От теории к практике - страница 525

Igor Makanu
8318
Igor Makanu  
Nikolay Demko:

Нет, с помощью гусеницы нельзя оценить насколько изменилось состояние рынка.

Можно лишь оценить насколько новые ошибки предсказания изменили прогноз против старых ошибок.

То есть SSA ничего не говорит о правильности прогноза, разница SSA говорит лишь о разнице в ошибках. А уж куда пойдёт рынок SSA это не волнует от слова совсем.

Без оценки ошибок каждого из SSA ваша разность как бы висит в воздухе, ей не на что опереться.

да знаю я это уже давно, но надежда то есть, вот и выдумываю куда бы еще посмотреть )) , я хочу матрицу собственных чисел ковариационной матрицы прогнать на истории и проанализировать, насколько большие различия в ней - а вдруг как в теории расказывают, что цена учитывает все и пр. премудрости )))

Maxim Dmitrievsky:

ой не знаю не знаю, мне кажется что если Александр до конца не смог - то ничто уже не спасет такой подход. Прогнозировать случайное блуждание тяжко, и оценивать его какие-то мнимые состояния :)

тут в дополнение к моему посту выше, в особенности в части анекдота... если честно, то есть некая иллюзия, что закономерность то в ценовых графиках это как раз и не повторять свое предыдущие состояния, вот и в SSA будет время, сделаю набор всех возможных ковариационным матриц и попробую проанализировать на предмет неповторяемости в близлежащих состояниях, т.е. матрицы должны чередоваться в неповторяемом порядке

может вечером причешу код по SSA и выложу, код просто порт из Матлаба, не ожидал, но Алглиб очень помогает быстро портировать такие вещи делал как себе пример с целью научиться, может тоже кому поможет разобраться, вот матлаб SSA приатачил

Файлы:
ssa.zip 2 kb
Violetta Novak
1597
Violetta Novak  
Smokchi Struck:

выделю вопрос отдельно:
На какую функцию делать регрессию, чтобы последняя  ее точка находилась в центре ценового канала?

Нужна функция, типа полинома, которая справлялась бы и с зигзагом и с половиной окружности (как видите на примерах, полином с этими темами не справляется).
(фигуру Максима Дмитриевского пока можно не рассматривать, она не вписывается в теорию, что цена - это торговый канал, который идет по определенной траектории. эта фигура - это торговый канал с выбросом в конце, ее можно рассмотреть позже.)



Другими примерами нелинейных функций служат показательные функции, логарифмические функции, тригонометрические функции, степенные функции, гауссова функция и кривые Лоренца.

Ну Смокчи, всех взбудоражил своими картинками! )) 

Igor Makanu
8318
Igor Makanu  

ну и немного психологии, чтобы оценить насколько поиски Грааля успешны, понравилось видео, видимо девушка выглядит естественной и убедительной


Maxim Dmitrievsky
30369
Maxim Dmitrievsky  
Igor Makanu:

ну и немного психологии, чтобы оценить насколько поиски Грааля успешны, понравилось видео, видимо девушка выглядит естественной и убедительной


увидев такие глаза ночью можно и гусеницу родить

Uladzimir Izerski
7003
Uladzimir Izerski  
Igor Makanu:

ну и немного психологии, чтобы оценить насколько поиски Грааля успешны, понравилось видео, видимо девушка выглядит естественной и убедительной


Девчёнка умница-молодость видит невидимое для многих.

Igor Makanu
8318
Igor Makanu  

ну если психология интересна, так сказать вишенка на торте...


Uladzimir Izerski
7003
Uladzimir Izerski  
Igor Makanu:

ну если психология интересна, так сказать вишенка на торте...


Самая интересная 30я минута фильма), но чтобы понять надо смотреть весь.

multiplicator
2018
multiplicator  
Maxim Dmitrievsky:

вам же уже написали что это бесполезное времяпрепровождение

пока свое время не потратишь - не поймешь.

multiplicator
2018
multiplicator  

Как сделать регрессию в экселе.

С помощью функции Данные/Поиск решения.

Во вложенной таблице:
первый столбец это номер п/п.
второй столбец - временной ряд.
третий - функция (в данном случае полинома).
четвертый - МНК. значение временного ряда минус значение функции, и взять в квадрат.

в красной ячейке - сумма по синему столбцу, то есть сумма квадратов отклонений.

в фиолетовых ячейках - коэффициенты, которые нужно подобрать.



Функция полинома это y=ax2+bx+c
где х - значения координат по оси x. оранжевый столбец. от 0 до 201.
у - это значения координат по оси у, которые будут у подобранного полинома.
a,b,c - коэффициенты, которые мы будем подбирать.

В экселе формула будет выглядеть вот так =a*A1^2+b*A1+c . То есть вместо иксов подставляем значения из столбца А.   (смотреть зеленый столбец)


Для того чтобы подобрать коэффициенты функции, нажимаем "Данные", и потом "Поиск решения".



В открывшемся меню выбираем:

Установить целевую ячейку (красная ячейка в нашей таблице),
минимальному значению,
Изменяя ячейки (фиолетовые ячейки на нашей таблице)

и нажимаем "Выполнить".


То есть, мы минимизируем квадраты отклонений временного ряда от функции.


Попробуйте в зеленый столбец поподставлять свои функции.

показательные функции, логарифмические функции, тригонометрические функции, степенные функции, гауссова функция , кривые Лоренца, другие...

Задача остается прежней, нужно подобрать функцию, последняя точка которой будет лежать в центре ценового канала (и для фигуры зигзаг и для фигуры половина окружности).



Файлы:
Vladimir
1104
Vladimir  
Smokchi Struck:
 ...
То есть, мы минимизируем квадраты отклонений временного ряда от функции.

Попробуйте в зеленый столбец поподставлять свои функции.

показательные функции, логарифмические функции, тригонометрические функции, степенные функции, гауссова функция , кривые Лоренца, другие...

Задача остается прежней, нужно подобрать функцию, последняя точка которой будет лежать в в центре ценового канала (и для фигуры зигзаг и для фигуры половина окружности).



Заинтересовало. Во-первых, неточность, минимизируем не "квадраты", а "сумму квадратов". Во вторых, если нужно придать большее значение последним точкам, это делается просто, в минимизируемой сумме надо брать не просто квадраты, а взвешенные квадраты, то есть умноженные на какие-нибудь положительные весовые коэффициенты. Их значения в конце массива сделать бОльшими, в начале мЕньшими. Например, для номеров точек i от 1 до n веса, равные q^(n-i) при q < 1, дают квадратам отклонения множители, аналогичные весам курсов в экспоненциальной скользящей средней. Часто еще делают их сумму равной единице, если надо сравнивать разные аппроксимации по значению минимума взвешенной суммы квадратов отклонений.

А что такое "центр" для криволинейного канала, границы которого описываются различными типами формул? Или хотя бы для первого варианта, показательными функциями?

Если это просто середина отрезка от предпоследнего значения в ряде до последнего, то достаточно сделать очень большими веса отклонений в двух последних точках ряда. Или еще проще, найти эту середину, и все.

Нужны еще какие-то требования к отклонениям, иначе задача недопоставлена.

А польза-то какая от вычислений "центра" в последней точке?