Princípios de trabalho com um otimismo e formas básicas de evitar o encaixe. - página 6

Novo comentário
 
Avals:

Você discute a mesma coisa em cada linha - seu modelo. Acho que todos já comentaram mais de uma vez))
Bem, em primeiro lugar, não o modelo, mas o princípio. Em segundo lugar, infelizmente, não minha e com uma barba longa. Em terceiro lugar, não tenho conhecimento de nenhuma publicação que desmascarasse a abordagem de modelagem baseada na decomposição do kotir em componentes.
 
Na verdade, o objetivo é mudar a expectativa, não simular um quociente. A estacionariedade é essencialmente desnecessária.
 
TheXpert:
A propósito, você pode ganhar dinheiro em ziguezague :) Por falar em ziguezague
Eu até tentei prever ziguezagues. O resultado foi incrível, mas eu fui ridicularizado.
 
TheXpert:
Na verdade, o objetivo é mudar a expectativa, não simular um cotidiano.
Passado ou futuro?
 
faa1947:
No passado ou no futuro?
Em princípio :)
 
TheXpert:
Na verdade, o objetivo é mudar a expectativa, não simular um quociente. A estacionariedade é essencialmente desnecessária.

Isso é realmente o sal da questão. Concordo novamente.
 
ask:

Isso é realmente o sal. Mais uma vez, eu concordo.
E como você sabe se ela será deslocada no futuro? Santa fé em números.
 

É como um enigma. A resposta certa é 112 e bang :)

"Onde Quando?

É aí que os verdadeiros especialistas têm... como você chama... "senso da resposta certa". Quando ouvem a resposta certa, sabem no seu instinto que está certa.

Eu não me considero um especialista. Mas eu acho (espero que :) ) que o processo é semelhante :)

 
Avals:

Isto é quase-estacionariedade - uma mudança de Mo em uma determinada faixa. Talvez não se trate apenas de mo, mas neste contexto estamos mais interessados em mo

Portanto, talvez seja um método super complexo, mas é suficientemente áspero para estimar a regularidade). É mais uma questão do número de parâmetros do sistema e da sensibilidade do resultado à sua mudança. Se uma pequena mudança no parâmetro causa uma mudança no resultado, isto não é bom. Há outros sinais. Acabei de escrever sobre isso aqui https://www.mql5.com/ru/forum/137614/page5

Tente criar um método super complexo com um número mínimo de parâmetros. Quanto mais longa a fórmula, mais parâmetros ela tem. É claro que não é uma lei, mas é uma boa aproximação à realidade. Assumir uma função elementar (modelo) y=eixo. Tem um parâmetro "a" que permite mudar o ângulo de inclinação da linha reta. E é isso aí. Tente adequar este modelo ao mercado. Vamos pegar um modelo mais complicado y = ax^2 + bx. É mais complexo e tem dois parâmetros. Com certeza será melhor na história. Agora vamos parti-lo em 2 submodelos e testá-los separadamente: y = ax^2 e y = bx. Cada um deles apresenta maus resultados, então a soma desses resultados é muito inferior ao modelo original? Há uma alta probabilidade de que isto seja um ajuste. Nem todos os modelos simples garantem lucro, mas em todo caso a simplicidade reduz a probabilidade de ajuste.

Tentarei descrever mais tarde o método de deslocamento e as formas de quebrar o modelo em teste em menores detalhes.

 
faa1947: Mas há mais uma coisa: a reversibilidade do modelo - à esquerda é um quociente, e tudo à direita deve dar este quociente na soma.

Pergunto-me de que princípios segue que deve ser reversível (a tempo, ou não?)...

Os físicos sabem há décadas que não há uma simetria perfeita na natureza.

1234567891011
Novo comentário