回归方程 - 页 13 1...678910111213141516 新评论 Sceptic Philozoff 2010.10.07 21:17 #121 是的，是的，我也注意到了这一点 :)嗯，主要是应用 Ito-Stratonovich方程，至于是什么和为什么是第二件事...... Alexey Subbotin 2010.10.07 21:46 #122 最主要的是要明白，事实证明，"....这不是在模拟复杂的自然过程（！！！），这只是 在模拟外汇市场主体的决策方式......" =) Candid 2010.10.07 22:18 #123 它似乎是在插入图片:) 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。 我在这里看到的是以下情况。 (a) 在平静的市场中，ANC的误差绝对值几乎与QR相同，但(!)当一个尖峰出现时，ANC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 Sceptic Philozoff 2010.10.07 22:30 #124 华丽，Alsu。在外汇方面，是时候废除跨国公司了 :)或者说不是这样的，Prival？ Prival 2010.10.07 23:24 #125 Mathemat: 很好，阿尔苏。在外汇方面，现在是把跨国公司扔进垃圾桶的时候了 :)或者说不是这样的，Prival？ 我不会把它扔掉。卡尔曼滤波器，在其数学（本质）上是一个迭代的ANC。https://ru.wikipedia.org/wiki/Фильтр_Калмана 维基百科的 内容并不准确。你可以不只是为BGS而建造它。结尾处有一个警告，说这是为有色人种准备的。我建立的是一个均匀分布法。特别是斯特拉诺维奇有一个基本问题。 我们很久以前就和机械学的学生讨论过这个问题。他们以ITO的形式解决这个问题，我认为这是错误的。那里的时间有一些问题。好吧，比如这个https://www.mql5.com/ru/articles/174.它必须完全按照斯特拉诺维奇给出的方案来解决，https://ru.wikipedia.org/wiki/Стратонович,_Руслан_Леонтьевич 如果它起作用并让你带回家一块面包，你不应该把它扔掉。我感觉要被打了......)) [删除] 2010.10.08 00:29 #126 Mathemat: 这很好，阿尔苏。是时候在外汇市场上扔掉跨国公司了 :)。还是说现在不是时候，Prival？ 我不能说外汇，但我在我的股票市场策略中尝试了五分位数回归，我有回归的回归和回归的回归。与ISC相比，量化回归并没有给我带来任何优势，它只是需要更长的时间来进行计算。最有可能是由于平庸的过程对称性，因为如果是对称的，算术平均数和中位数就没有区别...而这正是ISC的优势所在。在我的系统中，所有东西都是对称的--它可能上升或下降，概率相同，尽管它不是正态分布。 顺便说一句，我解雇了卡尔曼。我花了很长时间来处理这个问题，但是，同样，与LOC相比，它没有给我带来任何优势，而它同时也在消耗资源。 Sceptic Philozoff 2010.10.08 00:39 #127 好吧，中位数就是中位数，而且估计中位数的方法已经很成熟了。如果你把它量化到远离中位数的地方--比如0.1和0.9，会怎么样？ 2 Prival: 我对垃圾场是开玩笑的，我在那里有一个笑脸... hrenfx 2010.10.08 07:11 #128 timbo: 我不能说外汇，但我在我的股市策略中尝试了五分位数回归，在那里我有回归的回归和回归的回归。与ISC相比，量化回归并没有给我带来任何优势，它只是需要更长的时间来进行计算。最有可能是由于平庸的过程对称性，因为如果是对称的，算术平均数和中位数就没有区别...而这正是ISC的优势所在。在我的系统中，一切都是对称的--它可以以相同的概率上升或下降，尽管它不是正态分布。 你说比起跨国公司没有优势是什么意思？你是如何测量的？量值是一种完全不同的操作。 ANC对BP样本的任何变化都有反应，而量值在大多数情况下并不关心--它们没有变化。最不稳定的四分位数是中位数。任何其他四分位数的波动性都较小。 hrenfx 2010.10.08 07:15 #129 Mathemat: 好吧，中位数就是中位数，而且估计中位数的方法已经很成熟了。如果你远离中位数进行量化，例如0.1和0.9呢？ 哪些估计中位数的方法是成熟的？你有没有对中位数或任何其他四分位数进行编程？这就是五行代码，从一个简单的排序开始。 [删除] 2010.10.08 07:26 #130 hrenfx: 你说与ISC相比没有优势是什么意思？你是如何测量的？ 一个奇怪的问题，自然是以每一美元投资的利润百分比来计算的。市场上是否有其他措施？ 1...678910111213141516 新评论 您错过了交易机会： 免费交易应用程序 8,000+信号可供复制 探索金融市场的经济新闻 注册 登录 拉丁字符（不带空格） 密码将被发送至该邮箱 发生错误 使用 Google 登录 您同意网站政策和使用条款 如果您没有帐号，请注册 可以使用cookies登录MQL5.com网站。 请在您的浏览器中启用必要的设置，否则您将无法登录。 忘记您的登录名/密码？ 使用 Google 登录
最主要的是要明白，事实证明，"....这不是在模拟复杂的自然过程（！！！），这只是 在模拟外汇市场主体的决策方式......"
=)
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，ANC的误差绝对值几乎与QR相同，但(!)当一个尖峰出现时，ANC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
华丽，Alsu。在外汇方面，是时候废除跨国公司了 :)或者说不是这样的，Prival？
很好，阿尔苏。在外汇方面，现在是把跨国公司扔进垃圾桶的时候了 :)或者说不是这样的，Prival？
我不会把它扔掉。卡尔曼滤波器，在其数学（本质）上是一个迭代的ANC。https://ru.wikipedia.org/wiki/Фильтр_Калмана 维基百科的 内容并不准确。你可以不只是为BGS而建造它。结尾处有一个警告，说这是为有色人种准备的。我建立的是一个均匀分布法。特别是斯特拉诺维奇有一个基本问题。 我们很久以前就和机械学的学生讨论过这个问题。他们以ITO的形式解决这个问题，我认为这是错误的。那里的时间有一些问题。好吧，比如这个https://www.mql5.com/ru/articles/174.它必须完全按照斯特拉诺维奇给出的方案来解决，https://ru.wikipedia.org/wiki/Стратонович,_Руслан_Леонтьевич
如果它起作用并让你带回家一块面包，你不应该把它扔掉。我感觉要被打了......))
这很好，阿尔苏。是时候在外汇市场上扔掉跨国公司了 :)。还是说现在不是时候，Prival？
我不能说外汇，但我在我的股票市场策略中尝试了五分位数回归，我有回归的回归和回归的回归。与ISC相比，量化回归并没有给我带来任何优势，它只是需要更长的时间来进行计算。最有可能是由于平庸的过程对称性，因为如果是对称的，算术平均数和中位数就没有区别...而这正是ISC的优势所在。在我的系统中，所有东西都是对称的--它可能上升或下降，概率相同，尽管它不是正态分布。
顺便说一句，我解雇了卡尔曼。我花了很长时间来处理这个问题，但是，同样，与LOC相比，它没有给我带来任何优势，而它同时也在消耗资源。
好吧，中位数就是中位数，而且估计中位数的方法已经很成熟了。如果你把它量化到远离中位数的地方--比如0.1和0.9，会怎么样？
2 Prival: 我对垃圾场是开玩笑的，我在那里有一个笑脸...
我不能说外汇，但我在我的股市策略中尝试了五分位数回归，在那里我有回归的回归和回归的回归。与ISC相比，量化回归并没有给我带来任何优势，它只是需要更长的时间来进行计算。最有可能是由于平庸的过程对称性，因为如果是对称的，算术平均数和中位数就没有区别...而这正是ISC的优势所在。在我的系统中，一切都是对称的--它可以以相同的概率上升或下降，尽管它不是正态分布。
你说比起跨国公司没有优势是什么意思？你是如何测量的？量值是一种完全不同的操作。
ANC对BP样本的任何变化都有反应，而量值在大多数情况下并不关心--它们没有变化。最不稳定的四分位数是中位数。任何其他四分位数的波动性都较小。
好吧，中位数就是中位数，而且估计中位数的方法已经很成熟了。如果你远离中位数进行量化，例如0.1和0.9呢？
你说与ISC相比没有优势是什么意思？你是如何测量的？