回帰式 - ページ 9

[hrenfx]

Prival:

が、多変量多項式 回帰をすることができる...。予測精度が向上するか、同じ精度で予測時間が短縮されるなら、より優れていると言えますが...。何のためにチェックするのかわからないが、やり方を理解するだけでなく、ツールにすべてを説明しなければならない．

どんなリグレッションも可能です。悪いとか良いとか、どういうことだ!私のバイクを読んだことがありますか？どのツールを何に適用するかを理解する必要があるのです回帰とそれに近い概念に無知なままデタラメを書きました。自分の欲しいものを明確に手に入れなければならなかったのです。しました。そして、多変量線形回帰の 定義に包含されることを知りました。

それに多項式とか突っ込まれると、もう意味がわからないんですよ。

ある金融商品の挙動を、他の金融商品のあらゆる回帰を通じて予測しようとするのは、確かに正しいやり方だ。でも、あまりに些細なことなので...きっと行き詰っているのでしょう。また、あらゆる多変量回帰の実装は問題ありません。ただ、まだやっていないことをやってみたいという欲求だけでなく、なぜそうするのかを理解する必要があります。

alsu:
より良いものになりますが、コンピュータにも負荷がかかります:)

何も読み込まない。数値計算方法のルール

P.S. 男、自分の文章を読む。響きがかっこいい、いろんな用語がある、などなど。用語がわからないまま他を読んでいて同じことを思った。そして実際、そんな小学生レベルのことを議論している...。回帰分析の基本、問題の設定方法について少し読むだけ。そして、MAより上のレベルの最もシンプルなアイデアについての議論であることを理解することができます。

[Prival]

hrenfx:

....

しかも、多項式とか入れたら、もう意味がわからない。

ある金融商品の挙動を他の金融商品の任意の回帰で予測しようとするのは、確かに方法である。でも、あまりに些細なことなので...きっと行き詰っているのでしょう。また、あらゆる多変量回帰の実装は問題ありません。ただ、「まだやっていないことをやってみたい」ではなく、「なぜやるのか」を理解する必要があります。

意味がわからない（何をしているのか、なぜそれをやっているのか理解できない）と、すべてがバカバカしく、無意味なものになってしまいます。まったくその通りです。

このアクションの絶対的なアナログ。2台のマシンを取る、最適化された クラスのパラメータ......デモ用にパラメータを最適化したが、実機より良くはなかった...それから頭をかきむしって、3台を最適化しよう、OK、それらを最適化して実機に行った...。ワニがいる。RSIを知った．最適化...バム...ニューラルネット...バム...

などなど、人は頭を使わず、ロボットのように行動するから......。

Z.I.アルスは考えることができる。質問をすればわかる。答えが出れば上出来、パソコンではなく頭で考えているのだから、もしかしたら答えが出るかもしれない...。

[СанСаныч Фоменко]

Prival:

自分が何をしているのか、なぜそれをやっているのかを理解しなければ、すべてが間抜けで無意味なものになってしまうのです。まったくその通りです。

リグレッションとは？同じフィルターで、ウィンドウ内の現在のデータに愚直にフィットしているだけです。それとも私が間違っているのでしょうか。だから、フィルターではアイデアがあるのですが、ここでは？誰か説明してくれないかな。

[Sceptic Philozoff]

hrenfx: そして、シンプルなアイデアがMAの上のレベルで議論されていることに気づくはずです。

一段上ではなく、文字通り MAのレベルです。私はかつてここで、線形回帰は2つの異なる最も一般的な魔法使いのL.C.であると書きました。人々はすぐには信じませんでした。ここでトピック です。

[hrenfx]

Mathemat:
より高いレベルではなく、文字通り レッカー車レベルです。以前ここで、線形回帰は2種類の最頻値ダンクのL.C.だと書きました。人々はすぐには信じませんでした。ここでトピック です。

最も単純なケースで回帰分析を侮ってはいけない。

関連して、考えさせられたのは、OLS以外の回帰推定の方法です。回帰の応用は、今のところ最適なポートフォリオ構築の分野でしか見当たりません。そして、最適なポートフォリオの収益性を予測する上で。しかし、決して金融商品のBPではありません。

比較的最適なポートフォリオは、すでに公然と提案されており、その詳細はすべて...

[Prival]

Mathemat:
そう、一段上ではなく、文字通り レッカーのレベルである。以前ここで、線形回帰は2種類の最も一般的なダミーのL.C.であると書きました。人々はすぐには信じませんでした。ここでトピック です。

アレクセイ よく知ってるはずだ あのスレッドで あの男は正しい質問をしてるんだ

そこで、N個のサンプルを含む時系列を用意します。この段階では、ティック、OHLCなど、サンプルの意味するところは特に問わない。重要なのは、学習サンプルの 最適な長さ nが Nと等しくないこと、調整可能なパラメータの最適な数k<=n （多項式の次数）についての質問への答えのようだ。

1.多項式次数は最大3次と答えましたが、回帰は使っておらず、この数値は他の考慮事項（確率的な差分レベル）によって与えられています。

2.最適な調整可能パラメータ数がゼロであること

3.最適なサンプルの長さ私は知らない、私はまだ計算することはできません、それは私にはそれが少なくとも二つの変数、一日の時間とACFに依存するようだ。

[hrenfx]

最適」とはどういう意味ですか？

私はこの言葉を、窓際で最高のポートフォリオを構築するためにのみ、適用することができました。

[削除済み]

EURUSD-GBPUSDのペアでシミュレーションを実施。

線形回帰 式が用いられた。

この実験の解釈や、独自のバリエーションを提案することも歓迎します。

ファイルは添付ファイルにあります。

[hrenfx]

多変量線形回帰の例を書きました。連立一次方程式を得るためのアルゴリズム（Gaussで解くことができます）は、関数GetLinearMatrixで 与えられます。

Mathcadのファイル自体も添付しています。

[Alexey]

分散を回帰直線の傾きとして計算すると、このドジな分散の値が小さいほど、直線に近いコチルの値を示すことになり、非常に良い予測因子であるとイミフです。私たちは怪しい分散で回帰の角度を分割した場合、この指標は、市場の非効率性について話をします、価格はトレンドを検索するニュースで取引するために、一方向に移動します。