Discussão do artigo "Previsão de séries temporais utilizando suavização exponencial"

 

Novo artigo Previsão de séries temporais utilizando suavização exponencial foi publicado:

O artigo familiariza o leitor com os modelos de suavização exponencial usados para previsão de curto prazo de séries de tempo. Além disso, ele toca em assuntos relacionados com a estimativa e otimização dos resultados de previsão e fornece alguns exemplos de scripts e indicadores. Este artigo será útil como primeira familiarização com os princípios de previsão baseados nos modelos de suavização exponencial.

Figura 7. Resultado de operação do indicador IndicatorES.mq5

Autor: Victor

 
Parabéns ao autor por um artigo com alguma base teórica.
 

Não consigo atravessar o labirinto de código, mas gostaria de compará-lo.

Cotação inicial

Temos as seguintes variantes de suavização:

Resultado da suavização

Equação de regressão:

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

Estimativa da equação de regressão

Variável Coeficiente Stand.osh. Estatística t probabilidade

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-quadrado = 0,788273

Erro padrão da regressão = 0,015172

Com base nos números obtidos, observamos que

todos os coeficientes de regressão são significativos (a probabilidade de sua igualdade a zero é igual a zero)

R-quadrado bastante alto (mas não muito alto), o que significa que a regressão explica 78% da variação

o erro padrão é de 151 pips. Esse é um número enorme.

Podemos confiar nos números resultantes?

Eu não confiaria, pois, de acordo com Jarque-Bera, a probabilidade de a série suavizada ter uma distribuição normal é de 31%.

Vamos fazer uma previsão:

O erro de previsão não fica muito atrás do erro de regressão e ultrapassa 100 pips

Vamos dar uma olhada no gráfico do erro de previsão:

Bem, este é um final completo: o erro é variável, o que significa que o comportamento futuro da previsão é desconhecido!

Para descobrir o motivo, vamos dar uma olhada na correlação dos coeficientes da equação de regressão:

Podemos considerar que os coeficientes c(1) e c(3) estão quase 100% correlacionados.

Minha conclusão é que não podemos usar a suavização exponencial para previsão.

Por que temos resultados diferentes?

É óbvio para mim que os parâmetros ideais que você encontrou não passam de um ajuste trivial. A regressão em si é inútil, seus coeficientes estão correlacionados.

 
Por que temos o site разные результаты?

É óbvio para mim que os parâmetros ideais que você encontrou não passam de um ajuste trivial. A regressão em si é inútil, pois os coeficientes nela contidos estão correlacionados.

Obrigado por seu interesse no artigo.

Por favor, esclareça o que você quis dizer. Quais resultados não convergem e quais são os parâmetros ideais?

 
victorg:

Por favor, esclareça o que você quis dizer com isso.


Perdão, você diz que pode usá-lo, mas minha conclusão é que não pode.
 
faa1947:
Desculpe-me, você diz que pode usá-lo, mas minha conclusão é que não pode.
Usar o quê e para qual finalidade?
 
victorg:
O que usar e por quê?

Em conclusão, deve-se observar que os modelos de suavização exponencial, em certos casos, são capazes de fornecer previsões tão precisas quanto as previsões obtidas com modelos mais complexos, confirmando mais uma vez o fato de que o modelo mais complexo nem sempre é o melhor.


Minha conclusão é que a suavização exponencial não deve ser usada para previsões.

Sobre o que são suas perguntas e por que você as faz?

 
faa1947:

Minha conclusão é que não é possível usar a suavização exponencial para fazer previsões.

Sobre o que são suas perguntas e para que elas servem?

Eu adoraria tentar responder algo, mas preciso saber a pergunta, pelo menos. Caso contrário, terei que adivinhar e fantasiar.

Vou tentar esclarecer novamente.

Os modelos de suavização exponencial não podem ser usados para prever o par eurusd, alguma citação ou nunca?

P.S..

Você tem em seu texto: "Equação de regressão:eurusd = c(1)*eurusdsm(-1) + c(2)*tendência + c(3)". Por que regressão, o artigo é sobre modelos de suavização exponencial, e há um modelo diferente, em vez de c(3) há uma variável aleatória com alguma distribuição e dispersão?

 
victorg:

Em seu texto: "Equação de regressão:eurusd = c(1)*eurusdsm(-1) + c(2)*tendência + c(3)". Por que regressão, o artigo é sobre modelos de suavização exponencial, e há um modelo diferente, onde em vez de c(3) há uma variável aleatória com alguma distribuição e variância?

Isso não funciona, falar de cego para surdo. Vamos adiar isso.

Mais uma vez, parabéns pelo bom artigo.

 
faa1947:

Não está funcionando, falar de cego para surdo. Vamos adiar isso.

Mais uma vez, parabéns pelo bom artigo.

Na verdade, estou muito curioso para saber seu ponto de vista sobre a previsão usando a suavização exponencial. Há muitas coisas que eu simplesmente não sei e sempre fico feliz em tentar descobrir algo novo em todas as oportunidades, por isso estou fazendo perguntas.

Se não for muito difícil, explique por que, se a distribuição da sequência original (ou da sequência original suavizada) não for normal, a previsão não é confiável? Ou eu o entendi mal?

Obrigado pelos parabéns.

 

Aqui está uma análise de erro de previsão de um passo à frente para o modelo de crescimento linear aditivo com amortecimento. Os parâmetros do modelo foram otimizados usando uma amostra dos últimos 200 valores de USDJPY,M1. Da mesma forma que no script Optimisation_Test.mq5 do artigo.


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