Bem, então, um modelo de regressão seria um presente morto. Há muitos especialistas que conhecem a análise de regressão, mas apenas alguns poucos estão ganhando dinheiro no mercado.
A regressão é um ponto de partida. O próximo passo é a ARCH. Em seguida, o próximo ....
um modelo sem resíduos é um modelo que prevê valores em série sem erros. Os resíduos são o erro (a diferença entre o valor previsto e o valor real). Portanto, há na verdade uma decomposição em um componente determinístico (modelo de previsão) + ruído (resíduos normalmente distribuídos)
Discorda. O "determinista" ou "mesquinho" também é moldado pelo ruído. É um círculo vicioso aqui: para prever, você tem que conhecer os resultados da previsão, ela acaba se revelando. Algo tem que ser renunciado. Caso contrário, é um beco sem saída.
yosuf: Eu discordo. O "determinístico" ou "médio" também é moldado pelo ruído. Há aqui um círculo vicioso: para prever, é preciso conhecer os resultados da previsão, ela se revela. Algo tem que ser renunciado. Caso contrário, é um beco sem saída.
Não há nenhum impasse. Avals está bem - ele não perdeu nenhuma informação: acrescente o determinista com o restante e você obtém o quociente original.
yosuf: Como você explica o fato de o RMS ter aumentado o MO para 0,8787? Além disso, se a entrada RMS é estritamente alternada entre 0 e 1, ela também mostra 0,5. Portanto, há uma circunstância na série que você deu que muda este equilíbrio para 1.
Você não precisa procurar a magnitude do erro, você precisa analisar suas distribuições. Para simplificar, você pode simplesmente construir esta distribuição visualmente
yosuf: Eu discordo. O "determinístico" ou "médio" também é moldado pelo ruído. Há aqui um círculo vicioso: para prever, é preciso conhecer os resultados da previsão, ela se revela. Algo tem que ser renunciado. Caso contrário, é um beco sem saída.
A questão não é como e em que basear a previsão, mas como verificar sua validade. Se os resíduos (erro) não forem gaussianos distribuídos, não é bom))
você não precisa procurar a magnitude do erro, você precisa analisar sua distribuição. Para simplificar, você pode simplesmente traçar esta distribuição visualmente
Considere, o RMS determinou corretamente a aspiração (MO) da série, aproximando-a a 1 e não a 0? Existe algum outro método de cálculo do OD em tais casos além da média aritmética?
Para login e uso do site MQL5.com, você deve ativar o uso de cookies.
Ative esta opção no seu navegador, caso contrário você não poderá fazer login.
Você entrou na conta. A autenticação de dois fatores foi desativada. Configure-a novamente e escaneie um novo código QR ou continue com a autenticação de dois fatores desativada.
É possível tentar isto. Aqui está um indicador que implementa (18), talvez os programadores possam realizar esta operação?
Eu o instalei, não entendo nada. Onde está a suavização? Ou não há suavização alguma?
Bem, então, um modelo de regressão seria um presente morto. Há muitos especialistas que conhecem a análise de regressão, mas apenas alguns poucos estão ganhando dinheiro no mercado.
A regressão é um ponto de partida. O próximo passo é a ARCH. Em seguida, o próximo ....
um modelo sem resíduos é um modelo que prevê valores em série sem erros. Os resíduos são o erro (a diferença entre o valor previsto e o valor real). Portanto, há na verdade uma decomposição em um componente determinístico (modelo de previsão) + ruído (resíduos normalmente distribuídos)
Essa fileira contém 45 zeros e 45 uns. A expectativa é de 0,5.
Ele não entende os padrões binários. Precisamos de algo mais simples.
Sim, é claro. Mas o residual é testado pelo teste de raiz da unidade, que é a estacionaridade.
Outro problema. E se não for exatamente como você escreveu? E se for como você escreveu, o prognóstico pode ser confiável?
Não, os resíduos são testados para distribuição normal (teste z, por exemplo). A estacionaridade é provavelmente testada para algo mais))
Eu discordo. O "determinístico" ou "médio" também é moldado pelo ruído. Há aqui um círculo vicioso: para prever, é preciso conhecer os resultados da previsão, ela se revela. Algo tem que ser renunciado. Caso contrário, é um beco sem saída.
Não há nenhum impasse. Avals está bem - ele não perdeu nenhuma informação: acrescente o determinista com o restante e você obtém o quociente original.
Como você explica o fato de o RMS ter aumentado o MO para 0,8787? Além disso, se a entrada RMS é estritamente alternada entre 0 e 1, ela também mostra 0,5. Portanto, há uma circunstância na série que você deu que muda este equilíbrio para 1.
Você não precisa procurar a magnitude do erro, você precisa analisar suas distribuições. Para simplificar, você pode simplesmente construir esta distribuição visualmente
Não há nenhum impasse. Avals está bem - ele não perdeu nenhuma informação: acrescente o determinista com o restante - você obtém o quociente original.
Eu discordo. O "determinístico" ou "médio" também é moldado pelo ruído. Há aqui um círculo vicioso: para prever, é preciso conhecer os resultados da previsão, ela se revela. Algo tem que ser renunciado. Caso contrário, é um beco sem saída.
A questão não é como e em que basear a previsão, mas como verificar sua validade. Se os resíduos (erro) não forem gaussianos distribuídos, não é bom))
você não precisa procurar a magnitude do erro, você precisa analisar sua distribuição. Para simplificar, você pode simplesmente traçar esta distribuição visualmente