エコノメトリックス：一歩先の予測 - ページ 116 1...109110111112113114115116117118119120121122123...139 新しいコメント Vladimir 2011.12.22 15:01 #1151 faa1947:自分でもよくわからないんです。パターンブレイク：ZZ_HIGH EUROSD(-1 to -100) C @TRANDD私は、「0」-シグナルなし、「1」-下方への反転シグナルという値をとる従属変数を予測しています。100本のEURUSDを従属変数、すなわちランダムな値として扱います。回帰係数を推定した結果、次のようになる。zz_high = 1-@cnorm(-(1033.56764818*eurusd(-1) + 361.005725087*eurusd(-2) - 659.271726689*eurusd(-3) + 1289.20797453*eurusd(-4) - 1024.9175822*eurusd(-5) - 173.354947231*eurusd(-6) - 500.0).755211559*eurusd(-7) + 487.538133239*eurusd(-8) - 1741.90012073*eurusd(-9) + 1250.27027863*eurusd(-10) + 1204.01840496*eurusd(-11) - 625.209628018*eurusd(-12) - 88.0％ - 0％ - 0.0％ - 0.0％ - 0.1％ - 0.2％ - 0.3％ - 0.3％ - 0.0％ - 0.0％ - 0.2％ - 0.0％ - 0.04193896778*eurusd(-13) - 821.374855285*eurusd(-14) - 754.491291165*eurusd(-15) + 538.519551372*eurusd(-16) + 3220.86311608*eurusd(-17) - 518.070207767*eurusd(-18) - 2332.53473806*eurusd(-19) + 569.684891562*eurusd(-20) - 1619.61207529*eurusd(-21) + 1641.76931445*eurusd(-22) - 1414.74117489*eurusd(-23) - 114.280781428*eurusd(-24) + 450.449461697*eurusd(-25) - 337.460964818*eurusd(-26) + 908.232164753*eurusd(-27) + 601.738993689*eurusd(-28) + 861.74494980071*eurusd(-29) + 259.833316285*eurusd(-30) - 46.5215488696*eurusd(-31) - 820.583809759*eurusd(-32) - 1423.98506887*eurusd(-33) + 935.969451579*eurusd(-34) - 803.436564451*eurusd(-35) + 221.143701299*eurusd(-36) + 335.777492236*eurusd(-37) + 650.0 (注)1．456824302*eurusd(-38) + 350.318958532*eurusd(-39) - 467.384535354*eurusd(-40) - 1463.62960078*eurusd(-41) + 1023.33692559*eurusd(-42) + 531.53858297*eurusd(-43) - 1804.43807812*eurusd(-44) + 505.327400995*eurusd(-45) - 20.3151847226*eurusd(-46) + 1454.71062626*eurusd(-47) + 149.481921853*eurusd(-48) - 1985.4346906*eurusd(-49) + 8.64522845766*eurusd(-50) + 1301.1.022397609*eurusd(-51) + 1398.9062339*eurusd(-52) - 1812.25415112*eurusd(-53) - 815.17727151*eurusd(-54) - 465.973849717*eurusd(-55) + 891.665097704*eurusd(-56) - 33.8677278433*eurusd(-57) + 1802.3*eurusd(-57)96642724*eurusd(-58) + 103.739651059*eurusd(-59) + 395.877119657*eurusd(-60) - 1358.3140469*eurusd(-61) + 17.0144218275*eurusd(-62) + 645.959444744*eurusd(-63) - 1935.1.0 (参考)40489961*eurusd(-64) + 847.657103772*eurusd(-65) - 348.287297241*eurusd(-66) + 1674.82953896*eurusd(-67) - 1399.09585978*eurusd(-68) + 442.848712733*eurusd(-69) + 498.0*eurusd(-65)667519817*eurusd(-70) + 175.460595585*eurusd(-71) - 3.23177058628*eurusd(-72) - 502.970783886*eurusd(-73) - 486.45378574*eurusd(-74) - 1284.12753179*eurusd(-75) + 2212.99339275*eurusd(-76) + 1011.3.83438787*eurusd(-77) - 2762.97407148*eurusd(-78) + 1603.46426721*eurusd(-79) - 441.847609369*eurusd(-80) - 173.0306096*eurusd(-81) - 672.051786135*eurusd(-82) - 1106.1*eurusd(-81)57500684*eurusd(-83) + 337.977251734*eurusd(-84) + 1392.23135411*eurusd(-85) + 1222.020799*eurusd(-86) + 327.446848701*eurusd(-87) - 1208.41468022*eurusd(-88) + 741.85661795*eurusd(-89) + 1585.020799*yurusd(-89) **Eurusd(-83) = "e "の場合08937121*eurusd(-90) - 2098.86445785*eurusd(-91) + 58.0598765644*eurusd(-92) - 166.744222595*eurusd(-93) + 67.6457712184*eurusd(-94) + 98.7949064574*eurusd(-95) + 1406.32082135*eurusd(-96) - 1658.83294022*eurusd(-97) - 273.851042947*eurusd(-98) + 93.5879401275*eurusd(-99) + 243.060588194*eurusd(-100) - 1295.0210728 + 0.08150857192*@trend) ) ))すべてがそこにあるようです。予測計算がなぜか事実と全く同じになる モデルを理解したい。CNORMとは？モデルはどの区間で学習され、どの 区間でテスト されたのでしょうか？Excelのスプレッドシートの最初の100行がトレーニングデータという理解でいいのでしょうか？なぜ、そんなに少ないのか（モデルの従属変数の数と同じ）？ СанСаныч Фоменко 2011.12.22 15:27 #1152 gpwr: モデルを理解したい。CNORMとは？モデルはどの区間で学習され、どの区間でテストされたのでしょうか？Excelのスプレッドシートの最初の100行がトレーニングデータという理解でいいのでしょうか？なぜ、そんなに少ないのか（モデルの従属変数の数と同じ）？ cnorm(x) 正規累積分布 500本のバーが必要です。最初の100本は、波打ち際の期間として式中のバーであるため、取らない。トレーニングではなく、500本のバーで係数を推定する Sergey 2011.12.30 00:02 #1153 faa1947: cnorm(x) 正規累積分布 500本のバーを撮影。最初の100本は、ウェービングにおける期間として計算式の中のバーであるため、取らない。トレーニングは行わず、500barで推定係数を算出 このようなモデルは、可能な最終状態の数が少ないために偶然の一致の確率が高く、正確な予測をすることがありますが、それは何の意味もありません。例えば、次の500本の期間での実際の終値の増加分を、前の500本の期間で得られた係数で取り、予測の増加分との相関を測定します - つまり詳細値の差です。得られた係数は、予測の質を客観的に評価するものであり、お客様の場合は、定量的な相関の評価を用いることができます。しかし、やはり予測問題の解決策にはなりません。「使える」システムとして使うには、「市場への参入」を成功させるだけでなく、「市場からの退出」もできるようにしなければならないからです。予測誤差は、もっとバーを取れば1本分前方に蓄積されると考えるのは間違いで、実際は約束されていない...。変数の有意性を選択するのと同じように、別の解決可能な知識抽出タスク（Data Mining）であり、そのための手法はすでにあり、100本かかるかかからないか、500本かかるか、では済まされない......」。 СанСаныч Фоменко 2011.12.30 09:04 #1154 dasmen: このようなモデルは、可能な最終状態の数が少ないため、単に偶然の高い確率から、正確な予測を与えることができ、それは何の意味もありません - ちょうど次の500バーの期間中に閉じるために実際の増分は、以前の500バーで抽出した係数を取り、予測の増分との相関を測定 - それは詳細値の違いである。得られた係数は、予測の質を客観的に評価するものであり、お客様の場合は、定量的な相関の評価を用いることができます。しかし、やはり予測問題の解決策にはなりません。「使える」システムとして使うには、「市場への参入」を成功させるだけでなく、「市場からの退出」もできるようにしなければならないからです。予測誤差は、より多くのバーを取れば1バー分先に蓄積されると考えるのは間違いで、実際は約束されていないのですが...。変数の有意性選択が別解の知識抽出タスク（Data Mining）であり、そのためのテクニックが既にあるように、100本かかるか500本かかるかという原則で行われるわけではありません... 前回コメントいただいた記事より、全体のトピックが濃くなっています。変数の有意性の問題は、これまで何度も扱われてきた。予測誤差の蓄積は、事実がないために前回の予測値を次の予測値としてしまうという、医学的な事実があります。ファクトがとれれば、一歩先の予測になる。 しかし、これらは些細なことであり、技術的な問題です。 インクリメントを使用したことです。なぜなら，増分にはトレンドがないが，予測されたトレンドはあるからである．ここで，このトピックの主要な問題である，予測可能性を保証するモデルの特性とは何か？このような通常の回帰モデル に対する一連の性質が提案されている。コメントされているのはブレイクアウトモデルで、ここには他のモデルもあり、よくわからない。 このスレッドにある多くの点について、コメントいただければ幸いです。 Trolls 2011.12.30 12:13 #1155 faa1947: ...インクリメントの使用は。増分にトレンドがないため，何も機能しないが，トレンドは予測される。ここで，このトピックの主要な問題は，予測可能性を保証するモデルの特性は何か，ということである。このような通常の回帰モデルに対する一連の性質が提案されている。コメントされているのはプロビットモデルで、ここには他にもよくわからないモデルがあるのですが...。 モデルと分析されるプロセスが同じであれば（あなたの言葉で言えば「正しいモデル」）、1歩先の予測がカルマンフィルタによって与えられることは、長年にわたって数学的に証明されています。フォーラムで検索してみてください... 何度も言われていることですが、あなたのモデルは間違っているのです。他のモデルは存在しないと、この回帰モデルにこだわっているのでしょうか...すべての世界の多様性は、この単純なモデルで記述されているのでしょうか... そして、ACFの種類については、すでにここで何度も説明されていますし、その特性についても． ずっと前からある私の作品へのリンクです(https://www.mql5.com/ru/code/8295)....ACFと、よく見ると2つのカーブがありますね。最初の曲線は （青い線）、2番目の赤い線は引用符のACFです。視覚的に）比較することができる・・・。 練習用に十分な精度でコリットを記述できるモデルがあり（存在し、以前から知られていた）、それは回帰モデルではない。確かに計量経済学の教科書には、このモデルについて何も書かれていないでしょう...他の教科書を探してみてください。 みんなに幸あれ。来年の幸せと健康を祈ります。 Alexey Burnakov 2011.12.30 12:44 #1156 新年あけましておめでとうございます。全機種が制覇できますように。 anonymous 2011.12.30 17:15 #1157 faa1947:インクリメントを使用したことです。増分のトレンドが予測されるため、何も動作しません。 と述べていますね。 1.インクリメントに切り替えることで、トレンドが失われること。トレンドの存在は増分の条件付き期待値に直接影響を与えるので、これは真実ではない。したがって、一方の予測は他方の予測と等価である。 2.インクリメンタルモデルには可逆性という性質がないこと。ここでも、最後の価格水準がわかっているので、これは真実ではありません。増分を予測し、そこから累積値を取り、最後に判明した価格値を加えることで、時間/価格空間において1対1の遷移を得ることができる。 原始的な回帰モデルを持っています。サンプル内では10よりはるかに大きな利益率を持っていることが示されている。サンプル以外では1より少し多く、それさえも疑わしい。このモデルは「正しく」構成されています。 疑問：なぜこの「正しい」モデルには、安定性や予測可能性という性質がない のでしょうか？ 理論家になって、R^2が1に近いモデルを作っても、何も得られないかもしれない。あなたは実務家として、期待される利益と関連するリスクの観点からモデルを評価することができます。最初のケースは、記事/論文/何かを書きたい 場合に適しています。儲けたいなら、まず利益とリスクでモデルを推定し、その後に初めてR^2などの統計で推定する。 サンプル外の安定した陽性結果を得てからでないと、サンプル内の検査は見れないのです。そうでなければ、時間を無駄にすることになります。 次のステップへストキャスティック・ディフューザーの市場への適用性、リンク、お願いします。 特にオプションなどのデリバティブを評価する際には、ディフューザーがよく使われます。統計的アービトラージにも応用されている。 それは、あなたにとっても同じことです。パッケージのNS（EViewsにはないが、他にはある）は平滑化の代わりをするもので、これは問題のごく一部であり、解決すべき最重要課題ではない。NSの場合、それは芸術なのです。スプラインやウェーブレットをとっても、それは数学です。 NSは非線形回帰モデルの代わりとなる。 Debugger 2011.12.31 08:45 #1158 gpwr: モデルを理解したい。CNORMとは？モデルはどの区間で学習され、どの区間でテストされたのでしょうか？Excelのスプレッドシートの最初の100行がトレーニングデータという理解でいいのでしょうか？なぜそんなに少ないのか（モデル中の従属変数の数と同じ）？ 一つ理解したいのですが、ZZを予測する場合、予測したZigZagのステップをどのように計算するのでしょうか？ СанСаныч Фоменко 2012.01.01 11:00 #1159 Trolls: モデルと分析対象が一致する場合（あなたの言う「正しいモデル」）、カルマンフィルターが最良の1歩先予測を行うことは、長年にわたって数学的に証明されています。フォーラムで検索してみてください... 何度も言われていることですが、あなたのモデルは間違っているのです。他のモデルは存在しないと、この回帰モデルにこだわっているのでしょうか...すべての世界の多様性は、この単純なモデルで記述されているのでしょうか... そして、ACFの種類については、すでにここで何度も説明されていますし、その特性についても． ずっと前からある私の作品へのリンクです(https://www.mql5.com/ru/code/8295)....ACFと、よく見ると2つのカーブがありますね。最初の曲線は （青い線）、2番目の赤い線は引用符のACFです。視覚的に）比較することができる・・・。 練習用に十分な精度でコリットを記述できるモデルがあり（存在し、以前から知られていた）、それは回帰モデルではない。確かに計量経済学の教科書には、このモデルについて何も書かれていないでしょう...他の教科書を探してみてください。 みんなに幸あれ。来年も幸せと健康を!!!! (あなたの言う「正しいモデル」) 正しいとは、ある特性を持つということです。これらの特性は、誰も論じない。 であれば、1ステップ先の予測はカルマンフィルタが最適です。こちらのフォーラムで検索してみてください・・・。 EViewsでは状態空間というモデルがあるので、カルマンフィルター。しかし、どう考えても一番有力なのに、そのようなモデルを立てることができないのです。 また、ACFの種類や特性については、すでにここで何度もお話ししたとおりですが...。 ここに 私の作品へのリンクは、長い間そこに横たわっていた（https://www.mql5.com/ru/code/8295）....ACFと、よく見ると2つのカーブがありますね。最初の曲線は （青い線）、2番目の赤い線は引用符のACFです。見比べることができる（視覚的に）・・・。 AFCについてのあなたの投稿は、私には何も理解できません。私にとってAFCは、私がモデル化した引用文の依存関係の存在を示す指標です。 モデルがあり（存在し、以前から知られていた）、それは実践に十分な精度でコチルを記述するために使用することができ、回帰モデルではないのです。 興味をそそられなかったらどうする？ СанСаныч Фоменко 2012.01.01 11:10 #1160 anonymous: 1.インクリメントへの移行でトレンドが失われていること。トレンドの存在は増分の条件付き期待値に直接影響を与えるので、これは真実ではない。したがって、一方の予測は他方の予測と等価である。 2.インクリメンタルモデルには可逆性という性質がないこと。ここでも、最後の価格水準がわかっているので、これは真実ではありません。増分を予測し、その累積を取り、最後に判明した価格の値を加えることで、時間/価格空間における明確な推移が得られる。 ただ、1つだけ断言できるのは、レベルよりもインクリメントの方が結果が悪いということです。それは私のことであり、この結果を一般化することはありません。他の人が手に入れることも可能です。 理論家になって、R^2が1に近いモデルを作っても、そこから何も得ることができないのです。実務家として、期待される利益と関連するリスクの観点からモデルを評価することは可能である。最初のケースは、記事/論文/何かを書きたい 場合に適しています。儲けたいなら、まず利益とリスクでモデルを推定し、その後に初めてR^2などの統計で推定する。 サンプル外の安定した陽性結果を得てからでないと、サンプル内の検査は見れないのです。そうでなければ、時間を無駄にすることになります。 この点については、掲示板の多くの方と意見が一致しません。トラックが欲しくて自転車を手に入れたとしても、自転車テストに合格しても、トラックの証明にはならないのです。現実の世界では必ず出てくるランダム性ばかりです。 NSは非線形回帰モデルの代わりとなる。 もう一度言います。NSは、多様な問題を解決してくれるわけではありません。非線形性についてのコメントがそれを示していますね。非線形回帰モデルとは何か？また、パラメータはおおよそ定数かランダム変数か、ランダムであればその特性は？これは、NSの問題に対してです。自分たちの居場所がある。 1...109110111112113114115116117118119120121122123...139 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
自分でもよくわからないんです。
パターンブレイク：ZZ_HIGH EUROSD(-1 to -100) C @TRANDD
私は、「0」-シグナルなし、「1」-下方への反転シグナルという値をとる従属変数を予測しています。100本のEURUSDを従属変数、すなわちランダムな値として扱います。回帰係数を推定した結果、次のようになる。
zz_high = 1-@cnorm(-(1033.56764818*eurusd(-1) + 361.005725087*eurusd(-2) - 659.271726689*eurusd(-3) + 1289.20797453*eurusd(-4) - 1024.9175822*eurusd(-5) - 173.354947231*eurusd(-6) - 500.0).755211559*eurusd(-7) + 487.538133239*eurusd(-8) - 1741.90012073*eurusd(-9) + 1250.27027863*eurusd(-10) + 1204.01840496*eurusd(-11) - 625.209628018*eurusd(-12) - 88.0％ - 0％ - 0.0％ - 0.0％ - 0.1％ - 0.2％ - 0.3％ - 0.3％ - 0.0％ - 0.0％ - 0.2％ - 0.0％ - 0.04193896778*eurusd(-13) - 821.374855285*eurusd(-14) - 754.491291165*eurusd(-15) + 538.519551372*eurusd(-16) + 3220.86311608*eurusd(-17) - 518.070207767*eurusd(-18) - 2332.53473806*eurusd(-19) + 569.684891562*eurusd(-20) - 1619.61207529*eurusd(-21) + 1641.76931445*eurusd(-22) - 1414.74117489*eurusd(-23) - 114.280781428*eurusd(-24) + 450.449461697*eurusd(-25) - 337.460964818*eurusd(-26) + 908.232164753*eurusd(-27) + 601.738993689*eurusd(-28) + 861.74494980071*eurusd(-29) + 259.833316285*eurusd(-30) - 46.5215488696*eurusd(-31) - 820.583809759*eurusd(-32) - 1423.98506887*eurusd(-33) + 935.969451579*eurusd(-34) - 803.436564451*eurusd(-35) + 221.143701299*eurusd(-36) + 335.777492236*eurusd(-37) + 650.0 (注)1．456824302*eurusd(-38) + 350.318958532*eurusd(-39) - 467.384535354*eurusd(-40) - 1463.62960078*eurusd(-41) + 1023.33692559*eurusd(-42) + 531.53858297*eurusd(-43) - 1804.43807812*eurusd(-44) + 505.327400995*eurusd(-45) - 20.3151847226*eurusd(-46) + 1454.71062626*eurusd(-47) + 149.481921853*eurusd(-48) - 1985.4346906*eurusd(-49) + 8.64522845766*eurusd(-50) + 1301.1.022397609*eurusd(-51) + 1398.9062339*eurusd(-52) - 1812.25415112*eurusd(-53) - 815.17727151*eurusd(-54) - 465.973849717*eurusd(-55) + 891.665097704*eurusd(-56) - 33.8677278433*eurusd(-57) + 1802.3*eurusd(-57)96642724*eurusd(-58) + 103.739651059*eurusd(-59) + 395.877119657*eurusd(-60) - 1358.3140469*eurusd(-61) + 17.0144218275*eurusd(-62) + 645.959444744*eurusd(-63) - 1935.1.0 (参考)40489961*eurusd(-64) + 847.657103772*eurusd(-65) - 348.287297241*eurusd(-66) + 1674.82953896*eurusd(-67) - 1399.09585978*eurusd(-68) + 442.848712733*eurusd(-69) + 498.0*eurusd(-65)667519817*eurusd(-70) + 175.460595585*eurusd(-71) - 3.23177058628*eurusd(-72) - 502.970783886*eurusd(-73) - 486.45378574*eurusd(-74) - 1284.12753179*eurusd(-75) + 2212.99339275*eurusd(-76) + 1011.3.83438787*eurusd(-77) - 2762.97407148*eurusd(-78) + 1603.46426721*eurusd(-79) - 441.847609369*eurusd(-80) - 173.0306096*eurusd(-81) - 672.051786135*eurusd(-82) - 1106.1*eurusd(-81)57500684*eurusd(-83) + 337.977251734*eurusd(-84) + 1392.23135411*eurusd(-85) + 1222.020799*eurusd(-86) + 327.446848701*eurusd(-87) - 1208.41468022*eurusd(-88) + 741.85661795*eurusd(-89) + 1585.020799*yurusd(-89) **Eurusd(-83) = "e "の場合08937121*eurusd(-90) - 2098.86445785*eurusd(-91) + 58.0598765644*eurusd(-92) - 166.744222595*eurusd(-93) + 67.6457712184*eurusd(-94) + 98.7949064574*eurusd(-95) + 1406.32082135*eurusd(-96) - 1658.83294022*eurusd(-97) - 273.851042947*eurusd(-98) + 93.5879401275*eurusd(-99) + 243.060588194*eurusd(-100) - 1295.0210728 + 0.08150857192*@trend) ) ))
すべてがそこにあるようです。
予測計算がなぜか事実と全く同じになる
モデルを理解したい。CNORMとは？モデルはどの区間で学習され、どの 区間でテスト されたのでしょうか？Excelのスプレッドシートの最初の100行がトレーニングデータという理解でいいのでしょうか？なぜ、そんなに少ないのか（モデルの従属変数の数と同じ）？
モデルを理解したい。CNORMとは？モデルはどの区間で学習され、どの区間でテストされたのでしょうか？Excelのスプレッドシートの最初の100行がトレーニングデータという理解でいいのでしょうか？なぜ、そんなに少ないのか（モデルの従属変数の数と同じ）？
cnorm(x)
正規累積分布
500本のバーが必要です。最初の100本は、波打ち際の期間として式中のバーであるため、取らない。トレーニングではなく、500本のバーで係数を推定する
cnorm(x)
正規累積分布
500本のバーを撮影。最初の100本は、ウェービングにおける期間として計算式の中のバーであるため、取らない。トレーニングは行わず、500barで推定係数を算出
このようなモデルは、可能な最終状態の数が少ないため、単に偶然の高い確率から、正確な予測を与えることができ、それは何の意味もありません - ちょうど次の500バーの期間中に閉じるために実際の増分は、以前の500バーで抽出した係数を取り、予測の増分との相関を測定 - それは詳細値の違いである。得られた係数は、予測の質を客観的に評価するものであり、お客様の場合は、定量的な相関の評価を用いることができます。しかし、やはり予測問題の解決策にはなりません。「使える」システムとして使うには、「市場への参入」を成功させるだけでなく、「市場からの退出」もできるようにしなければならないからです。予測誤差は、より多くのバーを取れば1バー分先に蓄積されると考えるのは間違いで、実際は約束されていないのですが...。変数の有意性選択が別解の知識抽出タスク（Data Mining）であり、そのためのテクニックが既にあるように、100本かかるか500本かかるかという原則で行われるわけではありません...
前回コメントいただいた記事より、全体のトピックが濃くなっています。変数の有意性の問題は、これまで何度も扱われてきた。予測誤差の蓄積は、事実がないために前回の予測値を次の予測値としてしまうという、医学的な事実があります。ファクトがとれれば、一歩先の予測になる。
しかし、これらは些細なことであり、技術的な問題です。
インクリメントを使用したことです。なぜなら，増分にはトレンドがないが，予測されたトレンドはあるからである．ここで，このトピックの主要な問題である，予測可能性を保証するモデルの特性とは何か？このような通常の回帰モデル に対する一連の性質が提案されている。コメントされているのはブレイクアウトモデルで、ここには他のモデルもあり、よくわからない。
このスレッドにある多くの点について、コメントいただければ幸いです。
...インクリメントの使用は。増分にトレンドがないため，何も機能しないが，トレンドは予測される。ここで，このトピックの主要な問題は，予測可能性を保証するモデルの特性は何か，ということである。このような通常の回帰モデルに対する一連の性質が提案されている。コメントされているのはプロビットモデルで、ここには他にもよくわからないモデルがあるのですが...。
ずっと前からある私の作品へのリンクです(https://www.mql5.com/ru/code/8295)....ACFと、よく見ると2つのカーブがありますね。最初の曲線は （青い線）、2番目の赤い線は引用符のACFです。視覚的に）比較することができる・・・。
練習用に十分な精度でコリットを記述できるモデルがあり（存在し、以前から知られていた）、それは回帰モデルではない。確かに計量経済学の教科書には、このモデルについて何も書かれていないでしょう...他の教科書を探してみてください。
みんなに幸あれ。来年の幸せと健康を祈ります。
新年あけましておめでとうございます。全機種が制覇できますように。
インクリメントを使用したことです。増分のトレンドが予測されるため、何も動作しません。
と述べていますね。
1.インクリメントに切り替えることで、トレンドが失われること。トレンドの存在は増分の条件付き期待値に直接影響を与えるので、これは真実ではない。したがって、一方の予測は他方の予測と等価である。
2.インクリメンタルモデルには可逆性という性質がないこと。ここでも、最後の価格水準がわかっているので、これは真実ではありません。増分を予測し、そこから累積値を取り、最後に判明した価格値を加えることで、時間/価格空間において1対1の遷移を得ることができる。
原始的な回帰モデルを持っています。サンプル内では10よりはるかに大きな利益率を持っていることが示されている。サンプル以外では1より少し多く、それさえも疑わしい。このモデルは「正しく」構成されています。
疑問：なぜこの「正しい」モデルには、安定性や予測可能性という性質がない のでしょうか？
理論家になって、R^2が1に近いモデルを作っても、何も得られないかもしれない。あなたは実務家として、期待される利益と関連するリスクの観点からモデルを評価することができます。最初のケースは、記事/論文/何かを書きたい 場合に適しています。儲けたいなら、まず利益とリスクでモデルを推定し、その後に初めてR^2などの統計で推定する。
サンプル外の安定した陽性結果を得てからでないと、サンプル内の検査は見れないのです。そうでなければ、時間を無駄にすることになります。
次のステップへストキャスティック・ディフューザーの市場への適用性、リンク、お願いします。
特にオプションなどのデリバティブを評価する際には、ディフューザーがよく使われます。統計的アービトラージにも応用されている。
それは、あなたにとっても同じことです。パッケージのNS（EViewsにはないが、他にはある）は平滑化の代わりをするもので、これは問題のごく一部であり、解決すべき最重要課題ではない。NSの場合、それは芸術なのです。スプラインやウェーブレットをとっても、それは数学です。
NSは非線形回帰モデルの代わりとなる。
モデルを理解したい。CNORMとは？モデルはどの区間で学習され、どの区間でテストされたのでしょうか？Excelのスプレッドシートの最初の100行がトレーニングデータという理解でいいのでしょうか？なぜそんなに少ないのか（モデル中の従属変数の数と同じ）？
一つ理解したいのですが、ZZを予測する場合、予測したZigZagのステップをどのように計算するのでしょうか？
ずっと前からある私の作品へのリンクです(https://www.mql5.com/ru/code/8295)....ACFと、よく見ると2つのカーブがありますね。最初の曲線は （青い線）、2番目の赤い線は引用符のACFです。視覚的に）比較することができる・・・。
練習用に十分な精度でコリットを記述できるモデルがあり（存在し、以前から知られていた）、それは回帰モデルではない。確かに計量経済学の教科書には、このモデルについて何も書かれていないでしょう...他の教科書を探してみてください。
みんなに幸あれ。来年も幸せと健康を!!!!
(あなたの言う「正しいモデル」)
正しいとは、ある特性を持つということです。これらの特性は、誰も論じない。
であれば、1ステップ先の予測はカルマンフィルタが最適です。こちらのフォーラムで検索してみてください・・・。
EViewsでは状態空間というモデルがあるので、カルマンフィルター。しかし、どう考えても一番有力なのに、そのようなモデルを立てることができないのです。
ここに 私の作品へのリンクは、長い間そこに横たわっていた（https://www.mql5.com/ru/code/8295）....ACFと、よく見ると2つのカーブがありますね。最初の曲線は （青い線）、2番目の赤い線は引用符のACFです。見比べることができる（視覚的に）・・・。
AFCについてのあなたの投稿は、私には何も理解できません。私にとってAFCは、私がモデル化した引用文の依存関係の存在を示す指標です。
モデルがあり（存在し、以前から知られていた）、それは実践に十分な精度でコチルを記述するために使用することができ、回帰モデルではないのです。
興味をそそられなかったらどうする？
anonymous:
1.インクリメントへの移行でトレンドが失われていること。トレンドの存在は増分の条件付き期待値に直接影響を与えるので、これは真実ではない。したがって、一方の予測は他方の予測と等価である。
2.インクリメンタルモデルには可逆性という性質がないこと。ここでも、最後の価格水準がわかっているので、これは真実ではありません。増分を予測し、その累積を取り、最後に判明した価格の値を加えることで、時間/価格空間における明確な推移が得られる。
ただ、1つだけ断言できるのは、レベルよりもインクリメントの方が結果が悪いということです。それは私のことであり、この結果を一般化することはありません。他の人が手に入れることも可能です。
理論家になって、R^2が1に近いモデルを作っても、そこから何も得ることができないのです。実務家として、期待される利益と関連するリスクの観点からモデルを評価することは可能である。最初のケースは、記事/論文/何かを書きたい 場合に適しています。儲けたいなら、まず利益とリスクでモデルを推定し、その後に初めてR^2などの統計で推定する。
サンプル外の安定した陽性結果を得てからでないと、サンプル内の検査は見れないのです。そうでなければ、時間を無駄にすることになります。
この点については、掲示板の多くの方と意見が一致しません。トラックが欲しくて自転車を手に入れたとしても、自転車テストに合格しても、トラックの証明にはならないのです。現実の世界では必ず出てくるランダム性ばかりです。
NSは非線形回帰モデルの代わりとなる。
もう一度言います。NSは、多様な問題を解決してくれるわけではありません。非線形性についてのコメントがそれを示していますね。非線形回帰モデルとは何か？また、パラメータはおおよそ定数かランダム変数か、ランダムであればその特性は？これは、NSの問題に対してです。自分たちの居場所がある。