Não é assunto do Mashka! - página 7
Você está perdendo oportunidades de negociação:
- Aplicativos de negociação gratuitos
- 8 000+ sinais para cópia
- Notícias econômicas para análise dos mercados financeiros
Registro
Login
Você concorda com a política do site e com os termos de uso
Se você não tem uma conta, por favor registre-se
Encenando a experiência
Decidi descrever a montagem da experiência com mais detalhes (como a entendi, dadas as capacidades do meu modelo), da melhor forma possível, a fim de eliminar mal-entendidos. É bastante simples, levamos um segmento para testes e o sistema passa sequencialmente todas as amostras neste segmento. Em cada seção, é retirada uma amostra de dados históricos de um comprimento W fixo. Estes dados são analisados e é feita uma escolha ótima:
Apoiando a palavra literária com a palavra artística, descrevi o quadro o melhor que pude:
É feita uma previsão, os dados da previsão e os "parâmetros ambientais" da previsão particular são registrados e o sistema muda para a próxima referência. Desta forma, o número de pontos de previsão e o tamanho da janela deslizante específica para a qual os pontos de previsão são calculados mudam de uma referência para a próxima.Seryoga, aparentemente esta é a razão de nosso mal-entendido. Provavelmente, você conserta o MA e só o prevê ao longo de toda a seção e para isso você pode ir com segurança aos incrementos. Não posso simplesmente fazer isso, MA está sempre mudando e, portanto, os incrementos estão "concentrados" em torno de zero das leituras da previsão.
Primeiros resultados da previsão
A previsão foi realizada no período investigado de 100 amostras, cotação EURUSD , horas,(H+L)/2. A figura mostra esta trama com preços H, L e(H+L)/2:
Mudança do comprimento da janela deslizante para cada previsão de preço (espero que fique claro porque as contagens são mais longas do que o comprimento do lote previsto)
Mudança do valor do horizonte da previsão para cada valor da previsão
O gráfico de dispersão de preços previstos e preços reais. Oeixo x mostra os preços previstos e oeixo y mostra os preços reais. O coeficienteb na equação de regressão linear y=a+b*x é de 0,9983.
Deixe-me lembrá-lo mais uma vez, aqui não há engano. O fato é confiável e verificado. O truque é apenas otimizar os parâmetros para a previsão. A propósito, para testar a previsão em uma boa máquina para 1000 amostras, vou precisar esperar cerca de vinte horas, enquanto o próprio operador leva menos de um segundo. E eu ainda estou otimizando o código.
PS:
Seryoga, por que este posto suspeitosamente vazio? Provavelmente me chamou de algo chique, não é mesmo? :о)
to Prival
Há certas dificuldades com carrapatos - você precisa de uma grande história, de preferência sem buracos, etc. Estes requisitos são mais fáceis de cumprir para um arquivo com horas ou minutos.
Quanto à curva perfeita, vamos comparar o MEMA de duas corridas (é o que eu uso) e o que o Fourier-suave dá. Sugiro que o critério para "bondade" é o valor do desvio padrão do cotier e a suavidade da curva em si - quanto menor o sko e quanto mais suave a curva, mais inclinada!
É claro como calcular o sko (o valor do desvio das aspas), mas como calcular a suavidade?
...
Como calcular o sko (valor de desvio das aspas) é claro, sugestões de como calcular a suavidade ?
e o que nos dará essa suavidade? Eu descrevi acima - eu tenho um monte de previsões de MA e para cada referência que MA é selecionada da melhor maneira em termos de previsibilidade
Escreveu todo o post acima e ele desapareceu depois de um tempo :-(
Grans, temos um mal-entendido. Não vale a pena ir mais longe!
Se traçarmos a nuvem de previsão por preço absoluto e valores de previsão, obtemos uma linha reta com tangente=1 mesmo para ruído branco integrado. Isto deve ser claro, ambas as séries contêm um componente constante cujo valor é zero, e é a este componente que a avaliação reagirá. É isso que estou lhe dizendo. Pense sobre isso.
a Prival.
Как посчитать ско (величину отклонения от котировок) понятно, предложения как считать гладкость ?
No momento t, vamos escolher a função (y[i]-x[i])^2 como a medida de aproximação das séries X e Y, e a função (y[i]-y[i-1])^2 como a medida de lisura das séries. Estimaremos o valor da soma destas funções, ou seja, S=(y[i]-x[i])^2+(y[i]-y[i-1])^2
(extraído de S. Bulashov)
Escreveu todo o post acima e ele desapareceu depois de um tempo :-(
Grans, temos um mal-entendido. Não vale a pena ir mais longe!
Se traçarmos a nuvem de previsão por preço absoluto e valores de previsão, obtemos uma linha reta com tangente=1 mesmo para ruído branco integrado. Isto deve ser claro, ambas as séries contêm um componente constante cujo valor é zero, e é a este componente que a avaliação reagirá. É isso que estou lhe dizendo. Pense sobre isso.
Ok. E se eu previsse MA e passasse de MA para incrementos? isso funcionaria? :о) E talvez ao invés de "é inútil ir mais longe", possamos chegar a um critério? Talvez existam critérios objetivos?
ao Neutron
Acho que faz sentido analisar a análise de erros (a diferença entre o valor real e o previsto), informações muito objetivas (recall, isto é EURUSD):
Você acha que esta análise de séries cronológicas seria objetiva?
PS (corrigido):
Если строить прогнозное облако по абсолютным значениям цен и прогнозу, то мы получим прямую с тангенсом=1 даже для интегрированного белого шума. Это длжно быть понятно, оба ряда содержат постоянную составляющую ценность которой нулевая, а именно на эту составляющую и отреагирует оценка. Об этом я тебе и толдычу. Подумай об этом.
ANALÓGICOS e por incrementos, nesse sentido não são diferentes. Este critério (kt LR) não é o melhor em ambos os casos
Sergei, todos os seus comentários podem ser respondidos de acordo - eles não são uma questão de princípio. Você não quer estimar por regressão, vamos usar o sko. Você quer prever a IA e depois ir para a linha de base - faça-o!
O ponto fundamental é uma questão: você pode dar uma previsão APENAS 1 (uma) barra à frente?
Sergei, todos os seus comentários podem ser respondidos de acordo - eles não são uma questão de princípio. Você não quer estimar por regressão, vamos usar o sko. Você quer prever a IA e depois ir para a linha de base - faça-o!
O ponto fundamental é uma questão: você pode emitir uma previsão SOMENTE uma (1) barra à frente?
Emitir uma previsão com uma barra à frente, claro que posso, não é difícil de cortar. Isso significa que você não acha que é razoável prever mais de uma barra à frente?
Naturalmente!
Afinal, se você pode prever uma barra à frente, você pode prever duas barras usando a recursividade, e lá por indução. Mas o erro de previsão se tornará exponencialmente pior à medida que o horizonte aumenta, por isso não estamos interessados em buscar a relação entre a precisão da previsão elementar (para uma barra) e a largura do intervalo de confiança como f-fi do horizonte de previsão. Deixe os amadores fazerem isso. Você e eu estudaremos a qualidade da própria base de previsão - 1 BAR em frente e ponto final! É verdade, para começar, vamos reunir estatísticas, prevendo cada vez por 1 barra e dando um passo à frente, e assim por diante, 10.000 vezes. Só para ter certeza. Assim, vamos obter um vetor de previsão de comprimento de 10000 elementos, cada um dos quais é uma previsão para 1 barra e calcula todos os dados que temos, incluindo os novos.