Bayesian regresyon - Bu algoritmayı kullanarak Uzman Danışman yapan var mı? - sayfa 6

 
Dmitry Fedoseev :
Bu formüle göre, trenddeki varyans 0'a eşit olacaktır. İhtiyacınız olan bu mu?
0'a eşit olmayacak, değerleri değiştirmeye çalışın. :)
 
Mike :
0'a eşit olmayacak, değerleri değiştirmeye çalışın. :)
Diyelim ki trend mükemmel, yani. her çubukta aynı artış. Yani artış grafiği düz bir çizgidir. Peki, düz bir çizginin varyansı ne olacak?
 
Dmitry Fedoseev :
Diyelim ki trend mükemmel, yani. her çubukta aynı artış. Yani artış grafiği düz bir çizgidir. Peki, düz bir çizginin varyansı ne olacak?
İlk önce "trendde" yazdınız. :) İdeal olanları bilmiyorum, böyleleriyle tanışmadım ...
 
Gopher'ı da gördün mü? Ve o.
 
Dmitry Fedoseev :
Diyelim ki trend mükemmel, yani. her çubukta aynı artış. Yani artış grafiği düz bir çizgidir. Peki, düz bir çizginin varyansı ne olacak?

Evet, o zaman sıfır.

Ve varyans, eşit yoğunlukta artışlarla maksimize edilir. Piyasa için, bu - başka bir deyişle - küçük, orta ve büyük artışların eşit sıklıkta olduğu en büyük entropinin periyodudur.

 
Alexey Burnakov :

................................

Bu nedenle, ekonomistler, örneğin şu veya bu aracın varyansını ölçtüğümüzü söylediğinde, şunu yaparlar: varyans = toplam((Xi - X^)^2) / (N - 1),

burada Xi, formüllerden birine göre hesaplanan artıştır,

X^, üst sınırı olan x'tir - mevcut örnekteki artışların ortalama değerinin örnek tahmini

N - 1, numune boyutu eksi birdir,

ve formülün tamamı varyansın yansız bir tahminidir.

Ve sonra bu ekonomistler artış yoğunluğunun normal olduğunu düşünmeye başlarlar ve örneğin şöyle bir şey yapmaya çalışırlar: sqrt(varyans) * sqrt(m) * 1.96,

varyansın kökünün standart sapmanın tahmini olduğu ve tüm formülün, ileri doğru m adım cinsinden fiyat yayılmasının aşırı sınırının bir tahminini elde etmek için normalliğin doğal sonucunu(!) normal olmayan bir seriye yaymasıdır. %95 ihtimal. Ve hatalar elde edilir, essno.

Umarım kabaca anlatabilmişimdir. Ve ilk fiyat serisi, ilk yaklaşımda bile, artışların aksine normal görünmüyor.

Bu gönderide, bölüm 5. Trendi Azaltma
https://www.mql5.com/en/articles/363
yazar, artış örneklerinin normal olana oldukça kabul edilebilir bir yaklaşımını gösterir. Ve düz bir çizgide yatmayan noktalar - uzun zamandır onlarla nasıl başa çıkılacağı bilinmektedir: mutlak değerdeki maksimum değerlerin yaklaşık% 7-10'unu numuneden hariç tutmak. Daha sonra Kolmogorov uyum iyiliği testi bile (dağılımın şekline çok duyarlı) örneğin normalliğini gösterir. Hariç tutulan değerlere gelince, bunlar mevcut trendin bozulduğu noktalardır. Bu tekniğin geldiği kaynakta (uzun süre İngilizce bir şeyler okudum, nerede olduğunu hatırlamıyorum), prensipte, trendin kırılma noktaları arasındaki noktalardan artış örneklerinin oluşturulması öneriliyor, ve mevcut eğilim olarak adlandırılması önerilen şey budur.
Преобразование Бокса-Кокса
Преобразование Бокса-Кокса
  • 2012.01.17
  • Victor
  • www.mql5.com
Статья призвана познакомить читателя с преобразованием Бокса-Кокса (Box-Cox Transformation). В статье кратко затрагиваются вопросы, связанные с его использованием и приводятся примеры, позволяющие оценить эффективность данного преобразования по отношению к случайным последовательностям и реальным котировкам.
 
Alexey Burnakov :

Evet, o zaman sıfır.

Ve varyans, eşit yoğunlukta artışlarla maksimize edilir. Piyasa için bu, - başka bir deyişle - küçük, orta ve büyük artışların eşit sıklıkta olduğu en büyük entropinin periyodudur.

Peki ya anlamı? Tabii ki, araştırırsanız bulabilirsiniz, piyasaların varlığı sırasında, her biri az çok başarılı bir şekilde bir yere vidalanabilecek birçok farklı gösterge icat edildi.
 
Mike :
Bu gönderide, bölüm 5. Trendi Azaltma
https://www.mql5.com/en/articles/363
yazar, artış örneklerinin tamamen kabul edilebilir bir dönüşümünü gösterir. Ve düz bir çizgide yatmayan noktalar - uzun zamandır onlarla nasıl başa çıkılacağı bilinmektedir: mutlak değerdeki maksimum değerlerin yaklaşık% 7-10'unu numuneden hariç tutmak. Daha sonra Kolmogorov uyum iyiliği testi bile (dağılımın şekline çok duyarlı) örneğin normalliğini gösterir. Hariç tutulan değerlere gelince, bunlar mevcut trendin bozulduğu noktalardır. Bu tekniğin geldiği kaynakta (uzun süre İngilizce bir şeyler okudum, nerede olduğunu hatırlamıyorum), prensipte, trendin kırılma noktaları arasındaki noktalardan artış örneklerinin oluşturulması öneriliyor, ve bu, mevcut eğilim olarak adlandırılması önerilen şeydir.

Burada her şey nasıl alt üst oldu.

Okuma: " Böylesine açık" bir eğilimin varlığı, önce eğilimi ortadan kaldırmayı denemeyi önerir."

Sanki aydan düşmüşler. Sanki dalgaları tanımlamak zormuş gibi. Teknik analizin ve buna bağlı olarak ticaretin ana sorunu , bir trendin belirlenmesidir .

 
Dmitry Fedoseev :

Burada her şey nasıl alt üst oldu.

Okuma: " Böylesine açık" bir eğilimin varlığı, önce eğilimi ortadan kaldırmayı denemeyi önerir."

Sanki aydan düşmüşler. Sanki dalgaları tanımlamak zormuş gibi. Teknik analizin ve buna bağlı olarak ticaretin ana sorunu , bir trendin belirlenmesidir .

Belirtilen gönderideki yazar, basitçe kötü bir şekilde ifade etti. İstatistiksel paketlerin zaman serisi analizi için standart prosedürleri vardır: trend çıkarma, mevsimsel bileşen çıkarma ve fark alma. Yazar, durağan seriye geçmek için kullanılan üçüncüsünü kastetmiştir (aslında, durağanlığa bir yaklaşımdır).
 
Dmitry Fedoseev :
Diyelim ki trend mükemmel, yani. her çubukta aynı artış. Yani artış grafiği düz bir çizgidir. Peki, düz bir çizginin varyansı ne olacak?

İstatistikleri uygulamaya çalıştığımızda , köşe taşı, temel, bu bilimden bir veya başka bir aracın UYGULANABİLİRLİĞİ sorusudur .

Örneğiniz rastgele değişkenler - sabitler içermiyor. Varyans SADECE rastgele değişkenler için geçerlidir. Sizin özel durumunuzda, istatistikler için benzersiz bir sonuç elde edildi: varyansın hesaplanması, girdi olarak rastgele sayılar değil sabitlerin kullanıldığını gösterdi.

Örneğinizin benzersizliği, doğru ve kolay açıklanabilir sonucun elde edilmesinde yatmaktadır. Genellikle, herhangi bir aracı, örneğin doğrusal regresyon kullanma olasılığını dikkatlice haklı çıkarmazsanız, gerçeklikle ilgisi olmayan ve buna göre pratikte kullanım için tamamen uygun olmayan bir sonuç elde edilecektir: sayılar Olun, görünürler ( sincabı görüyoruz ), ama gerçekte tüm bu sayılar değil! Sadece bir sayı oyunu.

Doğrusal regresyon örneğinde: standart bir algoritma (kendi kendine yapılmayan) regresyon katsayılarını hesaplar ve genellikle en sağdaki sütun, gördüğümüz regresyon katsayılarının gerçekten var olup olmadığını gösterir. En sağdaki sütun 0,5 (%50) sayısını içeriyorsa, basılı sayı olmadığı kesindir. %10 ise, o zaman siste. ve eğer %5'ten azsa, sayılar gerçekten var demektir. Ve buna ancak ondan önce aynı doğrusal regresyonu kullanma OLASILIĞINI haklı çıkarmayı başardıysanız güvenilebilir.