Не Машкино это дело! - страница 7
Вы упускаете торговые возможности:
- Бесплатные приложения для трейдинга
- 8 000+ сигналов для копирования
- Экономические новости для анализа финансовых рынков
Регистрация
Вход
Вы принимаете политику сайта и условия использования
Если у вас нет учетной записи, зарегистрируйтесь
Постановка эксперимента
Решил подробнее рассказать о постановке эксперимента (как я это понял с учетом способностей моей модели) в меру владения словом, дабы исключить непонимание. Все достаточно просто, берется участок для тестирования, и система последовательно проходит все отсчеты на этом участке. На каждом отсчете выполняется выборка исторических данных фиксированной длиной W. Эти данные анализируются и оптимальным образом выбирается:
Подкрепляя литературное слово художественным, изобразил картинку в меру своих способностей:
Выполняется прогноз, записываются данные о прогнозе и «параметрах окружения» конкретного прогноза и система смещается на следующий отсчет. Таким образом, от отсчета к отсчету меняется количество прогнозных точек, и величина конкретного скользящего окна для которого рассчитываются прогнозные точки.Серега, видимо по этой причине у нас возникло непонимание. Вероятно, ты фиксируешь MA и только ее прогнозируешь на всем участке, а для этого тебе можно спокойно перейти к приращениям. У меня это не получиться просто так, MA все время меняется, а стало быть приращения «концентрируются» около нуля прогнозных отсчетов.
Первые результаты прогноза
Прогноз выполнялся на исследуемом участке в 100 отсчетов, котировка EURUSD, часы, (H+L)/2. На картинке показан этот участок с ценами H, L и (H+L)/2:
Изменение длины скользящего окна для каждого прогнозного значения цены (надеюсь, понятно почему отсчетов больше чем длина прогнозного участка)
Изменение величины горизонта прогноза для каждого прогнозного значения
Диаграмма рассеяния прогнозных цен и фактических, по оси «x» отложены прогнозные, по оси «y» фактические. Коэффициент b в уравнении линейной регрессии y=a+b*x составляет 0.9983.
Еще раз напоминаю, ошибок тут нет. Факт достоверный и проверенный. Просто весь фокус в оптимизации параметров для предикта. К слову сказать, для тестирования прогноза на хорошей машине 1000 отсчетов, мне придется ждать около двадцати часов, в то время как сам оператор отрабатывает за время, меньшее секунды. И это я еще код оптимизировал.
PS:
Серега, а чего это у тебя подозрительно пустой пост? Поди обозвал меня как нить позаковырястей? :о)
to Prival
С тикам есть определённые трудности - нужна большая история, желательно без дыр и т.д. Эти требования легче выполняются для архива с часовками или минутками.
Что касается идеальной кривой, так давай сравним двухпрогонную МЕМА (именно её я использую) и то, что даст фурье-сглаживание. Критерием "хорошести" предлагаю выбрать величину среднеквадратичного отклонения от котира и гладкость самой кривой - чем меньше ско и глаже кривая - тем круче!
Как посчитать ско (величину отклонения от котировок) понятно, предложения как считать гладкость ?
...
Как посчитать ско (величину отклонения от котировок) понятно, предложения как считать гладкость ?
а что нам даст эта гладкость? Я описал выше - у меня куча MA прогнозируется и для каждого отсчета тоьакая MA выбирается оптимальным образом с точки зрения прогнозности
Написал выше целый пост, а он спустя какое-то время пропал:-(
Grans, у нас непонимание. Дальше двигаться бессмыслено!
Если строить прогнозное облако по абсолютным значениям цен и прогнозу, то мы получим прямую с тангенсом=1 даже для интегрированного белого шума. Это длжно быть понятно, оба ряда содержат постоянную составляющую ценность которой нулевая, а именно на эту составляющую и отреагирует оценка. Об этом я тебе и толдычу. Подумай об этом.
to Prival
Как посчитать ско (величину отклонения от котировок) понятно, предложения как считать гладкость ?
В качестве меры близости рядов X и Y в момент времени t выберем функцию (y[i]-x[i])^2, а в качестве меры гладкости ряда функцию (y[i]-y[i-1])^2. Будем оценивать величину суммы этих функций, то есть S=(y[i]-x[i])^2+(y[i]-y[i-1])^2
(взято из С.Булашёва)
Написал выше целый пост, а он спустя какое-то время пропал:-(
Grans, у нас непонимание. Дальше двигаться бессмыслено!
Если строить прогнозное облако по абсолютным значениям цен и прогнозу, то мы получим прямую с тангенсом=1 даже для интегрированного белого шума. Это длжно быть понятно, оба ряда содержат постоянную составляющую ценность которой нулевая, а именно на эту составляющую и отреагирует оценка. Об этом я тебе и толдычу. Подумай об этом.
ок. а если я спрогнозирую MA и от нее перейду к приращениям? так пойдет? :о) И может быть вместо "Дальше двигаться бессмыслено" придумаем критерий? Может быть объективные критерии то существуют?
to Neutron
Мне кажется, имеет смысл посмотреть в сторону анализа ошибок (разница между фактом и прогнозным значением), весьма объективная информация (напомню, это EURUSD):
Как думаешь, анализ этого временного ряда будет объективным?
PS (скорректировано):
Если строить прогнозное облако по абсолютным значениям цен и прогнозу, то мы получим прямую с тангенсом=1 даже для интегрированного белого шума. Это длжно быть понятно, оба ряда содержат постоянную составляющую ценность которой нулевая, а именно на эту составляющую и отреагирует оценка. Об этом я тебе и толдычу. Подумай об этом.
АНАЛОГИЧНО и для приращений, в этом смысле они ничем не отличаются. Этот критерий (к-т ЛР) не самый лучший в обеих случаях
Серёга, на все тввои замечания можно ответить согласием - они не принципиальны. Не хочешь оценку регрессией, давай использовать ско. Хочешь прогнозировать МА а затем переходить к исходному ряду - сделай это!
Принципиальным моментом является один вопрос: ты можешь выдать прогноз ТОЛЬКО на 1 (один) бар вперёд?
Серёга, на все тввои замечания можно ответить согласием - они не принципиальны. Не хочешь оценку регрессией, давай использовать ско. Хочешь прогнозировать МА а затем переходить к исходному ряду - сделай это!
Принципиальным моментом является один вопрос: ты можешь выдать прогноз ТОЛЬКО на 1 (один) бар вперёд?
Выдавать прогноз на один бар вперед конечно могу, отсечь не трудно. Означает ли это, что прогнозировать на большее количество баров ты считаешь бессмысленным?
Естественно!
Ведь, если ты можешь выдать прогноз на 1 бар вперёд, то сможешь используя рекурсию выдать и на два, а там по индукции. Но ошибка прогнозирования будет рости экспоненциально с ростом горизонта, поэтому нам не интересно изучать связь между точностью элементарного прогноза (на один бар) и шириной доверительного интервала как ф-ии горизонта прогнозирования. Пусть этим занимаются любители. Мы с тобой изучим качество самой основы прогноза - 1 БАР вперёд и всё! Правда, для начала наберём статистику, предсказывая каждый раз на 1 бар и делая один шаг вперёд, и так 10000 раз. Для достоверности. Т.е. мы получим в итоге прогнозный вектор длиной 10000 элементов, каждый из которых есть прогноз на 1 бар с обсчётом всех имеюейся на этот момент данных, вклячая поступление новых.