O Modelo de Regressão Sultonov (SRM) - alegando ser um modelo matemático do mercado. - página 10
![MQL5 - Linguagem para estratégias de negociação inseridas no terminal do cliente MetaTrader 5](https://c.mql5.com/i/registerlandings/logo-2.png)
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
o modelo de previsão está correto se os resíduos forem normalmente distribuídos.
Se o modelo de regressão escolhido descreve bem a verdadeira relação, então os resíduos devem ser variáveis aleatórias independentes normalmente distribuídas com média zero, e não deve haver nenhuma tendência em seus valores.
Que tipo de estacionário existe?
P.S. Já esteve com os mamutes, volte, volte com você...
Sim, é claro. Mas o restante é testado pelo teste de raiz da unidade, que é a estacionaridade.
Outro problema. E se não for exatamente como você escreveu? E se for como você escreveu, podemos confiar no prognóstico?
Hum, então acontece que o modelo sem resíduos é um componente determinístico?
isso significa que as variáveis são determinísticas e não aleatórias
Sim, é claro. Mas o residual é testado pelo teste de raiz da unidade, que é a estacionaridade.
Outro problema. E se não for exatamente como você escreveu? E se for como você escreveu, o prognóstico pode ser confiável?
Se as variáveis de entrada são normalmente distribuídas, estacionárias, os resíduos do modelo são normalmente distribuídos e a precisão da previsão R ou R2 é satisfatória - nós podemos! E nós precisamos!
Hum, então acontece que o modelo sem resíduos é um componente determinístico?
Um modelo sem resíduos é um modelo que prevê valores em série sem erros. Os resíduos são o erro (a diferença entre o valor previsto e o valor real). Portanto, há na verdade uma decomposição em um componente determinístico (modelo de previsão) + ruído (resíduos normalmente distribuídos)
Eu não entendo o que você quer dizer com previsão discreta de séries? O resultado do processamento dos dados apresentados é que a série discreta tem MO = 0,878649833 e é significativamente inclinada para 1. Eu ainda devo determinar a alternância preditiva de uns e/ou zeros? Uma exigência absurda quando se trata de séries discretas. Tenho certeza que se você de alguma forma calcular a soma desta série e dividir pelo número de "lances", você obterá o resultado acima.
Essa série contém 45 zeros e 45 zeros. Expectativa = 0,5.
18 é uma fórmula analítica. Calcule o valor da função a partir dele e tire a diferença do quociente. Recebemos o erro de suavização. Vamos começar a trabalhar com este erro. Ou eu perdi alguma coisa?
Se as variáveis de entrada são normalmente distribuídas, estacionárias, os resíduos do modelo são normalmente distribuídos e a precisão da previsão R ou R2 é satisfatória - nós podemos! E nós precisamos!
Isso não acontece no mercado. Cotier é não-estacionário, e a definição de não-estacionariedade que usamos é muito restrita para uma série real.
Essa fileira contém 45 zeros e 45 uns. A expectativa é de 0,5.
Não existe tal coisa como um mercado. Kotier é não-estacionário, e a definição de não-estacionariedade que usamos é muito restrita para uma série real.
Bem, então, um modelo de regressão seria um presente morto. Há muitos especialistas que conhecem análise de regressão, mas apenas alguns poucos ganham dinheiro no mercado.