますが、一般的なケースでは明らかに観察されませんが、この仮定を使用しようとすると、将来的に大きな偏差をもたらすことになります。そのため、RMSが属する非線形回帰を適用せざるを得ないが、先に示したように、線形回帰の場合も一義的にカバーする。

追記

ここでは、LRとRMSが反復アルゴリズム（https://forum.mql4.com/ru/50108/page5）を用いて離散系列シミュレーションの結果を処理した例を示します。この例から、LRは研究者が結果の出現可能領域を超えていることが分かります。


ユセフさん、ありがとうございます。自分もソースでもっと読み込んでみます。

 
avatara:

Sultonovモデルの利点は、自由度数に対する広義の最適性を含むことができ、またそうであるべきである。

多項式にもあるのでしょうか？

;)

RMSでは、導出式(18)において、応用統計学の問題の一つであるガンマ分布のパラメータの定義に関連して、次の関係式(12-14)の形でも解決されます：http://www.aup.ru/books/m163/2_2_1.htm。

GMDを求めるには、解析的な解がない場合がほとんどで、数値的な手法を適用する必要があるのです」。例えば、ガンマ分布やワイブル・グネデンコ分布からの標本がそうである。多くの作品では、何らかの反復法によって最尤方程式系を解くか（[8]など）、あるいは（8）型の尤度関数を直接最大化する（[9]など）が、その方法である。

しかし、数値計算の手法を適用すると、数多くの問題が発生する。反復法の収束には正当な理由が必要です。多くの例では、尤度関数が多くの局所最大値を持つため、自然な反復処理では収束しない[10]。VNII鉄道鋼材疲労試験データでは，最尤法は11個の根を持つ[11]．パラメータ推定値として使うべきは11個のうちどれでしょうか？

その結果、特定の確率モデルや特定のアルゴリズムについて、最尤推定値を求めるアルゴリズムの収束性を証明する研究が行われるようになった。その一例が、論文[12]である。

しかし、反復処理アルゴリズムの収束を理論的に証明することが全てではありません。そこで、要求される精度を達成するために、計算を停止する瞬間の合理的な選択について問題が発生する。ほとんどの場合、未解決です。

しかし、それだけではありません。計算精度はサンプリング量と相関があり、サンプリング量が多いほど正確なパラメータ推定値を求める必要があり、そうでなければ評価手法の妥当性を語ることはできません。さらに、サンプルサイズが大きくなると、コンピュータの使用桁数を増やし、単精度から倍精度の計算に切り替えるなど、やはり推定値の整合性を図る必要がある。

このように、最尤推定値の明示的な公式がない場合、OLSの推定に伴う計算上の問題が多くある。数理統計 学の専門家は、PMOを理論的に論じるとき、これらの問題点をすべて無視することを許します。しかし、応用統計学は、それらを無視することはできない。指摘された問題は、大量破壊兵器の実用化の可能性を疑わせるものである。

大量破壊兵器を絶対化する必要はない。それらとは別に、統計的に良い性質を持つ推定値の種類もある。例として、シングルステップ推定量（SSE推定量）がある。

応用統計学では、多くの種類の推定値が開発されている。ここで、分位推定量について触れておこう。これはモーメント法に似た考え方で、標本と理論モーメントの代わりに標本と理論分位が等しくなるようにしたものです。もう一つの推定量群は、経験データとパラメトリックファミリーの要素との間の距離（差分指数）を最小化するという考えに基づいている。最も単純なケースでは、経験的ヒストグラムと理論的ヒストグラムの間のユークリッド距離を最小化し、より正確には、ヒストグラムバーの高さからなるベクトルを最小化します」

さて、ガンマ分布のパラメータに関するこれらの問題は、関係（12-14） https://www.mql5.com/ru/articles/250 の形で解析的に解決されているので、数値評価のための方法を探す必要はありません。このため、GOST 11.010-81では負の二項分布のパラメータの推定に不偏推定が使用されていますが、OMR [7]では使用されていません]。これまで述べてきたことから，先験的にOMPを他のタイプの推定量より好むことができるのは，推定量の漸近的な振る舞いを研究する段階においてのみ，可能であると考えられる。"

 
yosuf:
さて、あなたは自分の胸に手を当てて、あなたが10.07.12. 19.14 https://forum.mql4.com/ru/50108/page20 に立てた、まったく明白でない状況での予測が完全に正しいかどうか、私に教えてくださいませんか？

この時点で、（指標の意味を正しく理解していれば）予想の一部が確定したことになる。しかし、あくまでも1つの予測に過ぎず、それだけでは結論を出すことはできません。
また、極めて重要なSLとTPの設定方法も不明です。
 
yosuf:


....

ここでは、LRとRMSが反復アルゴリズム（https://forum.mql4.com/ru/50108/page5）を用いて離散系列シミュレーションの結果を処理した例を示します。この例から、LRは研究者が結果の出現可能領域を超えていることが分かります。

このディスクリートシリーズはどこにあるのでしょうか？黄色い点？黄色い点なら、線形回帰は どうしてこんなに横着になったのでしょう？
 
Integer:
このディスクリートシリーズはどこにあるのでしょうか？黄色い点？黄色い点なら、線形回帰はどうしてこんなに横着になったのでしょう？

ここからのデータです https://forum.mql4.com/ru/50108/page4 このように導き出されます https://forum.mql4.com/ru/50108/page5 計算して、自分で確かめてください。

匿名 2012年07月10日 11時58分


Yusufさん、あなたのモデルを使って、次の行に少なくとも10歩は続けてみてください。

101101100011101100011101100010010011100010011100010011101101100010010011100010011101101100

p.s. このシリーズはランダムではありません。アルゴリズムとシリーズの更なる数値は、皆さんの予想をいただいてから公開します。

xi Yi Yn L
0,00000001 1,0000 0,00000001 -0,411673682
1,00000001 0,0000 0,071581228 -0,392656547
2,00000001 1,0000 0,075244112 -0,373639413
3,00000001 1,0000 0,09192784 -0,354622278
4,00000001 0,0000 0,130452259 -0,335605143
5,00000001 1,0000 0,192774 -0,316588009
6,00000001 1,0000 0,273940135 -0,297570874
7,00000001 0,0000 0,365335416 -0,27855374
8,00000001 0,0000 0,458061228 -0,259536605
9,00000001 0,0000 0,545051494 -0,240519471
10,00000001 1,0000 0,621835168 -0,221502336
11,00000001 1,0000 0,68638294 -0,202485201
12,00000001 1,0000 0,738521184 -0,183468067
13,00000001 0,0000 0,77925761 -0,164450932
14,00000001 1,0000 0,810202137 -0,145433798
15,00000001 1,0000 0,833148102 -0,126416663
16,00000001 0,0000 0,849810912 -0,107399529
17,00000001 0,0000 0,861691707 -0,088382394
18,00000001 0,0000 0,870027242 -0,06936526
19,00000001 1,0000 0,875792141 -0,050348125
20,00000001 1,0000 0,879728335 -0,03133099
21,00000001 1,0000 0,882385057 -0,012313856
22,00000001 0,0000 0,884159565 0,006703279
23,00000001 1,0000 0,885333612 0,025720413
24,00000001 1,0000 0,886103678 0,044737548
25,00000001 0,0000 0,886604772 0,063754682
26,00000001 0,0000 0,886928466 0,082771817
27,00000001 0,0000 0,887136159 0,101788951
28,00000001 1,0000 0,887268591 0,120806086
29,00000001 0,0000 0,887352546 0,139823221
30,00000001 0,0000 0,887405482 0,158840355
31,00000001 1,0000 0,887438693 0,17785749
32,00000001 0,0000 0,88745943 0,196874624
33,00000001 0,0000 0,887472321 0,215891759
34,00000001 1,0000 0,887480302 0,234908893
35,00000001 1,0000 0,887485223 0,253926028
36,00000001 1,0000 0,887488247 0,272943162
37,00000001 0,0000 0,887490099 0,291960297
38,00000001 0,0000 0,887491228 0,310977432
39,00000001 0,0000 0,887491916 0,329994566
40,00000001 1,0000 0,887492333 0,349011701
41,00000001 0,0000 0,887492585 0,368028835
42,00000001 0,0000 0,887492737 0,38704597
43,00000001 1,0000 0,887492829 0,406063104
44,00000001 1,0000 0,887492884 0,425080239
45,00000001 1,0000 0,887492916 0,444097373
46,00000001 0,0000 0,887492936 0,463114508
47,00000001 0,0000 0,887492948 0,482131643
48,00000001 0,0000 0,887492955 0,501148777
49,00000001 1,0000 0,887492959 0,520165912
50,00000001 0,0000 0,887492961 0,539183046
51,00000001 0,0000 0,887492963 0,558200181
52,00000001 1,0000 0,887492964 0,577217315
53,00000001 1,0000 0,887492964 0,59623445
54,00000001 1,0000 0,887492965 0,615251585
55,00000001 0,0000 0,887492965 0,634268719
56,00000001 1,0000 0,887492965 0,653285854
57,00000001 1,0000 0,887492965 0,672302988
58,00000001 0,0000 0,887492965 0,691320123
59,00000001 1,0000 0,887492965 0,710337257
60,00000001 1,0000 0,887492965 0,729354392
61,00000001 0,0000 0,887492965 0,748371526
62,00000001 0,0000 0,887492965 0,767388661
63,00000001 0,0000 0,887492965 0,786405796
64,00000001 1,0000 0,887492965 0,80542293
65,00000001 0,0000 0,887492965 0,824440065
66,00000001 0,0000 0,887492965 0,843457199
67,00000001 1,0000 0,887492965 0,862474334
68,00000001 0,0000 0,887492965 0,881491468
69,00000001 0,0000 0,887492965 0,900508603
70,00000001 1,0000 0,887492965 0,919525737
71,00000001 1,0000 0,887492965 0,938542872
72,00000001 1,0000 0,887492965 0,957560007
73,00000001 0,0000 0,887492965 0,976577141
74,00000001 0,0000 0,887492965 0,995594276
75,00000001 0,0000 0,887492965 1,01461141
76,00000001 1,0000 0,887492965 1,033628545
77,00000001 0,0000 0,887492965 1,052645679
78,00000001 0,0000 0,887492965 1,071662814
79,00000001 1,0000 0,887492965 1,090679948
80,00000001 1,0000 0,887492965 1,109697083
81,00000001 1,0000 0,887492965 1,128714218
82,00000001 0,0000 0,887492965 1,147731352
83,00000001 1,0000 0,887492965 1,166748487
84,00000001 1,0000 0,887492965 1,185765621
85,00000001 0,0000 0,887492965 1,204782756
86,00000001 1,0000 0,887492965 1,22379989
87,00000001 1,0000 0,887492965 1,242817025
88,00000001 0,0000 0,887492965 1,261834159
89,00000001 0,0000 0,887492965 1,280851294

 
yosuf:

ここからのデータです https://forum.mql4.com/ru/50108/page4 このようにして得られたものです https://forum.mql4.com/ru/50108/page5 計算をしてみて、自分で確かめてください。

xi Yi Yn L
0,00000001 1,0000 0,00000001 -0,411673682
1,00000001 0,0000 0,071581228 -0,392656547
2,00000001 1,0000 0,075244112 -0,373639413
3,00000001 1,0000 0,09192784 -0,354622278
4,00000001 0,0000 0,130452259 -0,335605143
5,00000001 1,0000 0,192774 -0,316588009
6,00000001 1,0000 0,273940135 -0,297570874
7,00000001 0,0000 0,365335416 -0,27855374
8,00000001 0,0000 0,458061228 -0,259536605
9,00000001 0,0000 0,545051494 -0,240519471
10,00000001 1,0000 0,621835168 -0,221502336
11,00000001 1,0000 0,68638294 -0,202485201
12,00000001 1,0000 0,738521184 -0,183468067
13,00000001 0,0000 0,77925761 -0,164450932
14,00000001 1,0000 0,810202137 -0,145433798
15,00000001 1,0000 0,833148102 -0,126416663
16,00000001 0,0000 0,849810912 -0,107399529
17,00000001 0,0000 0,861691707 -0,088382394
18,00000001 0,0000 0,870027242 -0,06936526
19,00000001 1,0000 0,875792141 -0,050348125
20,00000001 1,0000 0,879728335 -0,03133099
21,00000001 1,0000 0,882385057 -0,012313856
22,00000001 0,0000 0,884159565 0,006703279
23,00000001 1,0000 0,885333612 0,025720413
24,00000001 1,0000 0,886103678 0,044737548
25,00000001 0,0000 0,886604772 0,063754682
26,00000001 0,0000 0,886928466 0,082771817
27,00000001 0,0000 0,887136159 0,101788951
28,00000001 1,0000 0,887268591 0,120806086
29,00000001 0,0000 0,887352546 0,139823221
30,00000001 0,0000 0,887405482 0,158840355
31,00000001 1,0000 0,887438693 0,17785749
32,00000001 0,0000 0,88745943 0,196874624
33,00000001 0,0000 0,887472321 0,215891759
34,00000001 1,0000 0,887480302 0,234908893
35,00000001 1,0000 0,887485223 0,253926028
36,00000001 1,0000 0,887488247 0,272943162
37,00000001 0,0000 0,887490099 0,291960297
38,00000001 0,0000 0,887491228 0,310977432
39,00000001 0,0000 0,887491916 0,329994566
40,00000001 1,0000 0,887492333 0,349011701
41,00000001 0,0000 0,887492585 0,368028835
42,00000001 0,0000 0,887492737 0,38704597
43,00000001 1,0000 0,887492829 0,406063104
44,00000001 1,0000 0,887492884 0,425080239
45,00000001 1,0000 0,887492916 0,444097373
46,00000001 0,0000 0,887492936 0,463114508
47,00000001 0,0000 0,887492948 0,482131643
48,00000001 0,0000 0,887492955 0,501148777
49,00000001 1,0000 0,887492959 0,520165912
50,00000001 0,0000 0,887492961 0,539183046
51,00000001 0,0000 0,887492963 0,558200181
52,00000001 1,0000 0,887492964 0,577217315
53,00000001 1,0000 0,887492964 0,59623445
54,00000001 1,0000 0,887492965 0,615251585
55,00000001 0,0000 0,887492965 0,634268719
56,00000001 1,0000 0,887492965 0,653285854
57,00000001 1,0000 0,887492965 0,672302988
58,00000001 0,0000 0,887492965 0,691320123
59,00000001 1,0000 0,887492965 0,710337257
60,00000001 1,0000 0,887492965 0,729354392
61,00000001 0,0000 0,887492965 0,748371526
62,00000001 0,0000 0,887492965 0,767388661
63,00000001 0,0000 0,887492965 0,786405796
64,00000001 1,0000 0,887492965 0,80542293
65,00000001 0,0000 0,887492965 0,824440065
66,00000001 0,0000 0,887492965 0,843457199
67,00000001 1,0000 0,887492965 0,862474334
68,00000001 0,0000 0,887492965 0,881491468
69,00000001 0,0000 0,887492965 0,900508603
70,00000001 1,0000 0,887492965 0,919525737
71,00000001 1,0000 0,887492965 0,938542872
72,00000001 1,0000 0,887492965 0,957560007
73,00000001 0,0000 0,887492965 0,976577141
74,00000001 0,0000 0,887492965 0,995594276
75,00000001 0,0000 0,887492965 1,01461141
76,00000001 1,0000 0,887492965 1,033628545
77,00000001 0,0000 0,887492965 1,052645679
78,00000001 0,0000 0,887492965 1,071662814
79,00000001 1,0000 0,887492965 1,090679948
80,00000001 1,0000 0,887492965 1,109697083
81,00000001 1,0000 0,887492965 1,128714218
82,00000001 0,0000 0,887492965 1,147731352
83,00000001 1,0000 0,887492965 1,166748487
84,00000001 1,0000 0,887492965 1,185765621
85,00000001 0,0000 0,887492965 1,204782756
86,00000001 1,0000 0,887492965 1,22379989
87,00000001 1,0000 0,887492965 1,242817025
88,00000001 0,0000 0,887492965 1,261834159
89,00000001 0,0000 0,887492965 1,280851294


失礼ですが、一番初歩的な質問には答えられないようですね？私の質問をもう一度読んで、それに答えてください。
 
2列目は、Yi?彼？
 
Integer:
この離散列はどこにあるのでしょうか？黄色い点？黄色い点ならともかく、線形回帰がどうしてこんなに横着になったのか。
そう、黄色い点です。
1...333435363738394041424344454647
新しいコメント