市场是一个受控的动态系统。 - 页 63 1...565758596061626364656667686970...551 新评论 Avals 2013.06.13 15:21 #621 alsu:只有当我们考虑一个不断预测和进行交易的系统时,所有这些才是真的。但是,当系统检测到最佳的进入点,在它看来,高质量的预测是可能的,然后才选择预测的方向,这与变量完全不相符。 在实践中,在一分钟的图表上,一周可能有2-5个条目,也就是说,所做的预测的数量低于八分之一的样本数的0.1%。如果回报的PF滞后性很重要的话,我们也可以在某个浅显的框架内对交易进行上下叠加。 alsu。呵,这当然很诱人,但必要的错误返回发生在我们购买之后。我们必须在进入之前评估标准并确定方向。因此,如果我们在输入之前就知道一边的离群值比另一边的离群值更有可能,我们就可以简单地把这个因素纳入我们的系统,并从那时起使用它。另外,我错在沿途擦掉了图表:上面画了两个错误。1)内部建模误差,关于这一点,我说过它应该是正常的、不相关的,因为它是模型充分描述系统结构的一个标准(计量经济学与此无关),2)预测误差,它不应该也不会是正常的,因为输入有那些非常不可预测的异常值。而这甚至是好事,因为否则即使是我们的潜在收益也可能被保证为0。 关于内部建模误差--如何计算的? sergeyas 2013.06.13 20:19 #622 alsu:. 另外,我错在沿途擦掉了原理图:上面画了两个错误。1)内部建模误差,关于这一点,我说过它应该是正常的和不相关的,因为它是模型充分描述系统结构的一个标准(计量经济学与此无关),2)预测误差,它不应该也不会是正常的,因为输入的是那些不可预测的异常值。而这甚至是一件好事,因为否则即使是我们的潜在收益也可能被保证为0。 是的,这个计划很快就消失了--也没来得及保存。阿列克谢,你认为什么样的预测范围可能是最佳/可能的?无论如何,限制应该是存在的--如果一个人试图看得太远,错误会越来越大......还是它是一个可变参数,系统必须在启动后的数据到达/积累过程中以某种方式确定它(直到它进入工作模式)? Alexey Subbotin 2013.06.14 03:44 #623 Avals: 关于内部建模误差--如何计算的? 输入信号的确定性成分和系统的结构和参数(盲目去卷积问题)在选定的区间上用某种优化方法进行估计,使用选定的标准,然后将输入估计值通过模型运行;因此,得到的输出和真实过程之间的差异,就是噪声估计值。 Alexey Subbotin 2013.06.14 03:46 #624 sergeyas:阿列克谢,你认为什么样的预测范围可能是最佳/可能的?无论如何,限制应该是存在的--如果你试图看得太远,错误会越来越多......还是它是一个可变参数,系统必须在启动后的数据到达/积累过程中以某种方式确定它(直到它进入工作模式)? 而是可变的,它可以从导出的模型参数中确定,大致来说,系统中总有一些特征性的松弛时间,水平线可以与这个数字成正比。 [删除] 2013.06.14 15:29 #625 到目前为止,这就是它的工作方式,还没有自动调整。GBPUSD H4.英镑兑美元日报报价是5位数的。 [删除] 2013.06.15 17:16 #626 顺便说一下,预测范围的问题,其可能的优化和可变性,根本不是那么简单。假设建立了一些预测系统pp(n),它在第k 步时对未来n 步进行预测。此外,对于不同的n,预测误差ep(n)将是不同的。此外,预测误差ep(n)将在不同的步骤中发生变化,即它取决于k。让我们把Nep 定义为在第k 步预测时,在(k-n)步 预测时给出最小预测误差的水平线我们可以清楚地看到尼普 在不同步骤中的变异性。 然而,在这个过程的不同部分,这种变异性对尼泊尔 有一定的依赖性。 [删除] 2013.06.15 17:30 #627 这里有一个视频,对尼泊尔 的变异性进行了很好的可视化。 附加的文件: pp1.zip 3525 kb sergeyas 2013.06.15 18:13 #628 avtomat:顺便说一下,关于预测范围的问题,其可能的优化和可变性,根本就不是那么简单。假设建立了一些预测系统pp(n),它在第k 步时对未来n 步进行预测。此外,对于不同的n,预测误差ep(n)将是不同的。此外,预测误差ep(n)将在不同的步骤中发生变化,即它取决于k。让我们把Nep 定义为在第k 步时给出最小预测误差的水平线,当预测在(k-n)步 进行时我们可以清楚地看到尼普 在不同步骤中的变异性。 然而,在这个过程的不同部分,这种变异性有一定的关联性。乍一看非常相似,但有些东西告诉我,造成尼泊尔差异的不是K,而是质量。预测。事实证明,该模型由于某些原因(也许--不正确的假设等)没有考虑到一些重要的因素、属性的过程或观察历史不足。 k 的本质是什么?不是时间的流逝?如果是这样,那么责备它是不正确的(我认为)。 [删除] 2013.06.15 18:46 #629 sergeyas:有些东西告诉我,尼泊尔的变异性与其说是K 的 "责任",不如说是预报系统本身的质量。事实证明,由于某些原因(也许是不正确的假设,等等),该模型没有考虑到一些重要的因素或属性,如 的过程或观察历史不足。 k 的本质是什么?不是时间的流逝?如果是这样,责备它是不正确的(我认为)。 不,当然,k 本身并不对Nep 的变异性 "有罪",但过程在k 时间的状态使得预测过程的进一步发展成为可能,这是一个外部因素。而且还影响预测系统的内部因素--没有考虑到过程的一些事实和属性。 sergeyas 2013.06.15 18:56 #630 avtomat: 如果不是科幻作品,那就是新闻--没有事件)。 1...565758596061626364656667686970...551 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
只有当我们考虑一个不断预测和进行交易的系统时,所有这些才是真的。但是,当系统检测到最佳的进入点,在它看来,高质量的预测是可能的,然后才选择预测的方向,这与变量完全不相符。 在实践中,在一分钟的图表上,一周可能有2-5个条目,也就是说,所做的预测的数量低于八分之一的样本数的0.1%。
如果回报的PF滞后性很重要的话,我们也可以在某个浅显的框架内对交易进行上下叠加。
呵,这当然很诱人,但必要的错误返回发生在我们购买之后。我们必须在进入之前评估标准并确定方向。因此,如果我们在输入之前就知道一边的离群值比另一边的离群值更有可能,我们就可以简单地把这个因素纳入我们的系统,并从那时起使用它。
另外,我错在沿途擦掉了图表:上面画了两个错误。1)内部建模误差,关于这一点,我说过它应该是正常的、不相关的,因为它是模型充分描述系统结构的一个标准(计量经济学与此无关),2)预测误差,它不应该也不会是正常的,因为输入有那些非常不可预测的异常值。而这甚至是好事,因为否则即使是我们的潜在收益也可能被保证为0。
另外,我错在沿途擦掉了原理图:上面画了两个错误。1)内部建模误差,关于这一点,我说过它应该是正常的和不相关的,因为它是模型充分描述系统结构的一个标准(计量经济学与此无关),2)预测误差,它不应该也不会是正常的,因为输入的是那些不可预测的异常值。而这甚至是一件好事,因为否则即使是我们的潜在收益也可能被保证为0。
是的,这个计划很快就消失了--也没来得及保存。
阿列克谢,你认为什么样的预测范围可能是最佳/可能的?
无论如何,限制应该是存在的--如果一个人试图看得太远,错误会越来越大......
还是它是一个可变参数,系统必须在启动后的数据到达/积累过程中以某种方式确定它(直到它进入工作模式)?
关于内部建模误差--如何计算的?
输入信号的确定性成分和系统的结构和参数(盲目去卷积问题)在选定的区间上用某种优化方法进行估计,使用选定的标准,然后将输入估计值通过模型运行;因此,得到的输出和真实过程之间的差异,就是噪声估计值。
sergeyas:
阿列克谢,你认为什么样的预测范围可能是最佳/可能的?
无论如何,限制应该是存在的--如果你试图看得太远,错误会越来越多......
还是它是一个可变参数,系统必须在启动后的数据到达/积累过程中以某种方式确定它(直到它进入工作模式)?
而是可变的,它可以从导出的模型参数中确定,大致来说,系统中总有一些特征性的松弛时间,水平线可以与这个数字成正比。
到目前为止,这就是它的工作方式,还没有自动调整。
GBPUSD H4
.
英镑兑美元日报
报价是5位数的。
顺便说一下,预测范围的问题,其可能的优化和可变性,根本不是那么简单。
假设建立了一些预测系统pp(n),它在第k 步时对未来n 步进行预测。此外,对于不同的n,预测误差ep(n)将是不同的。此外,预测误差ep(n)将在不同的步骤中发生变化,即它取决于k。
让我们把Nep 定义为在第k 步预测时,在(k-n)步 预测时给出最小预测误差的水平线
我们可以清楚地看到尼普 在不同步骤中的变异性。
然而,在这个过程的不同部分,这种变异性对尼泊尔 有一定的依赖性。
这里有一个视频,对尼泊尔 的变异性进行了很好的可视化。
顺便说一下,关于预测范围的问题,其可能的优化和可变性,根本就不是那么简单。
假设建立了一些预测系统pp(n),它在第k 步时对未来n 步进行预测。此外,对于不同的n,预测误差ep(n)将是不同的。此外,预测误差ep(n)将在不同的步骤中发生变化,即它取决于k。
让我们把Nep 定义为在第k 步时给出最小预测误差的水平线,当预测在(k-n)步 进行时
我们可以清楚地看到尼普 在不同步骤中的变异性。
然而,在这个过程的不同部分,这种变异性有一定的关联性。
乍一看非常相似,但有些东西告诉我,造成尼泊尔差异的不是K,而是质量。
预测。
事实证明,该模型由于某些原因(也许--不正确的假设等)没有考虑到一些重要的因素、属性
的过程或观察历史不足。
k 的本质是什么?不是时间的流逝?如果是这样,那么责备它是不正确的(我认为)。
有些东西告诉我,尼泊尔的变异性与其说是K 的 "责任",不如说是预报系统本身的质量。
事实证明,由于某些原因(也许是不正确的假设,等等),该模型没有考虑到一些重要的因素或属性,如
的过程或观察历史不足。
k 的本质是什么?不是时间的流逝?如果是这样,责备它是不正确的(我认为)。
不,当然,k 本身并不对Nep 的变异性 "有罪",但过程在k 时间的状态使得预测过程的进一步发展成为可能,这是一个外部因素。而且还影响预测系统的内部因素--没有考虑到过程的一些事实和属性。