記事"未知の確率密度関数のカーネル密度推定"についてのディスカッション - ページ 2

新しいコメント
 
tol64:

https://www.mql5.com/ru/forum/6505。 好きなことを書いてください。:)


ありがとう。読みました。改めて、記事の筆者への投稿の正しさを確信しました。
 

victorg:

そしてこの場合重要なのは、区間分割が必要ない ことだ。入力配列の値そのものが使われる。


素晴らしいですが、それでも私はカーネルの形状への剛体結合に混乱しており、これは、例えば、同じスプラインを持っていない制限です。そして、一般的に、私は個人的にスプラインの回帰を持っている - 最後の3年間のヒット））。

とにかく、記事をありがとう、それは便利です。

 
alsu:

偉大な、しかし、まだ私はカーネルの形状に剛性バインディングによって混乱し、これは、例えば、同じスプラインを持っていない制限です。そして、一般的に、私は個人的にスプラインの回帰を持っている - 最後の3年間のヒット））。

とにかく、記事のおかげで、それは便利です。

記事を評価してくれてありがとう。

スプラインといえば。同じ現実の現象に対して、人々は常にいくつかの異なるアプローチを見つける。典型的な例が光であり、その量子モデルと波動モデルである。これらのモデルは互いに矛盾しているわけではなく、全く異なるアプローチでプロセスを表現している。光そのものは、どのように表現されようとも気にせず、輝くがままに輝いている。

スプラインも同様である。三次平滑スプラインのよく知られたアイデアを以下に示す。

この推定値を利用可能なあらゆる方法で最小化すれば、平滑化曲線が得られる。(もっと大げさです。叩かないでください。) このアイデアを実現するために、例えば異なるアプローチを使うことができます：

  1. 縮小関数を最小化することは，よく行われるように，シーケンス点の各グループについて3次多項式の回帰を計算することによって行うことができる．
  2. 適切なカーネルを選択することで，カーネル・スムージング（可変カーネル形状）も同じ結果を得ることができる．
  3. 次スムージングスプラインを記述する式を状態空間形式で表現し、2パスカルマンスムージングアルゴリズムを使って解くことで、再び同じアイデアを実現することができる（Hodrik-Prescott）。

局所ノンパラメトリック回帰 "という概念は、上記のアプローチを可能な限り良い形で要約しているように思われる。この場合、三次スプラインは特別なケースに過ぎないことがわかる。もちろん、これはスプラインの有用な特性を減少させるものではなく、1つの同じ現象が異なる側面からアプローチできることが興味深いだけである。

残念ながら、ほとんどの場合、MNCに基づくアルゴリズムが提案されている。例えば、同じスプラインでも分位数回帰を試してみたい。しかし、そのための時間も心もないのが残念である。

 
victorg:

記事を評価してくれてありがとう。

スプラインといえば。同じ現実の現象に対して、人々は常にいくつかの異なるアプローチを見つける。典型的な例が光であり、その量子モデルと波動モデルである。これらのモデルは互いに矛盾しているわけではなく、全く異なるアプローチでプロセスを表現している。光そのものはどのように表現されようとも気にせず、輝くがままに輝いている。

スプラインも同様である。よく知られている3次平滑スプラインの考え方を以下に示す。

この推定値を利用可能なあらゆる方法で最小化すれば、平滑化曲線が得られる。(もっと大げさです。叩かないでください。) このアイデアを実現するために、例えば異なるアプローチを使用することができます：

  1. 縮小関数を最小化することは，よく行われるように，シーケンス点の各グループについて3次多項式の回帰を計算することによって行うことができる．
  2. 適切なカーネルを選択することで，カーネル・スムージング（可変カーネル形状）も同じ結果を得ることができる．
  3. 次スムージングスプラインを記述する式を状態空間形式で表現し、解に2パスカルマンスムージングを使用することで、再び同じアイデアを実現することができる（Hodrik-Prescott）。

局所的ノンパラメトリック回帰 "という概念は、上記のアプローチを可能な限り良い形で要約しているように思われる。この場合、三次スプラインは特別なケースに過ぎないことがわかる。もちろん、これはスプラインの有用な特性を減少させるものではなく、1つの同じ現象が異なる側面からアプローチできることが興味深いだけである。

残念ながら、ほとんどの場合、MNCに基づくアルゴリズムが提案されている。例えば、同じスプラインでも分位数回帰を試してみたい。残念なことに、そのための心と時間がない。

三次スプラインが平滑化問題を解く 上で特別な位置を占めていることは、どの出版物から聞いたか忘れたが、次のように理解される。

商を取って平滑化を始めよう。ほとんどすべての結果の問題は、元の商に切れ目（ブレークポイント）があり、それがモデルのパラメータやしばしば関数形の変化につながることである。特に、これは、異なるサンプルにフィットしたモデルの結果として生じる分岐点で、平滑化関数が右辺で微分不可能であることが判明するという事実に現れます。これは、平滑化関数の微分可能性の境界を越えて、一歩先の予測が疑わしいことにつながる。これは次に考えるための前置きである。次スプラインで平滑化すれば、関数は分岐点で左右両方微分可能になる。

あなたのアイデアの実装について。

私がよく知らないRでは、目次にスプラインもカルマンもあり、いろいろな推定法がある。

 
victorg:

残念ながら、ほとんどの場合、MNCに基づくアルゴリズムが提案されている。例えば、同じスプラインでも、分位数回帰を試してみたい。しかし、そのための心も時間もないのが残念である。

MNCと分位数には違いがある。QRの方が計算が複雑で、例えばsimplex法は指数的で、これは受け入れがたい。私は長い間、多項式アルゴリズムQRの内部的な点からのリアライゼーションを探していたことを覚えています。しかし、回帰スプラインの観点から - 私はそれがあまり助けにならないと思います。すべての同じ、これらの方法の主な違いは、単一の排出量への応答の程度であり、ここで主なトリックは、二次導関数の積分上のペナルティであり、回帰法は、ここで結果に大きな影響を与えません。

ところで、ここで紹介したALGLIBは、まさにこの式にあるアイデアをラムダを使って見事に実装している。もし、これと他のいくつかのアルゴリズムがMQL5に移植されれば、このライブラリの価値はなくなるだろう。

 

Internet Explorerを 使用した場合、記事に添付された例がグラフを表示しないことが判明しました。 この メッセージに添付されているのは、記事にある例の修正版です。この亜種はIE-8.0、Opera 11.64、Chrome 19.0.1084.56、Firefox 13.0(Windows XP SP 3)でテストした。

ファイル:
DensityEstimation_2.zip  84 kb
 
ありがとう、この記事はこのトピックについてかなり包括的だ。しかし、カオスや自然発生的な確率の概念をマーケットに100％適用することはできません。その理由は、市場のグラフィカルなローソク足モデルの 中に未知数の塊があるからです。それよりも、価格変動に関与する実際の取引量を考慮して、ティック相場の変動を明確に追跡し、評価できることの方が重要である。
 

では、この記事のトレーディングの観点から見た実用的な部分とは何でしょうか？

クシシュトフ

 

これは非常に有用で良い記事です、ありがとうございます、しかし、コードが最初の最も単純な例でさえ適切に動作するとは思えません。

作者か誰かがコードを再チェックできるか、C言語かMQLの1次元カーネル密度 推定コードを推薦してくれないだろうか？

12
新しいコメント