Ti stai perdendo delle opportunità di trading:
- App di trading gratuite
- Oltre 8.000 segnali per il copy trading
- Notizie economiche per esplorare i mercati finanziari
Registrazione
Accedi
Accetti la politica del sito e le condizioni d’uso
Se non hai un account, registrati
Scusa :-) Ecco la previsione all'inizio:
gpwr apparentemente cucina Fourier in modo diverso, il mio metodo non ha parametri.
:о)))
E in che modo GRNN è diverso da Fourier? E poi cos'è questo GRNN? Non lo so proprio. :о(
No, no, no,
Sto pubblicando una previsione all'inizio, non la mostro alla fine.
Inoltre, se non ci sono parametri, come fa gpwr a ottenere un'altra linea?
GRNN può essere codificata in diversi modi. Ho usato il codice più semplice con sigma fisso (dimensione del cluster). La lunghezza del modello è un altro parametro. L'ho ottimizzato usando i dati passati e ho ottenuto 140 barre. I prezzi senza lisciatura sono stati usati come input. A proposito, il 3° metodo (autoregressione non lineare) ha dato risultati simili.
Secondo i nuovi dati questi due metodi danno le seguenti previsioni
GRNN:
AR non lineare:
grasn, GRNN è un tipo di rete nervosa. Ecco un link alla definizione. O qui c'è un po' più intelligente.
Sì, sì - l'ho già capito, grazie...per aver partecipato :o))))))
Addendum: ero confuso dalla frase "mancanza di parametri". Qualsiasi NS ha "parametri sempre".
:о)))
In che modo GRNN è diverso da Fourier? E poi cos'è questo GRNN? Non lo so proprio. :о(
Matematicamente, GRNN (rete neurale di regressione generale) è la rete neurale più semplice ma molto efficiente, proposta da Specht nel 1991. Vedi link qui
http://people.cecs.ucf.edu/georgiopoulos/eel6812/papers/general_regression_network.pdf
Non ha niente a che fare con Fourier. GRNN si riferisce alle reti neurali probabilistiche come i vicini più vicini. Prende tutti i modelli passati e calcola la distanza euclidea dai modelli attuali a quelli passati in questo modo
D[n] = SUM( (Open[i] - Open[n+i])^2, i=0...PatternLength )
Viene quindi calcolata una previsione di tipo medio ponderato dai prezzi "futuri" passati
Open[-1] = SUM( Open[n-1]*exp(D[n]/(2*Sigma), n=0...AllPastPatterns) / SUM( exp(D[n]/(2*Sigma)), n=0...AllPastPatterns)
Nei nearest-neighbours, dopo aver calcolato le distanze euclidee dei modelli passati, viene selezionato il modello più vicino e i suoi valori "futuri" sono usati come previsioni per il modello attuale. Questo è nella versione semplice, che viene usata raramente. Di solito vengono trovati i vicini più vicini e i loro valori "futuri" vengono mediati o ponderati per trovare le previsioni per il modello attuale.
Sì, ho capito,
Solo per esserechiari, la domanda è stata posta a neoclassico - solo per ricordare il contenuto del suo post:
gpwr видимо, по другому готовит Фурье, у моего метода нет параметров
È quello che ho chiesto a neoclassico:o))))) Qual è la differenza, perché la sua previsione è un po' come quella di Fourier, alla lontana.
a gpwr
grazie per la sinossi.
alla matematica
Ho già detto grazie ma sono sempre pronto a ripeterlo :o)))
Grasn, vedi 'Estrapolatore dinamico basato su trasformate di Fourier'.
Qui potete vedere il principio di funzionamento e l'indicatore stesso :-)
Grasn, vedi "Estrapolatore dinamico basato su trasformate di Fourier".
Qui potete vedere il principio di lavoro e l'indicatore stesso :-)
e poi:
Sembra che GRNN abbia fatto centro :-)
O hai deciso che il giorno sarà effettivamente un giorno perso se non mi confondi inutilmente? :о)))))
In nessun modo intendeva confonderti :-)
Похоже GRNN сорвала куш
Ho detto che intendevo dire che la previsione di gpwr GRNN era la più accurata, e la mia immagine era solo un seguito.
In nessun modo intendeva confonderti :-)
Ho detto, intendendo che la previsione di gpwr GRNN si è rivelata la più accurata, e ho dato la mia immagine solo come seguito all'argomento.
>> tutto chiaro :o))))))
PS: Tranne una cosa - GRNN ha dato solo una delle peggiori previsioni. Ma questo è il mio, IMHO. Voglio dire, è ovvio.