회귀 방정식에 관심이 있습니다. 그러나 나는 그것들을 적절하게 설명하는 문제에 부딪쳤다. 어떤 데이터가 있습니까? 시간(예: M15), HIGH, LOW, OPEN, CLOSE, VOLUME. 우리에게 이것은 일련의 관찰 결과입니다. 우리는 객체의 매개 변수 (우리의 경우 환율 변화)와 기능적 관계를 설정해야하는 지표가 있습니다. 필수: 지표와 요인 간의 양적 관계를 설정합니다. 이 경우 회귀 분석의 작업은 우리가 가지고 있는 데이터를 가장 잘 설명하는 이러한 기능적 관계 y * = f(x 1, x 2, ..., x t )를 식별하는 작업으로 이해됩니다.
매개변수에 대한 지표의 종속성을 설명하는 함수 f(x 1, x 2, ..., x t )를 회귀 방정식(함수)이라고 합니다.
그래서. 질문 1. 우리가 가지고 있는 데이터에서 지표로 선택하고 요인으로 선택할 데이터는 무엇입니까? 논리적 표시기 - 시간, 요인 -H, L, O, C, V
우리의 경우 시계열을 다루고 있습니다.
다음 작업은 기능적 종속성을 선택하는 것입니다. 지표 변동과 요인 변동 간의 관계를 특성화하는 방정식입니다. 종종 이들은 다항식 함수입니다. 특별한 경우는 선형 회귀 방정식인 1차 다항식입니다.
질문 2. 어떤 다항식을 선택하는 것이 더 좋으며 시계열, 사용할 매개 변수, 다항식의 정도를 고려하여 적절하게 설명하는 방법. 체비쇼프 다항식을 사용한 사람이 있습니까? 있다면 어떤 순서인가요?
다음 작업은 회귀 방정식의 계수를 계산하는 것입니다. 일반적으로 MNC를 사용합니다.
질문 3. 우리의 경우 계수를 계산하는 최적의 방법은 무엇입니까?
질문 4. 데이터를 정규화해야 합니까?
주제는 확실히 중요하고 흥미롭습니다.
따라서 N 개의 샘플을 포함하는 시계열 이 있습니다. 이 단계에서는 진드기, OHLC 또는 기타와 같이 판독값이 정확히 무엇을 의미하는지 중요하지 않습니다. 훈련 샘플 n 의 최적 길이가 N , 조정 가능한 매개변수의 최적 수 k<=n (다항식 차수) 및 예측 범위 T (샘플에서 측정됨)에 대한 질문에 답하는 것이 중요해 보입니다.
이 단계에서 근사 함수의 특정 형식과 원래 급수에 대한 근사 방법은 중요하지 않습니다. 원래 VR의 속성에 대한 위 매개변수의 종속성을 얻는 것이 중요합니다. 예를 들어 VR이 통합 확률 변수인 경우 최적 예측값은 마지막 판독값(제로 막대)과 동일한 상수입니다. 계열에 패턴이 포함된 경우 회귀 매개변수 측면에서 최적을 찾아야 합니다.
따라서 N 개의 샘플을 포함하는 시계열이 있습니다. 이 단계에서는 진드기, OHLC 또는 기타와 같이 판독값이 정확히 무엇을 의미하는지 중요하지 않습니다. 훈련 샘플 n 의 최적 길이가 N , 조정 가능한 매개변수의 최적 수 k<=n (다항식 차수) 및 예측 범위 T (샘플에서 측정됨)에 대한 질문에 답하는 것이 중요해 보입니다.
이 단계에서 근사 함수의 특정 형식과 원래 급수에 대한 근사 방법은 중요하지 않습니다. 원래 VR의 속성에 대한 위 매개변수의 종속성을 얻는 것이 중요합니다. 예를 들어 VR이 통합 확률 변수인 경우 최적 예측값은 마지막 판독값(제로 막대)과 동일한 상수입니다. 계열에 패턴이 포함된 경우 회귀 매개변수 측면에서 최적을 찾아야 합니다.
그러한 공식에서 이와 관련하여 건전한 고려 사항이 있습니까?
이 설정에는 니크롬이 없습니다. 이론화하는 중이야. 벽에 대한 하나의 VR로 이 다항식 회귀를 제거하십시오.
이익 극대화가 필요합니다. 모든 일변량 회귀로 돌아갑니다. 도대체 시장 정보의 일부만 사용하는 이유는 무엇입니까? 정보가 죽었을 때.
회귀 분석은 최소한 다변수여야 합니다. 효율성에 대한 다양한 추정 방법(LSM, 오류의 MO 절대값(라플라스 또는 라그랑주 - 기억나지 않음), 부호 있는, 분위수 등) 회귀 분석.
예측 수평선 추정도 흥미로운 노래입니다.
이 주제 에 대해 약간의 글을 썼습니다. 물론 소수가 있습니다. 아주 시작에 불과합니다. BP 수익 예측 범위에 대한 추정치와 앞으로 많은 흥미로운 문제가 있습니다...
그리고 다변량 다항식 회귀를 할 수 있습니다 ... 더 나쁘게는 선형이 될까요? 잘 모르겠습니다. 확인이 하나뿐입니다. 예측 정확도가 증가하거나 예측 시간이 동일한 정확도로 증가하면 더 좋습니다 ... 그러나 이것을 확인하려면 수행 방법을 이해해야 할뿐만 아니라 그것 뿐만 아니라 이 나쁜 철(컴퓨터) 조각에 모든 것을 설명하십시오 ...
그리고 다변량 다항식 회귀를 할 수 있습니다 ... 더 나쁘게는 선형이 될까요? 잘 모르겠습니다. 확인이 하나뿐입니다. 예측 정확도가 증가하거나 예측 시간이 동일한 정확도로 증가하면 더 좋습니다 ... 그러나 이것을 확인하려면 수행 방법을 이해해야 할뿐만 아니라 그것 뿐만 아니라 이 나쁜 철(컴퓨터) 조각에 모든 것을 설명하십시오 ...
지그재그가 함수의 최소값을 찾는 데 나쁜 이유는 무엇입니까?
예를 들어 10차원 공간에서 지그재그로 어떻게 만들 것인가?)))))) 그리고 얼마나 많은 컴퓨팅 리소스가 필요합니까?
예를 들어 10차원 공간에서 지그재그로 어떻게 만들 것인가?)))))) 그리고 얼마나 많은 컴퓨팅 리소스가 필요합니까?
회귀 방정식에 관심이 있습니다. 그러나 나는 그것들을 적절하게 설명하는 문제에 부딪쳤다. 어떤 데이터가 있습니까? 시간(예: M15), HIGH, LOW, OPEN, CLOSE, VOLUME. 우리에게 이것은 일련의 관찰 결과입니다. 우리는 객체의 매개 변수 (우리의 경우 환율 변화)와 기능적 관계를 설정해야하는 지표가 있습니다. 필수: 지표와 요인 간의 양적 관계를 설정합니다. 이 경우 회귀 분석의 작업은 우리가 가지고 있는 데이터를 가장 잘 설명하는 이러한 기능적 관계 y * = f(x 1, x 2, ..., x t )를 식별하는 작업으로 이해됩니다.
매개변수에 대한 지표의 종속성을 설명하는 함수 f(x 1, x 2, ..., x t )를 회귀 방정식(함수)이라고 합니다.
그래서. 질문 1. 우리가 가지고 있는 데이터에서 지표로 선택하고 요인으로 선택할 데이터는 무엇입니까? 논리적 표시기 - 시간, 요인 - H, L, O, C, V
우리의 경우 시계열을 다루고 있습니다.
다음 작업은 기능적 종속성을 선택하는 것입니다. 지표 변동과 요인 변동 간의 관계를 특성화하는 방정식입니다. 종종 이들은 다항식 함수입니다. 특별한 경우는 선형 회귀 방정식인 1차 다항식입니다.
질문 2. 어떤 다항식을 선택하는 것이 더 좋으며 시계열, 사용할 매개 변수, 다항식의 정도를 고려하여 적절하게 설명하는 방법. 체비쇼프 다항식을 사용한 사람이 있습니까? 있다면 어떤 순서인가요?
다음 작업은 회귀 방정식의 계수를 계산하는 것입니다. 일반적으로 MNC를 사용합니다.
질문 3. 우리의 경우 계수를 계산하는 최적의 방법은 무엇입니까?
질문 4. 데이터를 정규화해야 합니까?
주제는 확실히 중요하고 흥미롭습니다.
따라서 N 개의 샘플을 포함하는 시계열 이 있습니다. 이 단계에서는 진드기, OHLC 또는 기타와 같이 판독값이 정확히 무엇을 의미하는지 중요하지 않습니다. 훈련 샘플 n 의 최적 길이가 N , 조정 가능한 매개변수의 최적 수 k<=n (다항식 차수) 및 예측 범위 T (샘플에서 측정됨)에 대한 질문에 답하는 것이 중요해 보입니다.
이 단계에서 근사 함수의 특정 형식과 원래 급수에 대한 근사 방법은 중요하지 않습니다. 원래 VR의 속성에 대한 위 매개변수의 종속성을 얻는 것이 중요합니다. 예를 들어 VR이 통합 확률 변수인 경우 최적 예측값은 마지막 판독값(제로 막대)과 동일한 상수입니다. 계열에 패턴이 포함된 경우 회귀 매개변수 측면에서 최적을 찾아야 합니다.
그러한 상황에서 이와 관련하여 건전한 고려 사항이 있습니까?
주제는 확실히 중요하고 흥미롭습니다.
따라서 N 개의 샘플을 포함하는 시계열이 있습니다. 이 단계에서는 진드기, OHLC 또는 기타와 같이 판독값이 정확히 무엇을 의미하는지 중요하지 않습니다. 훈련 샘플 n 의 최적 길이가 N , 조정 가능한 매개변수의 최적 수 k<=n (다항식 차수) 및 예측 범위 T (샘플에서 측정됨)에 대한 질문에 답하는 것이 중요해 보입니다.
이 단계에서 근사 함수의 특정 형식과 원래 급수에 대한 근사 방법은 중요하지 않습니다. 원래 VR의 속성에 대한 위 매개변수의 종속성을 얻는 것이 중요합니다. 예를 들어 VR이 통합 확률 변수인 경우 최적 예측값은 마지막 판독값(제로 막대)과 동일한 상수입니다. 계열에 패턴이 포함된 경우 회귀 매개변수 측면에서 최적을 찾아야 합니다.
그러한 공식에서 이와 관련하여 건전한 고려 사항이 있습니까?
이 설정에는 니크롬이 없습니다. 이론화하는 중이야. 벽에 대한 하나의 VR로 이 다항식 회귀를 제거하십시오.
이익 극대화가 필요합니다. 모든 일변량 회귀로 돌아갑니다. 도대체 시장 정보의 일부만 사용하는 이유는 무엇입니까? 정보가 죽었을 때.
회귀 분석은 최소한 다변수여야 합니다. 효율성에 대한 다양한 추정 방법(LSM, 오류의 MO 절대값(라플라스 또는 라그랑주 - 기억나지 않음), 부호 있는, 분위수 등) 회귀 분석.
예측 수평선 추정도 흥미로운 노래입니다.
이 주제 에 대해 약간의 글을 썼습니다. 물론 소수가 있습니다. 아주 시작에 불과합니다. BP 수익 예측 범위에 대한 추정치와 앞으로 많은 흥미로운 문제가 있습니다...
이 주제 에 대해 약간의 글을 썼습니다.
무엇에 그렇게 흥분합니까?
당신의 의견으로는 - 더 많은 것을 더미에 던질수록, 바람직하게는 단순하지 않고 투명하지도 않은 - 더 나을까요?
경험은 그렇지 않다고 말합니다. 더 정확하게 - 더 쉽고, 공부하고 있는 주제를 제대로 이해해야 합니다! 그런 다음 "다차원 회귀", "분위수"... - 비틀림 상호 작용에 대한 일종의 스피너 분석.
젠장, 아무것도 던지지 않았어, 너 이거 어디서 났어? 간단한 다변수 LINEAR 회귀 가 있습니다. 그리고 선형 회귀 사용의 타당성은 최적의 포트폴리오를 컴파일하고 관계를 검색하는 논리에 있습니다. 이것은 시작점입니다 - 단순함에서.
씨발은 회귀가 무엇을 의미하는지 알고 있습니다. 그는 최근에 그것이 무엇인지 배웠습니다. 회귀 분석을 의미합니다.
... 일반적으로 간단한 다변수 LINEAR 회귀가 있습니다.
그리고 다변량 다항식 회귀를 할 수 있습니다 ... 더 나쁘게는 선형이 될까요? 잘 모르겠습니다. 확인이 하나뿐입니다. 예측 정확도가 증가하거나 예측 시간이 동일한 정확도로 증가하면 더 좋습니다 ... 그러나 이것을 확인하려면 수행 방법을 이해해야 할뿐만 아니라 그것 뿐만 아니라 이 나쁜 철(컴퓨터) 조각에 모든 것을 설명하십시오 ...
그리고 다변량 다항식 회귀를 할 수 있습니다 ... 더 나쁘게는 선형이 될까요? 잘 모르겠습니다. 확인이 하나뿐입니다. 예측 정확도가 증가하거나 예측 시간이 동일한 정확도로 증가하면 더 좋습니다 ... 그러나 이것을 확인하려면 수행 방법을 이해해야 할뿐만 아니라 그것 뿐만 아니라 이 나쁜 철(컴퓨터) 조각에 모든 것을 설명하십시오 ...