연구 방향을 바꾸신 것 같습니다. 당신은 여러 가지를 구성하고 시장을 설명하려고 했습니다.
지금 당신은 그것을 설명하려고도 하지 않고 그것을 설명하려고만 합니다.
1. 올바르게 언급했습니다. 여기에는 Forex와 관련이 없는 다른 연구 방향의 단순한 통계 및 부수적인 결과가 있습니다. 알다시피 최소제곱법으로 변수들의 집합으로 선형방정식의 계수를 추정할 때 가우스는 첫 번째 단계에서 변수를 점진적으로 제거하고 두 번째 단계에서 계수를 찾는 2단계 방법만을 제시했는데, 이는 매우 힘든 일이었다. 그리고 번거롭다. 두 번째 방법은 행렬식을 사용하는 Cramer의 방법을 기반으로 하며, 이는 가우스 방법보다 간단하지 않고 더 우아하지만 계산 복잡도는 동일합니다. 방법을 과감하게 단순화하고 계수를 직접 결정했는데 위의 예는 데뷔작이고 어떻게 4개의 변수를 동시에 변경하면서 5개의 계수를 찾을 수 있었는지 알 수 있을 것이라고 생각했습니다. 일반적으로 예를 들어 실험을 계획할 때 하나의 변수에 대한 계수를 점진적으로 결정하고 나머지 변수를 일정한 수준으로 설정하는 것이 좋습니다. 60년대와 70년대에는 그다지 성공적이지 못한 히트작을 기억할 것입니다. 이제 1,000개의 바를 동시에 탐색하는 것은 사실 어렵지 않고, 그렇게 할 것입니다. 쉼표를 사용하여 기록을 Excel에 직접 다운로드하는 방법을 보여달라고 요청한 것뿐입니다. 죄송합니다. 저는 컴퓨터 사용 기술이 전혀 익숙하지 않습니다. 나는 점차적으로 주어진 시간에 필요한 것만 배운다. 버튼을 누르는 순서까지 아주 자세하게 지정하십시오.
2. 피팅은 없지만, 실제로 수동으로 입력하기 때문에 데이터 양이 적습니다. 그러나 놀라운 점은 이 간단한 방정식이 가격 프릴이 주기적이기는 하지만 결코 그렇지는 않은 것처럼 설명하려고 한다는 것입니다.
3. 이 4가지 매개변수에 볼륨을 추가하는 것이 합리적이라고 생각합니다. 특히 그들이 편향적이라고 말하지만 사용할 수 있기 때문에 더욱 그렇습니다.
4. 우리는 OHLC에 대한 계수의 차이에 주의를 기울였습니다. 분명히 데이터가 부족했기 때문입니다.
15포인트에 대한 5개의 매개변수는 너무 많습니다. 레귤러 핏.
천 개의 막대에서 동일한 매개변수를 사용하여 동일한 방정식을 실행해 보십시오.
연구 방향을 바꾸신 것 같습니다. 당신은 difur를 구성하고 시장을 설명하려고했습니다.
지금 당신은 그것을 설명하려고도 하지 않고 그것을 설명하려고만 합니다.
15점에 대한 5개의 매개변수는 너무 많습니다. 레귤러 핏.
천 개의 막대에서 동일한 매개변수를 사용하여 동일한 방정식을 실행해 보십시오.
연구 방향을 바꾸신 것 같습니다. 당신은 여러 가지를 구성하고 시장을 설명하려고 했습니다.
지금 당신은 그것을 설명하려고도 하지 않고 그것을 설명하려고만 합니다.
1. 올바르게 언급했습니다. 여기에는 Forex와 관련이 없는 다른 연구 방향의 단순한 통계 및 부수적인 결과가 있습니다. 알다시피 최소제곱법으로 변수들의 집합으로 선형방정식의 계수를 추정할 때 가우스는 첫 번째 단계에서 변수를 점진적으로 제거하고 두 번째 단계에서 계수를 찾는 2단계 방법만을 제시했는데, 이는 매우 힘든 일이었다. 그리고 번거롭다. 두 번째 방법은 행렬식을 사용하는 Cramer의 방법을 기반으로 하며, 이는 가우스 방법보다 간단하지 않고 더 우아하지만 계산 복잡도는 동일합니다. 방법을 과감하게 단순화하고 계수를 직접 결정했는데 위의 예는 데뷔작이고 어떻게 4개의 변수를 동시에 변경하면서 5개의 계수를 찾을 수 있었는지 알 수 있을 것이라고 생각했습니다. 일반적으로 예를 들어 실험을 계획할 때 하나의 변수에 대한 계수를 점진적으로 결정하고 나머지 변수를 일정한 수준으로 설정하는 것이 좋습니다. 60년대와 70년대에는 그다지 성공적이지 못한 히트작을 기억할 것입니다. 이제 1,000개의 바를 동시에 탐색하는 것은 사실 어렵지 않고, 그렇게 할 것입니다. 쉼표를 사용하여 기록을 Excel에 직접 다운로드하는 방법을 보여달라고 요청한 것뿐입니다. 죄송합니다. 저는 컴퓨터 사용 기술이 전혀 익숙하지 않습니다. 나는 점차적으로 주어진 시간에 필요한 것만 배운다. 버튼을 누르는 순서까지 아주 자세하게 지정하십시오.
2. 피팅은 없지만, 실제로 수동으로 입력하기 때문에 데이터 양이 적습니다. 그러나 놀라운 점은 이 간단한 방정식이 가격 프릴이 주기적이기는 하지만 결코 그렇지는 않은 것처럼 설명하려고 한다는 것입니다.
3. 이 4가지 매개변수에 볼륨을 추가하는 것이 합리적이라고 생각합니다. 특히 그들이 편향적이라고 말하지만 사용할 수 있기 때문에 더욱 그렇습니다.
4. 우리는 OHLC에 대한 계수의 차이에 주의를 기울였습니다. 분명히 데이터가 부족했기 때문입니다.
쉼표를 사용하여 기록을 Excel에 직접 다운로드하는 방법을 보여달라고 요청한 것뿐입니다. 죄송합니다. 저는 컴퓨터 사용 기술이 전혀 익숙하지 않습니다.
1. 터미널에서 F2 키를 누릅니다. 팝업 테이블에서 기호를 선택하고 "내보내기"를 클릭합니다. 파일을 받습니다.
2. Excel 에서 파일을 엽니다 . 다음과 같습니다.
3. 엑셀 상단의 '데이터' 탭
4. 표에서 원하는 데이터 섹션을 선택합니다. 우리는 이 모든 것이 하나의 열이라는 것을 의미합니다.
5. "열별 텍스트"를 클릭합니다. 텍스트 마법사가 나타납니다.
6. 첫 번째 단계에서 "분리 기호 포함"을 선택합니다.
7. 마법사의 두 번째 단계에서 구분 기호 "쉼표"를 추가로 지정합니다.
8. 세 번째 단계에서:
8.1. 처음 두 열에 대해 "텍스트" 열의 데이터 형식을 지정합니다.
8.3. 나머지는 "일반"을 남겨두고 "세부 사항"을 열고 "점"을 숫자 구분 기호로 넣습니다.
다음과 같이 보여야 합니다.
그러한 방정식만을 취합니다.
F=1.00010409798*닫기(-1)^0.999631066509
다른 값을 추가하려는 시도는 퇴화(특이) 행렬로 이어집니다.
매우 높은 품질의 핏
종속 변수: F
방법: 패널 최소 제곱
날짜: 12/11/30 시간: 10:57
샘플: 12652
포함 기간: 23
포함된 단면: 113
총 패널(불균형) 관찰: 2538
1회 반복 후 수렴 달성
F=C(1)*닫기(-1)^C(2)
계수 표준 오류 t-통계량 문제
다(1) 1.000104 0.000122 8222.019 0.0000
다(2) 0.999631 0.000511 1955.530 0.0000
R-제곱 0.999342 평균 종속 변수 1.266171
조정된 R-제곱 0.999342 SD 종속 변수 0.029512
회귀의 SE 0.000757 아카이케 정보 기준 -11.53332
합 제곱 잔주 0.001454 슈바르츠 기준 -11.52872
로그 가능성 14637.78 한난 퀸 크라이터. -11.53165
더빈-왓슨 통계 1.951579
종속 변수: CLOSE
방법: 패널 최소 제곱
날짜: 12/11/30 시간: 10:59
샘플: 12652
포함 기간: 23
포함된 단면: 113
총 패널(불균형) 관찰: 2538
2번의 반복 후 수렴 달성
닫기=C(1)*F(-1)^C(2)
계수 표준 오류 t-통계량 문제
다(1) 1.000222 0.000233 4283.747 0.0000
다(2) 0.999132 0.000981 1018.334 0.0000
R-제곱 0.997578 평균 종속 변수 1.266170
조정된 R-제곱 0.997577 SD 종속 변수 0.029520
회귀의 SE 0.001453 아카이케 정보 기준 -10.22961
합 제곱 잔주 0.005354 슈바르츠 기준 -10.22501
로그 가능성 12983.38 한난 퀸 크라이터. -10.22794
더빈-왓슨 통계 1.294442
다음은 차트입니다.
우리는 약 100핍의 방출을 봅니다. 정상은 아니지만 매우 괜찮은 히스토그램
SCO = 14핍
그러나 신뢰 타원 은 우울합니다. 우리는 계수의 매우 높은 상관 관계를 봅니다. 이것이 추가 변수를 추가할 때 행렬의 특이성이 발생하는 이유입니다.
나는 그 방정식을 사용하지 않을 것이다
나는 그들이 이전에 비슷한 형태로 시도했는지 여부는 모르지만 미래 막대 (F)의 평균 예측 가격을 이전 막대의 OHLC 가격 측면에서 다음과 같은 종속성 형태로 표현하려고했습니다.
F=A*O^a1*H^a2*L^a3*C^a4,
여기서 - A, a1, a2, a3, a4 - 가우시안 최소 자승법에 의해 결정된 상수 계수 및 D1 TF의 15개 막대에 대해 발생한 결과:
따라서 kotir는 원칙적으로 하나의 방정식으로 표현할 수 있지만 이것이 실제로 어떤 용도인지 알아 보겠습니다. 당신의 의견은 무엇입니까?
가격 샘플을 가져온 기간을 찾지 못했지만 마지막 15개 막대에 대해 다음 그림을 얻습니다(유성 공식 및 파생 계수에 따라).
명확성을 위해 예측된 녹색 MA와 기간 = 1을 비교합니다.
가격 라벨은 스크립트(첨부)로 작성됩니다.
가격 샘플을 가져온 기간을 찾지 못했지만 마지막 15개 막대에 대해 다음 그림을 얻습니다(유성 공식 및 파생 계수에 따라).
명확성을 위해 예측된 녹색 MA와 기간 = 1을 비교합니다.
가격 라벨은 스크립트(첨부)로 작성됩니다.
16.09.12부터 05.10.12까지 D1에 사용된 데이터
추신 그리고 월말이 아니라면 현재 촛대는 "약세"일 것입니다... :)))
나는 계수가 a4 -> a1의 역순으로 배열되어 있다는 사실에 즉시주의를 기울이지 않았습니다. 그러다 한 달 뒤에 계산된 계수가 '하늘을 향한 손가락'이 아니다...;)
추신 그리고 월말이 아니라면 현재 촛대는 "약세"일 것입니다... :)))
그러한 방정식만을 취합니다.
F=1.00010409798*닫기(-1)^0.999631066509
다른 값을 추가하려는 시도는 퇴화(특이) 행렬로 이어집니다.
매우 높은 품질의 핏
종속 변수: F
방법: 패널 최소 제곱
날짜: 12/11/30 시간: 10:57
샘플: 12652
포함 기간: 23
포함된 단면: 113
총 패널(불균형) 관찰: 2538
1회 반복 후 수렴 달성
F=C(1)*닫기(-1)^C(2)
계수 표준 오류 t-통계량 문제
다(1) 1.000104 0.000122 8222.019 0.0000
다(2) 0.999631 0.000511 1955.530 0.0000
R-제곱 0.999342 평균 종속 변수 1.266171
조정된 R-제곱 0.999342 SD 종속 변수 0.029512
회귀의 SE 0.000757 아카이케 정보 기준 -11.53332
합 제곱 잔주 0.001454 슈바르츠 기준 -11.52872
로그 가능성 14637.78 한난 퀸 크라이터. -11.53165
더빈-왓슨 통계 1.951579
종속 변수: CLOSE
방법: 패널 최소 제곱
날짜: 12/11/30 시간: 10:59
샘플: 12652
포함 기간: 23
포함된 단면: 113
총 패널(불균형) 관찰: 2538
2번의 반복 후 수렴 달성
닫기=C(1)*F(-1)^C(2)
계수 표준 오류 t-통계량 문제
다(1) 1.000222 0.000233 4283.747 0.0000
다(2) 0.999132 0.000981 1018.334 0.0000
R-제곱 0.997578 평균 종속 변수 1.266170
조정된 R-제곱 0.997577 SD 종속 변수 0.029520
회귀의 SE 0.001453 아카이케 정보 기준 -10.22961
합 제곱 잔주 0.005354 슈바르츠 기준 -10.22501
로그 가능성 12983.38 한난 퀸 크라이터. -10.22794
더빈-왓슨 통계 1.294442
다음은 그래프입니다.
우리는 약 100핍의 방출을 봅니다. 정상은 아니지만 매우 괜찮은 히스토그램
SCO = 14핍
그러나 신뢰 타원은 우울합니다. 우리는 계수의 매우 높은 상관 관계를 봅니다. 이것이 추가 변수를 추가할 때 행렬의 특이성이 발생하는 이유입니다.
나는 그 방정식을 사용하지 않을 것이다
성급한 결론을 내리지 말 것