Le modèle de régression de Sultonov (SRM) - qui prétend être un modèle mathématique du marché. - page 2
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
En raison de votre persistance, je dois commencer par démontrer la capacité prédictive du modèle en analysant la fonction Y=tgx et en introduisant les 8 premières paires de chiffres :
Avez-vous seulement lu exactement ce que j'ai écrit - et les paramètres d'entrée (prix) ont une distribution normale ? Et ces données sont des prix ?
En raison de votre entêtement, je dois commencer par démontrer la capacité prédictive du modèle en analysant la fonction Y=tgx et en introduisant les 8 premières paires de chiffres :
Ne faites pas attention à la normalité - c'est l'opinion personnelle de DEMI.
Retournez à votre plan.
D'où vient l'erreur de la ligne analytique ?
Avez-vous seulement lu exactement ce que j'ai écrit - et les entrées (prix) ont une distribution normale ? Et ces données sont des prix ?
Ne te laisse pas tromper par la normalité, ça va être amusant ici sans toi.
Ne vous laissez pas berner par la normalité..........
Vous avez été rétrogradé d'économétricien à comptable. Honte à vous !
Je renvoie poliment de tels patrons à leurs grands contemporains, Box et Jenkins. Ils n'exigeaient pas la normalité à l'époque et étaient capables de prévoir, eh bien, des séries anormales.
Bien que je ne sois pas toujours poli, d'ailleurs.
Vous avez été rétrogradé d'économétricien à comptable. Honte à vous !
Ne diffamez pas la comptabilité.
Une loi de distribution normale est nécessaire pour (à ma connaissance) :
1. MNC - les estimations satisfont aux conditions de Gauss-Markov ;
2. Lorsque nous étudions la composante résiduelle, par le modèle résultant, c'est-à-dire e(i)=Y(i)-Ymodel(i), pour prouver que e(i) est un bruit gaussien, c'est-à-dire que le résidu (erreur) sera stationnaire, car il s'agit d'un bruit blanc, en fait c'est une garantie que la prévision par Ymodel, nous continuerons à faire confiance.
Maintenant sur RMS.
1. L'ISC est-il utilisé ici ?
2. Est-ce une question de résidus de modèle ?
faa1947 salut !)
Toutes les hypothèses de base de la théorie de la corrélation et de la régression reposent sur l'hypothèse que les données étudiées sont normalement distribuées. Vos intrants (prix) ont-ils une distribution normale ?
J'ai raison, mon ami ?
Oui, absolument !
faa écouter, donc la normalité n'est pas nécessaire, la stationnarité n'est pas nécessaire, et la raison pour laquelle le modèle n'a pas de valeur prédictive n'est pas claire.....
Oui, absolument !
faa écouter, donc la normalité n'est pas nécessaire, la stationnarité n'est pas nécessaire, et la raison pour laquelle le modèle n'a pas de valeur prédictive n'est pas claire.....
Avez-vous lu l'article, sur le modèle de Sultanov ? Il y a un CSI là-bas, je n'en suis pas conscient, c'est tout). Deux points sont décrits par ISC et Residuals.
Au fait, pour ce qui est de la stationnarité, vous avez tort, la faa s'intéresse à la cointégration (le trading jumelé est basé sur elle, à mon avis, mais il parlera pour lui-même, j'ai parlé pour moi-même).