Ce ne sont pas les affaires de Mashka ! - page 7
Vous manquez des opportunités de trading :
- Applications de trading gratuites
- Plus de 8 000 signaux à copier
- Actualités économiques pour explorer les marchés financiers
Inscription
Se connecter
Vous acceptez la politique du site Web et les conditions d'utilisation
Si vous n'avez pas de compte, veuillez vous inscrire
Mise en scène de l'expérience
J'ai décidé d'élaborer la configuration de l'expérience (telle que je l'ai comprise, compte tenu des capacités de mon modèle) au mieux de mes connaissances, afin d'éliminer tout malentendu. C'est assez simple, nous prenons un segment pour le tester et le système passe séquentiellement tous les échantillons de ce segment. Sur chaque section, un échantillon de données historiques d'une longueur fixe W est prélevé. Ces données sont analysées et un choix optimal est fait :
En soutenant le mot littéraire par le mot artistique, j'ai dépeint l'image au mieux de mes capacités :
Une prévision est effectuée, les données de la prévision et les "paramètres environnementaux" de la prévision particulière sont enregistrés et le système passe à la référence suivante. De cette façon, le nombre de points de prévision et la taille de la fenêtre glissante particulière pour laquelle les points de prévision sont calculés changent d'une référence à l'autre.Serioga, c'est apparemment la raison de notre malentendu. Probablement, vous fixez la MA et ne la prévoyez que sur l'ensemble de la section et pour cela vous pouvez sans risque passer aux incréments. Je ne peux pas faire ça, la MA change toujours et donc les incréments sont "concentrés" autour de zéro des lectures prévues.
Premiers résultats de la prévision
La prévision a été effectuée dans la période étudiée de 100 échantillons, cotation EURUSD , heures,(H+L)/2. L'image montre cette parcelle avec les prix H, L et(H+L)/2 :
Changement de la longueur de la fenêtre glissante pour chaque prévision de prix (j'espère que l'on comprend pourquoi les comptages sont plus longs que la longueur de la courbe de prévision).
Changement de la valeur de l'horizon de prévision pour chaque valeur de prévision
Le diagramme de dispersion des prix prévisionnels et des prix réels. L'axe des x indique les prix prévisionnels et l'axe des y indique les prix réels. Le coefficientb dans l'équation de régression linéaire y=a+b*x est de 0,9983.
Laissez-moi vous rappeler une fois de plus qu'il n'y a pas d'erreur ici. Le fait est fiable et vérifié. L'astuce consiste à optimiser les paramètres pour la prédiction. À propos, pour tester la prédiction sur une bonne machine pour 1000 échantillons, je devrai attendre une vingtaine d'heures, alors que l'opérateur lui-même prend moins d'une seconde. Et je suis toujours en train d'optimiser le code.
PS:
Seryoga, pourquoi ce post étrangement vide ? Tu m'as probablement appelé par un nom fantaisiste, n'est-ce pas ? :о)
to Prival
Il y a certaines difficultés avec les tiques - il faut une grande histoire, de préférence sans trous, etc. Ces exigences sont plus faciles à remplir pour des archives en heures ou en minutes.
En ce qui concerne la courbe parfaite, comparons MEMA à deux passages (c'est ce que j'utilise) et ce que donne le lissage de Fourier. Je suggère que le critère de "bonté" soit la valeur de l'écart type par rapport au cotier et la douceur de la courbe elle-même - plus le sko est petit et plus la courbe est lisse, plus elle est raide !
La façon de calculer le sko (la valeur de l'écart par rapport aux cotations) est claire, mais comment calculer le lissage ?
...
Comment calculer le sko (valeur de l'écart par rapport aux cotations) est clair, suggestions comment calculer le smoothness ?
et que nous apportera cette douceur ? J'ai décrit ci-dessus - j'ai un tas de MA prédites et pour chaque référence, cette MA est sélectionnée de la meilleure façon en termes de prévisibilité.
J'ai écrit tout le message ci-dessus et il a disparu au bout d'un moment :-(
Grans, nous avons un malentendu. Il est inutile d'aller plus loin !
Si nous traçons le nuage de prévisions en fonction des valeurs absolues des prix et des prévisions, nous obtenons une ligne droite avec une tangente = 1, même pour un bruit blanc intégré. Cela devrait être clair, les deux séries contiennent une composante constante dont la valeur est nulle, et c'est à cette composante que l'évaluation va réagir. C'est ce que je vous dis. Pensez-y.
à Prival.
Как посчитать ско (величину отклонения от котировок) понятно, предложения как считать гладкость ?
Au temps t, choisissons la fonction (y[i]-x[i])^2 comme mesure de proximité des séries X et Y, et la fonction (y[i]-y[i-1])^2 comme mesure de lissage des séries. Nous allons estimer la valeur de la somme de ces fonctions, c'est-à-dire S=(y[i]-x[i])^2+(y[i]-y[i-1])^2
(extrait de S. Bulashov)
J'ai écrit tout le message ci-dessus et il a disparu au bout d'un moment :-(
Grans, nous avons un malentendu. Il est inutile d'aller plus loin !
Si nous traçons le nuage de prévisions en fonction des valeurs absolues des prix et des prévisions, nous obtenons une ligne droite avec une tangente = 1, même pour un bruit blanc intégré. Cela devrait être clair, les deux séries contiennent une composante constante dont la valeur est nulle, et c'est à cette composante que l'évaluation va réagir. C'est ce que je vous dis. Pensez-y.
ok. et si je prévoyais MA et que je passais de là à des incréments ? cela marcherait-il ? :о) Et peut-être qu'au lieu de dire "Il est inutile d'aller plus loin", nous pourrions proposer un critère ? Peut-être existe-t-il des critères objectifs ?
à Neutron
Je pense qu'il est judicieux d'examiner l'analyse des erreurs (la différence entre la valeur réelle et la valeur prédite), une information très objective (rappelons qu'il s'agit de l'EURUSD) :
Pensez-vous que cette analyse des séries chronologiques serait objective ?
PS (corrigé) :
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.
ANALOGIQUE et pour les incréments, dans ce sens ils ne sont pas différents. Ce critère (kt LR) n'est pas le meilleur dans les deux cas.
Sergei, on peut répondre à tous vos commentaires par un accord - il ne s'agit pas d'une question de principe. Vous ne voulez pas estimer par régression, utilisons sko. Vous voulez prédire l'IA et passer à la ligne de base - faites-le !
Le point fondamental est une question : pouvez-vous donner une prédiction SEULEMENT 1 (une) barre en avant ?
Sergei, on peut répondre à toutes vos observations par un accord - il ne s'agit pas d'une question de principe. Vous ne voulez pas estimer par régression, utilisons sko. Vous voulez prédire l'IA et passer à la ligne de base - faites-le !
Le point fondamental est une question : pouvez-vous émettre une prédiction SEULEMENT une (1) barre en avant ?
Émettre une prédiction une mesure à l'avance, bien sûr que je peux, ce n'est pas difficile à couper. Cela signifie-t-il que vous ne pensez pas qu'il soit raisonnable de prévoir plus d'une barre à l'avance ?
Naturellement !
Après tout, si vous pouvez prévoir une barre à l'avance, vous pouvez prévoir deux barres en utilisant la récursion, et là par induction. Mais l'erreur de prévision s'aggrave de manière exponentielle à mesure que l'horizon augmente, c'est pourquoi nous ne sommes pas intéressés par la recherche d'une relation entre la précision de la prévision élémentaire (pour une barre) et la largeur de l'intervalle de confiance en fonction de l'horizon de prévision. Laissez les amateurs le faire. Vous et moi allons étudier la qualité de la base de prévision elle-même - 1 BAR à l'avenir et c'est tout ! Il est vrai que, pour commencer, nous allons rassembler des statistiques, en prévoyant chaque fois une barre et en avançant d'un pas, et ainsi de suite 10 000 fois. Juste pour être sûr. Nous obtiendrons donc un vecteur de prévision d'une longueur de 10000 éléments, chacun d'entre eux étant une prévision pour une barre et calculant toutes les données dont nous disposons, y compris les nouvelles.