从理论到实践 - 页 525

 
Nikolay Demko:

不,你不能用爬虫来评估市场有多大变化。

你只能评估新的预测误差对预测的改变程度与旧的误差相比有多大。

也就是说,SSA并没有说明预测的正确性,SSA的差异只告诉我们误差的不同。市场将走向何方,SSA根本不关心。

如果没有每个SSA的误差估计,你的差异就悬在空中,没有任何依据。

我知道这一点已经很久了,但我有希望,所以我在想还能去哪里找:))我想在历史上运行协方差矩阵,分析其中的差异有多大--突然他们在理论上说,价格考虑到了所有等等))))。

马克西姆-德米特里耶夫斯基

我不知道,在我看来,如果亚历山大没有走到最后--没有什么可以挽救这种做法。预测随机游走是很困难的,评估它的一些假想状态:)

在这里,除了我上面的帖子之外,特别是轶事部分...说实话,有一些错觉,认为价格图表中的规律性只是不重复其以前的状态。 在SSA中,我将有时间,我会做一组所有可能的协方差矩阵,并尝试分析它们在附近状态下的不重复性,即矩阵应该以不重复的顺序交替出现

也许晚上我会用SSA清理一下代码,然后贴出来,这段代码只是从Matlab移植过来的,我没想到,但Alglib对快速移植这种东西很有帮助,做为一个例子给自己学习,也可能帮助别人理解,这里附上Matlab的SSA

附加的文件:
ssa.zip  2 kb
 
Smokchi Struck:

我将单独强调这个问题。
在什么函数上做回归,使其最后一个点位于价格通道的中心?

我需要一个函数,就像多项式一样,能同时处理人字形和半圆形(从例子中可以看出,多项式不能处理这些主题)。
(马克西姆-德米特里耶夫斯基的数字还不能考虑,它不符合价格是遵循一定轨迹的交易通道的理论。这个数字是一个交易通道,最后有一个弹射,它可以以后考虑)。



非线性函数的其他例子有指数函数对数函数三角函数幂函数高斯函数洛伦兹曲线

好吧,Smokchy,你用你的照片让大家都很兴奋!))

 

好吧,还有一点心理学来衡量圣杯 追求的成功程度,喜欢这个视频,显然这个女孩看起来很自然,很有说服力


 
Igor Makanu:

还有一点心理学来衡量圣杯追求的成功,我喜欢这个视频,显然这个女孩看起来很自然,很有说服力


你可以在晚上用这些眼睛生出一只毛毛虫。

 
Igor Makanu:

用一点心理学来衡量圣杯追求的成功,喜欢这个视频,显然这个女孩看起来很自然,很有说服力。


这个女孩很聪明-年轻的她看到了许多人看不见的东西。

 

那么,如果心理学是有趣的,蛋糕上的樱桃...


 
Igor Makanu:

那么,如果心理学是有趣的,可以说是蛋糕上的樱桃......


影片的第30分钟是最有趣的),但你必须看完才能理解。

 
Maxim Dmitrievsky:

已经有人告诉你这是一种无用的消遣。

直到你花了你的时间,你才会明白。

 

如何在Excel中做回归。

使用数据/解决方案搜索器功能。

在所附表格中。
第一栏是不适用的号码。
第二列是时间序列。
第三个是一个函数(在本例中是一个多项式)。
第四种是ANC。时间序列的值减去函数的值,并进行平方。

红色单元格中的数据是蓝色列的总和,即偏差的平方之和。

紫色单元格中的是要拟合的系数。



多项式函数是y=ax2+bx+c
其中x是x轴上的坐标值,橙色一栏,从0到201。
y是所选多项式在y轴上的坐标值。
a,b,c是我们要拟合的系数。

在Excel中,该公式看起来像这样=a*A1^2+b*A1+c。也就是说,我们用A栏的值代替X的值(见绿色栏)。


为了找到函数的系数,点击 "数据",然后点击 "查找解决方案"。



在打开的菜单上选择。

设置目标单元格(即我们表格中的红色单元格)。
到一个最小值。
改变单元格(我们表格上的紫色单元格)。

然后单击 "执行"。


也就是说,我们最小化时间序列与函数的偏差的平方。


试着把你自己的功能放在绿色栏里。

指数函数对数函数三角函数幂函数高斯函数洛伦兹曲线,其他...

问题 仍然是一样的,你必须找到一个函数,其最后一点将在价格通道的中心(对于之字形和半圆形的数字)。



附加的文件:
eo4aqs0_1.zip  28 kb
2nr7los_2.zip  25 kb
 
Smokchi Struck:
...
也就是说,我们尽量减少时间序列与函数的偏差的平方。

试着把你自己的功能放在绿色栏里。

指数函数对数函数三角函数幂函数高斯函数洛伦兹曲线,其他...

问题 是一样的:你必须找到一个函数,它的最后一点将在价格通道的中心(对于之字形和半圆形的数字)。



有趣的是。首先,这是不准确的,我们不是最小化 "平方",而是 "平方之和"。第二,如果你想给最后一个点更大的价值,那就简单了,在最小化的总和中不只是取平方,而是取加权平方,即乘以一些正的加权系数。它们在数组末尾的值应该更大,而在开始的时候--更小。例如,对于从1到n的点的数量,权重等于q^(n-i),q<1,给偏差乘数的平方,类似于指数移动平均线中课程的权重。如果我们想通过偏差的最小加权平方和的值来比较不同的近似值,往往也会使它们的总和等于1。

而对于一个边界由不同类型的公式描述的曲线型渠道,什么是 "中心"?或者至少对于第一种变体,通过指数函数?

如果它只是从系列中的倒数第二个值到最后一个值这一段的中点,那么它足以使系列中最后两个点的偏差权重变得非常大。或者更简单,找到这个中间,就可以了。

你需要对偏差有一些其他的要求,否则问题就被低估了。

在最后一点计算 "中心 "有什么用?