Estatísticas como uma forma de olhar para o futuro! - página 17
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
Existem. Já os dei a vocês várias vezes e não vou repeti-los. Se você não os vê ou não quer vê-los, eu não posso ajudá-lo.
Entenda, ninguém aqui está provando nada para você e ninguém é obrigado a fazer isso. Você me pediu para lhe explicar, eu tentei, mas você não entendeu. Infelizmente, nem tudo é tão simples neste mundo cruel. Nem tudo pode ser feito de uma só vez, você tem que ter uma certa base de conhecimento.
Existem. Já os dei a vocês várias vezes e não vou repeti-los. Se você não os vê ou não quer vê-los, eu não posso ajudá-lo.
Entenda, ninguém aqui está provando nada para você e ninguém é obrigado a fazer isso. Você me pediu para lhe explicar, eu tentei, mas você não entendeu. Infelizmente, nem tudo é tão simples neste mundo cruel. Nem tudo pode ser feito de uma só vez, você tem que ter uma certa base de conhecimento.
E o que, você conseguiu prever o preço dentro da estrutura da Teoria de Sistemas Dinâmicos não por saltos e limites e com uma certa base de conhecimento?
Eu acho que um bom TS não pode ser construído sem fazer uma previsão, que seja 0,62 ao invés de 1, significa que eu entro no mercado com SL=TR em 62 negócios de 100 e obtenho um lucro garantido.
Não posso fazê-lo sem uma previsão, senão posso perder a cabeça em fúria.
Eu acho que o autor expandiu o conceito de prognóstico para as alturas do espaço e depois tudo o que um trader faz no mercado é sua previsão, mas então TS ruins são baseados na previsão também, ou ele reduziu este conceito para sistemas indicadores, mas então TS bons também são possíveis sem uma previsão, eu pensei e pensei o que chamar de sistemas não indicadores sem uma previsão inicial e surgiu o SIMMETRIC)), mas talvez eles já tenham um nome?
E o que, você conseguiu prever o preço dentro da Teoria de Sistemas Dinâmicos sem pular dentro e com uma certa base de conhecimento?
Se eu responder sim, você exigirá provas até que eu renuncie totalmente a postar neste fórum :) Portanto, vou responder "não".
Se eu responder sim, você exigirá provas até que eu renuncie totalmente a postar neste fórum :) Portanto, vou responder "não".
Sua racionalização sobre "o que responder" é apenas um reforço para ajudá-lo a admitir a verdade - nem você, nem ninguém neste fórum, nem Anischenko, nem os pais fundadores têm resultados positivos na previsão de preços. Assim é o mundo cruel - aqueles que não conseguem pensar, devoram tudo como uma galinha na esperança de encontrar a semente. E só era preciso ler sobre as limitações da aplicação da Teoria de Sistemas Dinâmicos, para não ganhar neve.
Se assim for, serei o primeiro a jogar fora toda minha experiência com a NS e me juntarei a Prival como aprendiz! Agora mesmo (ou quase agora) vou começar a reler o fio sobre Streams em Forex e construir um filtro Kalman.
A única pena é que provavelmente não terei que fazer isso. E as razões, espero, ficarão claras em breve.
Não se deve confundir regressão linear com redes neurais, cada método tem suas vantagens e desvantagens. Por exemplo, as redes neurais dão um modelo de sinal mais suave e melhor resposta de fase, menos atraso de 1 - 2 barras na previsão , mas a regressão linear dá um sinal mais estável muito além do treinamento. Os números mostram um exemplo de modelagem a partir dos mesmos dados brutos utilizando redes neurais e regressão linear. O intervalo de cotações para o treinamento de modelos é de 20 de maio a 10 de junho, o intervalo de flutuações de taxas neste intervalo foi de 1,54 a 1,6 . O sinal amarelo e rosa são redes neurais treinadas nos mesmos dados de entrada, mas para diferentes funções alvo, vermelho e azul são regressões lineares treinadas nos mesmos dados e para as mesmas funções alvo das redes neurais, ou seja, amarelo e vermelho para uma função alvo e rosa e azul respectivamente para a outra. A figura 1 mostra os gráficos dentro da faixa onde o treinamento ocorreu. A Fig. 2 mostra gráficos fora da faixa de aprendizagem, como visto na Fig. 2, a partir de 8 de agosto, modelos em redes neurais começaram a produzir um grande erro, ou seja, o treinamento foi suficiente apenas para 2 meses porque a taxa foi inferior a 1,52, enquanto o limite inferior da amostra de treinamento foi de 1,54. Fig. 3 mostra gráficos com cotações até 13 de outubro, é claro que modelos baseados em neuronets mostram fortes distorções, enquanto modelos baseados em regressão linear preservaram sua estabilidade sem re-treinamento durante o mercado muito volátil. Combino tanto as redes neurais quanto a regressão linear, enfraquecendo os pontos fracos de cada método e reforçando seus pontos fortes.
Não há necessidade de se opor à regressão linear e às redes neurais, cada método tem suas vantagens e desvantagens.
Estou discutindo com você?
É claro que uma comparação de métodos tem que ser feita no contexto da tarefa em questão. Para mim, por exemplo, a previsão com um passo de antecedência com previsão em cada passo é relevante. Em tal formulação, a NS provavelmente está fora de competição.
Os dados que você apresentou são curiosos. Infelizmente, a qualidade das imagens não é excelente e é difícil ou até impossível ver algo nelas. Se possível, ampliar o primeiro terço do segundo fig. - Quero ver a qualidade dos muvings na área próxima ao limite da última otimização de NS. Você também pode apresentar os dados de uma forma mais informativa - na forma de nuvem preditiva em coordenadas de aumentos de preços e muvinings (ver página 3 deste tópico).
Infelizmente, a qualidade das imagens não é grande e é difícil ou mesmo impossível ver algo nelas.
As fotos podem ser clicadas e são então mostradas em sua escala original.
Tenho uma pergunta para Pilligrim: qual é o vetor de entrada para estes modelos e qual é a saída? Sem estes dados, estes números não lhe dizem nada.
As fotos podem ser clicadas, depois são mostradas em sua escala original.
Não, não é impressionante. Deixe-o redesenhá-lo.