훌륭하지만 여전히 커널 모양에 대한 엄격한 바인딩으로 인해 혼란스럽고 예를 들어 동일한 스플라인이없는 한계가 있습니다. 그리고 일반적으로 저는 개인적으로 지난 3 년 동안 히트작 인 스플라인에 대한 회귀가 있습니다)).
어쨌든, 기사 주셔서 감사합니다, 그것은 유용합니다.
기사를 읽어 주셔서 감사합니다.
스플라인에 대해 말하자면. 사람들은 항상 동일한 실제 현상에 대해 여러 가지 다른 접근법을 찾습니다. 대표적인 예가 빛과 그 양자 및 파동 모델입니다. 이 모델들은 서로 모순되지는 않지만 프로세스를 표현하는 데 완전히 다른 접근 방식을 사용합니다. 빛 자체는 어떻게 묘사되든 상관없으며, 빛이 비추는 대로 빛납니다.
스플라인도 상황은 비슷합니다. 다음은 큐빅 스무딩 스플라인에 대한 잘 알려진 아이디어입니다.
사용 가능한 모든 방법으로 이 추정치를 최소화하면 스무딩 곡선을 얻을 수 있습니다. (제가 좀 더 과장하고 있으니 때리지 마세요.) 예를 들어 이 아이디어를 실현하기 위해 다양한 접근 방식을 사용할 수 있습니다:
흔히 하는 것처럼 각 시퀀스 포인트 그룹에 대해 3차 다항식의 회귀를 계산하여 축소 함수를 최소화할 수 있습니다.
적절한 커널을 선택하면 커널 평활화(가변 커널 모양)로도 동일한 결과를 얻을 수 있습니다.
큐빅 평활 스플라인을 상태 공간 형식으로 표현하고 해에 2패스 칼만 평활 알고리즘을 사용하면 동일한 아이디어(호드릭-프레스콧)를 다시 실현할 수 있습니다.
'국소 비모수 회귀'라는 개념이 위의 접근 방식을 가장 잘 요약한 것 같습니다. 이 경우 큐빅 스플라인은 특별한 경우에만 해당합니다. 물론 이것이 스플라인의 유용한 특성을 감소시키는 것은 아니며, 하나의 동일한 현상을 다른 측면에서 접근할 수 있다는 점이 흥미로울 뿐입니다.
안타깝게도 대부분의 경우 MNC를 기반으로 한 알고리즘이 사용하도록 제안됩니다. 예를 들어 동일한 스플라인이지만 사분위수 회귀를 사용해보고 싶습니다. 그럴 마음도 시간도 없다는 것이 유감입니다.
스플라인에 대해 말하자면. 동일한 실제 현상에 대해 사람들은 항상 여러 가지 접근 방식을 찾습니다. 대표적인 예가 빛과 그 양자 및 파동 모델입니다. 이 모델들은 서로 모순되지는 않지만 프로세스를 표현하는 데 완전히 다른 접근 방식을 사용합니다. 빛 자체는 어떻게 묘사되든 상관없으며, 빛이 비추는 대로 빛납니다.
스플라인도 상황은 비슷합니다. 다음은 큐빅 스무딩 스플라인에 대한 잘 알려진 아이디어입니다.
사용 가능한 모든 방법으로 이 추정치를 최소화하면 스무딩 곡선을 얻을 수 있습니다. (제가 좀 더 과장하고 있으니 때리지 마세요.) 예를 들어 이 아이디어를 실현하기 위해 다양한 접근 방식을 사용할 수 있습니다:
흔히 하는 것처럼 각 시퀀스 포인트 그룹에 대해 3차 다항식의 회귀를 계산하여 축소 함수를 최소화할 수 있습니다.
적절한 커널을 선택하면 커널 평활화(가변 커널 모양)로도 동일한 결과를 얻을 수 있습니다.
큐빅 평활 스플라인을 상태 공간 형식으로 표현하고 해에 2패스 칼만 스무더를 사용하면 동일한 아이디어(호드릭-프레스콧)를 다시 실현할 수 있습니다.
'국소 비모수 회귀'라는 개념이 위의 접근 방식을 가장 잘 요약한 것 같습니다. 이 경우 큐빅 스플라인은 특별한 경우에만 해당합니다. 물론 이것이 스플라인의 유용한 특성을 감소시키는 것은 아니며, 하나의 동일한 현상을 다른 측면에서 접근할 수 있다는 점이 흥미로울 뿐입니다.
안타깝게도 대부분의 경우 MNC를 기반으로 한 알고리즘이 사용하도록 제안됩니다. 예를 들어 동일한 스플라인이지만 사분위수 회귀를 사용해보고 싶습니다. 안타깝게도 그럴 마음도 시간도 없습니다.
어떤 출판물에서 입방 스플라인이 평활화 문제를 해결하는 데 특별한 위치를 차지한다는 것을 제 머릿속에 넣었는지 기억이 나지 않지만 (문제)는 다음과 같이 이해됩니다.
지수를 취하고 평활화를 시작하겠습니다. 거의 모든 결과의 문제점은 원래 몫에 중단 (중단 점)이있어 모델 매개 변수가 변경되고 종종 함수 형식이 변경된다는 것입니다. 특히, 이는 서로 다른 샘플에 장착된 모델의 결과 접합점에서 평활화 함수가 오른쪽에서 차별화되지 않는 것으로 판명된다는 사실에서 나타납니다. 이는 평활화 함수의 차별성의 경계를 넘어 한 단계 더 나아가 예측의 의심으로 이어집니다. 이것은 다음 생각을 위한 서문입니다. 큐빅 스플라인으로 평활화하면 함수는 교차점에서 왼쪽과 오른쪽 모두 차별화할 수 있습니다.
안타깝게도 대부분의 경우 MNC에 기반한 알고리즘이 사용하도록 제안됩니다. 예를 들어 동일한 스플라인을 사용하되 사분위수 회귀를 사용해보고 싶습니다. 그럴 마음도 시간도 없다는 것이 유감입니다.
네, 결과에는 차이가 있습니다 (MNC 및 사 분위수 의미). 예를 들어 QR은 계산이 더 복잡합니다. 예를 들어 단순 방법은 지수이며 이것은 허용되지 않습니다. 나는 내부 지점에서 다항식 알고리즘 QR의 실현을 오랫동안 찾고 있었고, 이전 스레드의 어딘가에있는 4 개의 포럼에 게시 된 것을 발견했습니다. 그러나 회귀 스플라인 측면에서 나는 그것이별로 도움이되지 않을 것이라고 생각합니다. 마찬가지로 이러한 방법의 주요 차이점은 단일 배출에 대한 응답 정도이며 여기서 주요 트릭은 두 번째 미분의 적분에 대한 페널티이며 회귀 방법은 여기에서 결과에 큰 영향을 미치지 않습니다.
업데이트 그건 그렇고, 여기에 언급 된 ALGLIB는 람다를 사용하여이 공식에있는 바로 그 아이디어를 훌륭하게 구현하고 있으며, 그것과 몇 가지 다른 알고리즘이 MQL5로 포팅되면이 라이브러리는 쓸모가 없을 것입니다.
인터넷익스플로러를 사용할 때 기사에 첨부된 예제에서 그래프가 표시되지 않는 것으로 나타났습니다. 이 메시지에 첨부된 예제는 문서에 제공된 예제의 수정된 버전입니다. 이 변형은 IE-8.0, 오페라 11.64, 크롬 19.0.1084.56 및 파이어폭스 13.0(윈도우XPSP 3)에서 테스트되었습니다.
이 기사는 이 주제에 대해 상당히 포괄적인 내용을 담고 있습니다. 그러나 혼돈 또는 자발적 확률의 개념은 시장에 100% 적용될 수 없습니다. 유일한 이유는 시장의 그래픽 캔들스틱 모델에 미지의 덩어리가 많기 때문입니다. 가격 변동과 관련된 실제 거래량을 고려하여 틱 시장 변화를 명확하게 추적하고 평가할 수 있는 것이 더 중요합니다.
소원은 여기에서 접수합니다: https://www.mql5.com/ru/forum/6505. 원하는 대로 적어주세요. :)
victorg:
이 경우 중요한 것은 간격 분할이 필요하지 않다는 점입니다. 입력 시퀀스 값 자체가 사용됩니다.
훌륭하지만 여전히 커널 모양에 대한 엄격한 바인딩으로 인해 혼란스럽고 예를 들어 동일한 스플라인이없는 한계가 있습니다. 그리고 일반적으로 저는 개인적으로 지난 3 년 동안 히트작 인 스플라인에 대한 회귀가 있습니다)).
어쨌든, 유용한 기사였습니다.
훌륭하지만 여전히 커널 모양에 대한 엄격한 바인딩으로 인해 혼란스럽고 예를 들어 동일한 스플라인이없는 한계가 있습니다. 그리고 일반적으로 저는 개인적으로 지난 3 년 동안 히트작 인 스플라인에 대한 회귀가 있습니다)).
어쨌든, 기사 주셔서 감사합니다, 그것은 유용합니다.
기사를 읽어 주셔서 감사합니다.
스플라인에 대해 말하자면. 사람들은 항상 동일한 실제 현상에 대해 여러 가지 다른 접근법을 찾습니다. 대표적인 예가 빛과 그 양자 및 파동 모델입니다. 이 모델들은 서로 모순되지는 않지만 프로세스를 표현하는 데 완전히 다른 접근 방식을 사용합니다. 빛 자체는 어떻게 묘사되든 상관없으며, 빛이 비추는 대로 빛납니다.
스플라인도 상황은 비슷합니다. 다음은 큐빅 스무딩 스플라인에 대한 잘 알려진 아이디어입니다.
사용 가능한 모든 방법으로 이 추정치를 최소화하면 스무딩 곡선을 얻을 수 있습니다. (제가 좀 더 과장하고 있으니 때리지 마세요.) 예를 들어 이 아이디어를 실현하기 위해 다양한 접근 방식을 사용할 수 있습니다:
'국소 비모수 회귀'라는 개념이 위의 접근 방식을 가장 잘 요약한 것 같습니다. 이 경우 큐빅 스플라인은 특별한 경우에만 해당합니다. 물론 이것이 스플라인의 유용한 특성을 감소시키는 것은 아니며, 하나의 동일한 현상을 다른 측면에서 접근할 수 있다는 점이 흥미로울 뿐입니다.
안타깝게도 대부분의 경우 MNC를 기반으로 한 알고리즘이 사용하도록 제안됩니다. 예를 들어 동일한 스플라인이지만 사분위수 회귀를 사용해보고 싶습니다. 그럴 마음도 시간도 없다는 것이 유감입니다.
기사를 읽어 주셔서 감사합니다.
스플라인에 대해 말하자면. 동일한 실제 현상에 대해 사람들은 항상 여러 가지 접근 방식을 찾습니다. 대표적인 예가 빛과 그 양자 및 파동 모델입니다. 이 모델들은 서로 모순되지는 않지만 프로세스를 표현하는 데 완전히 다른 접근 방식을 사용합니다. 빛 자체는 어떻게 묘사되든 상관없으며, 빛이 비추는 대로 빛납니다.
스플라인도 상황은 비슷합니다. 다음은 큐빅 스무딩 스플라인에 대한 잘 알려진 아이디어입니다.
사용 가능한 모든 방법으로 이 추정치를 최소화하면 스무딩 곡선을 얻을 수 있습니다. (제가 좀 더 과장하고 있으니 때리지 마세요.) 예를 들어 이 아이디어를 실현하기 위해 다양한 접근 방식을 사용할 수 있습니다:
'국소 비모수 회귀'라는 개념이 위의 접근 방식을 가장 잘 요약한 것 같습니다. 이 경우 큐빅 스플라인은 특별한 경우에만 해당합니다. 물론 이것이 스플라인의 유용한 특성을 감소시키는 것은 아니며, 하나의 동일한 현상을 다른 측면에서 접근할 수 있다는 점이 흥미로울 뿐입니다.
안타깝게도 대부분의 경우 MNC를 기반으로 한 알고리즘이 사용하도록 제안됩니다. 예를 들어 동일한 스플라인이지만 사분위수 회귀를 사용해보고 싶습니다. 안타깝게도 그럴 마음도 시간도 없습니다.
어떤 출판물에서 입방 스플라인이 평활화 문제를 해결하는 데 특별한 위치를 차지한다는 것을 제 머릿속에 넣었는지 기억이 나지 않지만 (문제)는 다음과 같이 이해됩니다.
지수를 취하고 평활화를 시작하겠습니다. 거의 모든 결과의 문제점은 원래 몫에 중단 (중단 점)이있어 모델 매개 변수가 변경되고 종종 함수 형식이 변경된다는 것입니다. 특히, 이는 서로 다른 샘플에 장착된 모델의 결과 접합점에서 평활화 함수가 오른쪽에서 차별화되지 않는 것으로 판명된다는 사실에서 나타납니다. 이는 평활화 함수의 차별성의 경계를 넘어 한 단계 더 나아가 예측의 의심으로 이어집니다. 이것은 다음 생각을 위한 서문입니다. 큐빅 스플라인으로 평활화하면 함수는 교차점에서 왼쪽과 오른쪽 모두 차별화할 수 있습니다.
아이디어의 구현과 관련하여.
제가 잘 모르는 R에서는 목차에 스플라인과 칼만 및 다양한 추정 방법이 모두 있습니다.
안타깝게도 대부분의 경우 MNC에 기반한 알고리즘이 사용하도록 제안됩니다. 예를 들어 동일한 스플라인을 사용하되 사분위수 회귀를 사용해보고 싶습니다. 그럴 마음도 시간도 없다는 것이 유감입니다.
네, 결과에는 차이가 있습니다 (MNC 및 사 분위수 의미). 예를 들어 QR은 계산이 더 복잡합니다. 예를 들어 단순 방법은 지수이며 이것은 허용되지 않습니다. 나는 내부 지점에서 다항식 알고리즘 QR의 실현을 오랫동안 찾고 있었고, 이전 스레드의 어딘가에있는 4 개의 포럼에 게시 된 것을 발견했습니다. 그러나 회귀 스플라인 측면에서 나는 그것이별로 도움이되지 않을 것이라고 생각합니다. 마찬가지로 이러한 방법의 주요 차이점은 단일 배출에 대한 응답 정도이며 여기서 주요 트릭은 두 번째 미분의 적분에 대한 페널티이며 회귀 방법은 여기에서 결과에 큰 영향을 미치지 않습니다.
업데이트 그건 그렇고, 여기에 언급 된 ALGLIB는 람다를 사용하여이 공식에있는 바로 그 아이디어를 훌륭하게 구현하고 있으며, 그것과 몇 가지 다른 알고리즘이 MQL5로 포팅되면이 라이브러리는 쓸모가 없을 것입니다.
인터넷 익스플로러를 사용할 때 기사에 첨부된 예제에서 그래프가 표시되지 않는 것으로 나타났습니다. 이 메시지에 첨부된 예제는 문서에 제공된 예제의 수정된 버전입니다. 이 변형은 IE-8.0, 오페라 11.64, 크롬 19.0.1084.56 및 파이어폭스 13.0(윈도우 XP SP 3)에서 테스트되었습니다.
그렇다면 이 글의 트레이딩 관점에서 실용적인 부분은 무엇일까요?
크르지슈토프
이것은 매우 유용하고 좋은 기사이지만 코드가 첫 번째와 가장 간단한 예제에서도 제대로 작동한다고 생각하지 않습니다.
작성자나 다른 사람이 코드를 다시 확인해 주실 수 있는지, 아니면 C 또는 MQL에서 1D 커널 밀도 추정 코드를 추천해 주실 수 있는지 궁금합니다.