Equação de regressão - página 9

 
Prival:


mas você pode fazer uma regressão polinomial multivariada. é pior que a regressão linear? não sei, só há uma verificação - se a precisão da previsão aumenta ou o tempo de previsão aumenta com a mesma precisão, então sim, é melhor... Não sei qual é o objetivo de verificar, mas você não tem apenas que entender como fazê-lo, mas tem que explicar tudo para a ferramenta ...

Você pode fazer qualquer regressão que quiser. O que você quer dizer com pior ou melhor?! Você já leu minha bicicleta? Você tem que entender que ferramenta aplicar a quê! Eu escrevi minhas besteiras ignorando os conceitos de regressão e próximo a ela. Eu tinha que conseguir claramente o que eu queria. Eu fiz. Descobri então que poderia ser subsumida sob a definição de regressão linear multivariada.

E se você enfiar um polinômio, ou qualquer outro, lá dentro, eu simplesmente não entendo o ponto.

Tentar prever o comportamento de um instrumento financeiro através de qualquer regressão de outros instrumentos financeiros é certamente o caminho a seguir. Mas é tão trivial... que tenho certeza de que é um beco sem saída. E a implementação de qualquer regressão multivariada não é um problema. Você só tem que entender porque está fazendo isso, não apenas o desejo de tentar algo que ainda não tentou.

alsu:
será melhor, mas carregará o computador também:)

Não carrega nada. Regra dos métodos numéricos.

P.S. Man, leia sua escrita. Parece tão legal, todos os tipos de termos, etc... Pensei o mesmo quando li os outros sem entender os termos. E, na verdade, estão discutindo coisas de nível elementar. Basta ler um pouco sobre o básico da análise de regressão, como o problema é definido. E você entenderá que a discussão é sobre as idéias mais simples em um nível acima do MA.

 
hrenfx:

....

E se você colocar um polinômio, ou qualquer outro polinômio, então eu simplesmente não entendo o ponto.

Tentar prever o comportamento de um instrumento financeiro através de qualquer regressão de outros instrumentos financeiros é certamente uma maneira. Mas é tão trivial... que tenho certeza de que é um beco sem saída. E a implementação de qualquer regressão multivariada não é um problema. Você só tem que entender porque está fazendo isso, em vez de apenas querer tentar algo que ainda não tentou.

Se você não vê o ponto (você não entende o que está fazendo e porque está fazendo), então tudo será estúpido e inútil. Você está absolutamente certo.

O análogo absoluto desta ação. tomar 2 máquinas, parâmetros de classe otimizados... ...otimizei parâmetros para uma demonstração, não melhor que uma de verdade... e depois arranhei minha cabeça, vamos otimizar três máquinas, OK, eu as otimizei, fui para a real ... bam, jacaré até o fim... soube sobre a RSI ... otimização... bam... rede neural... bam...

e assim por diante, porque as pessoas não usam a cabeça, agem como robôs...

Z.I. alsu pode pensar. você pode dizer pelas perguntas. ele faz as perguntas certas. Se ele conseguir a resposta, bem feito, ele está pensando com a cabeça e não com o computador, talvez ele consiga a resposta...

 
Prival:

Se você não entender o que está fazendo e porque está fazendo isso, tudo será estúpido e inútil. Você está absolutamente certo.

O que é regressão? É o mesmo filtro, só que estupidamente ajustado aos dados atuais na janela. Ou estou errado. Então nos filtros há uma idéia, mas aqui? Talvez alguém possa explicar.
 
hrenfx: E você vai perceber que idéias simples estão sendo discutidas em um nível acima do MA.
Não um nível acima, mas literalmente no nível do MA. Uma vez eu escrevi aqui que a regressão linear é o c.l. de dois feiticeiros diferentes mais comuns. As pessoas não acreditaram imediatamente nisso. Aqui está o tópico.
 
Mathemat:
Não a um nível superior, mas literalmente ao nível de um demolidor. Escrevi aqui uma vez que a regressão linear é o c.l. de dois mergulhos diferentes mais comuns. As pessoas não acreditaram imediatamente nisso. Aqui está o tópico.

Não insulte a análise de regressão com os casos mais simples.

Em uma nota relacionada, são os métodos de estimativa de regressão, além do OLS, que me fizeram pensar. Só posso ver a aplicação da regressão até agora na área de construção de portfólios ideais. E ao prever a rentabilidade da carteira ideal. Mas não a BP de instrumentos financeiros.

Uma carteira relativamente ótima já foi abertamente proposta com todos os detalhes...

 
Mathemat:
Sim, não um nível acima, mas literalmente no nível do demolidor. Escrevi aqui uma vez que a regressão linear é o c.l. de dois manequins diferentes mais comuns. As pessoas não acreditaram imediatamente nisso. Aqui está o tópico.


Alexei, você sabe muito bem que eu já estive lá. É só que o homem está fazendo as perguntas certas.

Portanto, temos uma série cronológica contendo N amostras. Nesta fase não importa o que exatamente se entende por amostras - carrapatos, OHLC ou qualquer outra coisa. O importante parece ser a resposta à pergunta sobre a duração ótima da amostra de treinamento n que não é igual a N, o número ótimo de parâmetros ajustáveis k<=n (grau de polinômio)

1. respondi que o grau de polinômio é no máximo 3. não uso regressão, este número é dado por outras considerações (níveis dif. estocásticos)

2. O número ótimo de parâmetros ajustáveis é zero.

3. comprimento ideal da amostra não sei, ainda não posso calcular, parece-me que depende de pelo menos duas variáveis, a hora do dia e ACF. mas é assim que ...

 

O que se entende por "ótimo"?

Só consegui aplicar esta palavra à construção do melhor portfólio na janela.

 

Realizou simulações em pares EURUSD-GBPUSD

Foi utilizada uma equação de regressão linear.

Você é bem-vindo para interpretar ou sugerir suas próprias variantes do experimento.

O arquivo está no anexo.

Arquivos anexados:
elubeamdp.rar  12 kb
 

Escrevi um exemplo de uma regressão linear multivariada. O algoritmo de preparação do sistema de equações lineares (você pode resolvê-lo com Gauss) é dado na função GetLinearMatrix:

O próprio arquivo do Mathcad também está anexado.

Arquivos anexados:
example.rar  3 kb
 
Se calcularmos a variância como uma inclinação da linha de regressão, então o pequeno valor desta variância duvidosa indicará o valor do kotir próximo à linha reta, imho é um bom preditor. Se dividirmos o ângulo de regressão pela dispersão duvidosa, este indicador mostrará que o mercado não é eficiente, os preços vão em uma direção, para negociar nas notícias em busca de tendências.