약속대로 그림. 11개 샘플에 대한 AR(3) 모델인 순수 가격 시리즈의 분석(전처리, 추세 제거 등 없음)이 수행되었습니다. 그래프에서 - 예측 오류: 위쪽 그래프는 LSM에 대한 것이고 아래쪽 그래프는 분위수 회귀입니다. 선: 닫기의 경우 파란색, 높은 녹색, 낮은 빨간색(QR의 경우 중앙값 및 분위수 0.9 및 0.1이 각각 사용됨). 파란색 선 - 규모에 대한 일일 ATP.
여기에 다음이 표시됩니다.
a) 차분한 시장에서 LSM에 대한 오차의 절대값은 QR의 경우와 거의 동일하지만 (!) 이상치가 나타나면 LSM의 오차가 더 혼란스럽게 변하고 일반적으로 그것에 약하게 반응하는 반면, 두 번째 그래프의 오류가 더 규칙적으로 보입니다. 이것은 일반적으로 작업이었습니다. 바로 이러한 방출에 응답하지 않는 QR의 능력으로 인해 "정상성 고장"을 감지할 가능성을 보여주는 것입니다. 그리고 그것들이 감지될 수 있기 때문에 이것은 더 이상 고장이 아니라 부가적인 무작위 과정이며, 게다가 우리가 그것을 분리한 AR(3)보다 덜 고정적이지 않다는 것을 의미합니다.
b) 이상값의 탐지를 유용한 신호로 간주하면 두 번째 그래프는 SNR이 몇 배 더 높으므로 이 효과를 기반으로 구축된 거래 시스템은 같은 수의 거짓 신호를 덜 줄 것입니다.
물론 여기에서 논쟁의 여지가 있지만 M5에서 일어나는 일은 다음과 같습니다(AP(3), 21개 카운트).
여기, 훨씬 더 명확합니다.
일반적으로 제가 말한 것이 점차 확인되는 것 같습니다. 나는 이 방향으로 더 파고들 것이다.
QR을 계산하기 위해 lib(컴파일된 Gallant 라이브러리, 두 페이지 앞의 링크 참조)와 설명이 포함된 헤더 파일을 첨부합니다. 나는 지표 자체를 포함하지 않으며 나머지와 분리 할 수 없습니다 :)) 복잡한 것은 없습니다. 공식은 이미 작성되었습니다.
고급 스럽 습니다. Forex에서는 MNC를 휴지통에 버릴 시간입니다. :) 아니면 아직 때가 아니었나요, Prival ?
나는 그것을 버리지 않을 것입니다. 칼만 필터는 수학(본질)에서 반복적 LSM입니다. https://ru.wikipedia.org/wiki/Kalman_Filter Wikipedia가 정확하지 않습니다. BGSh 뿐만 아니라 빌드할 수 있습니다. 마지막에 color에 대한 조항이 있습니다. 저는 균등분배법을 만들고 있습니다. 거기에서 근본적인 질문은 정확히 Stratonovich입니다. 여기에서 오랫동안 그들은 Mekhmatists와 이것에 대해 이야기했습니다. ITO 형식으로 풀고 있는데 잘못된 것 같아요. 시간이 지남에 따라 몇 가지 문제가 있습니다. 글쎄, 이와 같이https://www.mql5.com/ru/articles/174
Z.Y. 뭔가 효과가 있고 집에 빵 한 조각을 가져올 수 있다면. 버릴 필요가 없습니다. 많은 유형의 분석. 나는 fibs 또는 eliot 파도를 믿지 않습니다. 두근거리기 시작할 것 같아...))
고급 스럽 습니다. Forex에서는 MNC를 휴지통에 버릴 시간입니다. :) 아니면 아직 때가 아니었나요, Prival ?
나는 외환에 대해 말할 수는 없지만 회귀에 대한 회귀가 있고 회귀를 주도하는 주식 시장에 대한 전략에서 분위수 회귀를 시도했습니다. 따라서 분위수 회귀는 OLS에 비해 이점이 없으며 시간이 더 오래 걸릴 뿐입니다. 프로세스의 진부한 대칭으로 인해 가장 가능성이 높습니다. 대칭이면 산술 평균이나 중앙값에 차이가 없습니다... 그리고 여기 MNC 규칙이 있습니다. 내 시스템의 모든 것은 대칭입니다. 정규 분포는 아니지만 같은 확률로 올라갈 수도 있고 내려갈 수도 있습니다.
그건 그렇고, 나는 Kalman을 해고했습니다. 한참을 만지작거리다가 다시 말하지만 다국적기업에 비해 메리트가 없고, 자원도 어린애처럼 먹지 않았다.
나는 외환에 대해 말할 수는 없지만 회귀에 대한 회귀가 있고 회귀를 주도하는 주식 시장에 대한 전략에서 분위수 회귀를 시도했습니다. 따라서 분위수 회귀는 OLS에 비해 이점이 없으며 시간이 더 오래 걸릴 뿐입니다. 프로세스의 진부한 대칭으로 인해 가장 가능성이 높습니다. tk. 대칭이면 산술 평균이나 중앙값에 차이가 없습니다... 그리고 여기 MNC 규칙이 있습니다. 내 시스템의 모든 것은 대칭입니다. 정규 분포는 아니지만 같은 확률로 올라갈 수도 있고 내려갈 수도 있습니다.
다국적 기업에 비해 이점이 없다는 것은 무엇을 의미합니까? 어떻게 측정했습니까? Quantiles는 완전히 다른 오페라입니다.
OLS가 BP 샘플의 변화에 반응하면 대부분의 경우 분위수는 신경 쓰지 않습니다. 변경되지 않습니다. 가장 가변적인 분위수는 중앙값입니다. 다른 모든 분위수는 덜 가변적입니다.
가장 중요한 것은 "... 이것은 복잡한 자연 과정을 모델링하는 것이 아니라 (!!!) Forex 시장의 주제가 결정을 내리는 방식을 모델링하는 것에 관한 것입니다 ..."
=)
네, 이 모든 것이 매우 유용합니다.
약속대로 그림. 11개 샘플에 대한 AR(3) 모델인 순수 가격 시리즈의 분석(전처리, 추세 제거 등 없음)이 수행되었습니다. 그래프에서 - 예측 오류: 위쪽 그래프는 LSM에 대한 것이고 아래쪽 그래프는 분위수 회귀입니다. 선: 닫기의 경우 파란색, 높은 녹색, 낮은 빨간색(QR의 경우 중앙값 및 분위수 0.9 및 0.1이 각각 사용됨). 파란색 선 - 규모에 대한 일일 ATP.
여기에 다음이 표시됩니다.
a) 차분한 시장에서 LSM에 대한 오차의 절대값은 QR의 경우와 거의 동일하지만 (!) 이상치가 나타나면 LSM의 오차가 더 혼란스럽게 변하고 일반적으로 그것에 약하게 반응하는 반면, 두 번째 그래프의 오류가 더 규칙적으로 보입니다. 이것은 일반적으로 작업이었습니다. 바로 이러한 방출에 응답하지 않는 QR의 능력으로 인해 "정상성 고장"을 감지할 가능성을 보여주는 것입니다. 그리고 그것들이 감지될 수 있기 때문에 이것은 더 이상 고장이 아니라 부가적인 무작위 과정이며, 게다가 우리가 그것을 분리한 AR(3)보다 덜 고정적이지 않다는 것을 의미합니다.
b) 이상값의 탐지를 유용한 신호로 간주하면 두 번째 그래프는 SNR이 몇 배 더 높으므로 이 효과를 기반으로 구축된 거래 시스템은 같은 수의 거짓 신호를 덜 줄 것입니다.
물론 여기에서 논쟁의 여지가 있지만 M5에서 일어나는 일은 다음과 같습니다(AP(3), 21개 카운트).
여기, 훨씬 더 명확합니다.
일반적으로 제가 말한 것이 점차 확인되는 것 같습니다. 나는 이 방향으로 더 파고들 것이다.
QR을 계산하기 위해 lib(컴파일된 Gallant 라이브러리, 두 페이지 앞의 링크 참조)와 설명이 포함된 헤더 파일을 첨부합니다. 나는 지표 자체를 포함하지 않으며 나머지와 분리 할 수 없습니다 :)) 복잡한 것은 없습니다. 공식은 이미 작성되었습니다.
고급 스럽 습니다. Forex에서는 MNC를 휴지통에 버릴 시간입니다. :) 아니면 아직 때가 아니었나요, Prival ?
고급 스럽 습니다. Forex에서는 MNC를 휴지통에 버릴 시간입니다. :) 아니면 아직 때가 아니었나요, Prival ?
나는 그것을 버리지 않을 것입니다. 칼만 필터는 수학(본질)에서 반복적 LSM입니다. https://ru.wikipedia.org/wiki/Kalman_Filter Wikipedia가 정확하지 않습니다. BGSh 뿐만 아니라 빌드할 수 있습니다. 마지막에 color에 대한 조항이 있습니다. 저는 균등분배법을 만들고 있습니다. 거기에서 근본적인 질문은 정확히 Stratonovich입니다. 여기에서 오랫동안 그들은 Mekhmatists와 이것에 대해 이야기했습니다. ITO 형식으로 풀고 있는데 잘못된 것 같아요. 시간이 지남에 따라 몇 가지 문제가 있습니다. 글쎄, 이와 같이 https://www.mql5.com/ru/articles/174
Z.Y. 뭔가 효과가 있고 집에 빵 한 조각을 가져올 수 있다면. 버릴 필요가 없습니다. 많은 유형의 분석. 나는 fibs 또는 eliot 파도를 믿지 않습니다. 두근거리기 시작할 것 같아...))
고급 스럽 습니다. Forex에서는 MNC를 휴지통에 버릴 시간입니다. :) 아니면 아직 때가 아니었나요, Prival ?
나는 외환에 대해 말할 수는 없지만 회귀에 대한 회귀가 있고 회귀를 주도하는 주식 시장에 대한 전략에서 분위수 회귀를 시도했습니다. 따라서 분위수 회귀는 OLS에 비해 이점이 없으며 시간이 더 오래 걸릴 뿐입니다. 프로세스의 진부한 대칭으로 인해 가장 가능성이 높습니다. 대칭이면 산술 평균이나 중앙값에 차이가 없습니다... 그리고 여기 MNC 규칙이 있습니다. 내 시스템의 모든 것은 대칭입니다. 정규 분포는 아니지만 같은 확률로 올라갈 수도 있고 내려갈 수도 있습니다.
그건 그렇고, 나는 Kalman을 해고했습니다. 한참을 만지작거리다가 다시 말하지만 다국적기업에 비해 메리트가 없고, 자원도 어린애처럼 먹지 않았다.
글쎄, 중앙값은 중앙값이고, 그것을 추정하는 방법은 잘 발달되어 있습니다. 분위수가 중앙값(예: 0.1 및 0.9)에서 더 멀리 떨어져 있으면 어떻게 됩니까?
2 Prival: 쓰레기장에 대해 농담을 하고 거기에서 스마일을 했다...
나는 외환에 대해 말할 수는 없지만 회귀에 대한 회귀가 있고 회귀를 주도하는 주식 시장에 대한 전략에서 분위수 회귀를 시도했습니다. 따라서 분위수 회귀는 OLS에 비해 이점이 없으며 시간이 더 오래 걸릴 뿐입니다. 프로세스의 진부한 대칭으로 인해 가장 가능성이 높습니다. tk. 대칭이면 산술 평균이나 중앙값에 차이가 없습니다... 그리고 여기 MNC 규칙이 있습니다. 내 시스템의 모든 것은 대칭입니다. 정규 분포는 아니지만 같은 확률로 올라갈 수도 있고 내려갈 수도 있습니다.
다국적 기업에 비해 이점이 없다는 것은 무엇을 의미합니까? 어떻게 측정했습니까? Quantiles는 완전히 다른 오페라입니다.
OLS가 BP 샘플의 변화에 반응하면 대부분의 경우 분위수는 신경 쓰지 않습니다. 변경되지 않습니다. 가장 가변적인 분위수는 중앙값입니다. 다른 모든 분위수는 덜 가변적입니다.
글쎄, 중앙값은 중앙값이고, 그것을 추정하는 방법이 잘 발달되어 있습니다. 분위수가 중앙값(예: 0.1 및 0.9)에서 더 멀리 떨어져 있으면 어떻게 됩니까?
다국적 기업에 비해 이점이 없다는 것은 무엇을 의미합니까? 어떻게 측정했습니까?