Teste de sistemas de previsão em tempo real - página 27
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
Desculpe :-) Aqui está a previsão no início:
gpwr aparentemente cozinha Fourier de maneira diferente, meu método não tem parâmetros.
:о)))
E como o GRNN é diferente de Fourier? E afinal o que é este GRNN? Eu simplesmente não sei. :о(
Não, não, não,
Estou fazendo uma previsão no início, não a mostrando no final.
Além disso, se não há parâmetros, como o gpwr consegue outra linha?
O GRNN pode ser codificado de diferentes maneiras. Usei o código mais simples com sigma fixo (tamanho de cluster). O comprimento do padrão é outro parâmetro. Eu o otimizei usando dados do passado e consegui 140 barras. Os preços sem suavização foram utilizados como entrada. A propósito, o 3º método (autoregressão não linear) deu resultados semelhantes.
De acordo com os novos dados, estes dois métodos dão as seguintes previsões
GRNN:
AR não-linear:
grasn, o GRNN é um tipo de rede de nervos. Aqui está um link para a definição. Ou aqui é um pouco mais inteligente.
Sim, sim - já descobrimos, obrigado...por participar :o))))))
Adendo: Fiquei confuso com a frase "falta de parâmetros". Qualquer NS tem "parâmetros sempre".
:о)))
Em que o GRNN é diferente de Fourier? E afinal o que é este GRNN? Eu simplesmente não sei. :о(
Matematicamente, a GRNN (rede neural de regressão geral) é a rede neural mais simples, mas muito eficiente que foi proposta por Specht em 1991. Veja o link aqui
http://people.cecs.ucf.edu/georgiopoulos/eel6812/papers/general_regression_network.pdf
Não tem nada a ver com Fourier. GRNN refere-se a redes neurais probabilísticas, tais como os vizinhos mais próximos. Leva todos os padrões passados e calcula a distância euclidiana dos padrões atuais aos padrões passados desta forma
D[n] = SUM( (Abrir[i] - Abrir[n+i])^2, i=0...ComprimentoPadrão )
Uma previsão média ponderada dos preços do tipo "futuro" passado é então calculada
Open[-1] = SUM( Open[n-1]*exp(D[n]/(2*Sigma), n=0...AllPastPatterns) / SUM( exp(D[n]/(2*Sigma)), n=0...AllPastPatterns)
Nos vizinhos mais próximos, após calcular as distâncias euclidianas aos padrões passados, é selecionado o padrão mais próximo e seus valores "futuros" são usados como previsões para o padrão atual. Isto está na versão simples, que é raramente utilizada. Normalmente são encontrados os vizinhos mais próximos e seus valores "futuros" são medidos ou ponderados para encontrar previsões para o padrão atual.
Sim, eu entendo,
Só paraesclarecer, a pergunta foi feita ao neoclássico - só para lembrar o conteúdo de seu posto:
gpwr видимо, по другому готовит Фурье, у моего метода нет параметров
Foi o que eu pedi ao neoclássico: o))))) Qual é a diferença, porque sua previsão é um pouco parecida com a de Fourier, de forma remota.
para gpwr
obrigado pela sinopse.
para Matemática
Já disse obrigado, mas estou sempre pronto para repetir :o)))
Grasn, ver "Extrapolador dinâmico baseado em transformadas de Fourier".
Aqui você pode ver o princípio de trabalho e o próprio indicador :-)
Grasn, ver "Extrapolador dinâmico baseado em transformadas de Fourier".
Aqui você pode ver o princípio do trabalho e o próprio indicador :-)
e depois:
Parece que o GRNN acertou no jackpot :-)
Ou você já decidiu que o dia será realmente um dia perdido se você não me confundir desnecessariamente? :о)))))
De forma alguma pretende confundir você :-)
Похоже GRNN сорвала куш
Eu disse que a previsão do gpwr GRNN era a mais precisa, e minha foto foi apenas um acompanhamento.
De forma alguma pretende confundir você :-)
Eu disse, o que significa que a previsão do gpwr GRNN revelou-se a mais precisa, e eu dei minha foto apenas como um acompanhamento do tópico.
>> tudo limpo :o))))))
PS: Exceto por uma coisa - a GRNN deu apenas uma das piores previsões. Mas isso é meu, IMHO. É óbvio.