Sultonov'un regresyon modeli (RMS) - pazarın matematiksel bir modeliymiş gibi davranmak. - sayfa 44
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
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.
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.
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:
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
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
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
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:
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.
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
Not Ve eğer ay sonu olmasaydı, mevcut mum çubuğu "düşüş" olurdu... :)))
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... :)))
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
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