而你实际上想吃的还是菜谱(原谅我)。这种方法对所选历史部分的描述并不比其他方法好,也不比其他方法差,在前向方面,它的表现与绝大多数系统的表现相同。
谢谢你的建议!我此刻正在阅读相关的论坛主题。
顺便说一句--为朱雀分析引入一个额外的货币对,例如欧元兑美元,是否明智是很值得怀疑的。
关于第3点,LOC对报价来说是低效的(如果你要用回归作为预测因素)。最好使用LAD或量化回归。它更复杂(要做更多的编码和科学工作),但它是有效的--与最小二乘法不同。
顺便说一下,ISC效率低下的原因是众所周知的胖尾巴。量值没有这个缺点。
alsu:
顺便说一下,造成LOM效率低下的原因是臭名昭著的胖尾巴。量值没有这个缺陷。
顺便说一下,造成LOM效率低下的原因是臭名昭著的胖尾巴。量值没有这个缺陷。
你能说得更具体些吗?
除其他外,MNC被定位为一种估计研究者预先选择的函数的最佳参数选择的方法。
计算这些参数的公式,使实际数据与近似函数的偏差的平方最小化,已经为一组函数得出。
肥胖的尾巴出现在哪里?
请给我指点迷津...
FreeLance: 对于一组函数,计算这些参数的公式是最小化实际数据与代理函数的偏差的平方。
这样的目标函数--误差的平方之和--只有在误差分布本身为正态时才是最佳的。
粗大的尾巴在哪里产生?
Mathemat:
这样的目标函数--误差的平方之和--只有在误差分布本身为正态时才是最佳的。
这样的目标函数--误差的平方之和--只有在误差分布本身为正态时才是最佳的。
我在哪里谈到了分配问题?
或者说是话题发起人?
我们谈论的是一个多项式的近似值。仅此而已。
但也不会少。
而跨国公司的低效率在哪里?
;)
--
但对正态性的误差研究,是先验模型可信度估计的一个重要因素...
没有争论。
论坛的成员!
你能提供建议吗--有人用回归方程处理过货币报价吗?是否有任何指标、MTS、 MQL-libraries基于它们?
对于那些了解情况的人,你能回答几个问题吗?
我对回归方程感兴趣。我们有哪些数据:时间(例如M15)、高点、低点、开盘、关盘、成交量。对我们来说,它是一组观察。我们有一个指标,我们需要与对象参数(在我们的例子中,汇率的变化)建立功能关系--因素。要求:在指标和因素之间建立数量关系。在这种情况下,回归分析的任务被理解为确定最能描述我们所拥有的数据的函数关系y*=f(x 1, x 2, ..., x t)。
描述指标对参数依赖性的函数f(x 1, x 2, ..., x t)被称为回归方程(函数)。
所以。问题1:在我们拥有的数据中,我们应该选择哪一个作为指标,哪一个作为因素?在逻辑上,指标是时间,因素是 H、L、O、C、V
在我们的案例中,它是一个时间序列。
下一个任务是选择功能依赖性。描述指标的变化与因素的变化之间关系的方程式。通常这些都是多项式函数。一个特殊的情况是1度多项式--线性回归方程。
问题2:选择什么是最好的多项式,以及如何充分描述它的时间序列,使用什么参数,多项式的程度是多少。有人使用过切比雪夫多项式吗?如果是这样,顺序是什么?
我们的下一个任务是计算回归方程的系数。通常的方法是使用ANC。
问题3:对于我们的情况,计算系数的最佳方法是什么?
问题4:是否有必要对数据进行标准化处理?
而最有趣的问题是:如何在获得的数据和回归方程的基础上进行预测,比如说,下一个刻度?
如果有人能分享他/她的经验、想法,我将不胜感激。