Equazione di regressione - pagina 9

 
Prival:


ma si può fare una regressione polinomiale multivariata... È peggio della regressione lineare? Non lo so, c'è solo un controllo - se la precisione della predizione aumenta o il tempo di predizione aumenta con la stessa precisione, allora sì, è meglio ... Non so a cosa serva controllarlo, ma non devi solo capire come farlo, ma devi spiegare tutto allo strumento...

Puoi fare tutte le regressioni che vuoi. Cosa intendi per "peggiore o migliore"? Hai almeno letto la mia moto? Bisogna capire quale strumento applicare a cosa! Ho scritto le mie stronzate essendo ignorante dei concetti di regressione e vicino ad essa. Dovevo ottenere chiaramente ciò che volevo. L'ho fatto. Poi ho scoperto che poteva essere sussunto sotto la definizione di regressione lineare multivariata.

E se ci infili un polinomio, o qualsiasi altro, non ne capisco il senso.

Cercare di prevedere il comportamento di uno strumento finanziario attraverso una qualsiasi regressione di altri strumenti finanziari è certamente la strada da percorrere. Ma è così banale... che sono sicuro che è un vicolo cieco. E implementare qualsiasi regressione multivariata non è un problema. Devi solo capire perché lo stai facendo, non solo il desiderio di provare qualcosa che non hai ancora provato.

alsu:
sarà meglio, ma caricherà anche il computer:)

Non carica nulla. Regola dei metodi numerici.

P.S. Amico, leggi i tuoi scritti. Sembra così figo, tutti i tipi di termini, ecc. Ho pensato lo stesso quando ho letto gli altri senza capire i termini. E infatti stanno discutendo di roba di livello elementare... Basta leggere un po' le basi dell'analisi di regressione, come viene impostato il problema. E capirete che la discussione riguarda le idee più semplici ad un livello superiore al MA.

 
hrenfx:

....

E se si mette un polinomio, o qualsiasi altro polinomio, allora non capisco il punto.

Cercare di prevedere il comportamento di uno strumento finanziario attraverso una qualsiasi regressione di altri strumenti finanziari è certamente un modo. Ma è così banale... che sono sicuro che è un vicolo cieco. E implementare qualsiasi regressione multivariata non è un problema. Devi solo capire perché lo stai facendo, piuttosto che voler provare qualcosa che non hai ancora provato.

Se non vedi il punto (non capisci cosa stai facendo e perché lo stai facendo), allora tutto sarà stupido e inutile. Avete assolutamente ragione.

L'analogo assoluto di questa azione. prendere 2 macchine, parametri di classe ottimizzati... ...ho ottimizzato i parametri per una demo, non meglio di una reale... e poi mi sono grattato la testa, ottimizziamo tre macchine, OK, le ho ottimizzate, sono andato alla reale... bam, alligatore su tutta la linea... imparato sulla RSI ... ottimizzazione.... bam... rete neurale... bam...

e così via, perché la gente non usa la testa, si comporta come un robot...

Z.I. alsu sa pensare, lo si capisce dalle domande, fa le domande giuste. Se ottiene la risposta, ben fatto, sta pensando con la sua testa e non con il suo computer, forse avrà la risposta...

 
Prival:

Se non capisci cosa stai facendo e perché lo stai facendo, tutto sarà stupido e inutile. Avete assolutamente ragione.

Cos'è la regressione? È lo stesso filtro, solo stupidamente adattato ai dati correnti nella finestra. O mi sbaglio. Quindi nei filtri c'è un'idea, ma qui? Forse qualcuno può spiegare.
 
hrenfx: E vi renderete conto che le idee semplici vengono discusse ad un livello superiore al MA.
Non un livello superiore, ma letteralmente al livello del MA. Una volta ho scritto qui che la regressione lineare è il l.c. di due diversi maghi più comuni. La gente non ci ha creduto subito. Ecco l 'argomento.
 
Mathemat:
Non ad un livello superiore, ma letteralmente al livello di un demolitore. Ho scritto qui una volta che la regressione lineare è il l.c. di due diverse schiacciate più comuni. La gente non ci ha creduto subito. Ecco l 'argomento.

Non insultare l'analisi di regressione con i casi più semplici.

Su una nota correlata, sono i metodi di stima della regressione diversi da OLS che mi hanno fatto pensare. Posso vedere l'applicazione della regressione solo nell'area della costruzione ottimale del portafoglio. E nel prevedere la redditività del portafoglio ottimale. Ma non BP di strumenti finanziari.

Un portafoglio relativamente ottimale è già stato proposto apertamente con tutti i dettagli...

 
Mathemat:
Sì, non un livello sopra, ma letteralmente al livello del demolitore. Ho scritto qui una volta che la regressione lineare è il l.c. di due diversi dummy più comuni. La gente non ci ha creduto subito. Ecco l 'argomento.


Alexei, sai molto bene che ci sono stato, in quel thread. È solo che l'uomo sta facendo le domande giuste.

Quindi, abbiamo una serie temporale contenente N campioni. A questo punto non importa cosa si intenda esattamente per campioni - tick, OHLC o altro. La cosa importante sembra essere la risposta alla domanda sulla lunghezza ottimale del campione di allenamento n che non è uguale a N, il numero ottimale di parametri regolabili k<=n (grado del polinomio)

1. Ho risposto che il grado del polinomio è al massimo 3. Non uso la regressione, questo numero è dato da altre considerazioni (livelli diff. stocastici)

2. il numero ottimale di parametri regolabili è zero

3. Lunghezza ottimale del campione non so, non posso ancora calcolare, mi sembra che dipende da almeno due variabili, l'ora del giorno e ACF. ma questo è come ...

 

Cosa si intende per 'ottimale'?

Ho potuto applicare questa parola solo alla costruzione del miglior portafoglio sulla finestra.

 

Eseguite simulazioni su coppie EURUSD-GBPUSD

È stata utilizzata un'equazione di regressione lineare.

Siete invitati a interpretarlo o a suggerire le vostre varianti dell'esperimento.

Il file è nell'allegato.

File:
elubeamdp.rar  12 kb
 

Ho scritto un esempio di regressione lineare multivariata. L'algoritmo per ottenere un sistema di equazioni lineari pronto (si può risolvere con Gauss) è dato nella funzione GetLinearMatrix:

Il file Mathcad stesso è anche allegato.

File:
example.rar  3 kb
 
Se calcoliamo la varianza come pendenza della linea di regressione, allora il piccolo valore di questa varianza schiva indicherà il valore del kotir vicino alla linea retta, imho è un ottimo predittore. Se dividiamo l'angolo di regressione per la dispersione schiva questo indicatore mostrerà che il mercato non è efficiente, i prezzi vanno in una direzione, per commerciare sulle notizie alla ricerca di tendenze.
Motivazione: