基于宏观经济指标的市场预测 - 页 8 123456789101112131415...61 新评论 Vladimir 2015.02.22 15:22 #71 用两条线代替单线回归,一条用于正向输入,一条用于负向输入,没有显示出特别的优势。试图预测GDP而不是S&P500的结果是预测的RMS较低,但最佳输入数仍为1。因此,增加第二个和第三个预测器总是导致预先预测的RMS增加。我不喜欢这样。我希望看到一个有更多变量的模型。因此,对模型、数据及其转换的搜索仍在继续。我不想通过在所有历史的基础上对预测者进行抽样,并通过选定的预测者从同一历史中进行预测来欺骗自己。现在真正的挑战是如何选择只有到预测日期为止的历史的预测器。也许现实真的将选择限制在只有一个预测者。 transcendreamer 2015.02.22 15:45 #72 gpwr:用两条直线代替一条直线的回归,一条是正输入值,一条是负输入值,没有显示出特别的优势。试图预测GDP而不是S&P500的结果是预测的RMS较低,但最佳输入数仍为1。因此,增加第二个和第三个预测器总是会导致预测RMS的增加。我不喜欢这样。我希望看到一个有更多变量的模型。因此,对模型、数据及其转换的搜索仍在继续。增加变量的数量,自然会增加整体的变异性预测器的最佳数量从5个到8个(我认为)。 forexman77 2015.02.24 15:10 #73 道琼斯指数和美元的三个月LIBOR利率。奇怪的是,教科书上说,当利率上升时,市场就会下降,但事实恰恰相反。然而,并没有看到强烈的相关性。P.S. 谁能告诉我在哪里可以找到1986年以前的利率和2007年以前的Tregers价格(不是收益率)的数据? transcendreamer 2015.02.24 17:16 #74 forexman77: 道琼斯指数和美元的三个月LIBOR利率。奇怪的是,教科书上说,当利率上升时,市场就会下降,但事实恰恰相反。然而,并没有看到强烈的相关性。P.S. 谁能告诉我在哪里可以找到1986年以前的利率和2007年以前的国债价格(不是收益率)的数据?http://www.treasury.gov/resource-center/data-chart-center/interest-rates/Pages/Historic-LongTerm-Rate-Data-Visualization.aspx但真的很不方便(((。 transcendreamer 2015.02.24 18:18 #75 transcendreamer:http://www.treasury.gov/resource-center/data-chart-center/interest-rates/Pages/Historic-LongTerm-Rate-Data-Visualization.aspx但这真的很尴尬(()()。对不起,它只有费率。 价格在这里,但只按月计算 http://www.investing.com/rates-bonds/us-10-yr-t-note-historical-data СанСаныч Фоменко 2015.02.25 07:10 #76 gpwr: 用两个直线回归代替单一的直线回归,一个是正的输入值,一个是负的输入值,并没有显示出太大的好处。试图预测GDP而不是S&P500的结果是预测的RMS较低,但最佳输入数仍为1。因此,增加第二个和第三个预测器总是会导致预先预测的RMS增加。我不喜欢这样。我希望看到一个有更多变量的模型。因此,对模型、数据及其转换的搜索仍在继续。我不想通过在所有历史的基础上对预测者进行抽样,并通过选定的预测者从同一历史中进行预测来欺骗自己。现在真正的挑战是如何选择只有到预测日期为止的历史的预测器。也许现实真的将选择限制在只有一个预测者。我不明白你为什么不做RAttle--你用了一些俗气的,更重要的是,有限的模型。我有一个建议。把带有列名的tsv.文件发给我。指定哪个(哪些)列应被用作目标变量。当然,表行应该指的是一个时间点。我将在Rattle中运行它,如果你允许,我将在这里发布6个非常体面的模型的结果。PS。对金融系列的线性回归.....,更值得怀疑。 forexman77 2015.02.25 07:14 #77 transcendreamer:对不起,这只是费率问题。 价格在这里,但只按月计算。 http://www.investing.com/rates-bonds/us-10-yr-t-note-historical-data谢谢你!根据网站上的图表判断,每天的数据来自2013年。 transcendreamer 2015.02.25 08:01 #78 faa1947:对金融系列的线性回归.....,更值得怀疑。为什么,作为简单的模型,它是相当合适的 当然没有神经网络那么多的功能,但仍然是 我经常观察到,如果一个回归不能提供高质量的模型,那么其他优化器就不能提供 СанСаныч Фоменко 2015.02.25 08:52 #79 transcendreamer:为什么不呢,因为简单的模型是相当合适的,当然不像神经网络那样通用,但还是,经常观察到,如果回归不能给出一个高质量的模型,那么其他优化器也不能给出是的,嗯...回归模型 几乎不可能应用于金融数据。你得到了数字,你相信它们,而事实上你看到的数字根本不存在,你缺乏了解它的知识--一个数字游戏。但我的业务是建议...在那里,由你决定......PS。神经网络并没有给出最好的结果。还有其他的模型,而且结果更好,内部结构也可以解释。 transcendreamer 2015.02.25 13:27 #80 faa1947:是的,好吧...回归模型实际上不适用于金融数据。你得到了数字,你相信它们,而事实上你看到的数字根本不存在,你缺乏了解它的知识--一个数字游戏。但我的业务是建议...在那里,由你决定......PS。神经网络并没有给出最好的结果。还有其他的模型,而且结果更好,内部结构也可以解释。我仍然不同意--回归在任何数据上都能正常工作,不一定比其他方法更好,但仍然足够好,特别是当你考虑到计算资源 的极端不要求性时。通常建议在回归前先进行对数或取三角洲--但那会扼杀趋势信息!- 也许这就是你对回归持怀疑态度的原因?预规范化会破坏数据,需要非常谨慎地进行。我同意,一个模型必须有 "物理 "意义......一个模型越复杂,它就越脱离 "物理 "解释,在任何复杂的模型中,系数都是抽象的(除非它对应于很多或观察数字/球,计算波动率的乘数或类似的东西),神经网络是抽象的,随机森林也是抽象的,还有什么? 遗传学?也是一个抽象的模型在回归中,系数通常被解释为一个因素的相关/影响的强度,计算系数的模数之和,并计算一个系数在总和中的份额--这将是变量影响的显著性水平,这是符合逻辑的。当然,这不能总是用经济术语来表达(在这种情况下,你需要建立一个坚实的模型,你可以相信这些数字,但这是一个不同的层次),例如,如果你分析股票指数和宏观经济统计之间的关系,你会看到类似 "指数增长%对指数增长%"的东西,或者例如中央银行的账户余额和汇率之间没有直接关系,但模型可能显示有一种关系,不一定是客观关系(余额以某种方式影响汇率或反之),但模型显示同步变化,所以如果模型只包含交易的工具,我们可以按手数重新计算系数--比物理解释更有意义 123456789101112131415...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
用两条直线代替一条直线的回归,一条是正输入值,一条是负输入值,没有显示出特别的优势。试图预测GDP而不是S&P500的结果是预测的RMS较低,但最佳输入数仍为1。因此,增加第二个和第三个预测器总是会导致预测RMS的增加。我不喜欢这样。我希望看到一个有更多变量的模型。因此,对模型、数据及其转换的搜索仍在继续。
增加变量的数量,自然会增加整体的变异性
预测器的最佳数量从5个到8个(我认为)。
道琼斯指数和美元的三个月LIBOR利率。奇怪的是,教科书上说,当利率上升时,市场就会下降,但事实恰恰相反。
然而,并没有看到强烈的相关性。
P.S. 谁能告诉我在哪里可以找到1986年以前的利率和2007年以前的Tregers价格(不是收益率)的数据?
道琼斯指数和美元的三个月LIBOR利率。奇怪的是,教科书上说,当利率上升时,市场就会下降,但事实恰恰相反。
然而,并没有看到强烈的相关性。
P.S. 谁能告诉我在哪里可以找到1986年以前的利率和2007年以前的国债价格(不是收益率)的数据?
http://www.treasury.gov/resource-center/data-chart-center/interest-rates/Pages/Historic-LongTerm-Rate-Data-Visualization.aspx
但真的很不方便(((。
http://www.treasury.gov/resource-center/data-chart-center/interest-rates/Pages/Historic-LongTerm-Rate-Data-Visualization.aspx
但这真的很尴尬(()()。
对不起,它只有费率。
价格在这里,但只按月计算
http://www.investing.com/rates-bonds/us-10-yr-t-note-historical-data
用两个直线回归代替单一的直线回归,一个是正的输入值,一个是负的输入值,并没有显示出太大的好处。试图预测GDP而不是S&P500的结果是预测的RMS较低,但最佳输入数仍为1。因此,增加第二个和第三个预测器总是会导致预先预测的RMS增加。我不喜欢这样。我希望看到一个有更多变量的模型。因此,对模型、数据及其转换的搜索仍在继续。我不想通过在所有历史的基础上对预测者进行抽样,并通过选定的预测者从同一历史中进行预测来欺骗自己。现在真正的挑战是如何选择只有到预测日期为止的历史的预测器。也许现实真的将选择限制在只有一个预测者。
我不明白你为什么不做RAttle--你用了一些俗气的,更重要的是,有限的模型。
我有一个建议。
把带有列名的tsv.文件发给我。指定哪个(哪些)列应被用作目标变量。当然,表行应该指的是一个时间点。
我将在Rattle中运行它,如果你允许,我将在这里发布6个非常体面的模型的结果。
PS。
对金融系列的线性回归.....,更值得怀疑。
对不起,这只是费率问题。
价格在这里,但只按月计算。
http://www.investing.com/rates-bonds/us-10-yr-t-note-historical-data
谢谢你!根据网站上的图表判断,每天的数据来自2013年。
对金融系列的线性回归.....,更值得怀疑。
为什么,作为简单的模型,它是相当合适的
当然没有神经网络那么多的功能,但仍然是
我经常观察到,如果一个回归不能提供高质量的模型,那么其他优化器就不能提供
为什么不呢,因为简单的模型是相当合适的
,当然不像神经网络那样通用,但还是
,经常观察到,如果回归不能给出一个高质量的模型,那么其他优化器也不能给出
是的,嗯...
回归模型 几乎不可能应用于金融数据。你得到了数字,你相信它们,而事实上你看到的数字根本不存在,你缺乏了解它的知识--一个数字游戏。
但我的业务是建议...在那里,由你决定......
PS。
神经网络并没有给出最好的结果。还有其他的模型,而且结果更好,内部结构也可以解释。
是的,好吧...
回归模型实际上不适用于金融数据。你得到了数字,你相信它们,而事实上你看到的数字根本不存在,你缺乏了解它的知识--一个数字游戏。
但我的业务是建议...在那里,由你决定......
PS。
神经网络并没有给出最好的结果。还有其他的模型,而且结果更好,内部结构也可以解释。
我仍然不同意--回归在任何数据上都能正常工作,不一定比其他方法更好,但仍然足够好,特别是当你考虑到计算资源 的极端不要求性时。
通常建议在回归前先进行对数或取三角洲--但那会扼杀趋势信息!- 也许这就是你对回归持怀疑态度的原因?
预规范化会破坏数据,需要非常谨慎地进行。
我同意,一个模型必须有 "物理 "意义......一个模型越复杂,它就越脱离 "物理 "解释,在任何复杂的模型中,系数都是抽象的(除非它对应于很多或观察数字/球,计算波动率的乘数或类似的东西),神经网络是抽象的,随机森林也是抽象的,还有什么? 遗传学?也是一个抽象的模型
在回归中,系数通常被解释为一个因素的相关/影响的强度,计算系数的模数之和,并计算一个系数在总和中的份额--这将是变量影响的显著性水平,这是符合逻辑的。
当然,这不能总是用经济术语来表达(在这种情况下,你需要建立一个坚实的模型,你可以相信这些数字,但这是一个不同的层次),例如,如果你分析股票指数和宏观经济统计之间的关系,你会看到类似 "指数增长%对指数增长%"的东西,或者例如中央银行的账户余额和汇率之间没有直接关系,但模型可能显示有一种关系,不一定是客观关系(余额以某种方式影响汇率或反之),但模型显示同步变化,所以
如果模型只包含交易的工具,我们可以按手数重新计算系数--比物理解释更有意义