计量经济学：领先一步的预测 - 页 116

新评论
 
faa1947:

我自己也不明白。

被打破的模式：ZZ_HIGH EURUSD(-1至-100) C @trend

我正在预测一个取值为 "0"--无信号和 "1"--向下的逆转信号的因变量。我们把100条欧元兑美元作为因变量，即一个随机值。在估计了回归系数后，我们得到。

zz_high = 1-@cnorm(-(1033.56764818*eurusd(-1) + 361.005725087*eurusd(-2) - 659.271726689*eurusd(-3) + 1289.20797453*eurusd(-4) - 1024.9175822*eurusd(-5) - 173.354947231*eurusd(-6) - 500.755211559*eurusd(-7) + 487.538133239*eurusd(-8) - 1741.90012073*eurusd(-9) + 1250.27027863*eurusd(-10) + 1204.01840496*eurusd(-11) - 625.209628018*eurusd(-12) - 88.4193896778*eurusd(-13) - 821.374855285*eurusd(-14) - 754.491291165*eurusd(-15) + 538.519551372*eurusd(-16) + 3220.86311608*eurusd(-17) - 518.070207767*eurusd(-18) - 2332。53473806*eurusd(-19) + 569.684891562*eurusd(-20) - 1619.61207529*eurusd(-21) + 1641.76931445*eurusd(-22) - 1414.74117489*eurusd(-23) - 114.280781428*eurusd(-24) + 450.449461697*eurusd(-25) - 337。460964818*eurusd(-26) + 908.232164753*eurusd(-27) + 601.738993689*eurusd(-28) + 861.74494980071*eurusd(-29) + 259.833316285*eurusd(-30) - 46.5215488696*eurusd(-31) - 820.583809759*eurusd(-32) - 1423.98506887*eurusd(-33) + 935.969451579*eurusd(-34) - 803.436564451*eurusd(-35) + 221.143701299*eurusd(-36) + 335.777492236*eurusd(-37) + 650。456824302*eurusd(-38) + 350.318958532*eurusd(-39) - 467.384535354*eurusd(-40) - 1463.62960078*eurusd(-41) + 1023.33692559*eurusd(-42) + 531.53858297*eurusd(-43) - 1804。43807812*eurusd(-44) + 505.327400995*eurusd(-45) - 20.3151847226*eurusd(-46) + 1454.71062626*eurusd(-47) + 149.481921853*eurusd(-48) - 1985.4346906*eurusd(-49) + 8.64522845766*eurusd(-50) + 1301.22397609*eurusd(-51) + 1398.9062339*eurusd(-52) - 1812.25415112*eurusd(-53) - 815.17727151*eurusd(-54) - 465.973849717*eurusd(-55) + 891.665097704*eurusd(-56) - 33.8677278433*eurusd(-57) + 1802。96642724*eurusd(-58) + 103.739651059*eurusd(-59) + 395.877119657*eurusd(-60) - 1358.3140469*eurusd(-61) + 17.0144218275*eurusd(-62) + 645.959444744*eurusd(-63) - 1935。40489961*eurusd(-64) + 847.657103772*eurusd(-65) - 348.287297241*eurusd(-66) + 1674.82953896*eurusd(-67) - 1399.09585978*eurusd(-68) + 442.848712733*eurusd(-69) + 498.667519817*eurusd(-70) + 175.460595585*eurusd(-71) - 3.23177058628*eurusd(-72) - 502.970783886*eurusd(-73) - 486.45378574*eurusd(-74) - 1284.12753179*eurusd(-75) + 2212.99339275*eurusd(-76) + 1011。83438787*eurusd(-77) - 2762.97407148*eurusd(-78) + 1603.46426721*eurusd(-79) - 441.847609369*eurusd(-80) - 173.0306096*eurusd(-81) - 672.051786135*eurusd(-82) - 1106。57500684*eurusd(-83) + 337.977251734*eurusd(-84) + 1392.23135411*eurusd(-85) + 1222.020799*eurusd(-86) + 327.446848701*eurusd(-87) - 1208.41468022*eurusd(-88) + 741.85661795*eurusd(-89) + 1585。08937121*eurusd(-90) - 2098.86445785*eurusd(-91) + 58.0598765644*eurusd(-92) - 166.744222595*eurusd(-93) + 67.6457712184*eurusd(-94) + 98.7949064574*eurusd(-95) + 1406。32082135*eurusd(-96) - 1658.83294022*eurusd(-97) - 273.851042947*eurusd(-98) + 93.5879401275*eurusd(-99) + 243.060588194*eurusd(-100) - 1295.0210728 + 0.08150857192*@trend) )

一切似乎都在那里。

预测计算在某种程度上与事实完全相同。
。


我想了解这个模式。什么是CNORM？模型是在哪个区间训练的，又是 在哪个区间测试 的？我的理解是否正确，Excel电子表格的前100行是训练数据？为什么它们这么少（等于模型中因变量的数量）？
 
gpwr:

我想了解这个模式。什么是CNORM？模型是在哪个区间训练的，又是在哪个区间测试的？我的理解是否正确，Excel电子表格的前100行是训练数据？为什么它们这么少（等于模型中因变量的数量）？

@cnorm(x)

正态累积分布


它需要500条。前100条不取，因为它们是公式中作为挥发期的条。不训练，在500条上估计系数

 
faa1947:

@cnorm(x)

正态累积分布


取500条。前100条不取，因为它们是公式中作为挥发期的条。没有训练，在500条时估计系数

这样的模型有时可以给出准确的预测，仅仅是由于可能的最终状态数量少而导致的高概率巧合，但这并不意味着什么--例如，用前500个柱子得出的系数来衡量未来500个柱子期间的实际收盘增量与预测增量的相关性--这就是详细数值的差异。获得的系数将客观地估计预测的质量，在你的情况下，你可以使用定量相关的评价。但这同样不是解决预测问题的办法，因为为了把它作为一个 "有用 "的系统，你不仅要能成功 "进入 "市场，还要能 "退出 "市场。你错误地认为，如果采取更多的酒吧，预测误差会向前累积一个酒吧，事实上，这是不答应的...和选择变量的重要性一样，是一个单独的可解决的知识提取任务（数据挖掘），而且已经有了相关的方法，它不是按原则进行的--是否需要100或500条......
 
dasmen:
这样的模型有时可以给出准确的预测，仅仅是来自于高概率的巧合，因为可能的结束状态的数量很少，而且这并不意味着什么--例如，只需通过在前500个柱子上提取的系数取下未来500个柱子期间的实际增量，并测量与增量预测的相关性--这就是细节值的差异。获得的系数将客观地估计预测的质量，在你的情况下，你可以使用定量相关的评价。但这同样不是解决预测问题的办法，因为为了把它作为一个 "有用 "的系统，你不仅要能成功 "进入 "市场，还要能 "退出 "市场。你错误地认为，如果采取更多的酒吧，预测误差会向前累积一个酒吧，事实上，这是不答应的...就像变量重要性选择是一个单独的可解决的知识提取任务（数据挖掘），而且已经有了相关的技术，它不是根据是否需要100条或500条的原则进行的......

整个话题比你评论的最后一个帖子更丰富。变量意义的问题已经处理过很多次了。预测误差的累积是一个医学上的事实，因为人们由于缺乏事实而将以前的预测值用于下一次的预测。如果采取的是事实，就是提前一步的预测。

但这些都是小问题和技术问题。

增量的使用是。没有任何作用，因为在增量中没有趋势，但有一个预测的趋势。这里是该主题的主要问题：模型的什么属性可以保证预测性？已经提出了一整套普通回归模型 的此类属性。你所评论的是一个突破模型，这里还有其他模型，我不明白。

如果你能对这个话题中的任何一个观点发表意见，我将不胜感激。

 
faa1947:

...增量的使用是。没有任何作用，因为增量中没有趋势，但趋势是可以预测的。在这里，主题的主要问题是：模型的什么属性可以保证可预测性？已经提出了一整套普通回归模型的此类属性。你所评论的是一个probit模型，这里还有其他的模型，我不明白...

  1. 多年来，数学上已经证明，如果模型和被分析的过程是相同的（用你的话说就是 "正确的模型"），那么卡尔曼滤波器就能给出最佳的1步预测结果。在论坛上搜索一下吧...
  2. 有人多次告诉你，你的模型是错误的。你坚持这个回归模型，认为没有其他模型存在吗？......整个世界的多样性都是由这个简单的模型描述的？
  3. 关于ACF的类型，这里已经不止一次地告诉你了，它的属性......。

这里有一个链接，是我的作品，已经有很长时间了(https://www.mql5.com/ru/code/8295)....ACF，如果你仔细看，有两条曲线。第一条曲线是 （蓝线），第二条红色曲线是报价的ACF。你可以（从视觉上）比较它们......

有一个模型（它存在，并且已经知道了很长时间），你可以用它来描述corit，并有足够的准确性来进行实践，它不是一个回归模型。计量经济学教科书确实可能对这个模型只字未提......找其他教科书吧

祝大家好运。在新的一年里，快乐和健康!

 

新年快乐!愿所有的模型都能征服。

 
faa1947:

增量的使用是。没有任何作用，因为增量中没有趋势，但趋势是预测的。

你说。

1.如果改用增量，趋势就会消失。这是不正确的，因为趋势的存在将直接影响增量的条件期望值。因此，对一个人的预测等同于对另一个人的预测。

2.递增模式不具有可逆性的特性。同样，这也是不正确的，因为我们知道最后的价格水平。通过预测增量，从中取一个累积的总和，再加上最后一个已知的价格值--我们在时间/价格空间中得到一个一对一的过渡。

我们有一个原始的回归模型。事实表明，在样本内部，它的利润系数远远大于10。在样本之外，它比1多一点，甚至这也是值得怀疑的。这个模型的构造是 "正确的"。

问题：为什么这个 "正确 "的模型不具有稳定性或可预测性的特性？

你可能是一个理论家，建立了R^2接近1的模型，却什么也没赚到。你可以成为一名从业者，从预期利润和相关风险方面评估模型。如果你想写一篇文章/论文/什么的，第一种情况是好的。如果你想赚钱，先按利润/风险估计模型，然后才按R^2和其他统计数据。

只有在你在样本外获得稳定的阳性结果后，你才能查看样本内的测试。否则，你就是在浪费你的时间。

下一步。随机扩散器对市场的适用性，请提供链接。

在对期权等衍生品进行估值时，Diffurs特别受欢迎。在统计套利中也有应用。

对你来说也是如此。套餐中的NS（EViews没有，但其他的有）取代了平滑的作用，这只是问题的一小部分，并不是最重要的解决方法。就NS而言，它是一门艺术。如果你采取花样和小波，这就是数学。

NS取代了非线性回归模型的位置。

 
gpwr:

我想了解这个模式。什么是CNORM？模型是在哪个区间训练的，又是在哪个区间测试的？我的理解是否正确，Excel电子表格的前100行是训练数据？为什么它们这么少（等于模型中因变量的数量）？

我想了解一件事，如果你在预测ZZ，你是如何计算预测的ZigZag步骤的？
 
Trolls:
  1. 多年来，数学上已经证明，如果模型和被分析的过程相吻合（用你的话说就是 "正确的模型"），那么卡尔曼滤波就能给出最佳的1步预测结果。在论坛上搜索一下吧...
  2. 有人多次告诉你，你的模型是错误的。你坚持这个回归模型，认为没有其他模型存在吗？......整个世界的多样性都是由这个简单的模型描述的？
  3. 关于ACF的类型，这里已经不止一次地告诉你了，它的属性......。

这里有一个链接，是我的作品，已经有很长时间了(https://www.mql5.com/ru/code/8295)....ACF，如果你仔细看，有两条曲线。第一条曲线是 （蓝线），第二条红色曲线是报价的ACF。你可以（从视觉上）比较它们...

有一个模型（它存在，并且已经知道了很长时间），你可以用它来描述corit，并有足够的准确性来进行实践，它不是一个回归模型。计量经济学教科书确实可能对这个模型只字未提......找其他教科书吧

祝大家好运。在新的一年里，快乐和健康！！！。

(用你的话说就是 "正确的模式")

正确的意思是它具有某些属性。这些属性没有人讨论。

则提前1步的最佳预测是卡尔曼滤波。你可以在论坛上搜索到它...

在EViews中，有一个叫做状态空间的模型，所以卡尔曼滤波。但我无法制定这样一个模型，尽管从各方面来看，这是最有希望的一个模型。

  1. 关于ACF的类型，这里已经不止一次告诉你了，还有它的属性......

这里有一个链接，我的作品已经在那里躺了很久了（https://www.mql5.com/ru/code/8295）....ACF，如果你仔细看，有两条曲线。第一条曲线是 （蓝线），第二条红色曲线是报价的ACF。你可以（从视觉上）比较它们...

你关于AFC的帖子我什么都不明白。

有一个模型（它存在，而且早已为人所知），它可以用来描述科蒂尔，并有足够的准确度用于实践，而且它不是一个回归模型。

如果你不吸引人怎么办？

 

anonymous:



1.趋势在向增量的过渡中消失。这不是真的，因为趋势的存在将直接影响增量的条件期望值。因此，对一个人的预测等同于对另一个人的预测。

2.递增模式不具有可逆性的特性。同样，这也是不正确的，因为我们知道最后的价格水平。通过预测增量，从中获取累积的总和，再加上最后一个已知的价格值--我们得到了时间/价格空间中的一个明确的过渡。

我唯一要说明的是，增量上的结果比水平上的要差得多。这就是我，我不会把这个结果泛化。别人有可能得到它。

一个人可以成为理论家，建立R^2接近1的模型，但却无法从中获得任何收益。作为一个从业者，有可能从预期利润和相关风险的角度来评估模型。如果你想写一篇文章/论文/什么的，第一种情况是好的。如果你想赚钱，先按利润/风险估计模型，然后才按R^2和其他统计数据。

只有在你在样本外获得稳定的阳性结果后，你才能查看样本内的测试。否则，你就是在浪费你的时间。

在这一点上，我不同意论坛上许多人的观点。如果你想要一辆卡车，而你得到了一辆自行车，成功的自行车测试并不能证明你有一辆卡车。这都是一个意外，在现实世界中必然会出现。

NS取代了非线性回归模型的位置。

再一次。NS并不能解决所有多样化的问题。你对非线性的观察就说明了这一点。什么是非线性回归模型？ 按变量还是按参数？如果是随机的，它们的特点是什么？这是对NS的问题。他们有自己的地方。

1...109110111112113114115116117118119120121122123...139
新评论
原因: