Regresyon Denklemi

 

Forum kullanıcıları!

Söyle bana - para birimi fiyatları için regresyon denklemleriyle çalışan var mı? Bunlara dayalı göstergeler, MTS, MQL kütüphaneleri var mı?

Konuyla ilgilenenler için birkaç soruya cevap verebilir misiniz?

Regresyon denklemleriyle ilgileniyorum. Ancak, onları yeterince tanımlama sorunuyla karşılaştım. Hangi verilere sahibiz: zaman (örneğin M15), YÜKSEK, DÜŞÜK, AÇIK, KAPALI, HACİM. Bizim için bu bir dizi gözlemsel sonuçtur. Nesnenin parametreleriyle (bizim durumumuzda döviz kurundaki değişiklik) - faktörlerle işlevsel bir ilişki kurmanın gerekli olduğu bir göstergemiz var. Gerekli: gösterge ve faktörler arasında nicel bir ilişki kurmak. Bu durumda, regresyon analizinin görevi, elimizdeki verileri en iyi tanımlayan y * = f(x 1, x 2, ..., x t ) gibi bir fonksiyonel bağımlılığı belirleme görevi olarak anlaşılır.

Göstergenin parametrelere bağımlılığını açıklayan f(x 1, x 2, ..., x t ) fonksiyonuna regresyon denklemi (fonksiyon) denir.

Böyle. Soru 1. Elimizdeki verilerden hangisini Gösterge, hangisini Faktör olarak seçmeli? Mantıksal Gösterge - zaman, faktörler - H, L, O, C, V

Bizim durumumuzda, zaman serileriyle uğraşıyoruz.

Bir sonraki görev, işlevsel bir bağımlılık seçmektir. Gösterge varyasyonu ile faktör varyasyonları arasındaki ilişkiyi karakterize eden bir denklem. Genellikle bunlar polinom fonksiyonlardır. Özel bir durum, 1. dereceden bir polinomdur - bir lineer regresyon denklemi .

Soru 2. Hangi polinomu seçmenin daha iyi olduğu ve zaman serilerini, hangi parametrelerin kullanılacağını, polinomun derecesinin ne olduğunu dikkate alarak nasıl yeterince tanımlanacağı. Chebyshev polinomunu kullanan var mı? Evet ise, hangi sıra?

Bir sonraki görev, regresyon denkleminin katsayılarını hesaplamaktır. Genellikle MNC'yi kullanın.

Soru 3. Bizim durumumuz için katsayıları hesaplamak için en uygun yöntem nedir?

Soru 4. Verileri normalleştirmek gerekli mi?

Ve en ilginç soru. Elde edilen verilere ve regresyon denklemine dayanarak, örneğin bir sonraki kene nasıl tahmin edilir?

Tecrübelerini ve fikirlerini paylaşacak arkadaşlar olursa sevinirim.

 
Ve gerçekten yemek yiyorsunuz ya da yemek tarifi (özür dilerim kaçtı). Aramayı kullanın, regresyon göstergeleri zaten yazılmıştır, özellikle doğrusal bir araba ve bir boji.Görüşler, hedeflenen tükürmeye kadar LR kullanımı konusunda farklıdır. Benim düşünceme göre, bu yöntem, optimize edildiğinde (uydurmayı oku), tarihin seçilen bölümünü diğerlerinden daha iyi ve daha kötü değil açıklar, ileriye dönük olarak, sistemlerin büyük çoğunluğunun birleşmesi ile aynı şekilde davranır.
 

Tavsiye için teşekkürler! Şimdi ilgili forum konularını okuyorum.

Bu arada - zaman serilerinin analizi için ek bir döviz çifti getirmenin uygunluğu, örneğin EURUSD çok şüpheli.

 
ivandurak :
Ve gerçekten yemek yiyorsunuz ya da yemek tarifi (özür dilerim kaçtı). Aramayı kullanın, regresyon göstergeleri zaten yazılmıştır, özellikle doğrusal bir araba ve bir boji.Görüşler, hedeflenen tükürmeye kadar LR kullanımı konusunda farklıdır. Benim düşünceme göre, bu yöntem, optimize edildiğinde (uydurmayı oku), tarihin seçilen bölümünü diğerlerinden daha iyi ve daha kötü değil açıklarken, ileriye dönük olarak, sistemlerin büyük çoğunluğunun birleşmesi ile aynı şekilde davranır.

Daha spesifik olarak, özellikle çok değişkenli regresyonla ilgileniyorum. Doğrusal olmayan regresyonu çözmek için seçeneklere bakmak da ilginçtir. MQL'de çok değişkenli regresyonu çözmek için algoritmalar bulamadım. Bağlantıları bırakırsanız, göstergelerin adı (tabii ki çok tembel değilseniz) - iyi olacak! Kutsal kâseyi bulamayacağım, ancak döviz çiftlerinin zaman serileri açısından çok değişkenli regresyon yöntemini anlamak benim için özellikle önemli.

Cevap için minnettar olacağım.

 
Ayrıca burada ÇUŞ'lar konusuna bakın, kullanışlı olabilir.
 

3. noktada - OLS, alıntılar için verimsizdir (eğer regresyonu öngörücü olarak kullanacaksanız). LAD veya kantil regresyonun daha iyi kullanıcısı. Bu daha zordur (çok daha fazlasını kodlamanız ve bilime bağlı kalmanız gerekir), ancak işe yarar - en küçük karelerin aksine.

 
Bu arada, ÇUŞ'ların verimsizliğinin nedeni, iyi bilinen kötü şöhretli kuyruklardır. Kuantillerde bu eksiklik yoktur.
 
alsu :
Bu arada, ÇUŞ'ların verimsizliğinin nedeni, iyi bilinen kötü şöhretli kuyruklardır. Kuantillerde bu eksiklik yoktur.

Daha spesifik olabilir misin?

MNC dahil olarak konumlandırılmıştır. araştırmacı tarafından önceden seçilen bir fonksiyon için en iyi parametrelerin seçimini değerlendirmek için bir yöntem olarak.

bir dizi fonksiyon için, bu parametreleri hesaplamak için formüller türetilir, gerçek verilerin yaklaşık fonksiyondan karesel sapması en aza indirilir.

Yağ kuyrukları nereden geliyor?

aydınlat beni lütfen...

 
FreeLance : çeşitli işlevler için, bu parametreleri hesaplamak için formüller, yaklaşık işlevden gerçek verilerin kare sapmasını en aza indiren türetilir.

Yağ kuyrukları nereden geliyor?

Böyle bir amaç fonksiyonu - karesi alınmış hataların toplamı - sadece hata dağılımının kendisi normal olduğunda optimaldir.
 
Mathemat :
Böyle bir amaç fonksiyonu - karesi alınmış hataların toplamı - sadece hata dağılımının kendisi normal olduğunda optimaldir.

Dağıtımlar hakkında nerede konuştum?

Ya da Topikstarter?

Bu bir polinom için bir yaklaşımdır. Daha fazla yok.

Ama daha az değil.

Ve çok uluslu şirketlerin verimsizliği nerede?

;)

--

ve normallik için hata çalışmaları, a priori modelin olasılığını değerlendirmenin önemli bir unsuru ...

tartışmıyorum.