Regresyon Denklemi - sayfa 8
Ticaret fırsatlarını kaçırıyorsunuz:
- Ücretsiz ticaret 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
zikzak neden bir fonksiyonun minimumunu bulmak için kötü?
Örneğin, on boyutlu bir uzayda nasıl bir zikzak oluşturacaksınız?)))))) Ve ne kadar bilgi işlem kaynağı alacak?
Örneğin, on boyutlu bir uzayda nasıl bir zikzak oluşturacaksınız?)))))) Ve ne kadar bilgi işlem kaynağı alacak?
Regresyon denklemleriyle ilgileniyorum. Ancak, onları yeterince tanımlama sorunuyla karşılaştım. Hangi verilere sahibiz: zaman (örneğin M15), YÜKSEK, DÜŞÜK, AÇIK, KAPALI, HACİM. Bizim için bu bir dizi gözlemsel sonuçtur. Nesnenin parametreleriyle (bizim durumumuzda döviz kurundaki değişiklik) - faktörlerle işlevsel bir ilişki kurmanın gerekli olduğu bir göstergemiz var. Gerekli: gösterge ve faktörler arasında nicel bir ilişki kurmak. Bu durumda regresyon analizinin görevi, elimizdeki verileri en iyi tanımlayan y * = f(x 1, x 2, ..., x t ) gibi bir fonksiyonel ilişkiyi tanımlama görevi olarak anlaşılır.
Göstergenin parametrelere bağımlılığını açıklayan f (x 1, x 2, ..., x t ) fonksiyonuna regresyon denklemi (fonksiyon) denir.
Böyle. Soru 1. Elimizdeki verilerden hangisini Gösterge, hangisini Faktör olarak seçmeli? Mantıksal Gösterge - zaman, faktörler - H, L, O, C, V
Bizim durumumuzda, zaman serileri ile uğraşıyoruz.
Bir sonraki görev, işlevsel bir bağımlılık seçmektir. Gösterge varyasyonu ile faktör varyasyonları arasındaki ilişkiyi karakterize eden bir denklem. Genellikle bunlar polinom fonksiyonlardır. Özel bir durum, 1. dereceden bir polinomdur - doğrusal bir regresyon denklemi.
Soru 2. Hangi polinomu seçmenin daha iyi olduğu ve zaman serilerini, hangi parametrelerin kullanılacağını, polinomun derecesinin ne olduğunu dikkate alarak nasıl yeterince tanımlanacağı. Chebyshev polinomunu kullanan var mı? Evet ise, hangi sıra?
Bir sonraki görev, regresyon denkleminin katsayılarını hesaplamaktır. Genellikle MNC'yi kullanın.
Soru 3. Bizim durumumuz için katsayıları hesaplamak için en uygun yöntem nedir?
Soru 4. Verileri normalleştirmek gerekli mi?
Konu kesinlikle önemli ve ilginç.
Yani elimizde N tane örnek içeren bir zaman serimiz var. Bu aşamada, okumalarla tam olarak ne kastedildiği önemli değildir - keneler, OHLC veya başka bir şey. Eğitim örneğinin optimal uzunluğu n N'ye eşit değil, optimal ayarlanabilir parametre sayısı k<=n (polinom derecesi) ve tahmin ufku T (örneklerde ölçülen) hakkındaki soruyu cevaplamak önemli görünüyor.
Bu aşamada, yaklaşım fonksiyonunun özel formu ve orijinal seriye yaklaşma yöntemi önemli değildir. Orijinal VR özelliklerine yukarıdaki parametrelerin bağımlılıklarını elde etmek önemlidir. Örneğin, VR entegre bir rastgele değişken ise, optimal tahminin son okumanın değerine (sıfır çubuğu) eşit bir sabit olduğu bilinmektedir. Seri desen içeriyorsa, regresyon parametreleri açısından optimumu aramanız gerekir.
Böyle bir formülasyonda bu konuda sağlam düşünceler var mı?
Konu kesinlikle önemli ve ilginç.
Yani elimizde N tane örnek içeren bir zaman serimiz var. Bu aşamada, okumalarla tam olarak ne kastedildiği önemli değildir - keneler, OHLC veya başka bir şey. Eğitim örneğinin optimal uzunluğu n N'ye eşit değil, optimal ayarlanabilir parametre sayısı k<=n (polinom derecesi) ve tahmin ufku T (örneklerde ölçülen) hakkındaki soruyu cevaplamak önemli görünüyor.
Bu aşamada, yaklaşım fonksiyonunun özel formu ve orijinal seriye yaklaşma yöntemi önemli değildir. Orijinal VR özelliklerine yukarıdaki parametrelerin bağımlılıklarını elde etmek önemlidir. Örneğin, VR entegre bir rastgele değişken ise, optimal tahminin son okumanın değerine (sıfır çubuğu) eşit bir sabit olduğu bilinmektedir. Seri desen içeriyorsa, regresyon parametreleri açısından optimumu aramanız gerekir.
Böyle bir ortamda bu konuda sağlam düşünceler var mı?
Bu ayarda nikrom yoktur. Teorik, dostum. Duvara karşı bir VR ile bu polinom regresyonunu öldürün.
Kar maksimizasyonu gereklidir. Tüm tek değişkenli regresyonlara geri dön. Neden pazar bilgisinin sadece bir kısmını kullanıyor? Bilgi öldüğünde.
Regresyon analizi en azından çok değişkenli olmalıdır. Çeşitli tahmin yöntemlerinin analizi (LSM, MO hataların mutlak değerleri (Laplass veya Lagrange - Hatırlamıyorum), işaretli, kantil vb.) verimlilikte regresyon.
Tahmin ufku tahmini de ilginç bir şarkıdır.
Bu konu hakkında bazı şeyler yazdı. Birkaç tane var tabii. Sadece en başlangıç. BP'nin kâr tahmini ufkuyla ilgili bir tahmin ve önümüzde pek çok ilginç serseri var...
Bu konu hakkında bazı şeyler yazdı.
Ne hakkında bu kadar heyecanlısın?
Sizce - bir yığına ne kadar çok şey atarsanız, tercihen basit değil ve şeffaf değil - daha iyi olur mu?
Tecrübe aksini söylüyor. Daha doğrusu - daha kolay ve olması gerektiği gibi çalışılan konuyu iyice anlamak! Ve sonra "çok boyutlu regresyon", "kuantil" ... - burulma etkileşiminin bir tür spinor analizi.
Allah kahretsin hiçbir şey atmadım, bunu nereden aldın. Basit bir çok değişkenli LINEAR regresyonum var. Ve doğrusal regresyon kullanımının geçerliliği, optimal portföyü derleme ve ilişkileri arama mantığında yatmaktadır. Bu başlangıç noktasıdır - basitten.
Lanet olsun, gerileme ile ne demek istediğinizi biliyor, kendisi de yakın zamanda bunun ne olduğunu öğrendi. Yani regresyon analizi.
... Genellikle basit bir çok değişkenli LINEAR regresyona sahibim ..
ve çok değişkenli bir polinom regresyonu yapabilirsiniz ... daha da kötüsü, lineer mi olacak? Bilmiyorum, sadece bir kontrol var - tahmin doğruluğu artarsa veya tahmin süresi aynı doğrulukla artarsa, o zaman daha iyidir ... ancak bunu kontrol etmek için sadece nasıl yapılacağını anlamanız gerekmez. o, ama aynı zamanda bu kötü demir parçasına (bilgisayar) her şeyi açıklayın ...
ve çok değişkenli bir polinom regresyonu yapabilirsiniz ... daha da kötüsü, lineer olacak mı? Bilmiyorum, sadece bir kontrol var - tahmin doğruluğu artarsa veya tahmin süresi aynı doğrulukla artarsa, o zaman daha iyidir ... ancak bunu kontrol etmek için sadece nasıl yapılacağını anlamanız gerekmez. o, ama aynı zamanda bu kötü demir parçasına (bilgisayar) her şeyi açıklayın ...