Regresyon Denklemi - sayfa 2
Alım-satım fırsatlarını kaçırıyorsunuz:
- Ücretsiz alım-satım uygulamaları
- İşlem kopyalama için 8.000'den fazla sinyal
- Finansal piyasaları keşfetmek için ekonomik haberler
Kayıt
Giriş yap
Gizlilik ve Veri Koruma Politikasını ve MQL5.com Kullanım Şartlarını kabul edersiniz
Hesabınız yoksa, lütfen kaydolun
Pekala, onu alın ve bir polinomla yaklaşırken hataların ampirik dağılımını alın. Ve normal ile karşılaştırın. Orta kısma değil, kuyruklara özellikle dikkat edin.
Polinomun en iyi (en küçük kareler anlamında) parametrelerini seçmekten mi bahsediyoruz?
Veya onları seçmek - ama farklı bir anlamda en iyisi?
Veya yaklaşıklık için doğru polinom seçimi hakkında?
Önceden seçilmiş bir fonksiyonun parametrelerini hesaplamak için en küçük kareler yönteminin verimsizliğini bana açıklamamı istedim (sonuçta şişman kuyruğun nedeni başarısız bir fonksiyonda olabilir :).
Ve bu parametreleri belirlemek için aynı basit prosedürler varsa, onlarla memnuniyetle tanışacağım.
Ancak sorunun ortaya çıkışı beni şaşırtıyor: Hatalarda kuyruklar olduğu için ÇUŞ iyi değil ...
;)
LAD veya kantil regresyonun daha iyi kullanıcısı. Daha karmaşık (çok daha fazlasını kodlamanız ve bilime bağlı kalmanız gerekecek), ancak işe yarıyor ...
Alıntı yapmak için gerçekten ne işe yarar? Bunun için herhangi bir nesnel kanıt var mı?
PS IMHO, bir ekstrapolasyon olduğunu iddia eden herhangi bir yaklaşım durağanlık varsayar. Yağ kuyrukları (yine, IMHO) sadece durağanlık bozulmalarını temsil eder, yani onları hesaba katma girişimi, tahmine özel bir şey eklemeyecektir. Peki, güven aralıklarını genişletecek, öngörüyü işe yaramaz hale getirecek ve bize ne faydası olacak?
Ama bunların hepsi spekülatif argümanlar, onları çürüten gerçek verilere memnuniyetle bakarım.
PS IMHO, bir ekstrapolasyon olduğunu iddia eden herhangi bir yaklaşım durağanlık varsayar. Yağ kuyrukları (yine, IMHO) sadece durağanlık bozulmalarını temsil eder, yani onları hesaba katma girişimi, tahmine özel bir şey eklemeyecektir. Peki, güven aralıklarını genişletecek, öngörüyü işe yaramaz hale getirecek ve bunun bize ne faydası var?
Ama bunların hepsi spekülatif argümanlar, onları çürüten gerçek verilere memnuniyetle bakarım.
Çoklu para birimi analizinde regresyon parametrelerinin değerlendirilmesi, "önden" ekstrapolasyon içermeyebilir, ancak bu parametreleri hesaba katmak, örneğin, daha az likit çiftlerle alım satım yaparken, bir miktar istatistik avantajı elde etmenize izin verecektir (sonuçta, işlem yapmıyoruz. ancak DC kotasyonlarına bahis yaparız).
Ama yayılma büyük...
Ancak yine de - ana dalların önemli bir hareketiyle, küçükler "yazılı" olarak davranacaktır.
;)
FreeLance :
Ancak yine de - ana dalların önemli bir hareketiyle, küçükler "yazılı" olarak davranacaktır.
Alıntı yapmak için gerçekten ne işe yarar? Bunun için herhangi bir nesnel kanıt var mı?
PS IMHO, bir ekstrapolasyon olduğunu iddia eden herhangi bir yaklaşım durağanlık varsayar. Yağ kuyrukları (yine, IMHO) sadece durağanlık bozulmalarını temsil eder, yani onları hesaba katma girişimi, tahmine özel bir şey eklemeyecektir. Peki, güven aralıklarını genişletecek, öngörüyü işe yaramaz hale getirecek ve bunun bize ne faydası var?
Ama bunların hepsi spekülatif argümanlar, onları çürüten gerçek verilere memnuniyetle bakarım.
Teorik olarak açıklamaya çalışacağım çünkü. Hesaplama verilerini sunmaya henüz hazır değilim, bunlar ham.
Araştırmam sırasında, fiyat zaman serilerini iki durağan (!) Sürecin toplamı olarak sunmaya çalıştım: a) 2-3 örneğe kadar anlamlı korelasyonlara sahip Gauss (kesin olarak söylemek gerekirse, yarı durağandır, çünkü özellikler hala biraz "yüzer") ve b) Poisson reaksiyonlarının dış etkilere akışı. Birincisi, hepimiz ne olduğunu biliyoruz. İkincisi, tam olarak "durağanlık kırılmaları" olarak adlandırdığınız ve gerçekten de kalın üstel kuyrukların oluşumuna yol açan şeydir. Ancak böyle bir modeli dikkate alırsak, ekranda gördüğümüz alıntı akışının durağan olmadığı ortaya çıkıyor - aslında, iki durağan sürecin toplamı hem geniş hem de dar anlamda durağandır. algı.
En küçük karelerin yardımıyla yaklaşık olarak, regresyon polinomunu yalnızca sürecin normal kısmına değil, aynı zamanda Poisson aykırı değerlerine de "yapıştırırız", dolayısıyla genel olarak ihtiyacımız olan tahminin düşük verimliliği . Öte yandan, nicel polinomları alarak, sürecin ikinci Poisson kısmından tamamen kurtuluruz: nicelikler buna tepki vermez ve kesinlikle. Böylece, regresyonun önemli girişimlerde bulunduğu yerleri belirledikten sonra, neredeyse çevrimiçi olarak "arızaları" yüksek bir kesinlikle yerelleştirebiliriz (muhtemelen bunları henüz tahmin etmek mümkün olmayacaktır, çünkü buna karşılık gelen bir model yoktur, en azından Sahibim:).
Yaklaşık (çok) Karşılaştırmalı sonuçlarımı vereceğim (yarı elle yapıldılar): OLS için durağanlığın bozulmasının lokalizasyonunun verimliliği (ilk çubukta doğru belirleme sıklığı) kuantiller için yaklaşık 0,55-0,6'dır. - 0.85 ve daha fazlası (burada hala çok iş var). Galibiyet burada yatıyor.
En küçük kareler yardımıyla yaklaşık olarak, regresyon polinomunu yalnızca sürecin normal kısmına değil, aynı zamanda Poisson aykırı değerlerine de "yapışmaya" zorlarız, dolayısıyla genel olarak ihtiyacımız olan tahminin düşük verimliliği . Öte yandan, nicel polinomları alarak, sürecin ikinci Poisson kısmından tamamen kurtuluruz: nicelikler buna tepki vermez ve kesinlikle. Böylece, regresyonun önemli girişimlerde bulunduğu yerleri belirledikten sonra, neredeyse çevrimiçi olarak "arızaları" yüksek bir kesinlikle yerelleştirebiliriz (muhtemelen bunları henüz tahmin etmek mümkün olmayacaktır, çünkü buna karşılık gelen bir model yoktur, en azından Sahibim:)
hm. yani, her şey tam tersi, güven aralığının genişlemesi değil, daralma. Çok ilginç, mutlaka okunmalı, teşekkürler.
Durağan olmasına ve bozulma sürecine gelince, elbette itiraz etmek istiyorum. Ancak hiçbir argüman yok, bu yüzden bir şey kaldı - düşünmek.
Zaman sorununu çözebilir misin? :) Pencere boyutu seçimi sorununu kastediyorum.
Araştırmam sırasında, fiyat zaman serilerini iki durağan (!) Sürecin toplamı olarak sunmaya çalıştım: a) 2-3 örneğe kadar anlamlı korelasyonlara sahip Gauss (kesin olarak söylemek gerekirse, yarı durağandır, çünkü özellikler hala biraz "yüzer") ve b) Poisson reaksiyonlarının dış etkilere akışı. Birincisi, hepimiz ne olduğunu biliyoruz. İkincisi, tam olarak sizin "durağanlık kırılmaları" olarak adlandırdığınız ve gerçekten yağlı üstel kuyrukların oluşumuna yol açan şeydir.
Çok ilginç. Samimi , Yerleşik Ada'daki yarı-durağan bir süreçle meta-model hakkındaki konumu hatırlıyor musun ( difurklar orada, tavşanı da şapkadan çıkardık)? Çok benzer bir şey. Noosfer hala var ve içindeki düşünceler yaygın...
Zaman sorununu çözebilir misin? :) Pencere boyutu seçimi sorununu kastediyorum.