回归方程 - 页 2 123456789...16 新评论 Sceptic Philozoff 2010.09.19 13:35 #11 那么,得到一个由多项式近似时的误差经验分布。并将其与正常的进行比较。要特别注意尾部,而不是中央部分。 Freelance 2010.09.19 13:52 #12 Mathemat: 那么,得到一个由多项式近似时的误差的经验分布。并将其与正常的进行比较。要特别注意尾部,而不是中央部分。 我们是在讨论选择最佳(在MNC的意义上)多项式参数吗? 还是我们在谈论选择不同意义上的最佳人选? 还是说我们在谈论近似的多项式的正确性? 我要求解释MNC计算预选函数参数的低效率(毕竟,厚尾的原因可能在一个不幸的函数中:)。 如果有类似的简单程序来确定这些参数--我很乐意去熟悉它们。 但我对这个问题的表述感到惊讶:既然误差中有尾巴,那就不是好的MNC...... ;) Candid 2010.09.19 13:53 #13 alsu: 最好使用LAD或量化回归。这样做比较复杂(你必须编写更多的代码,而且你必须把它插入科学中),但它可以工作...... 什么,引用作品的真相?是否有客观证据证明这一点? P.S.我认为,任何假装推断的近似值都要假定静止性。肥大的尾巴(同样是我认为的)只是代表静止性的断裂,也就是说,试图把它们考虑进去并不会给预测增加任何具体的东西。所以它会扩大置信区间,使预测毫无用处,这对我们有什么好处? 但这都是推测性的推理,我很乐意看到一些真实的数据来驳斥它。 Freelance 2010.09.19 14:32 #14 Candid: P.S.我认为,任何假装推断的近似值都要假定静止性。胖尾巴(再次,我认为)只是代表静止性不连续,即试图解释它们不会给预测增加任何具体的东西。所以它会扩大置信区间,使预测毫无用处,这对我们有什么好处? 但这都是推测性的推理,我很乐意看到真实的数据来反驳它。 在多货币分析中评估回归参数可能不涉及 "直接 "推断,考虑到这些参数,例如在流动性较差的货币对交易中--允许你获得一些统计优势(因为我们不在市场上交易,而是基于DT报价)。 但是价差太大... 但尽管如此--如果大专生有明显的动作,小学生就会有 "书面 "的表现。 ;) Candid 2010.09.19 16:21 #15 FreeLance: 但尽管如此--如果大联盟有显著的运动,小联盟就会表现得像 "书面 "一样。 也许吧,我自己没有检查过,所以我没有意见。 Alexey Subbotin 2010.09.19 18:58 #16 Candid:什么,引用作品的真相?是否有客观证据证明这一点?P.S.我认为,任何假装推断的近似值都要假定静止性。肥大的尾巴(同样是我认为的)只是代表静止性的断裂,也就是说,试图把它们考虑进去并不会给预测增加任何具体的东西。所以它会扩大置信区间,使预测毫无用处,这对我们有什么好处?但这都是推测性的推理,我很想看到真正的数据来反驳它。我将尝试从理论上进行解释,因为我还没有准备好提出我的计算结果,因为它们是原始的。 在我的研究过程中,我试图将价格时间序列呈现为两个静止(!)过程的总和:a)高斯,具有显著的相关性,最多2-3个计数(严格来说,它是准静止的,因为特征仍然有点 "浮动")和b)对外部影响的泊松流的反应。第一个是我们都知道是什么东西。第二种只是你所说的 "静止性不连续",它确实产生了厚的指数 尾巴。但如果我们考虑到这个特殊的模型,事实证明,我们在屏幕上看到的报价流的非稳态性是明显的--事实上,两个稳态过程之和在广义和狭义上都是稳态的。 通过用MNC近似,我们迫使回归多项式不仅要 "紧紧抓住 "过程的正常部分,还要抓住泊松离群值,因此预测效率很低,一般来说,我们需要的是.NET的预测效率。另一方面,通过采取量化多项式,我们完全摆脱了过程中的第二部分,即泊松部分:量化指标根本没有反应,而且是绝对的。因此,通过识别回归给出重大尝试的地方,我们因此几乎可以在线以高度的确定性定位 "失败"(预测它们可能还不可能,因为没有合适的模型,至少,我没有:)。 我将大致(非常)给出我的比较结果(它们是半手工完成的):MNC的静止性不连续定位的效率(在第一条上正确检测的频率)大约是0.55-0.6,对于quantiles - 0.85和更多(这里有很多工作要做)。这就是收益。 Candid 2010.09.19 19:46 #17 alsu: 通过用ANM逼近,我们迫使回归多项式不仅要 "紧紧抓住 "过程的正常部分,而且要紧紧抓住泊松异常值,因此预测效率很低,一般来说,我们需要的是 .另一方面,通过采取量化多项式,我们完全摆脱了过程中的第二部分,即泊松部分:量化指标根本没有反应,而且是绝对的。因此,通过识别回归给出重大尝试的地方,我们因此几乎可以在线以高度的确定性来定位 "失败"(我们可能还不能预测它们,因为没有合适的模型,至少,在我这里没有:) 嗯。所以正好相反,不是置信区间的 扩大,而是缩小了。非常有趣,必须阅读,谢谢。 关于静止和不连续的过程,人们当然要争论。但没有争论,所以只剩下一件事需要考虑。 也许你也解决了时间的问题?:)我是指选择窗口尺寸的问题。 Sceptic Philozoff 2010.09.19 19:57 #18 alsu:在我的研究中,我试图将价格时间序列表示为两个静止(!)过程的总和:a)具有显著相关性的高斯,最多2-3个计数(严格来说,它是准静止的,因为特征确实有点 "浮动")和b)对外部影响的泊松流反应。第一个是我们都知道的。第二种只是你所说的 "静止性不连续",也是真正导致形成厚指数尾巴的原因。 有意思,有意思。Candid,还记得我在Inhabited Island上关于一个具有准稳定过程的元模型的话题吗(那里的diphurcs,也是我们从帽子里拉出来的兔子)?非常相似的东西。毕竟,"无界 "确实存在,而且其中的思想也很普遍......。 Alexey Subbotin 2010.09.19 20:05 #19 Mathemat: 有意思,有意思。Candid,你还记得我在Inhabited Island上关于一个具有准稳定过程的元模型的话题吗(diphurs在那里,也是我们从帽子里拉出来的兔子)?非常相似的东西。毕竟,"无界 "确实存在,而且其中的思想也很普遍......。 所以我们现在都很困惑......当然是在量子意义上:)) Alexey Subbotin 2010.09.19 20:05 #20 Candid: 也许你也解决了时间问题?:)我指的是选择窗口尺寸的问题。 未解决的问题:) 123456789...16 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
那么,得到一个由多项式近似时的误差的经验分布。并将其与正常的进行比较。要特别注意尾部,而不是中央部分。
我们是在讨论选择最佳(在MNC的意义上)多项式参数吗?
还是我们在谈论选择不同意义上的最佳人选?
还是说我们在谈论近似的多项式的正确性?
我要求解释MNC计算预选函数参数的低效率(毕竟,厚尾的原因可能在一个不幸的函数中:)。
如果有类似的简单程序来确定这些参数--我很乐意去熟悉它们。
但我对这个问题的表述感到惊讶:既然误差中有尾巴,那就不是好的MNC......
;)
最好使用LAD或量化回归。这样做比较复杂(你必须编写更多的代码,而且你必须把它插入科学中),但它可以工作......
什么,引用作品的真相?是否有客观证据证明这一点?
P.S.我认为,任何假装推断的近似值都要假定静止性。肥大的尾巴(同样是我认为的)只是代表静止性的断裂,也就是说,试图把它们考虑进去并不会给预测增加任何具体的东西。所以它会扩大置信区间,使预测毫无用处,这对我们有什么好处?
但这都是推测性的推理,我很乐意看到一些真实的数据来驳斥它。
P.S.我认为,任何假装推断的近似值都要假定静止性。胖尾巴(再次,我认为)只是代表静止性不连续,即试图解释它们不会给预测增加任何具体的东西。所以它会扩大置信区间,使预测毫无用处,这对我们有什么好处?
但这都是推测性的推理,我很乐意看到真实的数据来反驳它。
在多货币分析中评估回归参数可能不涉及 "直接 "推断,考虑到这些参数,例如在流动性较差的货币对交易中--允许你获得一些统计优势(因为我们不在市场上交易,而是基于DT报价)。
但是价差太大...
但尽管如此--如果大专生有明显的动作,小学生就会有 "书面 "的表现。
;)
FreeLance:
但尽管如此--如果大联盟有显著的运动,小联盟就会表现得像 "书面 "一样。
什么,引用作品的真相?是否有客观证据证明这一点?
P.S.我认为,任何假装推断的近似值都要假定静止性。肥大的尾巴(同样是我认为的)只是代表静止性的断裂,也就是说,试图把它们考虑进去并不会给预测增加任何具体的东西。所以它会扩大置信区间,使预测毫无用处,这对我们有什么好处?
但这都是推测性的推理,我很想看到真正的数据来反驳它。
我将尝试从理论上进行解释,因为我还没有准备好提出我的计算结果,因为它们是原始的。
在我的研究过程中,我试图将价格时间序列呈现为两个静止(!)过程的总和:a)高斯,具有显著的相关性,最多2-3个计数(严格来说,它是准静止的,因为特征仍然有点 "浮动")和b)对外部影响的泊松流的反应。第一个是我们都知道是什么东西。第二种只是你所说的 "静止性不连续",它确实产生了厚的指数 尾巴。但如果我们考虑到这个特殊的模型,事实证明,我们在屏幕上看到的报价流的非稳态性是明显的--事实上,两个稳态过程之和在广义和狭义上都是稳态的。
通过用MNC近似,我们迫使回归多项式不仅要 "紧紧抓住 "过程的正常部分,还要抓住泊松离群值,因此预测效率很低,一般来说,我们需要的是.NET的预测效率。另一方面,通过采取量化多项式,我们完全摆脱了过程中的第二部分,即泊松部分:量化指标根本没有反应,而且是绝对的。因此,通过识别回归给出重大尝试的地方,我们因此几乎可以在线以高度的确定性定位 "失败"(预测它们可能还不可能,因为没有合适的模型,至少,我没有:)。
我将大致(非常)给出我的比较结果(它们是半手工完成的):MNC的静止性不连续定位的效率(在第一条上正确检测的频率)大约是0.55-0.6,对于quantiles - 0.85和更多(这里有很多工作要做)。这就是收益。
通过用ANM逼近,我们迫使回归多项式不仅要 "紧紧抓住 "过程的正常部分,而且要紧紧抓住泊松异常值,因此预测效率很低,一般来说,我们需要的是 .另一方面,通过采取量化多项式,我们完全摆脱了过程中的第二部分,即泊松部分:量化指标根本没有反应,而且是绝对的。因此,通过识别回归给出重大尝试的地方,我们因此几乎可以在线以高度的确定性来定位 "失败"(我们可能还不能预测它们,因为没有合适的模型,至少,在我这里没有:)
嗯。所以正好相反,不是置信区间的 扩大,而是缩小了。非常有趣,必须阅读,谢谢。
关于静止和不连续的过程,人们当然要争论。但没有争论,所以只剩下一件事需要考虑。
也许你也解决了时间的问题?:)我是指选择窗口尺寸的问题。
在我的研究中,我试图将价格时间序列表示为两个静止(!)过程的总和:a)具有显著相关性的高斯,最多2-3个计数(严格来说,它是准静止的,因为特征确实有点 "浮动")和b)对外部影响的泊松流反应。第一个是我们都知道的。第二种只是你所说的 "静止性不连续",也是真正导致形成厚指数尾巴的原因。
有意思,有意思。Candid,你还记得我在Inhabited Island上关于一个具有准稳定过程的元模型的话题吗(diphurs在那里,也是我们从帽子里拉出来的兔子)?非常相似的东西。毕竟,"无界 "确实存在,而且其中的思想也很普遍......。
也许你也解决了时间问题?:)我指的是选择窗口尺寸的问题。