计量经济学：状态空间模型预测 - 页 24 1...17181920212223242526 新评论 Vizard 2013.08.07 11:59 #231 这很有趣... михаил потапыч 2013.08.07 12:03 #232 Vizard: 这很有趣... 谁会想到呢？ EconModel 2013.08.07 12:23 #233 avtomat: 你不需要它。 好了，你去吧。这就是你的帖子的答案。 Vizard 2013.08.07 12:23 #234 桑尼奇，出来吧......这里的人都是人，不是野兽，大家都能理解...... 你需要做什么 - 1.首先检查模拟的准确性......比较在软件中获得的切割和实时的切割。 2.寻找联系....，你需要一把尺子......+选择和检查影响因素......也许你不需要Ensemble 18。 ps.如果你把模型贴在第2页，它早就被拆掉了....，现在我不想再乱来了....，祝你好运。 [删除] 2013.08.07 12:33 #235 EconModel: 好了，你去吧。这就是你的帖子的答案。 他不想要它--他想要沼泽。 不要失去线索... СанСаныч Фоменко 2013.08.07 12:45 #236 Vizard: 桑尼奇，出来吧......这里的每个人都是人，不是野兽，都能理解一切...... 你需要做什么 - 你需要首先验证模拟的正确性......比较程序中获得的切割和实时的切割 2.寻找联系....，你需要一把尺子......+选择和检查影响因素......也许你不需要Ensemble 18。 ps.如果你把模型贴在第二页，它早就被拆掉了......现在我不想再打听了......祝你好运...... 我已经在上面陈述了我的观点，并对该主题的作者提出了建议--离开这里。他需要赚钱，而不是看当地人的胡说八道 ....是我无事可做，所以我被困住了...... 关于下载。从我到目前为止的资料来看。 wrapper下载 - 705. 指标下载 - 1229 Sceptic Philozoff 2013.08.12 03:07 #237 EconModel: 或者说，现在我有一个窗口大小的问题，（窗口）结果在很大程度上取决于这个问题，直到并包括损失。我有关于窗口尺寸预测的想法... 在我看来，20个小节并不足以计算出这个条件。 事实上，固定窗口大小不太可能有什么好处：关键信息很可能分散在更深的历史中。我认为这是计量经济学 中自回归模型的主要缺点。 EconModel 2013.08.12 04:47 #238 Mathemat:在我看来，20个小节并不足以计算出这个条件。事实上，固定窗口大小不太可能有什么好处：关键信息很可能分散在更深的历史中。在我看来，这是计量经济学中自回归模型的主要缺点。我使用了一个非平稳随机过程的动态适应性状态空间模型。一个特定的模型及其参数的选择是由每个酒吧的到来决定的。 这个模型必然包括至少两个 方程：测量方程和状态方程。对状态进行预测，然后从这个状态预测中计算出被测数量的预测。有一些SSM的变种与ARIMA相吻合，但这是一个特殊且相当罕见的案例，证实了你的观点。 特殊的自回归被用来计算阈值，这些阈值是从预测误差中计算出来的，而且它（预测误差）是静止的，即自回归模型对这个随机过程相当适用。 就窗口而言。 我们需要回答的问题是：需要多少个最小历史条数才能使趋势持续到下一个条数？10+1条的趋势持续的概率要比50+1条高得多，你可能根本就不考虑100+1条。直觉上是这样。 Дмитрий 2013.08.12 04:50 #239 EconModel: 我使用了一个非平稳随机过程的动态适应性状态空间模型。特定模型及其参数的选择是由每个酒吧的到来决定的。 这个模型必然包括至少两个方程：测量方程和状态方程。对状态进行预测，然后从这个状态预测中计算出被测数量的预测。有一些SSM的变种与ARIMA相吻合，但这是一个特殊且相当罕见的案例，证实了你的观点。 特殊的自回归被用来计算阈值，这些阈值是从预测误差中计算出来的，而且它（预测误差）是静止的，即自回归模型对这个随机过程相当适用。 就窗口而言。 我们需要回答的问题是：需要多少个最小历史条数才能使趋势持续到下一个条数？ 10+1条的趋势持续的概率要比50+1条高得多，你可能根本就不考虑100+1条。直觉上是这样。 我错过了所有这些讨论 - 那么平均交易规模是多少点？ Юсуфходжа 2013.08.12 05:12 #240 EconModel: 我使用了一个非平稳随机过程的动态适应性状态空间模型。一个特定的模型及其参数的选择是由每个酒吧的到来决定的。 这个模型必然包括至少两个方程：测量方程和状态方程。对状态进行预测，然后从这个状态预测中计算出被测数量的预测。有一些SSM的变种与ARIMA相吻合，但这是一个特殊且相当罕见的案例，证实了你的观点。 特殊的自回归被用来计算阈值，这些阈值是从预测误差中计算出来的，而且它（预测误差）是静止的，即自回归模型对这个随机过程相当适用。 就窗口而言。 我们需要回答的问题是：需要多少个最小历史条数才能使趋势持续到下一个条数？ 10+1条的趋势持续的概率要比50+1条高得多，你可能根本就不考虑100+1条。直观地说，它是这样的。 1.请引用自回归的类型，预测所依据的函数。 2.我必须使用最多1000条历史记录，所以不能排除>100条的情况。我应该考虑>1000条的情况，但由于某些原因，EA忽略了这些情况，尽管指标甚至可以显示10000条。专家顾问中的原因是什么，我不知道。我在代码中找不到1000巴的限制。也许这是一个系统的限制因素？ 1...17181920212223242526 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
这很有趣...
这很有趣...
你不需要它。
你需要做什么 -
1.首先检查模拟的准确性......比较在软件中获得的切割和实时的切割。
2.寻找联系....，你需要一把尺子......+选择和检查影响因素......也许你不需要Ensemble 18。
ps.如果你把模型贴在第2页，它早就被拆掉了....，现在我不想再乱来了....，祝你好运。
好了，你去吧。这就是你的帖子的答案。
他不想要它--他想要沼泽。
不要失去线索...
桑尼奇，出来吧......这里的每个人都是人，不是野兽，都能理解一切......
你需要做什么 -
你需要首先验证模拟的正确性......比较程序中获得的切割和实时的切割
2.寻找联系....，你需要一把尺子......+选择和检查影响因素......也许你不需要Ensemble 18。
ps.如果你把模型贴在第二页，它早就被拆掉了......现在我不想再打听了......祝你好运......
我已经在上面陈述了我的观点，并对该主题的作者提出了建议--离开这里。他需要赚钱，而不是看当地人的胡说八道 ....是我无事可做，所以我被困住了......
关于下载。从我到目前为止的资料来看。
wrapper下载 - 705.
指标下载 - 1229
在我看来，20个小节并不足以计算出这个条件。
事实上，固定窗口大小不太可能有什么好处：关键信息很可能分散在更深的历史中。我认为这是计量经济学 中自回归模型的主要缺点。
在我看来，20个小节并不足以计算出这个条件。
事实上，固定窗口大小不太可能有什么好处：关键信息很可能分散在更深的历史中。在我看来，这是计量经济学中自回归模型的主要缺点。
我使用了一个非平稳随机过程的动态适应性状态空间模型。一个特定的模型及其参数的选择是由每个酒吧的到来决定的。
这个模型必然包括至少两个 方程：测量方程和状态方程。对状态进行预测，然后从这个状态预测中计算出被测数量的预测。有一些SSM的变种与ARIMA相吻合，但这是一个特殊且相当罕见的案例，证实了你的观点。
特殊的自回归被用来计算阈值，这些阈值是从预测误差中计算出来的，而且它（预测误差）是静止的，即自回归模型对这个随机过程相当适用。
就窗口而言。
我们需要回答的问题是：需要多少个最小历史条数才能使趋势持续到下一个条数？10+1条的趋势持续的概率要比50+1条高得多，你可能根本就不考虑100+1条。直觉上是这样。
我使用了一个非平稳随机过程的动态适应性状态空间模型。特定模型及其参数的选择是由每个酒吧的到来决定的。
这个模型必然包括至少两个方程：测量方程和状态方程。对状态进行预测，然后从这个状态预测中计算出被测数量的预测。有一些SSM的变种与ARIMA相吻合，但这是一个特殊且相当罕见的案例，证实了你的观点。
特殊的自回归被用来计算阈值，这些阈值是从预测误差中计算出来的，而且它（预测误差）是静止的，即自回归模型对这个随机过程相当适用。
就窗口而言。
我们需要回答的问题是：需要多少个最小历史条数才能使趋势持续到下一个条数？ 10+1条的趋势持续的概率要比50+1条高得多，你可能根本就不考虑100+1条。直觉上是这样。
我使用了一个非平稳随机过程的动态适应性状态空间模型。一个特定的模型及其参数的选择是由每个酒吧的到来决定的。
这个模型必然包括至少两个方程：测量方程和状态方程。对状态进行预测，然后从这个状态预测中计算出被测数量的预测。有一些SSM的变种与ARIMA相吻合，但这是一个特殊且相当罕见的案例，证实了你的观点。
特殊的自回归被用来计算阈值，这些阈值是从预测误差中计算出来的，而且它（预测误差）是静止的，即自回归模型对这个随机过程相当适用。
就窗口而言。
我们需要回答的问题是：需要多少个最小历史条数才能使趋势持续到下一个条数？ 10+1条的趋势持续的概率要比50+1条高得多，你可能根本就不考虑100+1条。直观地说，它是这样的。
1.请引用自回归的类型，预测所依据的函数。
2.我必须使用最多1000条历史记录，所以不能排除>100条的情况。我应该考虑>1000条的情况，但由于某些原因，EA忽略了这些情况，尽管指标甚至可以显示10000条。专家顾问中的原因是什么，我不知道。我在代码中找不到1000巴的限制。也许这是一个系统的限制因素？