Уравнение регрессии - страница 8

 
Andrei01:
а чем зигзаг плох для нахождения минимума функции?
а как вы собираетесь строить зигзаг, ну, например, в десятимерном пространстве?)))))) И сколько это займет вычислительных ресурсов?
 
alsu:
а как вы собираетесь строить зигзаг, ну, например, в десятимерном пространстве?)))))) И сколько это займет вычислительных ресурсов?
мало, кольцо не замкнете. полный круг нужно ))
 
alsu:
а как вы собираетесь строить зигзаг, ну, например, в десятимерном пространстве?)))))) И сколько это займет вычислительных ресурсов?
ну думаю ресурсы вторичны на данном этапе, вот если будет профитно то тогда можно будет подумать об оптимизации.))
 
j21:

Меня заинтересовали уравнения регрессии. Однако я столкнулся с проблемой адекватного их описания. Какие данные мы имеем: время (скажем M15), HIGH, LOW, OPEN, CLOSE, VOLUME. Для нас это совокупность результатов наблюдений. У нас есть показателю, для которого необходимо установить функциональную зависимость с параметрами объекта (в нашем случае изменение курса валют) - факторами. Требуется: установить количественную взаимосвязь между показателем и факторами. В таком случае задача регрессионного анализа понимается как задача выявления такой функциональной зависимости y* = f(x 1, x 2, …, x т), которая наилучшим образом описывает имеющиеся у нас данные.

Функция f(x 1, x 2, …, x т), описывающая зависимость показателя от параметров, и называется уравнением (функцией) регрессии.

Итак. Вопрос 1. Из имеющихся у нас данных, какие из них выбрать в качестве Показателя, а что в качестве Факторов? По логики Показатель – время, факторы – H, L, O, C, V

В нашем случае имеет место временные ряды.

Следующая задача – выбор функциональной зависимости. Уравнение, которое характеризует зависимость между вариацией показателя и вариациями факторов. Зачастую это полиномиальные функции. Частным случаем является полином 1-ой степени – уравнение линейной регрессии.

Вопрос 2. Какой полином лучше выбрать, и как адекватно описать его с учетом временных рядов, какие парараметры применять, какова степень полинома. Применял ли кто нибудь полином Чебышева. Если да – то какого порядка?

Дальнейшая задача – вычисление коэффициентов уравнения регрессии. Обычно используют МНК.

Вопрос 3. Какой оптимальный метод вычисления коэффициентов для нашего случая?

Вопрос 4. Необходимо ли нормировать данные?

Тема безусловно важная и интересная.

Итак, мы имеем временной ряд содержащий N отсчётов. На этом этапе не важно, что конкретно понимать под отсчётами - тики, OHLC или что-то иное. Важным кажется ответ на вопрос об оптимальной длине обучающей выборки n не равной N, оптимальному числу настраиваемых параметров k<=n (степень полинома) и горизонту прогнозирования Т (измеряемого в отсчётах).

На данном этапе не важен конкретный вид аппроксимирующей функции и метод её приближения к исходному ряду. Важно получить зависимости вышеперечисленных параметров от свойств исходного ВР. Известно например, что если ВР является интегрированной случайной величиной, то оптимальным прогнозом является константа, равная величине последнего отсчёта (нулевой бар). Если ряд содержит закономерности, то нужно искать оптимум по параметрам регрессии.

Есть здравые соображения на сей счёт в такой постановке?

 
степень 3-я. количество отсчетов n определяется временем суток и АКФ. горизон прогноза - определяется экспериментально т.к. зависит от заданной точности и модели (модель может быть и полиномом)
 
Neutron:

Тема безусловно важная и интересная.

Итак, мы имеем временной ряд содержащий N отсчётов. На этом этапе не важно, что конкретно понимать под отсчётами - тики, OHLC или что-то иное. Важным кажется ответ на вопрос об оптимальной длине обучающей выборки n не равной N, оптимальному числу настраиваемых параметров k<=n (степень полинома) и горизонту прогнозирования Т (измеряемого в отсчётах).

На данном этапе не важен конкретный вид аппроксимирующей функции и метод её приближения к исходному ряду. Важно получить зависимости вышеперечисленных параметров от свойств исходного ВР. Известно например, что если ВР является интегрированной случайной величиной, то оптимальным прогнозом является константа, равная величине последнего отсчёта (нулевой бар). Если ряд содержит закономерности, то нужно искать оптимум по параметрам регрессии.

Есть здравые соображения на сей счёт в такой постановке?

Нихрена нет в такой постановке. Теоретизирования, блин. Убить об стенку эту полиномиальную регрессию с одним ВР.

Нужна максимизация прибыли. В зад все одномерные регрессии. Нахрена использовать только часть инфы рынка? Когда инфы дох-я.

Регрессионный анализ должен быть многомерным, это как минимум. Анализ различных методов оценки (МНК, МО абсолютных значений ошибок (Лапласс или Лагранж - не помню), знаковый, квантильный и т.д.) регрессии на эффективностость.

Оценка горизонта прогнозирования - это тоже интересная песня.

Написал одно дерьмо на эту тему. Там мало, конечно. Только самое начало. Впереди оценка горизонта прогнозирования ВР прибыли и множество интересных обломов...

 
hrenfx:Нахрена использовать только часть инфы рынка? Когда инфы дох-я.

Написал одно дерьмо на эту тему.

Да что это вы так разволновались?

По вашему - чем больше в кучу накидать разного, желательно не простого и не прозрачного - будет лучше?

Опыт говорит об обратном. Правильнее - проще, и разобраться досконально в изучаемом предмете как следует! А то "многомерная регрессия", "квантиля"... - спинорный анализ торсионного взаимодействия прям какой-то.

 

Блин, ничего не кидал, откуда вы это взяли. У меня вообще простая многомерная ЛИНЕЙНАЯ регрессия. И обоснованность применения линейной регрессии кроется в логике составления оптимального портфеля и поиска взаимосвязей. Это и есть отправная точка - от простого.

Хрен знает, что вы подразумеваете под регрессией, сам на днях узнал, что это такое. Имею в виду регрессионный анализ. 

 
hrenfx:

... У меня вообще простая многомерная ЛИНЕЙНАЯ регрессия..


  а можно сделать многомерную полиномиальную регрессию ... хуже она будет линейной ? незнаю, проверка одна - если точность прогноза увиличиться, или при тойже точности увеличиться время прогноза, то да лучше... но что бы это проверить нужно не просто понять как её делать а еще и этой дурной железяке (компу) все объяснить...

 
Prival:


а можно сделать многомерную полиномиальную регрессию ... хуже она будет линейной ? незнаю, проверка одна - если точность прогноза увиличиться, или при тойже точности увеличиться время прогноза, то да лучше... но что бы это проверить нужно не просто понять как её делать а еще и этой дурной железяке (компу) все объяснить...

она будет, конечно, лучше, но вот комп будет грузить тоже неслабо:)