In statistics and optimization, errors and residuals are two closely related and easily confused measures of the deviation of an observed value of an element of a statistical sample from its "theoretical value". The error (or disturbance) of an observed value is the deviation of the observed value from the (unobservable) true value of a...
ということなのです。
研究者が明確な傾向のない時期を選んだからこそ、面白い結果が出たのだと思います。
簡単に説明すると、スクリーンショットには何が写っているのでしょうか?
Сейчас идет разговор о том. как работает алгоритм.
Насчет применимости, найдется какая-нибудь задача, для которой пригодится. Цены кластеризовать не пойдет.
ということなのです。
研究者が明確な傾向のない時期を選んだからこそ、面白い結果が出たのだと思います。
ベイズ回帰は確率的ニューラルネットワーク(PNN)や一般回帰ニューラルネットワーク(GRNN)と同じである。もし、正規誤差分布が嫌なら、指数カーネルの代わりに他の距離関数、例えば exp(-|distance|) や exp(-distance^n) 等を使うことができます。結果はあまり変わりません。距離関数が急激に減少する場合、過去の近い事象ほど高い重みが与えられる。私はこのネットワークとその亜種に手を出した。回帰としては特に適していない。しかし、分類器としては優れていますが、それでも市場で使用した結果は、他のツールやコインフリップよりも優れているとは言えません。4のフォーラムで調べてみてください。人々は、その時代その時代で、そこで議論してきた。
特に、市場取引に関する 大学の記事を鵜呑みにしてはいけない。これらの論文のほとんどは、学生が博士課程の要件(3~4本の論文+論文)を満たすために書いたものです。これは科学にも当てはまることで、何百万という学生の論文があっても、価値はゼロです。これらの業界で働く人々を信頼する。経験を積んだトレーダーなら、MITの教授よりもよく知っている。
ここからhttp://datareview.info/article/10-tipov-regressii-kakoy-vyibrat/
誤差の正規性を仮定しているため、この方法の金融市場への適用には疑問がある。
また、依存関係が超平面としてのみ推定されるようなモデルでは、非線形のエッジを見逃してしまう可能性があり、それがモデルの利益となることがある。
金融市場において、どのような誤差の仮定が適切と思われますか?
"誤差の正規性を仮定しているため、この方法の金融市場への適用には疑問がある。"
金融市場は売ったり買ったりする。エラーは起こるものであり、それは正常な ことです。
// 引用元コメントの二重処理
)
したがって、元の記事の解釈は異なります。
数学的な処理やその他の引用の解釈も同じで、やってはいけないことです
"誤差の正規性を仮定しているため、この方法の金融市場への適用には疑問がある。"
金融市場は売ったり買ったりする。間違いは起こる もの、それでいいんです。
// 引用元コメントの二重処理
)
したがって、元の記事の解釈は異なります。
数学的な処理やその他の引用の解釈も同じで、やってはいけないことです
そう!そういう家庭的な解釈なんです。
でも、やっぱり最初に結果を描くのは誰なんだろう
誰もやらない。
誤差分布の密度が重要でない方法を使うべきでしょう。ノンパラメトリックな方法。
私の実験では回帰や価格値(あるいはその変換)は全く行わず、符号を予測するのですが、これも価格情報の一部と言えるでしょう。
私のエラーは次のようなものです。
0 1
0 0,58 0,42
1 0,43 0,57
あるいは、おおよそ原文のままです。
1 - 真, 0 - エラー: 1, 1, 1, 0, 0, 1 , 1, 1, 0, 1
そして、結果として得られる確率分布は、0.5 / 0.5とできるだけ異なるものであるべきです。
このような結果の相互不感応性を求めると、二項分布に行き着き、そのための公式や統計検定が 数多く存在することになる。
しかし、価格に関するある種の回帰モデルを構築するのであれば、誤差のPDF形式に関する仮定は影響しないはずです。
UPD: https://en.wikipedia.org/wiki/Errors_and_residuals
https://en.wikipedia.org/wiki/Robust_statistics
FXの誤差分布は全く分からない。形式的には-厳密には-誤差はモデル値と遺伝子集団で得られたモデル値との差、すなわち純粋に理論値である。残差は、利用可能なサンプルについてモデル値とモデル値を区別して得られるが、金融時系列(正確にはそのリターン)は正規分布ではなく(!)、太い線と ピークを持つため、正規分布にはなりにくく、また、このように太い線とピークを持つ系列の モデル化は非常に困難である。
さらに、1時間ごとの増分について、元の分布(水色 =)と、同じ平均と標準偏差のパラメータを持つ正規分布をわざわざ導出しました。ご覧の通り、普通とは程遠い状態です。そして、正規性テストは合格には程遠い。
誤差の正規性に依存する方法は、線形回帰や分散分析など、20世紀からの古典的な方法である。でも、なくても大丈夫なんです。
wikiを読んでみてください)