약속대로 그림. 11개 샘플에 대한 AR(3) 모델인 순수 가격 시리즈의 분석(전처리, 추세 제거 등 없음)이 수행되었습니다. 그래프에서 - 예측 오류: 위쪽 그래프는 LSM에 대한 것이고 아래쪽 그래프는 분위수 회귀입니다. 선: 닫기의 경우 파란색, 높은 녹색, 낮은 빨간색(QR의 경우 중앙값 및 분위수 0.9 및 0.1이 각각 사용됨). 파란색 선 - 규모에 대한 일일 ATP.
여기에 다음이 표시됩니다.
a) 차분한 시장에서 LSM에 대한 오차의 절대값은 QR의 경우와 거의 동일하지만 (!) 이상치가 나타나면 LSM의 오차가 더 혼란스럽게 변하고 일반적으로 그것에 약하게 반응하는 반면, 두 번째 그래프의 오류가 더 규칙적으로 보입니다. 이것은 일반적으로 작업이었습니다. 바로 이러한 방출에 응답하지 않는 QR의 능력으로 인해 "정상성 고장"을 감지할 가능성을 보여주는 것입니다. 그리고 그것들이 감지될 수 있기 때문에 이것은 더 이상 고장이 아니라 부가적인 무작위 과정이며, 게다가 우리가 그것을 분리한 AR(3)보다 덜 고정적이지 않다는 것을 의미합니다.
b) 이상값의 탐지를 유용한 신호로 간주하면 두 번째 그래프는 SNR이 몇 배 더 높으므로 이 효과를 기반으로 구축된 거래 시스템은 같은 수의 거짓 신호를 덜 줄 것입니다.
물론 여기에서 논쟁의 여지가 있지만 M5에서 일어나는 일은 다음과 같습니다(AP(3), 21개 카운트).
여기, 훨씬 더 명확합니다.
일반적으로 제가 말한 것이 점차 확인되는 것 같습니다. 나는 이 방향으로 더 파고들 것이다.
QR을 계산하기 위해 lib(컴파일된 Gallant 라이브러리, 두 페이지 앞의 링크 참조)와 설명이 포함된 헤더 파일을 첨부합니다. 나는 지표 자체를 포함하지 않으며 나머지와 분리 할 수 없습니다 :)) 복잡한 것은 없습니다. 공식은 이미 작성되었습니다.
a) 차분한 시장에서 LSM에 대한 오차의 절대값은 QR의 경우와 거의 동일하지만 (!) 이상치가 나타나면 LSM의 오차가 더 혼란스럽게 변하고 일반적으로 이에 반응한다 두 번째 그래프의 오류는 더 규칙적으로 보입니다 . 이것은 일반적으로 작업이었습니다. 바로 이러한 방출에 응답하지 않는 QR의 능력으로 인해 "정상성 고장"을 감지할 가능성을 보여주는 것입니다. 그리고 그것들이 감지될 수 있기 때문에 이것은 더 이상 고장이 아니라 부가적인 무작위 과정이며, 게다가 우리가 그것을 분리한 AR(3)보다 덜 고정적이지 않다는 것을 의미합니다.
이것은 분위수, 특히 중앙값의 속성입니다. 나는 중앙 상관 계수와 관련하여 이것에 대해 이야기했습니다 .
약속대로 사진. 11개 샘플에 대한 AR(3) 모델인 순수 가격 시리즈의 분석(전처리, 추세 제거 등 없음)이 수행되었습니다. 그래프에서 - 예측 오류: 위쪽 그래프는 LSM에 대한 것이고 아래쪽 그래프는 분위수 회귀입니다. 선: 닫기의 경우 파란색, 높은 녹색, 낮은 빨간색(QR의 경우 중앙값 및 분위수 0.9 및 0.1이 각각 사용됨). 파란색 선 - 규모에 대한 일일 ATP.
다른 것이 있습니까? 링크를 공유하십시오. 나는 오랫동안 이 지역을 샅샅이 뒤져 왔다. 그곳은 흥미롭다
정보 이론 및 신호 전송의 기초
수학적 모델링 및 국가 경제 연구
정보 이론. 책 선택
예, 이 모든 것이 매우 유용합니다.
약속대로 그림. 11개 샘플에 대한 AR(3) 모델인 순수 가격 시리즈의 분석(전처리, 추세 제거 등 없음)이 수행되었습니다. 그래프에서 - 예측 오류: 위쪽 그래프는 LSM에 대한 것이고 아래쪽 그래프는 분위수 회귀입니다. 선: 닫기의 경우 파란색, 높은 녹색, 낮은 빨간색(QR의 경우 중앙값 및 분위수 0.9 및 0.1이 각각 사용됨). 파란색 선 - 규모에 대한 일일 ATP.
여기에 다음이 표시됩니다.
a) 차분한 시장에서 LSM에 대한 오차의 절대값은 QR의 경우와 거의 동일하지만 (!) 이상치가 나타나면 LSM의 오차가 더 혼란스럽게 변하고 일반적으로 그것에 약하게 반응하는 반면, 두 번째 그래프의 오류가 더 규칙적으로 보입니다. 이것은 일반적으로 작업이었습니다. 바로 이러한 방출에 응답하지 않는 QR의 능력으로 인해 "정상성 고장"을 감지할 가능성을 보여주는 것입니다. 그리고 그것들이 감지될 수 있기 때문에 이것은 더 이상 고장이 아니라 부가적인 무작위 과정이며, 게다가 우리가 그것을 분리한 AR(3)보다 덜 고정적이지 않다는 것을 의미합니다.
b) 이상값의 탐지를 유용한 신호로 간주하면 두 번째 그래프는 SNR이 몇 배 더 높으므로 이 효과를 기반으로 구축된 거래 시스템은 같은 수의 거짓 신호를 덜 줄 것입니다.
물론 여기에서 논쟁의 여지가 있지만 M5에서 일어나는 일은 다음과 같습니다(AP(3), 21개 카운트).
여기, 훨씬 더 명확합니다.
일반적으로 제가 말한 것이 점차 확인되는 것 같습니다. 나는 이 방향으로 더 파고들 것이다.
QR을 계산하기 위해 lib(컴파일된 Gallant 라이브러리, 두 페이지 앞의 링크 참조)와 설명이 포함된 헤더 파일을 첨부합니다. 나는 지표 자체를 포함하지 않으며 나머지와 분리 할 수 없습니다 :)) 복잡한 것은 없습니다. 공식은 이미 작성되었습니다.
a) 차분한 시장에서 LSM에 대한 오차의 절대값은 QR의 경우와 거의 동일하지만 (!) 이상치가 나타나면 LSM의 오차가 더 혼란스럽게 변하고 일반적으로 이에 반응한다 두 번째 그래프의 오류는 더 규칙적으로 보입니다 . 이것은 일반적으로 작업이었습니다. 바로 이러한 방출에 응답하지 않는 QR의 능력으로 인해 "정상성 고장"을 감지할 가능성을 보여주는 것입니다. 그리고 그것들이 감지될 수 있기 때문에 이것은 더 이상 고장이 아니라 부가적인 무작위 과정이며, 게다가 우리가 그것을 분리한 AR(3)보다 덜 고정적이지 않다는 것을 의미합니다.
이것은 분위수, 특히 중앙값의 속성입니다. 나는 중앙 상관 계수와 관련하여 이것에 대해 이야기했습니다 .
작업해주셔서 감사합니다!
예, 이 모든 것이 매우 유용합니다.
약속대로 사진. 11개 샘플에 대한 AR(3) 모델인 순수 가격 시리즈의 분석(전처리, 추세 제거 등 없음)이 수행되었습니다. 그래프에서 - 예측 오류: 위쪽 그래프는 LSM에 대한 것이고 아래쪽 그래프는 분위수 회귀입니다. 선: 닫기의 경우 파란색, 높은 녹색, 낮은 빨간색(QR의 경우 중앙값 및 분위수 0.9 및 0.1이 각각 사용됨). 파란색 선 - 규모에 대한 일일 ATP.
사진이 보이지 않음
사진이 보이지 않음
https://c.mql5.com/mql4/forum/2010/10/regr.gif
https://c.mql5.com/mql4/forum/2010/10/regrm5.gif
복잡한 동적 시스템의 확률 분석. 시장 전망
오 글쎄. 코스 변경 프로세스는 인체공학적이라고 가정합니다.
내 교육은 학교(10개 수업)뿐입니다. 그러므로 높은 문제에 대해 이야기할 지식이 없습니다.
오 글쎄. 코스 변경 프로세스는 인체공학적이라고 가정합니다.