Teste de sistemas de previsão em tempo real

Denis Timoshin 2009.11.24 15:11 #761

mpeugep писал(а) >>

Eu costumava escrever EAs nele, por isso me acostumei a ele.

você quer determinar a eficácia de seu método de previsão?

Дима 2009.11.24 15:20 #762

Sim - por testes, que é o que eu faço...

Сергей 2009.11.24 22:17 #763

O segundo dia da previsão está chegando ao fim. Recapitulando, os "atratores" básicos (ou seja, 200 trajetórias formaram as seguintes trajetórias "médias")

A unidade de identificação sendo testada, ao invés da "trajetória ideal", escolheu a próxima no sábado, iguala (não é tão difícil com elas, em termos de escolhas, geralmente aguardando as primeiras contagens...):

Lançando a pista.

PS: Yay, estou bem, implementei outra funcionalidade no MT, - "indicador de skylining", er não tenho certeza se funciona corretamente

double getScaleParametr(double signal[])
{
   int i;
   int n;
   int m;
   
   double h;

   // +------------------------------------------------------+
   // |                       Интегрирование временного ряда |
   // +------------------------------------------------------+
   
   int N;
   int Nsignal;
   
   double delta[];
   
   Nsignal=ArraySize( signal);
   N= Nsignal-1;
   
   ArrayResize( delta, N);
   ArrayInitialize( delta, 0.0);
   
   i=0;
   
   for( n=0; n<= Nsignal-1; n++)
   {
      if( n>0)
      {
         delta[ i]=MathAbs( signal[ n]- signal[ n-1]);
         i= i+1;
      }
   }
   
   // +------------------------------------------------------+
   // |                       Расчет накопленного отклонения |
   // +------------------------------------------------------+
   
   double Mu;
   double SUM;
   double accumulateDeviation[];

   ArrayResize( accumulateDeviation, N);
   ArrayInitialize( accumulateDeviation, 0.0);
   
   Mu= getMu( delta);
   SUM=0.0;
   
   for( n=0; n<= N-1; n++)
   {
      SUM= SUM+( delta[ n]- Mu);
      accumulateDeviation[ n]= SUM;
   }
   
   // +------------------------------------------------------+
   // |                          Итерационный расчет матрицы |
   // +------------------------------------------------------+   
   
   int window;
   int s;
   int k;
   int M;
   int zone;
   
   double a;
   double b;
   
   double x[];
   double y[];
   
   double T[];
   double F[];
   
   double trend[];
   double regress[];
   
   zone=5;

   ArrayResize( T, N- zone);
   ArrayInitialize( T, 0.0);   

   ArrayResize( F, N- zone);
   ArrayInitialize( F, 0.0);   
   
   i=0;
   
   for( window= zone; window<= N; window++)
   {
      s=MathFloor( N/ window);

      ArrayResize( trend, s* window);      
      ArrayInitialize( trend, 0.0);
      
      for( n=0; n<= s-1; n++)
      {
         ArrayResize( x, window);
         ArrayInitialize( x, 0.0);

         ArrayResize( y, window);
         ArrayInitialize( y, 0.0);
         
         for( m=0; m<= window-1; m++)
         {
            x[ m]= m;
            y[ m]= accumulateDeviation[ m+ n* window];
         }

         ArrayResize( regress, 2);
         ArrayInitialize( regress, 0.0);
         
         getLineRegression( regress, x, y);
         
         a= regress[0];
         b= regress[1];

         for( m=0; m<= window-1; m++)
         {
            trend[ m+ n* window]= a+ b* x[ m];
         }
      }

      SUM=0.0;
      
      M=ArraySize( trend);
      
      for( k=0; k<= M-1; k++)
      {
         SUM= SUM+MathPow(( accumulateDeviation[ k]- trend[ k]), 2);
      }
      
      T[ i]=MathLog( window);
      F[ i]=MathLog(MathSqrt((1.0/ M)* SUM));

      i= i+1;
   }

   ArrayResize( regress, 2);
   ArrayInitialize( regress, 0.0);
   
   getLineRegression( regress, T, F);
   h= regress[1];
   
   return( h);
}