Регрессионная модель Султонова (РМС) - претендующая на математическую модель рынка. - страница 44
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
Пять параметров на 15 точек - это слишком много. Обычная подгонка.
Попробуйте то же уравнение с теми же параметрами прогнать на тысяче баров.
Кажется, у Вас сменилось направление исследований. Раньше Вы сочиняли дифуры и пытались объяснить рынкет.
Теперь Вы пытаетесь просто описать его, даже не пытаясь объяснить.
Пять параметров на 15 точек - это слишком много. Обычная подгонка.
Попробуйте то же уравнение с теми же параметрами прогнать на тысяче баров.
Кажется, у Вас сменилось направление исследований. Раньше Вы сочиняли дифуры и пытались объяснить рынкет.
Теперь Вы пытаетесь просто описать его, даже не пытаясь объяснить.
1.Правильно заметили, здесь голая статистика и побочный результат от другого направления исследований, не связанной с Форекс. Как Вы знаете, при оценке коэффициентов линейного уравнения с множествами переменных методом МНК, Гаусс указал только на двухэтапный способ постепенного исключения переменных на первом этапе и нахождения коэффициентов - на втором, что очень трудоемко и громоздко. Второй способ основан на применение метода Крамера с использованием определителей, что не проще метода Гаусса и имеет ту-же вычислительную сложность, хотя изящнее. Мне удалось решительно упростить способ и напрямую определять коэффициенты и вышеприведенный пример является дебютом и я думал, Вы обратите внимания, как-же мне удалось найти 5 коэффициентов при одновременном изменении четырех переменных. Обычно, например, при планировании эксперимента, рекомендуют постепенно определять коэффициенты только при одной переменной, устанавливая остальные переменные на постоянном уровне, наверное помните этот не очень удачный хит 60-х и 70-х годов. Теперь, действительно, мне не составляет труда одновременно исследовать и 1000 баров и я это сделаю. Только прошу указать мне, как скачать историю прямо в экзель с запятыми, извините, я ноль в технике использования компа. Учусь постепенно и только то, что необходимо на данное время. Прошу, указать очень подробно, вплоть до последоветельности нажатия кнопок.
2. Подгонки нет, но действительно, объем данных невелик, поскольку, их вводил вручную. Однако, примечателен тот факт, что это простое уравнение пытается описать выкрутасы цены, как будто оно периодическое, хотя ни в коем случае подобным и не является.
3. Есть-ли смысл в эту четверку параметров добавить и объемы, как думаете, тем более, они доступны, хотя говорят, они необъективные?
4. Обратили внимание на различие коэффициентов при OHLC, видимо, от недостатка данных.
Только прошу указать мне, как скачать историю прямо в экзель с запятыми, извините, я ноль в технике использования компа.
1. В терминале нажимаем F2. В выскачившей табл выбираем символ и нажимаем "Экспорт". Получаем файл.
2. Открываем файл в эксель. Он имеет вид:
3. В экселе вверху закладка "Данные"
4. Выделяем нужный участок данных в табл. имеем ввиду, что все это один столбец.
5. И нажимаем "Текст по столбцам" Выскакивает Мастер текстов
6. На первом шаге выбираем "С разделителями"
7. На втором шаге мастера дополнительно указываем разделитель "запятая"
8. На третьем шаге:
8.1. для первых двух колонок указываем формат данных столбца "текст"
8.3. Для остальных оставляем "Общий", но открываем "подробнее" и ставим "точку" в качестве разделителя разрядов.
Должно иметь следующий вид
Берет только такое урвнение
F=1.00010409798*CLOSE(-1)^0.999631066509
Попытка добавить еще величину приводит к вырожденной (сингулярной) матрице.
Подгонка очень качественная
Dependent Variable: F
Method: Panel Least Squares
Date: 11/30/12 Time: 10:57
Sample: 1 2652
Periods included: 23
Cross-sections included: 113
Total panel (unbalanced) observations: 2538
Convergence achieved after 1 iteration
F=C(1)*CLOSE(-1)^C(2)
Coefficient Std. Error t-Statistic Prob.
C(1) 1.000104 0.000122 8222.019 0.0000
C(2) 0.999631 0.000511 1955.530 0.0000
R-squared 0.999342 Mean dependent var 1.266171
Adjusted R-squared 0.999342 S.D. dependent var 0.029512
S.E. of regression 0.000757 Akaike info criterion -11.53332
Sum squared resid 0.001454 Schwarz criterion -11.52872
Log likelihood 14637.78 Hannan-Quinn criter. -11.53165
Durbin-Watson stat 1.951579
Dependent Variable: CLOSE
Method: Panel Least Squares
Date: 11/30/12 Time: 10:59
Sample: 1 2652
Periods included: 23
Cross-sections included: 113
Total panel (unbalanced) observations: 2538
Convergence achieved after 2 iterations
CLOSE=C(1)*F(-1)^C(2)
Coefficient Std. Error t-Statistic Prob.
C(1) 1.000222 0.000233 4283.747 0.0000
C(2) 0.999132 0.000981 1018.334 0.0000
R-squared 0.997578 Mean dependent var 1.266170
Adjusted R-squared 0.997577 S.D. dependent var 0.029520
S.E. of regression 0.001453 Akaike info criterion -10.22961
Sum squared resid 0.005354 Schwarz criterion -10.22501
Log likelihood 12983.38 Hannan-Quinn criter. -10.22794
Durbin-Watson stat 1.294442
Вот график
Видим выбросы около 100 пипсов. Но очень приличная гистограмма, хотя и не нормальная
ско = 14 пипсам
А вот доверительный эллипс удручающий - мы видим крайне высокую коррелированость наших коэффициентов. Вот причина сингулярности матрицы при добавлении дополнительных переменных.
Я бы воздержался от использования указанного уравнения
Попытался выразить среднюю прогнозную цену будущего бара (F) через цены OHLC предыдущих баров в виде следующей зависимости, правда, не знаю, пытались раньше в подобном виде или нет:
F=A*O^a1*H^a2*L^a3*C^a4,
где - A, a1, a2,a3,a4 - постоянные коэффициенты, определяемые методом МНК Гаусса и вот, что получилось для 15 баров ТФ D1:
Следовательно, котир, в принципе, можно выразить одним уравнением, но будем выяснять, какого от этого практическая польза. Ваши мнения?
Не нашёл с какого периода времени Вы брали ценовую выборку, а по последним 15-ти барам получается такая картинка (по озвученной формуле и выведенным коэффициентам):
Для наглядности сравнения прогноза зелёная МА с периодом = 1.
Ценовые метки рисует скриптик (во вложении).
Не нашёл с какого периода времени Вы брали ценовую выборку, а по последним 15-ти барам получается такая картинка (по озвученной формуле и выведенным коэффициентам):
Для наглядности сравнения прогноза зелёная МА с периодом = 1.
Ценовые метки рисует скриптик (во вложении).
Использованы данные на Д1 с 16. 09. 12 по 05. 10. 12
P.S. И, если ли бы не конец месяца, то текущая свеча была бы "медвежьей"... :)))
Сразу не обратил внимания, что коэффициенты расставлены в обратном порядке а4 -> a1. Тогда спустя месяц рассчитанные коэффициенты не "пальцем в небо"... ;)
P.S. И, если ли бы не конец месяца, то текущая свеча была бы "медвежьей"... :)))
Берет только такое урвнение
F=1.00010409798*CLOSE(-1)^0.999631066509
Попытка добавить еще величину приводит к вырожденной (сингулярной) матрице.
Подгонка очень качественная
Dependent Variable: F
Method: Panel Least Squares
Date: 11/30/12 Time: 10:57
Sample: 1 2652
Periods included: 23
Cross-sections included: 113
Total panel (unbalanced) observations: 2538
Convergence achieved after 1 iteration
F=C(1)*CLOSE(-1)^C(2)
Coefficient Std. Error t-Statistic Prob.
C(1) 1.000104 0.000122 8222.019 0.0000
C(2) 0.999631 0.000511 1955.530 0.0000
R-squared 0.999342 Mean dependent var 1.266171
Adjusted R-squared 0.999342 S.D. dependent var 0.029512
S.E. of regression 0.000757 Akaike info criterion -11.53332
Sum squared resid 0.001454 Schwarz criterion -11.52872
Log likelihood 14637.78 Hannan-Quinn criter. -11.53165
Durbin-Watson stat 1.951579
Dependent Variable: CLOSE
Method: Panel Least Squares
Date: 11/30/12 Time: 10:59
Sample: 1 2652
Periods included: 23
Cross-sections included: 113
Total panel (unbalanced) observations: 2538
Convergence achieved after 2 iterations
CLOSE=C(1)*F(-1)^C(2)
Coefficient Std. Error t-Statistic Prob.
C(1) 1.000222 0.000233 4283.747 0.0000
C(2) 0.999132 0.000981 1018.334 0.0000
R-squared 0.997578 Mean dependent var 1.266170
Adjusted R-squared 0.997577 S.D. dependent var 0.029520
S.E. of regression 0.001453 Akaike info criterion -10.22961
Sum squared resid 0.005354 Schwarz criterion -10.22501
Log likelihood 12983.38 Hannan-Quinn criter. -10.22794
Durbin-Watson stat 1.294442
Вот график
Видим выбросы около 100 пипсов. Но очень приличная гистограмма, хотя и не нормальная
ско = 14 пипсам
А вот доверительный эллипс удручающий - мы видим крайне высокую коррелированость наших коэффициентов. Вот причина сингулярности матрицы при добавлении дополнительных переменных.
Я бы воздержался от использования указанного уравнения
Воздержитесь от преждевременных выводов