Fourier tabanlı hipotez - sayfa 11
Ticaret fırsatlarını kaçırıyorsunuz:
- Ücretsiz ticaret uygulamaları
- İşlem kopyalama için 8.000'den fazla sinyal
- Finansal piyasaları keşfetmek için ekonomik haberler
Kayıt
Giriş yap
Gizlilik ve Veri Koruma Politikasını ve MQL5.com Kullanım Şartlarını kabul edersiniz
Hesabınız yoksa, lütfen kaydolun
Kesinlikle ayrılmaya değer...
Soruyu kapatmak için, tipik sonuçları olan bir resim:
mavi - fiyat
Kırmızı - 0'dan başlayan kosinüs dönüşümüne sahip program hakkında tahmin
Mor - aynı eğri, ancak tahmin başlangıç noktasından hesaplandı (100)
Yeşil - sadece fiyat eğrisine dayalı bir tahmin (yerleşik tahmin işlevini kullandım)
Daha önce de yazdığım gibi - tüm hile modeli tanımlamakta. Görev gerçekten zor, tıpkı bunun gibi "gözle" çözülmedi. Ve kavramsal olarak, eğer söyleyebilirsem, "frekans alanında tahmin" bazı görevlerde kullanılır, ancak çok spesifik olanlarda.
Daha önce de yazdığım gibi - tüm hile modeli tanımlamakta. Görev gerçekten zor, tıpkı bunun gibi "gözle" çözülmedi. Ve kavramsal olarak, eğer söyleyebilirsem, "frekans alanında tahmin" bazı görevlerde kullanılır, ancak çok spesifik olanlarda.
PF'yi sökmek için neredeyse bir ay harcadım ve hepsi boşuna. Tahmin etmeye çalışmadığım şey: hem zaman serisi hem de hareketli ortalama ve göstergeler ve tüm tahmin sonuçları 50-50 (ya da öylesine) idi.
Fikrinizi ayrık bir kosinüs dönüşümü ile uygulamaya çalıştım. Ne yazık ki, ters kosinüs dönüşümünden sonra, aşağıdaki resmi aldım: geri yüklenen sinyalde, son çubuk (aslında, bunun için tahmin yapıldı) sondan bir önceki çubuğu (eğitim örneğindeki sonuncusu) tekrarladı ) küçük bir hata ile.
Her ihtimale karşı, yaptığım şeyin kısa bir algoritmasını anlatacağım:
Şimdi bir duraklama… ne yazık ki, mucizeler olmaz - öngörülen çubuk, test dizisinden sondan bir önceki çubuğu küçük bir hatayla tekrarladı. Sonucu analiz ederken, ilk çubuğun da biraz değiştiğini, geri kalan her şeyin değişmeden kaldığını, sadece bir pozisyonu (olması gerektiği gibi) kaydırdığını öğrendim. Ancak son çubuk, tahminler yerine, sondan bir öncekini tekrarladı. (yukarıdaki resme bakın).
Belki bu sonuç bazı matematikçiler için faydalı olacaktır, ancak EURUSD çiftini tahmin etme görevi için işe yaramaz olduğu ortaya çıktı. Ne yazık ki. Kadar. )))
PF'yi sökmek için neredeyse bir ay harcadım ve hepsi boşuna. Tahmin etmeye çalışmadığım şey: hem zaman serisi hem de hareketli ortalama ve göstergeler ve tüm tahmin sonuçları 50-50 (ya da öylesine) idi.
Fikrinizi ayrık bir kosinüs dönüşümü ile uygulamaya çalıştım. Ne yazık ki, ters kosinüs dönüşümünden sonra aşağıdaki resmi elde ettim: yeniden oluşturulmuş sinyalde, son çubuk (aslında bunun için tahmin yapıldı) sondan bir önceki çubuğu (eğitim örneğindeki sonuncusu) bazılarıyla tekrarladı. küçük hata.
Her ihtimale karşı, yaptığım şeyin kısa bir algoritmasını anlatacağım:
Şimdi bir duraklama… ne yazık ki, mucizeler olmaz - öngörülen çubuk, test dizisinden sondan bir önceki çubuğu küçük bir hatayla tekrarladı. Sonucu analiz ederken, ilk çubuğun da biraz değiştiğini, geri kalan her şeyin değişmeden kaldığını, sadece bir pozisyonu (olması gerektiği gibi) kaydırdığını öğrendim. Ancak son çubuk, tahminler yerine, sondan bir öncekini tekrarladı. (yukarıdaki resme bakın).
Belki bu sonuç bazı matematikçiler için faydalı olacaktır, ancak EURUSD çiftini tahmin etme görevi için işe yaramaz olduğu ortaya çıktı. Ne yazık ki. Kadar. )))
Bir mucize olacağını söylemedim. Bazı belirsizlikler var:
Katsayılı her sütun için, önceki dört değeri kullanarak, sinüzoidde 1 bar ile yaklaşan değişikliği çok iyi tahmin eden küçük bir sinir ağı eğitildi. AR tahmini çok kötü sonuçlar verdiği için sinir ağına döndüm.
Böyle karmaşık bir serinin 4 sayısındaki NN'nin geleceği iyi tahmin edebileceğinden emin değilim. Bundan oldukça şüpheliyim. Ve tahmin ederse, neden bu kadar güçlü bir tutarsızlık? Peki ya "sinüs dalgası". AR modeline gelince, her eğri aslında özelliklerinde kendisine çok yakın bir AR sürecidir. Böyle bir modelin tanımlanması zordur, birçok yöntem kullanılır (garip görünse de, NN'den daha karmaşıktır): ters ve geriye dönük tahmin, Akiake kriteri, "bavul", otoregresif transfer fonksiyonları, uyum ve maksimum olabilirlik kriterleri ( ve çeşitleri), çapraz korelasyon, stokastik yaklaşım, filtreleme (modelleri tanımlamak için de kullanılır).
En azından fikir seninki kadar iyi. :o) İşe yaramadıysa, işe yaramadı ve oldu, harcadığınız zaman için gerçekten üzgünüm, burada hiçbir şekilde geri vermeme yardımcı olamam. Ama bu arada, her ihtimale karşı burada sizi uyardım https://forum.mql4.com/ru/24888/page9. Bu modelde pek çok incelik var, bazıları hakkında mütevazı bir şekilde sessiz kaldım. Bu inceliklerden biri, böyle bir modelle tek bir örneği tahmin etmenin anlamsız olmasıdır, sadece anlamsızdır. İstediğiniz doğruluğu elde edemezsiniz ve asla. "İstatistiksel" anlamda tahmin yapmak gerekir. Böyle bir şey, eğer edebi bir şekilde ifade ederseniz.
Her neyse, fikir için çok teşekkürler Grasn! Süreç hoştu ve zaman üzücü değil)) Ama sonuç yine de olacak!
grasn писал(а) >>
Böyle karmaşık bir serinin 4 sayısındaki NN'nin geleceği iyi tahmin edebileceğinden emin değilim. Bundan oldukça şüpheliyim. Ve tahmin ederse, neden bu kadar güçlü bir tutarsızlık? Peki ya "sinüs dalgası".
1. Her DCT katsayısındaki değişikliği düşünürsek, yazdığınız gibi, bir tür "çarpık sinüzoid"e çok benzer (özellikle yüksek frekanslı salınımlar için katsayının seri numarasına karşılık gelen bir frekansla) , ki bu zamanla genliğini değiştirecektir. AR'yi, Matkad'daki örneğinde olduğu gibi, kafa kafaya tahmin için kullanmaya çalıştım.
1 bar için "rivulina" tahminini düşünürsek, AR (en azından Matlab'daki tüm formülleri denedim), özellikle tek noktalı "çarpık sinüzoidler" için (belki de hepsini denemedim) çok yanlış sonuçlar verir. Bu durumda, basit bir sinir ağı (Matlab'da newlind işlevi tarafından uygulanır (görünüşe göre bu bir sinir ağı bile değil, sadece bir dizi doğrusal denklem için bir çözücü), 1 puan tahmin ederken, verir çok iyi (görsel olarak) sonuçlar.
2. Bir dizi "dolandırıcı" üzerine tahmin yapmak çok iyi bir sonuç verir - 50 çubuktan, doğru (neredeyse doğru) 48 çubuğu tahmin eder, bunları 1 konum sola kaydırır, yalnızca 1 çubukta hata yapar (yapmıyorum nedenini biliyorum) ve son olarak (ne yazık ki, aslında her şey bunun için yapıldı). Görünüşe göre, her bir "krivulin" üzerindeki tahminin "mikro hataları", tam olarak bu şekilde ters dönüşüm sırasında toplanır.
Algoritmayı "aldatmaya", test bölümünün içindeki son çubuğu gizlemeye çalıştım (bir daire içinde basit bir kaydırma yaptım), ama her neyse, yanlış olan bu son ve ilk çubuklardı.
3. Bu arada, sadece kapanışı (en kötü tahmin edilebilir seri olarak) değil, aynı zamanda yüksek/düşük/açık ve farkı ve hatta ZigZag iniş ve çıkışlarını tahmin etmeye çalıştım. (çarpık bir zaman eksenine sahip bir seri örneği olarak). Sonuç aynı olduğu için, sonuç açıktır - "alnında" bu yöntem sadece N-2 çubuklarını 1 çubuk sola kaydırır, ancak forex serisini tahmin etmez.
AR modeline gelince, her eğri aslında özelliklerinde kendisine çok yakın bir AR sürecidir. Böyle bir modelin tanımlanması zordur, birçok yöntem kullanılır (garip görünse de, NN'den daha karmaşıktır): ters ve geriye dönük tahmin, Akiake kriteri, "bavul", otoregresif transfer fonksiyonları, uyum ve maksimum olabilirlik kriterleri ( ve çeşitleri), çapraz korelasyon, stokastik yaklaşım, filtreleme (modelleri tanımlamak için de kullanılır).
İkinci kez teşekkürler - birçok yeni isim - denenecek daha çok şey var!
Bu modelde pek çok incelik var, bazıları hakkında mütevazı bir şekilde sessiz kaldım. Bu inceliklerden biri, böyle bir modelle tek bir örneği tahmin etmenin anlamsız olmasıdır, sadece anlamsızdır. İstediğiniz doğruluğu elde edemezsiniz ve asla. "İstatistiksel" anlamda tahmin etmek gerekir. Böyle bir şey, eğer edebi bir şekilde ifade ederseniz.
Üçüncü kez teşekkürler, "istatistiksel" anlamda deneyelim))
Memnuniyetle yardım ettim. başarılar dilerim :o)
Bu arada çok da uzak olmayan 'Gerçek Zamanlı Tahmin Sistemlerinin Test Edilmesi' başlığında bu yöntem için bir tahmin yayınlamaya çalışacağım. Vaktim olursa pazartesiye kadar, olmazsa daha sonra. "İçeri gir" denilen şey.
1. Aklıma bir fikir geldi: kosinüs dönüşümünü iki kez uygularsanız (başlangıçtan itibaren test segmentinde ve ardından sinüzoidlere çok benzeyen "dolandırıcıların" her birinde), bu tahmin özelliklerini "iyileştirmez" mi? sürecin? Sonuçları yarın paylaşmaya çalışacağım.
2. Elbette, belirli türdeki süreçlerin uzun vadeli tahmini durumunda, iki sinüzoidin üst üste binmesi bir sinir ağı tarafından tamamen enterpolasyona tabi tutulabilmesine rağmen, AR daha iyi olacaktır.
3. Bu yöntem için kendini Kapat yerine ln(Xi/Xi-1) tahmin etmenin daha iyi olduğunu doğru anladım mı (burada bir yerde yazınızı okudum)?
1. Aklıma bir fikir geldi: kosinüs dönüşümünü iki kez uygularsanız (başlangıçtan itibaren test segmentinde ve ardından sinüzoidlere çok benzeyen "dolandırıcıların" her birinde), bu tahmin özelliklerini "iyileştirmez" mi? sürecin? Sonuçları yarın paylaşmaya çalışacağım.
2. Elbette, belirli türdeki süreçlerin uzun vadeli tahmini durumunda, iki sinüzoidin üst üste binmesi bir sinir ağı tarafından tamamen enterpolasyona tabi tutulabilmesine rağmen, AR daha iyi olacaktır.
3. Bu yöntem için kendini Kapat yerine ln(Xi/Xi-1) tahmin etmenin daha iyi olduğunu doğru anladım mı (burada bir yerde yazınızı okudum)?
1. denemek zorundasın
2. gerçek şu ki, frekans dinamiğinin periyotları yoktur, bu karmaşık bir süreçtir ve hiç de sinüzoidlerin bir süperpozisyonu değildir.
3. evet, bu durağan bir seriye indirgeme seçeneklerinden biridir.