回归方程 - 页 12

新评论
 
Prival:


是否有其他类似的东西，请分享链接。我在这一特定领域打探了很久。它很有趣

信息和信号传输理论基础

数学建模和国民经济研究

信息理论。一本精选的书。

 

是的，这一切都非常有用。

按照承诺，图片。对纯粹的价格序列进行了分析（没有预处理，去除趋势等）--对11个计数的AR（3）模型。在图表上--预测误差：上图--针对ANC，下图--量化回归。线条：蓝色--收盘，绿色--高位，红色--低位（QR分别取中位数和量值0.9和0.1）。蓝线是每天的APR，以示规模。


我在这里看到的是以下情况。

(a) 在平静的市场中，MOC的误差绝对值几乎与QR相同，但(！)当一个尖峰出现时，MOC的误差变化更混乱，一般对它的反应更弱，而第二个图表的误差看起来更有规律。总的来说，这就是目标：显示检测 "静止性中断 "的可能性，牺牲QR不对这些尖峰作出反应的能力。如果能检测到它们，就意味着它不是离群值，而是加性随机过程，而且不比我们从中分离出来的AP（3）的静止性差。

b) 如果我们认为离群点检测是一个有用的信号，那么第二个图形的OSR要多出很多倍，因此基于这种效果的假设的：）交易系统将给出少很多倍的错误信号。

当然，人们可以在这里争论，但这是我们在M5上得到的结果（AR(3)，关于21项）。


在这里，已经更清楚了。

总的来说，在我看来，我所说的情况正在逐步得到证实。我将朝着这个方向进一步挖掘。

我把用于QR计算的库（已编译的Gallant库，见前两页的链接）和带有说明的头文件附上。我没有附上指标本身，我无法将它们与其他部分分开：）））但没有什么困难，公式已经写好了

附加的文件：
qr.rar  22 kb
 
这些照片到底发生了什么？
 
alsu:

(a) 在平静的市场中，MOC的绝对误差值与QR几乎相同，但(!)当尖峰出现时，MOC的误差变化更加混乱，一般来说反应更弱，而第二个图的误差看起来更有规律。总的来说，这就是目标：展示检测 "静止性中断 "的可能性，牺牲QR不对这些尖峰作出反应的能力。既然它们可以被检测出来，就意味着它们不是离群值，而是加性随机过程，而且不比我们从中分离出来的AP(3)的静止性差。

这是一个量纲的属性，特别是中位数。我 谈到了与中位相关系数有关的问题。

谢谢你的工作!

 
alsu:

是的，这一切都非常有用。

按照承诺，图片。对纯粹的价格序列进行了分析（没有预处理，去除趋势等）--对11个计数的AR（3）模型。在图表上--预测误差：上图--针对ANC，下图--量化回归。线条：蓝色--收盘，绿色--高位，红色--低位（QR分别取中位数和量值0.9和0.1）。蓝线是每天的APR，以示规模。


无图片可见
 
Vinin:

我无法看到图片
它们通过链接打开，但由于某种原因没有以这种方式出现（我不知道是什么问题）。
 
hrenfx:
复杂动态系统的随机分析。市场预测
好吧，好吧。速率变化过程被认为是无规律的。
 
Mathemat:
好吧，好吧。课程变化的过程应该是遍历性的。

我的学历只是高中（10年级）。因此，没有任何知识可以推测高的事项。
 
Mathemat:
好吧，好吧。课程变化的过程应该是遍历性的。
如果一个来自钢铁和合金协会的dfmn发表了关于 "外汇分析 "的文章，那又如何呢 - 这是一个提示：))))
1...5678910111213141516
新评论