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
É isso mesmo, vale a pena manter...
Para encerrar a questão, gostaria de mostrar uma imagem com resultados típicos:
Azul - preço
Vermelho - previsão feita por progamme com transformação de cosseno a partir de 0
roxo - a mesma curva, mas calculada a partir do ponto de partida da previsão (100)
Verde - previsão simples baseada na curva de preços (usei a função de previsão integrada)
Como já escrevi antes, o truque é identificar o modelo. O problema é realmente complicado, não pode ser resolvido só de vista. E conceitualmente, se me é permitido dizê-lo - "previsão no domínio da freqüência" é usada em algumas tarefas, mas muito específica.
Como eu já escrevi, o truque é identificar o modelo. O problema é realmente complicado, não pode ser resolvido só de vista. E conceitualmente, se me é permitido dizê-lo - "previsão no domínio da freqüência" é usada em algumas tarefas, mas muito específica.
Passei quase um mês para desmontar com a PF e tudo em vão. Eu tentei prever qualquer coisa, séries cronológicas, média móvel, indicadores, mas todos os resultados foram de 50-50 (ou mais).
Tentou implementar sua idéia com uma discreta transformação cósmica. Infelizmente, após a transformação cosseno inversa, obtive a seguinte imagem: no sinal restaurado, a última barra (para o qual a previsão foi realmente feita) acabou de repetir a penúltima barra (a última do conjunto de treinamento) com um certo pequeno erro.
Por via das dúvidas, vou descrever um breve algoritmo do que estava fazendo:
Agora uma pausa... infelizmente, não há milagres - a barra prevista com um pequeno erro repetiu a penúltima barra da seqüência de testes. Ao analisar o resultado, descobri que a primeira barra havia mudado um pouco, enquanto todas as outras permaneceram inalteradas, mudando apenas por uma posição (como deveria ser). Mas a última barra simplesmente repetia a penúltima em vez de previsões. (Veja a foto acima).
Talvez este resultado possa ser útil para alguns matemáticos, mas para a tarefa de previsão do EURUSD acabou se revelando inútil. Ai de mim. Ainda assim. )))
Passei quase um mês tentando resolver as coisas com o PF e tudo isso foi em vão. Tentei prever tudo: séries cronológicas, média móvel, indicadores, e todos os resultados da previsão foram 50-50 (ou mais).
Tentou implementar sua idéia com uma discreta transformação cósmica. Infelizmente, após a transformação cosseno inversa, obtive a seguinte imagem: no sinal restaurado, a última barra (para o qual a previsão foi realmente feita) acabou de repetir a penúltima barra (a última do conjunto de treinamento) com um certo pequeno erro.
Por via das dúvidas, vou descrever um breve algoritmo do que estava fazendo:
Agora uma pausa... infelizmente, não há milagres - a barra prevista com um pequeno erro repetiu a penúltima barra da seqüência de testes. Ao analisar o resultado, descobri que a primeira barra havia mudado um pouco, enquanto todas as outras permaneceram inalteradas, mudando apenas por uma posição (como deveria ser). Mas a última barra simplesmente repetia a penúltima em vez de previsões. (Veja a foto acima).
Talvez este resultado possa ser útil para alguns matemáticos, mas para a tarefa de previsão do EURUSD acabou se revelando inútil. Ai de mim. Ainda assim. )))
E eu não disse que haveria um milagre. Há algumas incertezas:
Uma pequena rede neural foi treinada para cada coluna com coeficientes, o que previu muito bem a próxima mudança de 1 barra no sinusóide com base nos quatro valores anteriores. A rede neural foi abordada porque a previsão de AR estava dando resultados muito ruins.
Não tenho certeza de que um NS em 4 números de uma série tão complexa possa prever muito bem o futuro. Muito duvidoso. E, se prevê, por que existe uma discrepância tão grande? E o que a "onda sinusoidal" tem a ver com isso. Quanto ao modelo AR, cada curvatura, é na verdade um processo AR, muito próximo a ele em suas propriedades. A identificação de tal modelo é complicada, muitos métodos são utilizados (estranhamente, mais complicado que NS): retrocesso e previsão, critério Akiache, "mala", funções de transferência autoregressiva, concordância e critérios de máxima probabilidade (e suas variantes), correlação mútua, aproximação estocástica, filtragem (também é usado para identificação de modelos)
Pelo menos a idéia é tão boa quanto a sua. :о) Se não funcionou - não funcionou, e acontece, lamento sinceramente pelo seu tempo, não posso deixar de devolvê-lo. Mas, a propósito, aqui https://forum.mql4.com/ru/24888/page9 só para o caso de ter sido avisado. Há muitas sutilezas neste modelo, algumas das quais eu modestamente omiti. Uma dessas sutilezas é que é inútil prever uma única contagem com tal modelo, apenas inútil. Você simplesmente não terá a precisão que deseja, e nunca terá. Você tem que prever em um sentido "estatístico". É assim que é, em termos literários.
De qualquer forma, muito obrigado pela idéia! O processo foi agradável e não desperdiçou tempo)) E o resultado ainda está por vir!
grasn писал(а) >>
Não tenho certeza de que NS em 4 números de uma série tão complexa possa prever bem o futuro. Eu duvido muito. E, se existe, por que existe uma discrepância tão grande? E o que a "onda sinusoidal" tem a ver com isso.
1. Se considerarmos a mudança de cada coeficiente DCT, como você escreveu, ele se parece muito com algum tipo de "curva-sinusoide" (com freqüência correspondente ao número de ordem do coeficiente, especialmente para oscilações com altas freqüências) que irá mudar sua amplitude com o tempo. Eu tentei usar AR para prever "de frente", mais ou menos como em seu exemplo no Matcad.
Se considerarmos a previsão de "curvulina" para 1 barra, então AR (pelo menos eu experimentei todas as fórmulas que tenho em Matlab) dá resultados muito imprecisos, especialmente para "curvulina-sinusoides" com períodos ímpares (embora eu possa não ter experimentado todas elas). Neste caso, uma simples rede neural (em Matlab ela é implementada com a função newlind (acho que não é nem mesmo uma rede neural, mas um simples solucionador de conjunto de equações lineares), quando prevista por 1 ponto, dá resultados muito bons (visualmente).
2. Pareço muito bem, de 50 barras prevê exatamente (quase exatamente) 48 barras e as move 1 posição para a esquerda, fazendo apenas 1 erro (não sei por quê) e a última (desculpe, estava fazendo tudo por isso). Aparentemente, os "micro erros" da previsão em cada "curvelina" se somam na conversão reversa desta forma.
Eu tentei "enganar" o algoritmo tentando esconder a última barra dentro do segmento de teste (eu fiz um simples deslocamento circular), mas mesmo assim foram as últimas e primeiras barras que estavam erradas.
3. A propósito, tentou prever não só o fechamento (como a série mais mal prevista), mas também o alto/baixo/aberto, e a diferença e até mesmo o mínimo-máximo do ziguezague. (Como um exemplo de uma série, com um eixo temporal distorcido). Como o resultado é o mesmo, a conclusão é óbvia - este método apenas move as barras N-2 para a esquerda por 1 barra "de frente", mas não prediz os ziguezagues.
Quanto ao modelo AR, cada curva é na verdade um processo AR, muito próximo a ele por suas propriedades. A identificação de tal modelo é complicada, muitos métodos são utilizados (estranhamente, mais complicado que NS): reversão e previsão, critério Akiache, "mala", funções de transferência autoregressiva, critérios de concordância e máxima probabilidade (e suas variantes), correlação mútua, aproximação estocástica, filtragem (que também é usada para identificação do modelo).
Obrigado uma segunda vez - muitos nomes novos - mais para tentar!
Há muitas sutilezas neste modelo, algumas das quais eu humildemente omiti. Uma dessas sutilezas é que é inútil prever uma única amostra por tal modelo, é apenas inútil. Você simplesmente não terá a precisão que deseja, e nunca terá. Você tem que prever em um sentido "estatístico". É assim que é, em termos literários.
Obrigado uma terceira vez, vamos tentar em um sentido "estatístico"))
feliz em poder ajudar. Boa sorte :o)
A propósito, vou tentar colocar uma previsão no tópico "Teste do Sistema de Previsão em Tempo Real" aqui perto. Se eu conseguir até segunda-feira, se não conseguir, postarei mais tarde. Então, "entre em contato".
1. Ocorreu-me uma idéia: se eu aplicar a transformação co-seno duas vezes (primeiro na seção de teste e depois em cada uma das "curvas" que são tão semelhantes a ondas senoidais), isso não "melhorará" as propriedades preditivas do processo? Tentarei dizer-lhe os resultados amanhã.
2. É claro que em caso de previsão a longo prazo de certos tipos de processos AR será melhor, embora a sobreposição de dois sinusóides possa muito bem ser interpolada por uma rede neural.
3. Será que entendi corretamente (li seu post em algum lugar), que para este método é melhor prever ln(Xi/Xi-1) em vez de fechar-se?
1. Ocorreu-me uma idéia: se eu aplicar a transformação co-seno duas vezes (primeiro na seção de teste e depois em cada uma das "curvas" que são tão semelhantes a ondas senoidais), isso não "melhorará" as propriedades preditivas do processo? Tentarei dizer-lhe os resultados amanhã.
2. É claro que em caso de previsão a longo prazo de certos tipos de processos AR será melhor, embora a sobreposição de dois sinusóides possa muito bem ser interpolada por uma rede neural.
3. Acertei (eu li seu post em algum lugar), que para este método é melhor prever ln(Xi/Xi-1) em vez de fechar-se?
1. tem que ser tentado.
2. a questão é que a dinâmica por frequências não tem períodos, é um processo complicado e não uma superposição de ondas sinusoidais de forma alguma
3. sim, esta é uma das opções para trazer para uma fileira estacionária.