Regressionsgleichung
Danke für den Ratschlag! Ich lese gerade die entsprechenden Forenbeiträge.
Übrigens - ob es ratsam ist, ein zusätzliches Währungspaar für die Vermillionen-Analyse einzuführen, z.B. EURUSD, ist sehr fraglich.
Wollen Sie tatsächlich etwas essen oder ein Rezept (sorry, ist mir so rausgerutscht). Meiner Meinung nach beschreibt diese Methode den ausgewählten Teil der Geschichte nicht besser und nicht schlechter als andere, nach vorne verhalten sie sich genauso wie die große Mehrheit der Systeme verlieren.
Konkret interessiere ich mich besonders für multivariate Regression. Interessant ist auch die Betrachtung von Optionen zur Lösung nichtlinearer Regression. Ich habe keine Algorithmen zur Lösung der multivariaten Regression in MQL gefunden. Wenn Sie mir Links und Indikatoren zur Verfügung stellen (wenn Sie natürlich nicht zu faul sind) - das wäre großartig! Ich werde keinen heiligen Gral finden, aber die multivariaten Regressionsmethoden aus der Perspektive der Zeitreihen von Währungspaaren zu verstehen - das ist für mich extrem wichtig.
Ich bin Ihnen für Ihr Feedback dankbar.
Zu Punkt 3: LOC ist für Zitate ineffizient (wenn Sie Regression als Prädiktor verwenden wollen). Besser ist es, LAD oder Quantilsregression zu verwenden. Es ist komplizierter (viel mehr Programmierung und Wissenschaft zu tun), aber es funktioniert - anders als die kleinsten Quadrate.
Die Ursache für die Ineffizienz von LOM sind übrigens die berüchtigten "fat tails". Die Quantile haben diesen Fehler nicht.
Können Sie das genauer erläutern?
Der MNC wird u. a. als Methode zur Schätzung der besten Parameter für eine vom Forscher a priori gewählte Funktion positioniert.
Formeln zur Berechnung dieser Parameter, die das Quadrat der Abweichung der tatsächlichen Daten von der Näherungsfunktion minimieren, wurden für eine Reihe von Funktionen abgeleitet.
Wo erscheinen die fetten Schwänze?
Bitte, klären Sie mich auf...
Wo entstehen die dicken Schwänze?
Eine solche Zielfunktion - die Summe der Quadrate der Fehler - ist nur dann optimal, wenn die Fehlerverteilung selbst normal ist.
Wo habe ich von Verteilungen gesprochen?
Oder der Themenstarter?
Wir sprechen hier von einer Annäherung an ein Polynom. Nicht mehr als das.
Aber nicht weniger.
Und wo liegt hier die Ineffizienz der MNC?
;)
--
aber Fehlerstudien für Normalität, ein wichtiges Element der a priori Modellplausibilitätsschätzung...
Kein Argument.
- Freie Handelsapplikationen
- Über 8.000 Signale zum Kopieren
- Wirtschaftsnachrichten für die Lage an den Finanzmärkte
Sie stimmen der Website-Richtlinie und den Nutzungsbedingungen zu.
Mitglieder des Forums!
Haben Sie schon einmal mit Regressionsgleichungen für Währungskurse gearbeitet? Gibt es Indikatoren, MTS, MQL-Bibliotheken, die auf ihnen basieren?
Könnten Sie denjenigen, die sich damit auskennen, ein paar Fragen beantworten?
Ich interessiere mich für Regressionsgleichungen. Aber ich stehe vor dem Problem ihrer angemessenen Beschreibung. Welche Daten haben wir: Zeit (sagen wir M15), HIGH, LOW, OPEN, CLOSE, VOLUME. Für uns ist es eine Reihe von Beobachtungen. Wir haben einen Indikator, für den wir eine funktionale Beziehung zu den Objektparametern (in unserem Fall die Veränderung des Wechselkurses) herstellen müssen - Faktoren. Erforderlich: Herstellung einer quantitativen Beziehung zwischen dem Indikator und den Faktoren. In diesem Fall wird die Aufgabe der Regressionsanalyse als die Aufgabe verstanden, die funktionale Abhängigkeit y* = f(x 1, x 2, ..., x t) zu identifizieren, die die vorliegenden Daten am besten beschreibt.
Die Funktion f(x 1, x 2, ..., x t), die die Abhängigkeit des Indikators von den Parametern beschreibt, wird Regressionsgleichung (Funktion) genannt.
Also. Frage 1: Welche der uns zur Verfügung stehenden Daten sollten wir als Indikator und welche als Faktor wählen? Der logische Indikator ist die Zeit, die Faktoren sind H, L, O, C, V
In unserem Fall handelt es sich um eine Zeitreihe.
Die nächste Aufgabe besteht darin, die funktionale Abhängigkeit zu wählen. Eine Gleichung, die die Beziehung zwischen der Veränderung des Indikators und der Veränderung der Faktoren beschreibt. Häufig handelt es sich dabei um polynomische Funktionen. Ein besonderer Fall ist das Polynom 1. Grades - eine lineare Regressionsgleichung.
Frage 2: Welches Polynom ist am besten zu wählen und wie lässt es sich angesichts der Zeitreihe angemessen beschreiben, welche Parameter sind anzuwenden, wie hoch ist der Grad des Polynoms? Hat jemand ein Tschebyscheff-Polynom verwendet? Wenn ja, wie lautet die Reihenfolge?
Als nächstes müssen wir die Koeffizienten der Regressionsgleichung berechnen. Der übliche Weg ist die Verwendung von ANC.
Frage 3: Welches ist die beste Methode zur Berechnung der Koeffizienten für unseren Fall?
Frage 4: Ist es notwendig, die Daten zu normalisieren?
Und die interessanteste Frage: Wie kann man auf der Grundlage der gewonnenen Daten und der Regressionsgleichung Prognosen für den nächsten Tick erstellen?
Ich wäre dankbar, wenn jemand seine Erfahrungen und Ideen mit mir teilen könnte.