Sultonov'un regresyon modeli (RMS) - pazarın matematiksel bir modeliymiş gibi davranmak. - sayfa 44

 
yosuf : burada - A, a1, a2, a3, a4 - Gauss en küçük kareler yöntemiyle belirlenen sabit katsayılar ve D1 TF'nin 15 çubuğu için olan buydu:

15 puan için beş parametre çok fazla. Düzenli uyum.

Aynı denklemi aynı parametrelerle bin çubuk üzerinde çalıştırmayı deneyin.

Görünüşe göre araştırmanın yönünü değiştirmişsin. Eskiden difour yazardınız, piyasayı anlatmaya çalışırdınız.

Şimdi açıklamaya bile çalışmadan sadece onu tarif etmeye çalışıyorsun.

 
Mathemat :

15 puan için beş parametre çok fazla. Düzenli uyum.

Aynı denklemi aynı parametrelerle bin çubuk üzerinde çalıştırmayı deneyin.

Görünüşe göre araştırmanın yönünü değiştirmişsin. Eskiden difour yazardınız, piyasayı anlatmaya çalışırdınız.

Şimdi açıklamaya bile çalışmadan sadece onu tarif etmeye çalışıyorsun.

1. Doğru bir şekilde not edildi, işte çıplak istatistikler ve Forex ile ilgili olmayan başka bir araştırma yönünden elde edilen yan sonuçlar. Bildiğiniz gibi, Gauss, değişken kümeleri olan bir lineer denklemin katsayılarını en küçük kareler yöntemiyle tahmin ederken, ilk aşamada değişkenleri kademeli olarak ortadan kaldırmak ve ikinci aşamada katsayıları bulmak için sadece iki aşamalı bir yöntem belirtti, bu çok zahmetli. ve hantal. İkinci yöntem, Gauss yönteminden daha basit olmayan ve daha zarif olmasına rağmen aynı hesaplama karmaşıklığına sahip olan determinantları kullanan Cramer yönteminin kullanımına dayanmaktadır. Yöntemi büyük ölçüde basitleştirmeyi ve katsayıları doğrudan belirlemeyi başardım ve yukarıdaki örnek bir başlangıç ve aynı anda dört değişkeni değiştirirken 5 katsayı bulmayı nasıl başardığımı fark edeceksiniz diye düşündüm. Genellikle, örneğin, bir deney planlarken, yalnızca bir değişken için katsayıları kademeli olarak belirlemeniz, kalan değişkenleri sabit bir seviyede ayarlamanız önerilir, muhtemelen 60'ların ve 70'lerin bu çok başarılı olmayan vuruşunu hatırlıyorsunuzdur. Şimdi aslında aynı anda 1000 bar keşfetmek benim için zor değil ve yapacağım. Senden sadece virgülle geçmişi doğrudan excel'e nasıl indireceğimi göstermeni istiyorum, üzgünüm, bilgisayar kullanma tekniğinde sıfırım. Yavaş yavaş ve sadece belirli bir zamanda gerekli olanı öğrenirim. Lütfen düğmelere basma sırasına kadar ayrıntılı olarak belirtin.

2. Uydurma yok, ama aslında manuel olarak girildiklerinden veri miktarı az. Bununla birlikte, dikkat çekici olan, bu basit denklemin, hiçbir şekilde olmasa da, fiyat fırfırlarını periyodikmiş gibi tanımlamaya çalışmasıdır.

3. Önyargılı olduklarını söyleseler de, özellikle mevcut oldukları için bu dört parametreye hacim eklemek sizce mantıklı mı?

4. Görünüşe göre veri eksikliğinden dolayı OHLC katsayılarındaki farka dikkat ettik.

 
yosuf :



Senden sadece virgülle geçmişi doğrudan excel'e nasıl indireceğimi göstermeni istiyorum, üzgünüm, bilgisayar kullanma tekniğinde sıfırım.

1. Terminalde F2'ye basın. Açılır tabloda sembolü seçin ve "Dışa Aktar"a tıklayın. Dosyayı alıyoruz.

2. Dosyayı Excel'de açın . Şuna benziyor:

2012.06.27.00:00,1.2494,1.2500,1.2491,1.2492.167
2012.06.27.01:00.1.2493.1.2494.1.2486.1.2489.108
2012.06.27.02:00,1.2488,1.2493.1.2484,1.2486.217
2012.06.27.03:00,1.2487.1.2499.1.2484,1.2492.244
2012.06.27.04:00.1.2493.1.2506.1.2491.1.2503.265

3. Excel'de en üstteki "Veri" sekmesi

4. Tabloda istenen veri bölümünü seçin. tüm bunların bir sütun olduğunu kastediyoruz.

5. Ve "Sütunlara göre metin"e tıklayın Metin Sihirbazı açılır

6. İlk adımda "Ayırıcılarla" seçeneğini seçin

7. Sihirbazın ikinci adımında ayrıca "virgül" ayırıcısını belirtin

8. Üçüncü adımda:

8.1. ilk iki sütun için "metin" sütununun veri biçimini belirtin

8.3. Geri kalanı için "Genel" den çıkıyoruz, ancak "ayrıntıları" açıyoruz ve basamak ayırıcı olarak "nokta" koyuyoruz.

böyle görünmeli

2012.06.27 00:00 1.2494 1.25 1.2491 1.2492 167
2012.06.27 01:00 1.2493 1.2494 1.2486 1.2489 108
2012.06.27 02:00 1.2488 1.2493 1.2484 1.2486 217
2012.06.27 03:00 1.2487 1.2499 1.2484 1.2492 244
2012.06.27 04:00 1.2493 1.2506 1.2491 1.2503 265
2012.06.27 05:00 1.2504 1.2508 1.2497 1.2499 220
2012.06.27 06:00 1.25 1.2506 1.2496 1.2503 248
2012.06.27 07:00 1.2502 1.2506 1.2498 1.2499 236
2012.06.27 08:00 1.25 1.2503 1.2487 1.2494 437
2012.06.27 09:00 1.2493 1.2503 1.2482 1.2499 667
2012.06.27 10:00 1.2498 1.2502 1.2491 1.2494 581
 

Sadece böyle bir denklem alır

F=1.00010409798*KAPAT(-1)^0.999631066509

Başka bir değer ekleme girişimi, dejenere (tekil) bir matrise yol açar.

Çok kaliteli uyum

Bağımlı Değişken: F

Yöntem: Panel En Küçük Kareler

Tarih: 30/11/12 Saat: 10:57

Örnek: 12652

Dahil edilen dönemler: 23

Dahil edilen kesitler: 113

Toplam panel (dengesiz) gözlem: 2538

1 yinelemeden sonra elde edilen yakınsama

F=C(1)*KAPAT(-1)^C(2)

katsayı Std. hata t-istatistik prob.

C(1) 1.000104 0.000122 8222.019 0.0000

C(2) 0,999631 0.000511 1955.530 0.0000

R-kare 0,999342 Ortalama bağımlı değişken 1.266171

Düzeltilmiş R-kare 0,999342 SD bağımlı değişken 0.029512

gerileme SE 0,000757 Akaike bilgi kriteri -11.53332

Toplam kare ikamet 0.001454 Schwarz kriterleri -11.52872

günlük olasılığı 14637.78 Hannan Quinn Kriteri. -11.53165

Durbin-Watson durumu 1.951579

Tam tersini yapabilirsiniz:

Bağımlı Değişken: KAPAT

Yöntem: Panel En Küçük Kareler

Tarih: 30.11.12 Saat: 10:59

Örnek: 12652

Dahil edilen dönemler: 23

Dahil edilen kesitler: 113

Toplam panel (dengesiz) gözlem: 2538

2 yinelemeden sonra elde edilen yakınsama

KAPAT=C(1)*F(-1)^C(2)

katsayı Std. hata t-istatistik prob.

C(1) 1.000222 0.000233 4283.747 0.0000

C(2) 0,999132 0,000981 1018.334 0.0000

R-kare 0.997578 Ortalama bağımlı değişken 1.266170

Düzeltilmiş R-kare 0.997577 SD bağımlı değişken 0.029520

gerileme SE 0.001453 Akaike bilgi kriteri -10.22961

Toplam kare ikamet 0.005354 Schwarz kriterleri -10.22501

günlük olasılığı 12983.38 Hannan Quinn Kriteri. -10.22794

Durbin-Watson durumu 1.294442

İşte grafik

Yaklaşık 100 piplik emisyonlar görüyoruz. Ama normal olmasa da çok iyi bir histogram

SCO = 14 pip

Ancak güven elipsi iç karartıcı - katsayılarımızda son derece yüksek bir korelasyon görüyoruz. Ek değişkenler eklenirken matrisin tekilliğinin nedeni budur.

Söz konusu denklemi kullanmaktan kaçınırdım

 
yosuf :

Gelecekteki çubuğun (F) ortalama tahmini fiyatını önceki çubukların OHLC fiyatları cinsinden aşağıdaki bağımlılık şeklinde ifade etmeye çalıştım, ancak daha önce benzer bir şekilde denediler mi denemediler mi:

F=A*O^a1*H^a2*L^a3*C^a4,

nerede - A, a1, a2, a3, a4 - Gauss en küçük kareler yöntemiyle belirlenen sabit katsayılar ve D1 TF'nin 15 çubuğu için olan budur:

A a4 a3 a2 a1
1.0531049 1.17477 -0.70935 0.04371 0.27950

Bu nedenle, kotir, prensipte, bir denklemle ifade edilebilir, ancak bunun ne kadar pratik bir kullanım olduğunu öğreneceğiz. Görüşleriniz nelerdir?

Fiyat örneğini hangi dönemden aldığınızı bulamadım ama son 15 bar için aşağıdaki resmi alıyorsunuz (seslendirilmiş formüle ve türetilen katsayılara göre):

Açıklık için, yeşil MA tahmininin dönem = 1 ile karşılaştırılması.

Fiyat etiketleri bir komut dosyası (ekli) tarafından çizilir.

Dosyalar:
 
TarasBY :

Fiyat örneğini hangi dönemden aldığınızı bulamadım ama son 15 bar için aşağıdaki resmi alıyorsunuz (seslendirilmiş formüle ve türetilen katsayılara göre):

Açıklık için, yeşil MA tahmininin dönem = 1 ile karşılaştırılması.

Fiyat etiketleri bir komut dosyası (ekli) tarafından çizilir.

16.09.12'den 05.10.12'ye kadar D1'de kullanılan veriler
 
yosuf :
16.09.12'den 05.10.12'ye kadar D1'de kullanılan veriler
Katsayıların a4 -> a1 ters sırada düzenlenmesine hemen dikkat etmedim. Sonra, bir ay sonra hesaplanan katsayılar "gökyüzüne parmak" değil ...;)

Not Ve eğer ay sonu olmasaydı, mevcut mum çubuğu "düşüş" olurdu... :)))
 
TarasBY :
Katsayıların a4 -> a1 ters sırada düzenlenmesine hemen dikkat etmedim. Sonra, bir ay sonra hesaplanan katsayılar "gökyüzüne parmak" değil ...;)

Not Ve eğer ay sonu olmasaydı, mevcut mum çubuğu "düşüş" olurdu... :)))
Her şey uğultu halindeyken bunu söylemek ister misin? Gerçekten de, bir ay sonra fena olmadığı ortaya çıktı, şimdi katsayıyı belirlemeye çalışacağız. şimdiye kadar. Sonra katsayıların davranışını araştıracağız, belki bazı güvenilir trend öncüleri bulabiliriz.
 
faa1947 :

Sadece böyle bir denklem alır

F=1.00010409798*KAPAT(-1)^0.999631066509

Başka bir değer ekleme girişimi, dejenere (tekil) bir matrise yol açar.

Çok kaliteli uyum

Bağımlı Değişken: F

Yöntem: Panel En Küçük Kareler

Tarih: 30/11/12 Saat: 10:57

Örnek: 12652

Dahil edilen dönemler: 23

Dahil edilen kesitler: 113

Toplam panel (dengesiz) gözlem: 2538

1 yinelemeden sonra elde edilen yakınsama

F=C(1)*KAPAT(-1)^C(2)

katsayı Std. hata t-istatistik prob.

C(1) 1.000104 0.000122 8222.019 0.0000

C(2) 0,999631 0.000511 1955.530 0.0000

R-kare 0,999342 Ortalama bağımlı değişken 1.266171

Düzeltilmiş R-kare 0,999342 SD bağımlı değişken 0.029512

gerileme SE 0,000757 Akaike bilgi kriterleri -11.53332

Toplam kare ikamet 0.001454 Schwarz kriterleri -11.52872

günlük olasılığı 14637.78 Hannan Quinn Kriteri. -11.53165

Durbin-Watson durumu 1.951579

Tam tersini yapabilirsiniz:

Bağımlı Değişken: KAPAT

Yöntem: Panel En Küçük Kareler

Tarih: 30.11.12 Saat: 10:59

Örnek: 12652

Dahil edilen dönemler: 23

Dahil edilen kesitler: 113

Toplam panel (dengesiz) gözlem: 2538

2 yinelemeden sonra elde edilen yakınsama

KAPAT=C(1)*F(-1)^C(2)

katsayı Std. hata t-istatistik prob.

C(1) 1.000222 0.000233 4283.747 0.0000

C(2) 0,999132 0,000981 1018.334 0.0000

R-kare 0.997578 Ortalama bağımlı değişken 1.266170

Düzeltilmiş R-kare 0.997577 SD bağımlı değişken 0.029520

gerileme SE 0.001453 Akaike bilgi kriterleri -10.22961

Toplam kare ikamet 0.005354 Schwarz kriterleri -10.22501

günlük olasılığı 12983.38 Hannan Quinn Kriteri. -10.22794

Durbin-Watson durumu 1.294442

İşte grafik

Yaklaşık 100 piplik emisyonlar görüyoruz. Ama normal olmasa da çok iyi bir histogram

SCO = 14 pip

Ancak güven elipsi iç karartıcı - katsayılarımızda son derece yüksek bir korelasyon görüyoruz. Ek değişkenler eklenirken matrisin tekilliğinin nedeni budur.

Söz konusu denklemi kullanmaktan kaçınırdım

Sonuçlara atlamaktan kaçının
 
yosuf :
Sonuçlara atlamaktan kaçının
Yüksek bir korelasyon katsayısına işaret eden elips problemini çözerseniz.