¡No es asunto de Mashka! - página 7
Está perdiendo oportunidades comerciales:
- Aplicaciones de trading gratuitas
- 8 000+ señales para copiar
- Noticias económicas para analizar los mercados financieros
Registro
Entrada
Usted acepta la política del sitio web y las condiciones de uso
Si no tiene cuenta de usuario, regístrese
Puesta en escena del experimento
He decidido explicar el montaje del experimento (tal y como lo he entendido, dadas las capacidades de mi modelo) lo mejor que sé, para eliminar los malentendidos. Es bastante sencillo, tomamos un segmento para la prueba y el sistema pasa secuencialmente todas las muestras de este segmento. En cada sección, se toma una muestra de datos históricos de una longitud fija W. Estos datos se analizan y se hace una elección óptima:
Apoyando la palabra literaria con la artística, representé el cuadro lo mejor que pude:
Se realiza una previsión, se registran los datos de la previsión y los "parámetros de entorno" de la previsión concreta y el sistema pasa a la siguiente referencia. De este modo, el número de puntos de previsión y el tamaño de la ventana deslizante concreta para la que se calculan los puntos de previsión cambian de una referencia a otra.Seryoga, aparentemente esta es la razón de nuestro malentendido. Probablemente, fijas la MA y sólo la pronosticas sobre toda la sección y para eso puedes ir con seguridad a los incrementos. Yo no puedo hacer eso, la MA siempre está cambiando y por lo tanto los incrementos están "concentrados" alrededor del cero de las lecturas pronosticadas.
Primeros resultados de la previsión
La previsión se realizó en el periodo investigado de 100 muestras, cotización EURUSD , horas,(H+L)/2. La imagen muestra este gráfico con los precios H, L y(H+L)/2:
Cambio de la longitud de la ventana deslizante para cada previsión de precios (espero que esté claro por qué los recuentos son más largos que la longitud del gráfico de previsión)
Cambio del valor del horizonte de previsión para cada valor de previsión
El gráfico de dispersión de los precios previstos y los precios reales. Eleje de abscisas muestra los precios previstos y eleje de ordenadas los precios reales. El coeficienteb en la ecuación de regresión lineal y=a+b*x es 0,9983.
Permítanme recordarles una vez más, que no hay ningún error aquí. El hecho es fiable y está verificado. El truco consiste en optimizar los parámetros de la predicción. Por cierto, para probar la predicción en una buena máquina para 1000 muestras tendré que esperar unas veinte horas, mientras que el propio operador tarda menos de un segundo. Y todavía estoy optimizando el código.
PS:
Seryoga, ¿por qué este post sospechosamente vacío? Probablemente me llamó algo elegante, ¿no? :о)
to Prival
Hay ciertas dificultades con las garrapatas - se necesita una historia grande, preferiblemente sin agujeros, etc. Estos requisitos son más fáciles de cumplir para un archivo con horas o minutos.
En cuanto a la curva perfecta, comparemos el MEMA de dos carreras (es lo que yo uso) y lo que da el suavizado de Fourier. Sugiero que el criterio de "bondad" sea el valor de la desviación estándar de la cota y la suavidad de la propia curva: cuanto más pequeño sea el sko y más suave sea la curva, más pronunciada será.
Está claro cómo calcular el sko (el valor de la desviación de las cotizaciones), pero ¿cómo calcular la suavidad?
...
Cómo calcular el sko (valor de desviación de las cotizaciones) está claro, sugerencias cómo calcular la suavidad?
¿y qué nos dará esta suavidad? He descrito más arriba - Tengo un montón de MA's predichas y para cada referencia se selecciona esa MA de la mejor manera en términos de predictibilidad
He escrito todo el post de arriba y ha desaparecido al cabo de un rato :-(
Abuelas, tenemos un malentendido. No tiene sentido ir más allá.
Si trazamos la nube de previsión por precio absoluto y valores de previsión, obtenemos una línea recta con tangente=1 incluso para el ruido blanco integrado. Esto debe quedar claro, ambas series contienen un componente constante cuyo valor es cero, y es este componente al que reaccionará la valoración. Eso es lo que te digo. Piensa en ello.
a Prival.
Как посчитать ско (величину отклонения от котировок) понятно, предложения как считать гладкость ?
En el momento t, elijamos la función (y[i]-x[i])^2 como medida de cercanía de las series X e Y, y la función (y[i]-y[i-1])^2 como medida de suavidad de las series. Estimaremos el valor de la suma de estas funciones, es decir, S=(y[i]-x[i])^2+(y[i]-y[i-1])^2
(tomado de S. Bulashov)
He escrito todo el post de arriba y ha desaparecido al cabo de un rato :-(
Abuelas, tenemos un malentendido. No tiene sentido ir más allá.
Si trazamos la nube de previsión por precio absoluto y valores de previsión, obtenemos una línea recta con tangente=1 incluso para el ruido blanco integrado. Esto debe quedar claro, ambas series contienen un componente constante cuyo valor es cero, y es este componente al que reaccionará la valoración. Eso es lo que te digo. Piensa en ello.
Vale. ¿Y si pronostico MA y paso de él a incrementos? ¿Funcionaría? :о) ¿Y tal vez en lugar de "no tiene sentido seguir avanzando" podemos proponer un criterio? ¿Quizá haya criterios objetivos?
a Neutrón
Creo que tiene sentido mirar el análisis del error (la diferencia entre el valor real y el predicho), una información muy objetiva (recuerde, esto es EURUSD):
¿Cree que este análisis de series temporales sería objetivo?
PS (corregido):
Если строить прогнозное облако по абсолютным значениям цен и прогнозу, то мы получим прямую с тангенсом=1 даже для интегрированного белого шума. Это длжно быть понятно, оба ряда содержат постоянную составляющую ценность которой нулевая, а именно на эту составляющую и отреагирует оценка. Об этом я тебе и толдычу. Подумай об этом.
ANALÓGICO y para los incrementos, en ese sentido no son diferentes. Este criterio (kt LR) no es el mejor en ambos casos
Sergei, todos tus comentarios se pueden responder de acuerdo, no son una cuestión de principios. No quieres estimar por regresión, usemos sko. Si quieres predecir la IA y luego ir a la línea de fondo, ¡hazlo!
El punto fundamental es una pregunta: ¿se puede dar una predicción sólo 1 (una) barra por delante?
Sergei, todos tus comentarios se pueden responder de acuerdo, no son una cuestión de principios. No quieres estimar por regresión, usemos sko. Si quieres predecir la IA y luego ir a la línea de fondo, ¡hazlo!
El punto fundamental es una pregunta: ¿se puede emitir una predicción SÓLO una (1) barra por delante?
Emitir una predicción con una barra de antelación por supuesto que puedo, no es difícil de cortar. ¿Quiere decir que no le parece razonable hacer una previsión con más de un compás de antelación?
Naturalmente.
Al fin y al cabo, si se puede pronosticar una barra por adelantado, se pueden pronosticar dos barras utilizando la recursividad, y ahí por inducción. Pero el error de previsión empeorará exponencialmente a medida que aumente el horizonte, por eso no nos interesa buscar la relación entre la precisión de la previsión elemental (para una barra) y la amplitud del intervalo de confianza como f-fi del horizonte de previsión. Que lo hagan los aficionados. Usted y yo estudiaremos la calidad de la base de previsión en sí misma: 1 BAR en adelante y ya está. Cierto, para empezar recogeremos estadísticas, prediciendo cada vez por 1 bar y avanzando un paso, y así 10.000 veces. Sólo para estar seguros. Así obtendremos un vector de previsión de longitud de 10000 elementos, cada uno de los cuales es una previsión para 1 barra y calcula todos los datos que tenemos incluyendo los nuevos.