記事"指数平滑法を用いた時系列予測"についてのディスカッション

新しいコメント
 

新しい記事 指数平滑法を用いた時系列予測 はパブリッシュされました:

この記事は、読者に短期間の時系列分析にて使用される指数平滑法モデルに馴染みを持ってもらうことを目的としています。加えて、最適化や予測結果の評価に関連する問題も扱い、スクリプトやインジケーターのいくつかの例を提供します。この記事は、指数平滑法モデルに基づいた予測の原則の初歩の知識として役に立つと思います。

Fig. 4

作者: Victor

 
理論的根拠のある記事を書いた著者に祝福を送りたい。
 

迷路のようなコードを通り抜けることはできないが、比較してみたい。

最初の見積もり

以下のスムージングのバリエーションがあります：

スムージング結果

回帰式

eurusd = c(1)*eurusdsm(-1) + c(2)*trend + c(3)

回帰式の推定

変数 係数 Stand.osh. t 統計量 確率

EURUSDSM(-1) 0.759607 0.049127 15.46225 0.0000
REND 0.000207 5.79E-05 3.577804 0.0005
C 0.314884 0.065276 4.823886 0.0000


R二乗 = 0.788273

回帰の標準誤差 = 0.015172

得られた数値から、以下のことがわかる：

すべての回帰係数が有意である（それらの係数がゼロと等しくなる確率はゼロに等しい）。

回帰が分散の78%を説明することを示す、かなり高い（しかしあまり高くない）R2乗。

標準誤差は151ピップス。これは大きな数字だ。

この結果の数字は信用できるでしょうか？

Jarque-Beraによると、平滑化された系列が正規分布を持つ確率は31%である。

予測をしてみよう：

予測誤差は回帰誤差に遠く及ばず、100ピップを超えます。

予測誤差のグラフを見てみよう：

さて、これで完全終了です。誤差は変動しており、予測の将来の挙動が不明であることを意味します！

その理由を知るために、回帰式の係数の相関を見てみましょう：

係数c(1)とc(3)はほぼ100％相関していると考えることができる。

私の結論は、予測に指数 平滑化は使えないということです。

なぜ結果が異なるのでしょうか？

あなたが発見した最適なパラメータは、些細なフィッティングに過ぎないことは明らかです。回帰自体が絶望的で、その係数は相関しています。

 
разные результаты 。

あなたが見つけた最適なパラメータは、些細なフィッティングに過ぎないことは明らかです。回帰自体が絶望的で、その中の係数は相関している。

論文に興味を持っていただきありがとうございます。

どういう意味か明確にしてください。どのような結果が収束せず、最適なパラメータは何ですか？

 
victorg:

どういう意味ですか？


失礼、あなたは使えると言うが、私の結論は使えないということだ。
 
faa1947:
失礼、あなたは使えると言うが、私の結論は使えないということだ。
何を何のために使うのですか？
 
victorg:
何を使うべきか、なぜ使うべきか？

結論として、指数 平滑化モデルは、場合によっては、より複雑なモデルを使って得られた予測に匹敵する精度の予測を提供することができることを指摘すべきであり、従って、最も複雑なモデルが常に最良であるとは限らないという事実を改めて確認することになる。


私の結論は、指数平滑法を予測に使うべきではないということです。

あなたの質問とその理由は何ですか？

 
faa1947:

私の結論は、指数平滑法を予測には使えないということです。

質問は何についてのもので、何のためですか？

何かお答えしたいのですが、少なくとも質問内容を知る必要があります。そうでなければ、推測や空想するしかない。

もう一度はっきりさせておこう。

指数 平滑化モデルはユーロドル・ペアの予測には使えません。

追伸。

あなたの文章には「回帰式：eurusd= c(1)*eurusdsm(-1) +c(2)*trend+c(3)」とあります。この記事は指数平滑化モデルについて書かれているのですが、なぜ回帰式なのでしょうか？

 
victorg:

あなたの文章では、「回帰式：eurusd= c(1)*eurusdsm(-1) +c(2)*trend+c(3)」となっています。この記事は指数平滑化モデルについて書かれているのに、なぜ回帰式なのでしょうか？

盲人と聾唖者の会話にはならない。先送りにしよう。

良い記事をありがとう。

 
faa1947:

盲人と聾唖者の会話はうまくいかない。延期しよう。

今回も良い記事をありがとう。

実は、指数 平滑法を使った予測に関するあなたの見解にとても興味があります。私は知らないことがたくさんあり、機会あるごとに新しい発見をしたいと思っています。

もしご迷惑でなければ、なぜ元の数列（または元の数列を平滑化したもの）の分布が正規分布でない場合、予測が信頼できないのか説明してください。それとも私が誤解していたのでしょうか？

おめでとうございます。

 

ここでは、減衰を伴う加法的線形成長モデルの一歩先予測誤差分析を行う。モデル・パラメータは、USDJPY,M1 の過去 200 回の値のサンプルを使って最適化しました。記事のOptimisation_Test.mq5スクリプトと同じ方法で。


https:// www.mql5.com/ru/articles/292

12
新しいコメント