관련이 없습니다. 방정식을 푸는 방법은 솔루션이 존재하고 고유하면 솔루션에 영향을 미치지 않지만 허용 가능한 솔루션이 많고 Yusuf에 로컬 최소값이 있으면 유전학이나 꿀벌이 더 좋습니다. 정면 솔루션의 경우 수동으로 - 테스터를 사용하십시오. 유전 알고리즘이 도움이 될 것입니다.
피팅에 미끄러질 위험이 있습니다. 변수 매개변수가 너무 많기 때문에 최적화를 위해 더 많은 예를 들어야 합니다.
그리고 또 하나의 참고 사항 - 계수가 검색된 샘플링 기간을 모릅니다. 이 기간이 차트의 잔액 성장 기간과 일치했다면 안타깝게도 모든 것이 그렇게 장밋빛은 아닙니다.
제 경우에는 하나의 단일 솔루션이 존재하며 이 솔루션은 항상 나머지의 0합(MO = 0)을 제공합니다. 즉, 이는 고려 중인 방정식의 분석적으로 정확한 솔루션이며 말할 수 없습니다. 당신이 옳고 그들은 살 권리가 있지만 대략적인 해결책. 하지만 이제 정확한 해법이 등장하면서 근사치를 다루는 것은 넌센스가 될 것이다. Forex OHLC 데이터에서는 아직 방정식을 풀 수 없을 때 초기 데이터가 축퇴하는 경우가 관찰되지 않았습니다. 알고리즘은 그것들을 우연히 발견하지 않았으며, 이는 그들이 옳았다는 것을 의미합니다.
가격 변동의 성격에 대한 매우 중요한 정보를 받았습니다. 1. 미래 막대의 가격 형성에 가장 중요한 것은 현재 막대 С의 종가입니다. 2. 두 번째로 중요한 가격은 L이며, 이는 황소와 관련하여 곰의 상당한 강점을 나타냅니다. 3. 다음으로 중요한 것은 시가 O입니다. 4. H 가격이 중요하지 않다는 것은 상당한 가격 상승 움직임이 없을 것임을 나타냅니다. 결론: 단기적으로는 SELL이 바람직하다.
그러나 모든 것은 이러한 계수를 평가하는 것입니다. 당신은 항상 그런 것과는 거리가 멀다는 것을 이해하고 싶지 않고 오히려 항상 계수(해당 값)의 추정을 신뢰할 수 없습니다. 이것이 회귀 분석의 핵심입니다.
질문에 답할 필요가 있습니다. 어떤 근거로 우리가 계수를 계산했다고 생각합니까? 정확히 우리가 보는 의미가 있습니까?
정의에 따르면 LSM은 해당 방정식의 계수에 대한 최상의 추정치를 제공하며 어떤 이유로든 계수가 마음에 들지 않으면 다른 방법으로 추정하거나 방정식의 형식을 변경합니다. 현상과 과정 연구의 표준 접근 방식은 다음과 같습니다. 이 방법으로 찾은 최소 제곱을 사용하는 회귀 방정식이 1%(이 경우 0.29%) 미만의 상대 오차를 제공하는 경우 이 계수에서 다른 무엇을 원합니까? 당신은 계수의 신뢰도 문제에 사로잡혀 있으며, 아직 최소 제곱보다 더 신뢰할 수 있는 방법을 찾지 못했습니다. 그러나 우리는 우리의 추론과 결론이 고려된 샘플 내에서만 정확하며 미래를 포함하여 샘플 외부에서 그것이 사실로 유지될 것이라는 보장이 없음을 인식해야 합니다. 그러나 우리는 어느 정도 가능성을 가지고 가까운 장래에 그 적용 가능성을 인정할 수밖에 없습니다. 그 누구도 절대적인 정확성으로 미래를 예측할 수 없습니다.
yosuf : 정의에 따르면 LSM은 해당 방정식의 계수에 대한 최상의 추정치를 제공하며 어떤 이유로든 계수가 마음에 들지 않으면 다른 방법으로 추정하거나 방정식의 형식을 변경합니다. 현상과 과정 연구의 표준 접근 방식은 다음과 같습니다. 이 방법으로 찾은 최소 제곱을 사용하는 회귀 방정식이 1%(이 경우 0.29%) 미만의 상대 오차를 제공하는 경우 이 계수에서 다른 무엇을 원합니까? 당신은 계수의 신뢰도 문제에 사로잡혀 있으며, 아직 최소 제곱보다 더 신뢰할 수 있는 방법을 찾지 못했습니다. 그러나 우리는 우리의 추론과 결론이 고려된 샘플 내에서만 정확하며 미래를 포함하여 샘플 외부에서 그것이 사실로 유지될 것이라는 보장이 없음을 인식해야 합니다. 그러나 우리는 어느 정도 가능성을 가지고 가까운 장래에 그 적용 가능성을 인정할 수밖에 없습니다. 그 누구도 절대적인 정확성으로 미래를 예측할 수 없습니다.
어떤 이유로 회귀 피팅 보고서에 들어가지 않았습니다. 후자의 경우 계수가 다르면 계산 정확도가 다릅니다. 최고 3%. 그러나 액면가의 배수도 있습니다.
나는 어떤 것에도 집착하지 않는다. 회귀를 평가할 때 그냥 표준 슈루유. 어쨌든 나는 평가없이 계수 값을 인용하지 않습니다.
MNC의 경우. 나는 당신을 실망시키고 싶습니다. 또한 OLS는 유일한 방법이 아니며 많은 제한 사항이 있는 방법입니다. 이러한 제한이 없는 다른 방법이 있습니다.
1. 귀하의 데이터는 동질적이지 않습니다. 모델에는 24시간 가격 역학을 특성화하는 데이터와 4시간 가격 역학을 특성화하는 데이터가 포함됩니다. 일요일에 대한 데이터를 제거해야 합니다. 누구나 이런 실수를 합니다.
2. 최적의 관측치가 있어야 합니다. 여기에 명확한 공식은 없지만 변수당 5~10개의 관측치가 있습니다. 4개의 변수와 15개의 관측치가 있습니다. 모델이 부적절합니다. 그리고 당신은 이 포럼의 한 훌륭한 전문가가 했던 일을 할 필요가 없습니다. 4개의 변수와 5,000개의 관찰에 대한 모델을 취하십시오!))))
3. 모델이 구축되면 각 변수에 대한 편상관 계수를 결정합니다. 그리고 C만 통계적으로 유의하다는 것을 알게 될 것입니다.C만 포함하는 모델을 구축하고 C 앞의 계수는 양수일 것입니다.
이로부터 모든 자기회귀 모델에 공통적인 결론을 내립니다. 가격이 성장하면 성장은 미래에 높은 확률로 계속될 것입니다. 그런 다음 모델을 버리십시오.
관련이 없습니다. 방정식을 푸는 방법은 솔루션이 존재하고 고유하면 솔루션에 영향을 미치지 않지만 허용 가능한 솔루션이 많고 Yusuf에 로컬 최소값이 있으면 유전학이나 꿀벌이 더 좋습니다. 정면 솔루션의 경우 수동으로 - 테스터를 사용하십시오. 유전 알고리즘이 도움이 될 것입니다.
피팅에 미끄러질 위험이 있습니다. 변수 매개변수가 너무 많기 때문에 최적화를 위해 더 많은 예를 들어야 합니다.
그리고 또 하나의 참고 사항 - 계수가 검색된 샘플링 기간을 모릅니다. 이 기간이 차트의 잔액 성장 기간과 일치했다면 안타깝게도 모든 것이 그렇게 장밋빛은 아닙니다.
이제 다음 막대 형성의 평균 가격 의존성을 유형의 선형 함수로 표현해 보겠습니다.
F(t+1)=a0+a1*O(t)+a2*H(t)+a3*L(t)+a4*C(t)
15개의 D1 일일 막대에서 선택한 이력에 대해 다음 계수 값을 얻었습니다.
가격 변동의 성격에 대한 매우 중요한 정보를 받았습니다.
1. 미래 막대의 가격 형성에 가장 중요한 것은 현재 막대 С의 종가입니다.
2. 두 번째로 중요한 가격은 L이며, 이는 황소와 관련하여 곰의 상당한 강점을 나타냅니다.
3. 다음으로 중요한 것은 시가 O입니다.
4. H 가격이 중요하지 않다는 것은 상당한 가격 상승 움직임이 없을 것임을 나타냅니다.
결론: 단기적으로는 SELL이 바람직하다.
이제 다음 막대 형성의 평균 가격 의존성을 유형의 선형 함수로 표현해 보겠습니다.
F(t+1)=a0+a1*O(t)+a2*H(t)+a3*L(t)+a4*C(t)
15개의 D1 일일 막대에서 선택한 이력에 대해 다음 계수 값을 얻었습니다.
회귀 계수를 계산하는 방법을 이해하지 못합니다.
다음은 EURUSD_H1 샘플 길이 = 50bar에 대한 최소 자승법(LSM)입니다.
종속 변수: F
방법: 패널 최소 제곱
날짜: 12/02/12 시간: 10:26
샘플: 150
포함 기간: 23
포함된 단면: 3
전체 패널(불균형) 관찰: 47
F= C(1)+C(2)*오픈(-1)+C(3)*높음(-1)+C(4)*낮음(-1)+C(5)*닫기(-1)
계수 표준 오류 t-통계량 문제
다(1) 0.114716 0.046286 2.478392 0.0173
다(2) -0.051038 0.156544 -0.326030 0.7460
다(3) -0.343986 0.179835 -1.912786 0.0626
C(4) 0.139395 0.190961 0.729968 0.4695
C(5) 1.163942 0.207562 5.607671 0.0000
R-제곱 0.947458 평균 종속 변수 1.247037
조정된 R-제곱 0.942454 SD 종속 변수 0.002839
회귀의 SE 0.000681 아카이케 정보 기준 -11.64578
합 제곱 잔주 1.95E-05 슈바르츠 기준 -11.44895
로그 가능성 278.6757 한난 퀸 크라이터. -11.57171
F-통계 189.3409 더빈-왓슨 통계 1.935322
확률(F-통계량) 0.000000
다음은 차트입니다.
다음은 EURUSD_H1 샘플 길이 = 2000바에 대한 최소 자승법(OLS)입니다.
종속 변수: F
방법: 패널 최소 제곱
날짜: 12/02/12 시간: 10:29
샘플: 12000
포함 기간: 23
포함된 단면: 85
전체 패널(불균형) 관찰: 1915
F= C(1)+C(2)*오픈(-1)+C(3)*높음(-1)+C(4)*낮음(-1)+C(5)*닫기(-1)
계수 표준 오류 t-통계량 문제
다(1) 0.000190 0.000729 0.260526 0.7945
다(2) 0.026179 0.029181 0.897122 0.3698
다(3) -0.020055 0.028992 -0.691745 0.4892
C(4) -0.106262 0.032127 -3.307569 0.0010
C(5) 1.099945 0.031672 34.72901 0.0000
R-제곱 0.999362 평균 종속 변수 1.259869
조정된 R-제곱 0.999361 SD 종속 변수 0.031014
회귀의 SE 0.000784 아카이케 정보 기준 -11.46178
합 제곱 잔주 0.001174 슈바르츠 기준 -11.44727
로그 가능성 10979.66 한난 퀸 크라이터. -11.45644
F-통계 748391.1 더빈-왓슨 통계 2.058272
확률(F-통계량) 0.000000
모든 샘플 길이에 대해 추정된 계수의 오차를 계산하는 것은 필수입니다. 그리고 우리는 계수 값이 0.000190 인 마지막 추정치에서 속도=0.000729. 계수 값이 우스꽝스러울 뿐만 아니라 액면가의 7배가 넘는다!
Yusuf에게 미안하지만 이것은 또 다른 자전거입니다. 회귀 분석에 대한 모든 교과서는 당신과 같은 방정식으로 시작합니다. 그러나 당신과 달리 학생들은 적합의 결과를 평가할 수 있습니다. 그들 중 누구라도 표시된 회귀를 사용할 수 없다고 말할 것입니다.
회귀 계수를 계산하는 방법을 이해하지 못합니다.
다음은 EURUSD_H1 샘플 길이 = 50bar에 대한 최소 자승법(LSM)입니다.
모든 샘플 길이에 대해 추정된 계수의 오차를 계산하는 것은 필수입니다. 그리고 우리는 계수 값이 0.000190 인 마지막 추정치에서 속도=0.000729. 계수 값이 우스꽝스러울 뿐만 아니라 액면가의 7배가 넘는다!
공부하고 있는 회귀 방정식의 유형을 입력하십시오.
포스트에 기재되어 있습니다. 사본은 다음과 같습니다.
F= C(1)+C(2)*오픈(-1)+C(3)*높음(-1)+C(4)*낮음(-1)+C(5)*닫기(-1)
여기에 확률이 있는 50개의 막대가 있습니다.
F= 0.114716047564-0.0510381399594*OPEN(-1)-0.343985953799*HIGH(-1)+0.139395237588*LOW(-1)+1.16394204527*
그러나 모든 것은 이러한 계수를 평가하는 것입니다. 당신은 항상 그런 것과는 거리가 멀다는 것을 이해하고 싶지 않고 오히려 항상 계수(해당 값)의 추정을 신뢰할 수 없습니다. 이것이 회귀 분석의 핵심입니다 .
질문에 답할 필요가 있습니다. 어떤 근거로 우리가 계수를 계산했다고 생각합니까? 정확히 우리가 보는 의미가 있습니까?
포스트에 기재되어 있습니다. 사본은 다음과 같습니다.
F= C(1)+C(2)*오픈(-1)+C(3)*높음(-1)+C(4)*낮음(-1)+C(5)*닫기(-1)
여기 확률이 있는 50개의 바에 대해.
F= 0.114716047564-0.0510381399594*OPEN(-1)-0.343985953799*HIGH(-1)+0.139395237588*LOW(-1)+1.16394204527*
그러나 모든 것은 이러한 계수를 평가하는 것입니다. 당신은 항상 그런 것과는 거리가 멀다는 것을 이해하고 싶지 않고 오히려 항상 계수(해당 값)의 추정을 신뢰할 수 없습니다. 이것이 회귀 분석의 핵심입니다.
질문에 답할 필요가 있습니다. 어떤 근거로 우리가 계수를 계산했다고 생각합니까? 정확히 우리가 보는 의미가 있습니까?
정의에 따르면 LSM은 해당 방정식의 계수에 대한 최상의 추정치를 제공하며 어떤 이유로든 계수가 마음에 들지 않으면 다른 방법으로 추정하거나 방정식의 형식을 변경합니다. 현상과 과정 연구의 표준 접근 방식은 다음과 같습니다. 이 방법으로 찾은 최소 제곱을 사용하는 회귀 방정식이 1%(이 경우 0.29%) 미만의 상대 오차를 제공하는 경우 이 계수에서 다른 무엇을 원합니까? 당신은 계수의 신뢰도 문제에 사로잡혀 있으며, 아직 최소 제곱보다 더 신뢰할 수 있는 방법을 찾지 못했습니다. 그러나 우리는 우리의 추론과 결론이 고려된 샘플 내에서만 정확하며 미래를 포함하여 샘플 외부에서 그것이 사실로 유지될 것이라는 보장이 없음을 인식해야 합니다. 그러나 우리는 어느 정도 가능성을 가지고 가까운 장래에 그 적용 가능성을 인정할 수밖에 없습니다. 그 누구도 절대적인 정확성으로 미래를 예측할 수 없습니다.
어떤 이유로 회귀 피팅 보고서에 들어가지 않았습니다. 후자의 경우 계수가 다르면 계산 정확도가 다릅니다. 최고 3%. 그러나 액면가의 배수도 있습니다.
나는 어떤 것에도 집착하지 않는다. 회귀를 평가할 때 그냥 표준 슈루유. 어쨌든 나는 평가없이 계수 값을 인용하지 않습니다.
MNC의 경우. 나는 당신을 실망시키고 싶습니다. 또한 OLS는 유일한 방법이 아니며 많은 제한 사항이 있는 방법입니다. 이러한 제한이 없는 다른 방법이 있습니다.
이제 다음 막대 형성의 평균 가격 의존성을 유형의 선형 함수로 표현해 보겠습니다.
F(t+1)=a0+a1*O(t)+a2*H(t)+a3*L(t)+a4*C(t)
15개의 D1 일일 막대에서 선택한 이력에 대해 다음 계수 값을 얻었습니다.
이 15일 막대 - 날짜가 어떻게 되었습니까?
16.09.12부터 05.10.12까지 D1에 사용된 데이터
)))) 글쎄, 나는 그렇게 생각했다 :
1. 귀하의 데이터는 동질적이지 않습니다. 모델에는 24시간 가격 역학을 특성화하는 데이터와 4시간 가격 역학을 특성화하는 데이터가 포함됩니다. 일요일에 대한 데이터를 제거해야 합니다. 누구나 이런 실수를 합니다.
2. 최적의 관측치가 있어야 합니다. 여기에 명확한 공식은 없지만 변수당 5~10개의 관측치가 있습니다. 4개의 변수와 15개의 관측치가 있습니다. 모델이 부적절합니다. 그리고 당신은 이 포럼의 한 훌륭한 전문가가 했던 일을 할 필요가 없습니다. 4개의 변수와 5,000개의 관찰에 대한 모델을 취하십시오!))))
3. 모델이 구축되면 각 변수에 대한 편상관 계수를 결정합니다. 그리고 C만 통계적으로 유의하다는 것을 알게 될 것입니다.C만 포함하는 모델을 구축하고 C 앞의 계수는 양수일 것입니다.
이로부터 모든 자기회귀 모델에 공통적인 결론을 내립니다. 가격이 성장하면 성장은 미래에 높은 확률로 계속될 것입니다. 그런 다음 모델을 버리십시오.