Анализ важнеших СТАТИСТИЧЕСКИХ характеристик паттерна и выбор метода торговли по нему. - страница 3
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
Ещё можно использовать перцентиль, проще посчитать, нужно больше данных чтобы не было сюрпризов...
Дал направление где копать)). Хотя, много чего можно делать....
Про перцентили почитаю, пасиб )
Что то мне подсказывает, что вероятности будут близкими к 50%. :)
что именно? какое чувство
Наверно опыт. :)
О сколько нам открытий чудных
Готовят просвещенья дух
И Опыт, [сын] ошибок трудных,
И Гений, [парадоксов] друг,
[И Случай, бог изобретатель]
Поищите в кодбазе мой индикатор ближайщих соседей. Метод довольно простой. Задаёте длинну текущего паттерна, по истории находите похожие паттерны (например используете корреляцию как расстояние между паттернами), предсказываете поведение цены в будущем из прошлых паттернов путём взвешивания их индивидуальных предсказаний. Это по существу таже кластеризация, или RBF, или SVM, или GRNN. Всё зависит от того как измеряем расстояние от текущего паттерна до похожих прошлых паттернов. Почитайте по GRNN и Bayes. Там теория предсказаний описана с точки зрения статистических распределений. Написано о GRNN и упомянутых выше методах предсказаний много, а всё сводится к одной простой формуле:
предсказание y = SUM y[k]*exp(-d[k]/2s^2) / SUM exp(-d[k]/2s^2)
где y[k] - к-ый прошлый паттерн, d[k] - расстояние от к-го паттерна до текущего. Если расстояния имеют Гауссовское распределение, то d[k] = (x - x[k])^2. Для произвольного (супер Гауссовского) распределения, d[k] = |x - x[k]|^p, где выбираете p в зависимости от того хотите ли вы дать больший вес самым ближайщим соседям (большое p), или дать всем соседям почти одинаковые веса (маленькое p) как при социализме. При p=0, имеем полнейший созиализм.
После того как ознакомитесь с ближайщими соседями и GRNN, возникнет следующий очевидный вопрос. А как измерить расстояние между текущим паттерном и прошлыми паттернами если принять во внимание искажения по оси времени (т.е. прошлые паттерны могут выглядеть как текущий но либо растянуты или сжаты по времени). Вот тут то собака и зарыта.
Вот тут то собака и зарыта.
Эту собаку я уже съел, вопрос в другом сейчас. Мб он не совсем корректно поставлен :)
Но у вас очень интересные публикации, спасибо, посмотрю
если принять во внимание искажения по оси времени (т.е. прошлые паттерны могут выглядеть как текущий но либо растянуты или сжаты по времени). Вот тут то собака и зарыта.
Как следствие этого утверждение - эта собака не отрыта на данный момент только из-за ограничений количества вычислительных ресурсов.
В этом видится противоречие: если вычислительных ресурсов сколько угодно, то любую собаку можно отрыть. Типа, решение любой проблемы зависит только то количества имеющихся вычислительных ресурсов.
В общем, логика, мягко говоря, странная. Поэтому, когда говорят "собака там зарыта", косвенно сетуя на вычислительную неразрешимость в данный момент, можно смело утверждать, что никакой собаки там просто нет.
Как следствие этого утверждение - эта собака не отрыта на данный момент только из-за ограничений количества вычислительных ресурсов.
В этом видится противоречие: если вычислительных ресурсов сколько угодно, то любую собаку можно отрыть. Типа, решение любой проблемы зависит только то количества имеющихся вычислительных ресурсов.
В общем, логика, мягко говоря, странная. Поэтому, когда говорят "собака там зарыта", косвенно сетуя на вычислительную неразрешимость в данный момент, можно смело утверждать, что никакой собаки там просто нет.
Это все делается через аффинные преобразования.. и тут ресурсы нужны минимальные.. при грамотном подходе
Это все делается через аффинные преобразования.. и тут ресурсы нужны минимальные.. при грамотном подходе
Грааль не получился - не достаточно грамотный подход был!
Это утверждение так популярно стало по какой причине?
Грааль не получился - не достаточно грамотный подход был!
Это утверждение так популярно стало по какой причине?
Ну дьявол в мелочах всегда.. нужен не Грааль а хотя бы что-то полезное :)
проблема в том что люди не понимают что они делают, думаю.. и для чего
предсказание y = SUM y[k]*exp(-d[k]/2s^2) / SUM exp(-d[k]/2s^2)
где y[k] - к-ый прошлый паттерн, d[k] - расстояние от к-го паттерна до текущего. Если расстояния имеют Гауссовское распределение, то d[k] = (x - x[k])^2. Для произвольного (супер Гауссовского) распределения, d[k] = |x - x[k]|^p, где выбираете p в зависимости от того хотите ли вы дать больший вес самым ближайщим соседям (большое p), или дать всем соседям почти одинаковые веса (маленькое p) как при социализме. При p=0, имеем полнейший созиализм.
После того как ознакомитесь с ближайщими соседями и GRNN, возникнет следующий очевидный вопрос. А как измерить расстояние между текущим паттерном и прошлыми паттернами если принять во внимание искажения по оси времени (т.е. прошлые паттерны могут выглядеть как текущий но либо растянуты или сжаты по времени). Вот тут то собака и зарыта.