価格BPから定常BPの取得 - ページ 7 1234567891011121314...39 新しいコメント 削除済み 2009.11.16 21:32 #61 faa1947 >> : だから......。?それがどうした？スペクトルパワー密度は、将来の信号の形状を予測（合成）することができないため、トレーダーには必要ない。 必ずしもそうとは限りません。トレンドトレードでは反転の予測で十分です。 これは神話の領域からのあなたの*仮定*に過ぎません。スペクトルパワー密度だけでは、どのようにそれを行うか（反転を予測するか）さえ示すことができないのです。 Vladimir 2009.11.17 05:23 #62 Reshetov писал(а)>> ご存知のように、定常的なBPはホワイトノイズでなければ予測可能である。 そのため、非定常的な価格BPを定常的に変換することが急務となっているが、逆変換の可能性もある。 最も原始的なバリアント。価格VRの概算。外挿する。外挿されたBPと実際のBPの差もBPであるが、定常的なものである。この新しいBPをシンセティックと呼ぶことにしよう。 合成BPを外挿する。価格VRの外延でまとめています。合成BPがホワイトノイズでない場合、出力は予測値、つまり2つの外挿の合計の結果となる。 ここの書き込みを全部読むのは億劫でした。そこで、すでに私の前に質問されているかもしれませんが、質問させていただきます。近似性の基準は何ですか？テストする区間の標準偏差の最小値は？また、モデルの長さはどのように選べばいいのでしょうか。 私の質問の意図を理解するために、ARモデルを例にとって説明します。それに合わせるために、過去のデータを学習サンプル、つまり入力と出力に分割する。線形回帰、Burgの方法、または他の線形予測方法のいずれかによって、そのデータにモデルを適合させる。このARモデルをフィッティングした後、過去のデータ（つまりフィッティング時に減らそうとしたのと同じ誤差）で予測誤差を計算し、その誤差の範囲に別のARモデルをフィッティングする、といった方法が提案されていますね。ARモデルの長さは、近似誤差がホワイトノイズの性質を持つように選択する必要があるので、これを行う意味はほとんどありません。そうでなければ、短いモデルで、その誤差がホワイトノイズのように振る舞わず、何か予測可能なものがあることになります。しかし、一連の誤差の下で2つ目のモデルを当てはめ、さらに3つ目のモデルを当てはめるということは、最初のARモデルの次数（長さ）を増やすのと同じ結果になります。 最初のモデルは段階的に構築し、近似誤差がノイズのような振る舞いになるまでモデルの長さを長くしていくのがより正しい。これについては、書籍や論文で多くのことが書かれています。 削除済み 2009.11.17 06:14 #63 gpwr >> : ここの書き込みを全部読むのは億劫でした。そこで、私の前にすでに質問されているかもしれないのですが、質問させてください。近似基準とは何ですか？テストする区間の標準偏差の最小値は？また、モデルの長さはどのように選べばいいのでしょうか。 私の質問の意図を理解するために、ARモデルを例にとって説明します。それに合わせるために、過去のデータを学習サンプル、つまり入力と出力に分割する。線形回帰、Burgの方法、または他の線形予測方法のいずれかによって、そのデータにモデルを適合させること。このARモデルをフィッティングした後、過去のデータ（つまりフィッティング時に減らそうとしたのと同じ誤差）で予測誤差を計算し、その誤差の範囲に別のARモデルをフィッティングする、といった方法が提案されていますね。ARモデルの長さは、近似誤差がホワイトノイズの性質を持つように選択する必要があるので、これを行う意味はあまりありません。そうでなければ、短いモデルで、その誤差がホワイトノイズのように振る舞わず、何か予測可能なものがあることになります。しかし、一連の誤差の下で2つ目のモデルを当てはめ、さらに3つ目のモデルを当てはめるということは、最初のARモデルの次数（長さ）を増やすのと同じ結果になります。 最初のモデルは段階的に構築し、近似誤差がノイズのような振る舞いになるまでモデルの長さを長くしていくのがより正しい。これについては、書籍や論文で多くのことが書かれています。 やばい！ おいおい、同僚！？ここでは、そのような巧妙な言葉（あなたが書くように： "基準"、 "近似"）を知ることさえなく、正確に3-4人を知っている。そして、彼らは明らかに皆に明白な真実を説明するのに疲れているので、沈黙を守っているのです。 Hide 2009.11.17 07:33 #64 faa1947 >> : 非定常系列を定常系列に変換するのは、利益とは関係ないある種の運動である。 >> そのようなことはありません。広い意味で議論されているのは、非定常的な物価の系列から、定常的な利益の系列を得るということである。 Stanislav Korotky 2009.11.17 09:32 #65 neoclassic >> : grasnの発案で（彼には感謝している）、次のようなアイデアを練り始めたのです。 3.現在の波が終わり、次の波が来るという2段階でZZを予測します。おそらく、もっとトリッキーな回帰モデルを使うこともできるのでしょうが、今回は通常の統計にとどめておきます。 この点は、最大の振幅を与えるので、最も重要な点である。もう少し具体的に教えてください。;-)明らかに統計量ではない。つまり、ステップサイズの平均値や、前のステップサイズから次のステップサイズの分布でもないのだ。 СанСаныч Фоменко 2009.11.17 09:39 #66 HideYourRichess писал(а)>> そのようなことはありません。広い意味で議論されているのは、非定常的な物価の系列から、定常的な利益の系列を得るということである。 理解できない。TSは利益を出しているのに、TSのことは一言も出てこない。 Hide 2009.11.17 10:03 #67 faa1947 >> : 理解できない。TSは利益を上げているのに、一言も出てこない profit=f(価格系列) Олег 2009.11.17 10:08 #68 marketeer >> : この点は、最も大きな振幅で動作するため、最も重要である。もう少し具体的に教えてください。;-)これは明らかに通常の統計、つまり単純なステップZZの平均サイズでもなければ、前のステップから次のステップのサイズの分布でもないことを意味しています。 残念ながら、今のところ-配布です。予測誤差で分布を分類する予定ですが、もしかしたらそこにパターンがあるかもしれません。 vladimir11 2009.11.17 11:48 #69 Reshetov писал(а)>> いいえ。 1.まず、価格系列を近似的に計算する。価格BPの近似式を求める： price_appr(time) 価格_appr(時間+i)を外挿する。 3.合成delta(time + i) = Open[time + i] - price_appr(time + i)を取得する。 4.delta(x)がホワイトノイズかどうか確認する。うるさかったら、ばばあ。音が鳴らなければ、続けてください。 5.近似的に合成し、計算式を得る：delta_appr(time) 6.予測：予測(時間+i+j) = price_appr(time + i + j) + delta_appr(time + i + j) ここで、i と j は前のステップからの OOS。 時間、i と j は重複しない時間セット。 これは面白い提案ですね。 予測方法はよくわからないが。実際に何が予測されているのでしょうか？ しかし、その前に解決しなければならない別の課題があるのです。 ホワイトノイズの有無を確認する方法は？ СанСаныч Фоменко 2009.11.17 11:51 #70 HideYourRichess писал(а)>> profit=f(価格系列) BPをもっとまともなものに変換することはいくらでもある。すべて（あるいはほとんど）の指標はあるが、利益は目に見えない。いつも、インジケーターが開発されるときは、まずアイデアが先にあって、その後に実装が行われるんです。ここでは「VRが非定常である代わりに定常であれば良い」と言われています。何が良いのか？すべての指標の開発は、初期のBPの何らかの特徴を反映させることを目的としている。ここでは、そのような課題は全く設定されておらず、結果の特性を統計することが課題であり、この結果が初期BPの何を表示するかは未知数である。 ところで、ここのフォーラムでは、キャンドルの長さが一日の時間によって異なることを示すグラフを見ました。 1234567891011121314...39 新しいコメント 取引の機会を逃しています。 無料取引アプリ 8千を超えるシグナルをコピー 金融ニュースで金融マーケットを探索 新規登録 ログイン スペースを含まないラテン文字 このメールにパスワードが送信されます エラーが発生しました Googleでログイン WebサイトポリシーおよびMQL5.COM利用規約に同意します。 新規登録 MQL5.com WebサイトへのログインにCookieの使用を許可します。 ログインするには、ブラウザで必要な設定を有効にしてください。 ログイン/パスワードをお忘れですか？ Googleでログイン
だから......。?それがどうした？スペクトルパワー密度は、将来の信号の形状を予測（合成）することができないため、トレーダーには必要ない。
必ずしもそうとは限りません。トレンドトレードでは反転の予測で十分です。
これは神話の領域からのあなたの*仮定*に過ぎません。スペクトルパワー密度だけでは、どのようにそれを行うか（反転を予測するか）さえ示すことができないのです。
ご存知のように、定常的なBPはホワイトノイズでなければ予測可能である。
そのため、非定常的な価格BPを定常的に変換することが急務となっているが、逆変換の可能性もある。
最も原始的なバリアント。価格VRの概算。外挿する。外挿されたBPと実際のBPの差もBPであるが、定常的なものである。この新しいBPをシンセティックと呼ぶことにしよう。
合成BPを外挿する。価格VRの外延でまとめています。合成BPがホワイトノイズでない場合、出力は予測値、つまり2つの外挿の合計の結果となる。
ここの書き込みを全部読むのは億劫でした。そこで、すでに私の前に質問されているかもしれませんが、質問させていただきます。近似性の基準は何ですか？テストする区間の標準偏差の最小値は？また、モデルの長さはどのように選べばいいのでしょうか。
私の質問の意図を理解するために、ARモデルを例にとって説明します。それに合わせるために、過去のデータを学習サンプル、つまり入力と出力に分割する。線形回帰、Burgの方法、または他の線形予測方法のいずれかによって、そのデータにモデルを適合させる。このARモデルをフィッティングした後、過去のデータ（つまりフィッティング時に減らそうとしたのと同じ誤差）で予測誤差を計算し、その誤差の範囲に別のARモデルをフィッティングする、といった方法が提案されていますね。ARモデルの長さは、近似誤差がホワイトノイズの性質を持つように選択する必要があるので、これを行う意味はほとんどありません。そうでなければ、短いモデルで、その誤差がホワイトノイズのように振る舞わず、何か予測可能なものがあることになります。しかし、一連の誤差の下で2つ目のモデルを当てはめ、さらに3つ目のモデルを当てはめるということは、最初のARモデルの次数（長さ）を増やすのと同じ結果になります。
最初のモデルは段階的に構築し、近似誤差がノイズのような振る舞いになるまでモデルの長さを長くしていくのがより正しい。これについては、書籍や論文で多くのことが書かれています。
ここの書き込みを全部読むのは億劫でした。そこで、私の前にすでに質問されているかもしれないのですが、質問させてください。近似基準とは何ですか？テストする区間の標準偏差の最小値は？また、モデルの長さはどのように選べばいいのでしょうか。
私の質問の意図を理解するために、ARモデルを例にとって説明します。それに合わせるために、過去のデータを学習サンプル、つまり入力と出力に分割する。線形回帰、Burgの方法、または他の線形予測方法のいずれかによって、そのデータにモデルを適合させること。このARモデルをフィッティングした後、過去のデータ（つまりフィッティング時に減らそうとしたのと同じ誤差）で予測誤差を計算し、その誤差の範囲に別のARモデルをフィッティングする、といった方法が提案されていますね。ARモデルの長さは、近似誤差がホワイトノイズの性質を持つように選択する必要があるので、これを行う意味はあまりありません。そうでなければ、短いモデルで、その誤差がホワイトノイズのように振る舞わず、何か予測可能なものがあることになります。しかし、一連の誤差の下で2つ目のモデルを当てはめ、さらに3つ目のモデルを当てはめるということは、最初のARモデルの次数（長さ）を増やすのと同じ結果になります。
最初のモデルは段階的に構築し、近似誤差がノイズのような振る舞いになるまでモデルの長さを長くしていくのがより正しい。これについては、書籍や論文で多くのことが書かれています。
やばい！
おいおい、同僚！？ここでは、そのような巧妙な言葉（あなたが書くように： "基準"、 "近似"）を知ることさえなく、正確に3-4人を知っている。そして、彼らは明らかに皆に明白な真実を説明するのに疲れているので、沈黙を守っているのです。
非定常系列を定常系列に変換するのは、利益とは関係ないある種の運動である。
>> そのようなことはありません。広い意味で議論されているのは、非定常的な物価の系列から、定常的な利益の系列を得るということである。
grasnの発案で（彼には感謝している）、次のようなアイデアを練り始めたのです。
3.現在の波が終わり、次の波が来るという2段階でZZを予測します。おそらく、もっとトリッキーな回帰モデルを使うこともできるのでしょうが、今回は通常の統計にとどめておきます。この点は、最大の振幅を与えるので、最も重要な点である。もう少し具体的に教えてください。;-)明らかに統計量ではない。つまり、ステップサイズの平均値や、前のステップサイズから次のステップサイズの分布でもないのだ。
そのようなことはありません。広い意味で議論されているのは、非定常的な物価の系列から、定常的な利益の系列を得るということである。
理解できない。TSは利益を出しているのに、TSのことは一言も出てこない。
理解できない。TSは利益を上げているのに、一言も出てこない
profit=f(価格系列)
この点は、最も大きな振幅で動作するため、最も重要である。もう少し具体的に教えてください。;-)これは明らかに通常の統計、つまり単純なステップZZの平均サイズでもなければ、前のステップから次のステップのサイズの分布でもないことを意味しています。
残念ながら、今のところ-配布です。予測誤差で分布を分類する予定ですが、もしかしたらそこにパターンがあるかもしれません。
いいえ。
1.まず、価格系列を近似的に計算する。価格BPの近似式を求める： price_appr(time)
価格_appr(時間+i)を外挿する。
3.合成delta(time + i) = Open[time + i] - price_appr(time + i)を取得する。
4.delta(x)がホワイトノイズかどうか確認する。うるさかったら、ばばあ。音が鳴らなければ、続けてください。
5.近似的に合成し、計算式を得る：delta_appr(time)
6.予測：予測(時間+i+j) = price_appr(time + i + j) + delta_appr(time + i + j)
ここで、i と j は前のステップからの OOS。 時間、i と j は重複しない時間セット。
これは面白い提案ですね。
予測方法はよくわからないが。実際に何が予測されているのでしょうか？
しかし、その前に解決しなければならない別の課題があるのです。
ホワイトノイズの有無を確認する方法は？
profit=f(価格系列)
BPをもっとまともなものに変換することはいくらでもある。すべて（あるいはほとんど）の指標はあるが、利益は目に見えない。いつも、インジケーターが開発されるときは、まずアイデアが先にあって、その後に実装が行われるんです。ここでは「VRが非定常である代わりに定常であれば良い」と言われています。何が良いのか？すべての指標の開発は、初期のBPの何らかの特徴を反映させることを目的としている。ここでは、そのような課題は全く設定されておらず、結果の特性を統計することが課題であり、この結果が初期BPの何を表示するかは未知数である。
ところで、ここのフォーラムでは、キャンドルの長さが一日の時間によって異なることを示すグラフを見ました。