La estadística como forma de mirar al futuro - página 10
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
Mira la imagen justo encima de tu post, la curva roja tiene muy buenas propiedades desde mi punto de vista, es suave (puedo variar) y tiene menos retardo (también puedo variar) en comparación con los indicadores de precios que conozco
En la parte inferior hay un oscilador basado en una estimación y una previsión.
No puedo decir nada bueno sobre la curva roja en particular, porque no veo ninguna utilidad particular para tales curvas - reducir el retardo a valores casi utilizables en todas las curvas de este tipo conduce a un fuerte deterioro de la suavidad y un aumento del rebasamiento. Una curva de este tipo sería valiosa si el horizonte para predecir con precisión sus valores fuera de 30-50 pasos.
No puedo decir nada sobre el oscilador, porque no está claro qué valores se muestran allí.
Mmm, interesante. ¿Y qué método se utiliza para estimar los resultados, en relación con las "entradas aleatorias"?
En otras palabras, ¿cómo cuenta exactamente el 30-50%, o no es esa la cuestión?
Por supuesto, una simple resta.
Mi NS predice el signo del incremento un paso por delante. Crea un vector de longitud n a partir de los signos de los incrementos de precio y otro vector a partir de las predicciones de los signos de estos incrementos. A continuación, contamos el número de conjeturas de signo correctas para el NS dado y restamos n/2 de la suma obtenida - esto corresponde al caso 50/50. La diferencia obtenida se multiplica por 200 y se divide por n.
Eso es todo.
Y necesito ese valor para estimar la rentabilidad de la ST. Para ello basta con multiplicar el porcentaje obtenido por la volatilidad del instrumento y obtenemos el rendimiento estadístico medio por una transacción.
Aha, si he entendido bien, me refería a la multiplicación por 100, no por 200. Entonces, tenemos:
(p-n/2)*100/n=(p/n-0,5)*100=100*p/n-50, donde p es el número de caracteres adivinados correctamente
Aha, si he entendido bien, me refería a la multiplicación por 100, no por 200. Entonces, tenemos:
(p-n/2)*100/n=(p/n-0,5)*100=100*p/n-50, donde p es el número de caracteres adivinados correctamente
No exactamente por 200 en la carrera para obtener un intervalo de 0 a 100. Tiene un rango de 0 a 50. Dado que la red es tan buena como el azar :)
Aquí hay una foto que me gusta más :-) morder permite
He tomado la MEMU de Bulashov (línea roja) y he construido una previsión de avance para ella (negra) por necesidad. Lo hice para la serie Open (verde). "Bueno" ver como la predicción de MEMA va un paso por delante, se adelanta fríamente al cotier y permite morder y tragar a tiempo.
Sin embargo, en una muestra representativa (10.000 muestras) los milagros desaparecen, y las propiedades predictivas de este muving son nulas e incluso peores (tan=-0,02). Quiero subrayar que una imagen, aunque sea bonita, no siempre puede reflejar objetivamente la realidad, y es útil comprobar el algoritmo mediante un método independiente.
Quiero destacar que una imagen, por muy bonita que sea, no siempre es capaz de reflejar la realidad de forma objetiva, y que es útil probar un algoritmo con un método independiente.
Palabras de oro.
P.D. La imagen sólo muestra que el MEMA está muy retrasado y su predicción no da nada.
Y aquí está mi modelo a simple vista:
¡La teoría del mercado eficiente en acción!
¡La teoría del mercado eficiente en acción!
¡Como yo! - Igual de eficaz:-)
Por cierto, bstone, si los datos que citas están relacionados con el rendimiento NS, entonces podemos afirmar que hay sobreentrenamiento duro. De hecho, en la muestra de entrenamiento vemos una concordancia total entre las predicciones y los incrementos reales, mientras que en la muestra de prueba vemos una completa porquería. Idealmente (formación óptima), NS tiene elipses idénticas en las muestras de formación y de prueba, bastante gruesas, y sobre todo idénticas en pendiente y anchura.