スルトノフ回帰モデル(SRM) - 市場の数学的モデルであると主張する。 - ページ 46 1...394041424344454647 新しいコメント Юсуфходжа 2012.12.01 01:18 #451 VladislavVG: そんなことはどうでもいいのです。方程式の解法は、それが存在し、唯一の解であれば影響はないが、許容できる解が多数あり、ユスフがローカルミニマムであれば、遺伝学やミツバチの方が優れている。真正面からマニュアルで解決する場合は、テスターを使えばいい:遺伝的アルゴリズムが助けてくれる。フィッティングに陥る危険性があります。変化させるパラメータが多いため、最適化するためにはより多くの例を挙げる必要があるのです。 そしてもう一つ、係数が検索されたサンプル期間をご存知ないようですね。もし、この時期がグラフのバランス成長期と重なるなら、残念ながら、すべてがバラ色になるとは言えない。 私の場合、解があるとすれば1つだけで、この解は常に残差の和がゼロ(MO=0)になります。つまり、問題の方程式の解析的厳密解であり、近似解は問題外ですが、あなたの言う通り、存在する権利があります。しかし、厳密解法の登場により、近似解を扱うことはナンセンスになる。方程式を解くことができない入力データの縮退のケースは、OHLC FXのデータではまだ観測されていない。アルゴリズムがつまづいていないので、正しいのです。 Юсуфходжа 2012.12.02 05:59 #452 ここで、次のバーの形成平均価格の依存性を型の一次関数で表現してみよう。F(t+1)=a0+a1*O(t)+a2*H(t)+a3*L(t)+a4*C(t)15本の日足バーD1の履歴を選択した場合、以下の係数の値が得られる。 a4 a3 a2 a1 a0 RR. 1,17387 -0,71318 0,04476 0,27979 0,27433 0,2894 価格変動の本質を知る上で、非常に重要な情報を得ることができました。 1.現在のバーCの終値は、将来のバー価格の形成にとって最も重要なものです。 2.次に重要なのがL値で、ブルに対してベアの強さが顕著であることを表している。 3.そうすると、O-オープニングの価格は重要です。 4.H価格が有意でないことは、大幅な値上がりの可能性が低いことを示している。 結論:目先は売りが望ましい。 СанСаныч Фоменко 2012.12.02 06:39 #453 yosuf:では、次のバーの形成平均価格の依存性を型の一次関数で表現してみましょう。F(t+1)=a0+a1*O(t)+a2*H(t)+a3*L(t)+a4*C(t)15本の日足バーD1の履歴を選択した場合、以下の係数の値が得られる。 a4 a3 a2 a1 a0 RR. 1,17387 -0,71318 0,04476 0,27979 0,27433 0,2894 回帰係数の推定方法が全く理解できないのですが。ここでは、EURUSD_H1 のサンプル長=50 本のバーに対する最小二乗法(OLS)を紹介します。被説明変数:F 方法:パネル最小二乗法 日付: 12/02/12 時間: 10:26 サンプル:1 50 対象期間:23日間 含まれる断面積:3 パネル(アンバランス)の総観測数: 47 F= C(1)+C(2)*OPEN(-1)+C(3)*HIGH(-1)+C(4)*LOW(-1)+C(5)*CLOSE(-1) Coefficient Std.誤差 t-Statistic Prob. c(1) 0.114716 0.046286 2.478392 0.0173c(2) -0.051038 0.156544 -0.326030 0.7460c(3) -0.343986 0.179835 -1.912786 0.0626c(4) 0.139395 0.190961 0.729968 0.4695c(5) 1.163942 0.207562 5.607671 0.0000 R二乗 0.947458 平均従属変数 1.247037調整後R2乗 0.942454 S.D. dependent var 0.002839S.E.of regression 0.000681 Akaike info criterion -11.64578Sum squared resid 1.95E-05 Schwarz criterion -11.44895対数尤度 278.6757 Hannan-Quinn criterion. -11.57171F 統計量 189.3409 Durbin-Watson 統計量 1.935322Prob(F-statistic) 0.000000 以下はそのグラフです。 ここでは、EURUSD_H1のサンプル長=2000本の最小二乗法(LOS)を示しています。被説明変数:F 方法:パネル最小二乗法 日付: 12/02/12 時間: 10:29 サンプル:1,000個 対象期間:23日間 含まれる断面図:85 パネル(アンバランス)の総観測数:1915件 F= C(1)+C(2)*OPEN(-1)+C(3)*HIGH(-1)+C(4)*LOW(-1)+C(5)*CLOSE(-1) Coefficient Std.誤差 t-Statistic Prob. c(1) 0.000190 0.000729 0.260526 0.7945c(2) 0.026179 0.029181 0.897122 0.3698c(3) -0.020055 0.028992 -0.691745 0.4892c(4) -0.106262 0.032127 -3.307569 0.0010c(5) 1.099945 0.031672 34.72901 0.0000 R二乗 0.999362 平均従属変数 1.259869調整後R二乗 0.999361 S.D. dependent var 0.031014S.E.of regression 0.000784 Akaike info criterion -11.46178Sum squared resid 0.001174 Schwarz criterion -11.44727対数尤度 10979.66 Hannan-Quinn criterion. -11.45644F-統計量 748391.1 ダービンワトソン統計量 2.058272Prob(F-statistic) 0.000000 どのようなサンプル長でも、推定された係数の誤差を計算することが義務付けられています。そして、最後の推定では、係数の値 =0.000190 skop =0.000729 であることがわかります。係数の値だけでなく、スコも額面の7倍ととんでもないことに!?ユスフさん、申し訳ありませんが、それは別の自転車です。回帰分析のどんな教科書も、あなたのような方程式から始まります。しかし、あなたと違って、学生は適合の結果を評価する方法を知っています - 彼らのうちの誰もが、当該回帰は使用できないことを教えてくれるでしょう。 The Sultonov Regression Model ランダムな名言を忘れる a trading strategy based Юсуфходжа 2012.12.02 07:06 #454 faa1947: 回帰係数の推定方法が全く理解できないのですが。ここでは、EURUSD_H1 のサンプル長=50 本のバーに対する最小二乗法(OLS)を紹介します。そして,最後の推定では係数 =0.000190 sko =0.000729 であることがわかる。係数の値がおかしいだけでなく、スコが公称値の7倍!? 調査している回帰式の種類を教えてください。 СанСаныч Фоменко 2012.12.02 07:20 #455 yosuf: 調査している回帰式の種類をご記入ください。 。 投稿に記載されています。以下はそのコピーです。F= C(1)+C(2)*OPEN(-1)+C(3)*HIGH(-1)+C(4)*LOW(-1)+C(5)*CLOSE(-1)50バールの場合は、以下のような係数になります。F= 0.114716047564-0.0510381399594*OPEN(-1)-0.343985953799*HIGH(-1)+0.139395237588*LOW(-1)+1.16394204527*CLOSE(-1)しかし、この係数の推定が全てです。 常にというより、常に、係数の推定(値)は信用できないということを理解したくないのでしょう。これが回帰分析の 肝である。何を根拠に、計算した係数が見たままの値であると信じているのか、という問いに答えなければならない。 Юсуфходжа 2012.12.02 07:49 #456 faa1947: 投稿に記載されています。以下はそのコピーです。F= C(1)+C(2)*OPEN(-1)+C(3)*HIGH(-1)+C(4)*LOW(-1)+C(5)*CLOSE(-1)50バールの場合は、以下のような係数になります。F= 0.114716047564-0.0510381399594*OPEN(-1)-0.343985953799*HIGH(-1)+0.139395237588*LOW(-1)+1.16394204527*CLOSE(-1)しかし、この係数の推定が全てです。 常にというより、常に、係数の推定(値)は信用できないということを理解したくないのでしょう。これが回帰分析の肝である。何を根拠に、計算した係数が見たままの値であると信じているのか、という問いに答える必要があるのです。 定義によれば、MNCは問題の方程式の係数の最良の推定値を与えるもので、何らかの理由でそれが気に入らない場合は、別の推定方法を探すか、方程式の形式を変更する。これは、現象やプロセスを調べるときの標準的なアプローチです。もし、ANCを用いた回帰式で相対誤差が1%以下(この場合は0.29%)になるなら、この係数に他に何を求めればいいのでしょうか?係数の信頼性の問題から抜け出せず、ANC以上に信頼性の高い係数の決め方はまだ考案されていないのです。とはいえ、私たちが行った推論や結論は、あくまでも当該サンプルの中で正しいのであって、未来を含め、その外でも正しいという保証はないことを認識しておく必要がある。しかし、近い将来、ある程度の確率で、その適用を想定せざるを得ません。未来を絶対的に予測できるものはなく、誰も予測できない。 СанСаныч Фоменко 2012.12.02 08:09 #457 yosuf: 定義によれば、MNCは問題の方程式の係数の最良の推定値を与えるもので、何らかの理由でそれが気に入らない場合は、別の推定方法を探すか、方程式の形式を変更する。これは、現象やプロセスを調べるときの標準的なアプローチです。もし、ANCを用いた回帰式で相対誤差が1%以下(この場合は0.29%)になるなら、この係数に他に何を求めればいいのでしょうか?係数の信頼性の問題から抜け出せず、ANC以上に信頼性の高い係数の決め方はまだ考案されていないのです。とはいえ、私たちが行った推論や結論は、あくまでも当該サンプルの中で正しいのであって、未来を含め、その外でも正しいという保証はないことを認識しておく必要がある。しかし、近い将来、ある程度の確率で、その適用を想定せざるを得ません。未来を絶対的に予測できるものはなく、誰も予測できない。 なぜかリグレッションフィッティングレポートには出てきませんね。後者では、係数の違いにより計算精度が異なる。最高は3%です。しかし、パーの倍数もある。何にもこだわらない。標準的な回帰推定を行うだけです。とにかく、推定せずに係数値を出すことはしない。ISCについて。失望させたい。MNCは唯一の方法ではなく、しかも多くの制約がある方法です。そのような制限のない方法もあります。 Дмитрий 2012.12.02 08:54 #458 yosuf:ここで、次のバーの形成平均価格の依存性を型の一次関数で表現してみましょう。F(t+1)=a0+a1*O(t)+a2*H(t)+a3*L(t)+a4*C(t)15本の日足D1の履歴を選択した場合、以下のような係数の値が得られます。 この15本のデイリーバーは、どの日付で撮影されたのでしょうか? Юсуфходжа 2012.12.02 11:38 #459 Demi: 15日バーは、どのような日付で撮影されたのですか? 12年9月16日~05日のD1で使用したデータです。10.12 Дмитрий 2012.12.02 14:29 #460 yosuf: 12年9月16日~05日のD1で使用したデータです。10.12 )))そう思ってました。1.データが均質でない。モデルには、24時間の価格変動を表すデータと、4時間の価格変動を表すデータが含まれています。日曜日のデータは削除してください。誰もがこの間違いを犯す。2.最適な観測回数が必要です。正確な計算式はありませんが、1変数あたり5~10回の観測というところでしょうか。あなたは4つの変数と15の観測値を持ちます。モデルに不備がある。また、このフォーラムのある偉大な専門家のように、4つの変数と5,000の観測値を持つモデルを取るようなことはしないでください! ))))3.モデルを構築したら、各変数の偏相関係数を求めます。そして、Cだけが統計的に有意であることがわかります。 Cだけを含むモデルを構築すれば、Cの前の係数は正になります。 つまり、価格が上昇していれば、将来も上昇し続ける可能性が高く、その逆もまたしかり、という自己回帰モデルに共通する結論が導き出されます。そして、モデルを捨てるのです。 1...394041424344454647 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
そんなことはどうでもいいのです。方程式の解法は、それが存在し、唯一の解であれば影響はないが、許容できる解が多数あり、ユスフがローカルミニマムであれば、遺伝学やミツバチの方が優れている。真正面からマニュアルで解決する場合は、テスターを使えばいい:遺伝的アルゴリズムが助けてくれる。
フィッティングに陥る危険性があります。変化させるパラメータが多いため、最適化するためにはより多くの例を挙げる必要があるのです。
そしてもう一つ、係数が検索されたサンプル期間をご存知ないようですね。もし、この時期がグラフのバランス成長期と重なるなら、残念ながら、すべてがバラ色になるとは言えない。
ここで、次のバーの形成平均価格の依存性を型の一次関数で表現してみよう。
F(t+1)=a0+a1*O(t)+a2*H(t)+a3*L(t)+a4*C(t)
15本の日足バーD1の履歴を選択した場合、以下の係数の値が得られる。
価格変動の本質を知る上で、非常に重要な情報を得ることができました。
1.現在のバーCの終値は、将来のバー価格の形成にとって最も重要なものです。
2.次に重要なのがL値で、ブルに対してベアの強さが顕著であることを表している。
3.そうすると、O-オープニングの価格は重要です。
4.H価格が有意でないことは、大幅な値上がりの可能性が低いことを示している。
結論:目先は売りが望ましい。
では、次のバーの形成平均価格の依存性を型の一次関数で表現してみましょう。
F(t+1)=a0+a1*O(t)+a2*H(t)+a3*L(t)+a4*C(t)
15本の日足バーD1の履歴を選択した場合、以下の係数の値が得られる。
回帰係数の推定方法が全く理解できないのですが。
ここでは、EURUSD_H1 のサンプル長=50 本のバーに対する最小二乗法(OLS)を紹介します。
被説明変数:F
方法:パネル最小二乗法
日付: 12/02/12 時間: 10:26
サンプル:1 50
対象期間:23日間
含まれる断面積:3
パネル(アンバランス)の総観測数: 47
F= C(1)+C(2)*OPEN(-1)+C(3)*HIGH(-1)+C(4)*LOW(-1)+C(5)*CLOSE(-1)
Coefficient Std.誤差 t-Statistic Prob.
c(1) 0.114716 0.046286 2.478392 0.0173
c(2) -0.051038 0.156544 -0.326030 0.7460
c(3) -0.343986 0.179835 -1.912786 0.0626
c(4) 0.139395 0.190961 0.729968 0.4695
c(5) 1.163942 0.207562 5.607671 0.0000
R二乗 0.947458 平均従属変数 1.247037
調整後R2乗 0.942454 S.D. dependent var 0.002839
S.E.of regression 0.000681 Akaike info criterion -11.64578
Sum squared resid 1.95E-05 Schwarz criterion -11.44895
対数尤度 278.6757 Hannan-Quinn criterion. -11.57171
F 統計量 189.3409 Durbin-Watson 統計量 1.935322
Prob(F-statistic) 0.000000
以下はそのグラフです。
ここでは、EURUSD_H1のサンプル長=2000本の最小二乗法(LOS)を示しています。
被説明変数:F
方法:パネル最小二乗法
日付: 12/02/12 時間: 10:29
サンプル:1,000個
対象期間:23日間
含まれる断面図:85
パネル(アンバランス)の総観測数:1915件
F= C(1)+C(2)*OPEN(-1)+C(3)*HIGH(-1)+C(4)*LOW(-1)+C(5)*CLOSE(-1)
Coefficient Std.誤差 t-Statistic Prob.
c(1) 0.000190 0.000729 0.260526 0.7945
c(2) 0.026179 0.029181 0.897122 0.3698
c(3) -0.020055 0.028992 -0.691745 0.4892
c(4) -0.106262 0.032127 -3.307569 0.0010
c(5) 1.099945 0.031672 34.72901 0.0000
R二乗 0.999362 平均従属変数 1.259869
調整後R二乗 0.999361 S.D. dependent var 0.031014
S.E.of regression 0.000784 Akaike info criterion -11.46178
Sum squared resid 0.001174 Schwarz criterion -11.44727
対数尤度 10979.66 Hannan-Quinn criterion. -11.45644
F-統計量 748391.1 ダービンワトソン統計量 2.058272
Prob(F-statistic) 0.000000
どのようなサンプル長でも、推定された係数の誤差を計算することが義務付けられています。そして、最後の推定では、係数の値 =0.000190 skop =0.000729 であることがわかります。係数の値だけでなく、スコも額面の7倍ととんでもないことに!?
ユスフさん、申し訳ありませんが、それは別の自転車です。回帰分析のどんな教科書も、あなたのような方程式から始まります。しかし、あなたと違って、学生は適合の結果を評価する方法を知っています - 彼らのうちの誰もが、当該回帰は使用できないことを教えてくれるでしょう。
回帰係数の推定方法が全く理解できないのですが。
ここでは、EURUSD_H1 のサンプル長=50 本のバーに対する最小二乗法(OLS)を紹介します。
そして,最後の推定では係数 =0.000190 sko =0.000729 であることがわかる。係数の値がおかしいだけでなく、スコが公称値の7倍!?
調査している回帰式の種類をご記入ください。 。
投稿に記載されています。以下はそのコピーです。
F= C(1)+C(2)*OPEN(-1)+C(3)*HIGH(-1)+C(4)*LOW(-1)+C(5)*CLOSE(-1)
50バールの場合は、以下のような係数になります。
F= 0.114716047564-0.0510381399594*OPEN(-1)-0.343985953799*HIGH(-1)+0.139395237588*LOW(-1)+1.16394204527*CLOSE(-1)
しかし、この係数の推定が全てです。 常にというより、常に、係数の推定(値)は信用できないということを理解したくないのでしょう。これが回帰分析の 肝である。
何を根拠に、計算した係数が見たままの値であると信じているのか、という問いに答えなければならない。
投稿に記載されています。以下はそのコピーです。
F= C(1)+C(2)*OPEN(-1)+C(3)*HIGH(-1)+C(4)*LOW(-1)+C(5)*CLOSE(-1)
50バールの場合は、以下のような係数になります。
F= 0.114716047564-0.0510381399594*OPEN(-1)-0.343985953799*HIGH(-1)+0.139395237588*LOW(-1)+1.16394204527*CLOSE(-1)
しかし、この係数の推定が全てです。 常にというより、常に、係数の推定(値)は信用できないということを理解したくないのでしょう。これが回帰分析の肝である。
何を根拠に、計算した係数が見たままの値であると信じているのか、という問いに答える必要があるのです。
定義によれば、MNCは問題の方程式の係数の最良の推定値を与えるもので、何らかの理由でそれが気に入らない場合は、別の推定方法を探すか、方程式の形式を変更する。これは、現象やプロセスを調べるときの標準的なアプローチです。もし、ANCを用いた回帰式で相対誤差が1%以下(この場合は0.29%)になるなら、この係数に他に何を求めればいいのでしょうか?係数の信頼性の問題から抜け出せず、ANC以上に信頼性の高い係数の決め方はまだ考案されていないのです。とはいえ、私たちが行った推論や結論は、あくまでも当該サンプルの中で正しいのであって、未来を含め、その外でも正しいという保証はないことを認識しておく必要がある。しかし、近い将来、ある程度の確率で、その適用を想定せざるを得ません。未来を絶対的に予測できるものはなく、誰も予測できない。
なぜかリグレッションフィッティングレポートには出てきませんね。後者では、係数の違いにより計算精度が異なる。最高は3%です。しかし、パーの倍数もある。
何にもこだわらない。標準的な回帰推定を行うだけです。とにかく、推定せずに係数値を出すことはしない。
ISCについて。失望させたい。MNCは唯一の方法ではなく、しかも多くの制約がある方法です。そのような制限のない方法もあります。
ここで、次のバーの形成平均価格の依存性を型の一次関数で表現してみましょう。
F(t+1)=a0+a1*O(t)+a2*H(t)+a3*L(t)+a4*C(t)
15本の日足D1の履歴を選択した場合、以下のような係数の値が得られます。
15日バーは、どのような日付で撮影されたのですか?
12年9月16日~05日のD1で使用したデータです。10.12
)))そう思ってました。
1.データが均質でない。モデルには、24時間の価格変動を表すデータと、4時間の価格変動を表すデータが含まれています。日曜日のデータは削除してください。誰もがこの間違いを犯す。
2.最適な観測回数が必要です。正確な計算式はありませんが、1変数あたり5~10回の観測というところでしょうか。あなたは4つの変数と15の観測値を持ちます。モデルに不備がある。また、このフォーラムのある偉大な専門家のように、4つの変数と5,000の観測値を持つモデルを取るようなことはしないでください! ))))
3.モデルを構築したら、各変数の偏相関係数を求めます。そして、Cだけが統計的に有意であることがわかります。 Cだけを含むモデルを構築すれば、Cの前の係数は正になります。
つまり、価格が上昇していれば、将来も上昇し続ける可能性が高く、その逆もまたしかり、という自己回帰モデルに共通する結論が導き出されます。そして、モデルを捨てるのです。