基于宏观经济指标的市场预测 - 页 11 1...456789101112131415161718...61 新评论 Mykola Demko 2015.02.26 21:32 #101 zfs: 也许这样的天真是由于这个模式没有实施而产生的？为什么你还没有实施呢？我记得几年前，有一个关于寻找进阶者的嗡嗡声，在这段时间里，你不可能只学习mql，你可以成为王牌。 Vladimir 2015.02.27 04:33 #102 avtomat:不可能将一个初始的非平稳序列转化为一个等效的平稳序列。有可能以各种方式操纵原始序列，但必须意识到结果可能不等同于原始序列。 这就是在进行 "非稳态序列转换为稳态序列 "时所发生的情况。为什么不可能呢？这是非常可能的，而且已经做了几十年了。证据很简单。如果有一个具有非平稳数据的模型。(1) y = f(x1,x2,...)那么一定存在一个关于转换后的（微分）静止数据的模型(2) dy = df/dx1*dx1 + df/dx2*dx2 + ...。其中dy, dx1, dx2 ...是我们的稳态数据。转换回非稳态数据是非常简单的。y[i] = y[i-1] + dy寻找非平稳数据的模型（1）是相当困难的。寻找静止数据的模型（2）要容易得多。让我也尝试用更简单的方式来解释。如果我给你某个季度的总产值，国内为1000亿美元（非稳态投入x1），你能预测道琼斯指数（非稳态产出y）吗？世界上没有人能够解决这样的问题。如果我告诉你，总产出下降了5%（dx1），你能预测道琼斯指数在同一时期的变化吗（dy）？这要容易得多，因为它不需要知道总产出和指数的绝对值。至少可以100%准确地预测出指数变化的符号（负数）。而我们只是需要它来赚钱，而不是知道道琼斯指数的绝对值，15000或18000。虽然我不否认，对于火箭手来说，只知道目标的位置而不知道目标的增量是非常重要的，这样才能击中目标。也许这就是为什么导弹工程师很难在市场上赚钱的原因：他们无法放下价格是一个移动目标的概念 :) Vladimir 2015.02.27 04:52 #103 试着用我的模型来预测GDP增长。结果相当不错，该模型至少找到了3个预测因素，每个预测因素都提高了预测的准确性。下面的蓝线是GDP的实际变化，红线是不看未来的预测。该模型预测了当前（2015年第一季度）和下一个（2015年第二季度）季度的GDP增长。市场也应该上涨。 Дмитрий 2015.02.27 05:52 #104 gpwr:试着用我的模型来预测GDP增长。结果相当不错，该模型至少找到了3个预测因素，每个预测因素都提高了预测的准确性。下面的蓝线是实际的GDP变化，红线是不看未来的预测。该模型预测了当前（2015年第一季度）和下一个（2015年第二季度）季度的GDP增长。市场也应该上涨。 什么是 "不求甚解的预测"？这个图是对模型的正向测试吗？ Vladimir 2015.02.27 06:03 #105 Demi: 什么是 "未雨绸缪的预测"？本节是正向模型测试吗？ 是的，前向测试。尽管如果预测者是在了解整个历史的情况下选择的，即使是正向检验也会被欺骗。例如，你可以找到很多文章推荐市场的某些预测因素，如生产总值增长、失业率、消费者价格指数等。然后根据这些预测因素来预测过去，却没有意识到这些预测因素是根据所有现有历史推荐的。在我的案例中，预测因子和模型只在预测的季度之前的数据上选择。 Дмитрий 2015.02.27 06:24 #106 gpwr: 是的，向前测试。尽管即使是正向检验也可以被欺骗，如果预测者是在了解整个历史的情况下选择的。例如，你可能会发现很多文章推荐市场的某些预测因素，如生产总值增长、失业率、消费者价格指数等。然后根据这些预测因素来预测过去，却没有意识到这些预测因素是根据所有现有历史推荐的。在我的案例中，预测因子和模型只在预测的季度之前的数据上选择。再说一遍，这个图是如何构建的？你是把2000年以前建立的模型，在没有重新训练的情况下运行在这个数据上还是什么？前进多少个数值？ [删除] 2015.02.27 06:43 #107 gpwr:1)为什么不可能呢？这是非常可能的，而且已经做了几十年了。证据很简单。如果有一个具有非平稳数据的模型。(1) y = f(x1,x2,...)那么一定存在一个关于转换后的（微分）静止数据的模型(2) dy = df/dx1*dx1 + df/dx2*dx2 + ...。其中dy, dx1, dx2 ...是我们的静止数据。转换回非稳态数据是非常简单的。y[i] = y[i-1] + dy2)寻找非平稳数据的模型（1）是相当困难的。寻找静止数据的模型（2）要容易得多。让我也尝试用更简单的方式来解释。如果我给你某个季度的总产值，国内为1000亿美元（非稳态投入x1），你能预测道琼斯指数（非稳态产出y）吗？世界上没有人能够解决这样的问题。如果我告诉你，总产出下降了5%（dx1），你能预测道琼斯指数在同一时期的变化吗（dy）？这要容易得多，因为它不需要知道总产出和指数的绝对值。至少可以100%准确地预测出指数变化的符号（负数）。而我们只是需要它来赚钱，而不是知道dy、15000或18000的绝对值。3)尽管我不否认，对于导弹工程师来说，只知道目标的位置，而不知道目标的增量，对击中目标是非常重要的。也许这就是为什么火箭科学家很难在市场上赚钱的原因：他们无法放下价格是一个移动目标的概念 :)1）那是--说得温和一点--废话。2）用一个具体的例子来证明它。值得庆幸的是，终端有足够多的系列，而且它们都是非稳态的。你认为转变后的系列会是什么样子？静止的？3）火箭科学家知道他们的东西。回想一下他们是什么1）静止的随机过程2）非稳定的随机过程以及它们之间的区别是什么。 Vladimir 2015.02.27 14:04 #108 avtomat:2）用一个具体的例子来证明。值得庆幸的是，终端有很多系列，而且都是非稳态的。你认为转变后的系列会是什么样子？静止的？ 这个例子在我的第一个帖子里。对于你的帖子的其余部分，请至少为你的推论提供一些支持，否则它看起来像与五年级学生的争论。 Vladimir 2015.02.27 14:14 #109 Demi:再说一遍，这个图是如何构建的？你是把2000年以前建立的模型，在没有重新训练的情况下运行在这个数据上还是什么？前进多少个数值？ 往前走两步。在每次预测之前，都会将过去的数据到预测的季度减去2（2是预测的步骤），以及那些在过去的数据上给出最低预测有效值的预测器建立模型。 [删除] 2015.02.27 17:10 #110 gpwr: 这个例子在我的第一个帖子里。对于你的帖子的其余部分，请至少为你的结论提供一些支持，否则它看起来像与五年级学生的争论。好吧，我不会从我的五年级洞穴中搅动...;)我只想指出，这是你在第一个帖子中的断言gpwr:没有静止性，任何模型都不会起作用。 只对 "你们的大学 "教给你们的有限的一类模型是真实的。但这个有限的类别根本没有限制所有可能的模型集合。从第一个帖子中可以看出，已经做了大量的工作。而且，我认为，并非没有帮助。好运。 1...456789101112131415161718...61 新评论 您错过了交易机会： 免费交易应用程序 8,000+信号可供复制 探索金融市场的经济新闻 注册 登录 拉丁字符（不带空格） 密码将被发送至该邮箱 发生错误 使用 Google 登录 您同意网站政策和使用条款 如果您没有帐号，请注册 可以使用cookies登录MQL5.com网站。 请在您的浏览器中启用必要的设置，否则您将无法登录。 忘记您的登录名/密码？ 使用 Google 登录
也许这样的天真是由于这个模式没有实施而产生的？
为什么你还没有实施呢？
我记得几年前，有一个关于寻找进阶者的嗡嗡声，在这段时间里，你不可能只学习mql，你可以成为王牌。
不可能将一个初始的非平稳序列转化为一个等效的平稳序列。有可能以各种方式操纵原始序列，但必须意识到结果可能不等同于原始序列。 这就是在进行 "非稳态序列转换为稳态序列 "时所发生的情况。
为什么不可能呢？这是非常可能的，而且已经做了几十年了。证据很简单。如果有一个具有非平稳数据的模型。
(1) y = f(x1,x2,...)
那么一定存在一个关于转换后的（微分）静止数据的模型
(2) dy = df/dx1*dx1 + df/dx2*dx2 + ...。
其中dy, dx1, dx2 ...是我们的稳态数据。转换回非稳态数据是非常简单的。
y[i] = y[i-1] + dy
寻找非平稳数据的模型（1）是相当困难的。寻找静止数据的模型（2）要容易得多。让我也尝试用更简单的方式来解释。如果我给你某个季度的总产值，国内为1000亿美元（非稳态投入x1），你能预测道琼斯指数（非稳态产出y）吗？世界上没有人能够解决这样的问题。如果我告诉你，总产出下降了5%（dx1），你能预测道琼斯指数在同一时期的变化吗（dy）？这要容易得多，因为它不需要知道总产出和指数的绝对值。至少可以100%准确地预测出指数变化的符号（负数）。而我们只是需要它来赚钱，而不是知道道琼斯指数的绝对值，15000或18000。
虽然我不否认，对于火箭手来说，只知道目标的位置而不知道目标的增量是非常重要的，这样才能击中目标。也许这就是为什么导弹工程师很难在市场上赚钱的原因：他们无法放下价格是一个移动目标的概念 :)
试着用我的模型来预测GDP增长。结果相当不错，该模型至少找到了3个预测因素，每个预测因素都提高了预测的准确性。下面的蓝线是GDP的实际变化，红线是不看未来的预测。
该模型预测了当前（2015年第一季度）和下一个（2015年第二季度）季度的GDP增长。市场也应该上涨。
试着用我的模型来预测GDP增长。结果相当不错，该模型至少找到了3个预测因素，每个预测因素都提高了预测的准确性。下面的蓝线是实际的GDP变化，红线是不看未来的预测。
该模型预测了当前（2015年第一季度）和下一个（2015年第二季度）季度的GDP增长。市场也应该上涨。
什么是 "未雨绸缪的预测"？本节是正向模型测试吗？
是的，向前测试。尽管即使是正向检验也可以被欺骗，如果预测者是在了解整个历史的情况下选择的。例如，你可能会发现很多文章推荐市场的某些预测因素，如生产总值增长、失业率、消费者价格指数等。然后根据这些预测因素来预测过去，却没有意识到这些预测因素是根据所有现有历史推荐的。在我的案例中，预测因子和模型只在预测的季度之前的数据上选择。
再说一遍，这个图是如何构建的？你是把2000年以前建立的模型，在没有重新训练的情况下运行在这个数据上还是什么？
前进多少个数值？
1)
为什么不可能呢？这是非常可能的，而且已经做了几十年了。证据很简单。如果有一个具有非平稳数据的模型。
(1) y = f(x1,x2,...)
那么一定存在一个关于转换后的（微分）静止数据的模型
(2) dy = df/dx1*dx1 + df/dx2*dx2 + ...。
其中dy, dx1, dx2 ...是我们的静止数据。转换回非稳态数据是非常简单的。
y[i] = y[i-1] + dy
2)
寻找非平稳数据的模型（1）是相当困难的。寻找静止数据的模型（2）要容易得多。让我也尝试用更简单的方式来解释。如果我给你某个季度的总产值，国内为1000亿美元（非稳态投入x1），你能预测道琼斯指数（非稳态产出y）吗？世界上没有人能够解决这样的问题。如果我告诉你，总产出下降了5%（dx1），你能预测道琼斯指数在同一时期的变化吗（dy）？这要容易得多，因为它不需要知道总产出和指数的绝对值。至少可以100%准确地预测出指数变化的符号（负数）。而我们只是需要它来赚钱，而不是知道dy、15000或18000的绝对值。
3)
尽管我不否认，对于导弹工程师来说，只知道目标的位置，而不知道目标的增量，对击中目标是非常重要的。也许这就是为什么火箭科学家很难在市场上赚钱的原因：他们无法放下价格是一个移动目标的概念 :)
1）那是--说得温和一点--废话。
2）用一个具体的例子来证明它。值得庆幸的是，终端有足够多的系列，而且它们都是非稳态的。你认为转变后的系列会是什么样子？静止的？
3）火箭科学家知道他们的东西。
回想一下他们是什么
1）静止的随机过程
2）非稳定的随机过程
以及它们之间的区别是什么。
2）用一个具体的例子来证明。值得庆幸的是，终端有很多系列，而且都是非稳态的。你认为转变后的系列会是什么样子？静止的？
再说一遍，这个图是如何构建的？你是把2000年以前建立的模型，在没有重新训练的情况下运行在这个数据上还是什么？
前进多少个数值？
这个例子在我的第一个帖子里。对于你的帖子的其余部分，请至少为你的结论提供一些支持，否则它看起来像与五年级学生的争论。
好吧，我不会从我的五年级洞穴中搅动...;)
我只想指出，这是你在第一个帖子中的断言
gpwr:
没有静止性，任何模型都不会起作用。
只对 "你们的大学 "教给你们的有限的一类模型是真实的。
但这个有限的类别根本没有限制所有可能的模型集合。
从第一个帖子中可以看出，已经做了大量的工作。而且，我认为，并非没有帮助。好运。