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