苏尔托诺夫回归模型（SRM）--声称是市场的数学模型。 - 页 10

新评论
 
Avals:
如果残差是正态分布，预测模型是正确的。
嗯，所以事实证明，没有残差的模型是一个确定的成分？
 
Demi:


如果选择的回归模型很好地描述了真实的关系，那么残差应该是独立的正态分布的随机变量，其平均值为零，其数值不应该有任何趋势。

有什么样的固定资产？

P.S. 去过猛犸象，回来，和你一起回来......


是的，当然了。但其余部分通过单位根检验，也就是静止性检验。

另一个问题。如果与你写的不完全一样呢？如果像你写的那样，我们能相信这个预言吗？

 
TheXpert:
嗯，所以事实证明，没有残差的模型是一个确定性的组成部分？

这意味着变量是决定性的，而不是随机的。
 
faa1947:


是的，当然了。但残差是通过单位根检验，即静止性检验。

另一个问题。如果它不完全是你所写的那样，怎么办？如果真如你所写的那样，预后是否可以信赖？


如果输入变量是正态分布的，静止的，模型残差是正态分布的，并且预测精度R或R2是令人满意的--我们可以!我们也需要这样做!
 
TheXpert:
嗯，所以事实证明，没有残差的模型是一个确定性的组成部分？

无残差的模型是指无误差地预测系列值的模型。残差是误差（预测值和实际值之间的差异）。因此，实际上有一个分解为确定性的部分（预测模型）+噪声（正态分布的残差）。
 
yosuf:
我不明白你说的离散系列预测是什么意思？对所提出的数据进行处理的结果是，离散系列的MO=0.878649833，并且明显向1倾斜。我是否还应该确定预测的1和/或0的交替？在处理离散系列时，这是一个荒唐的要求。我确信，如果你以某种方式计算这个系列的总和，然后除以 "投掷 "的数量，你会得到上述结果。


该系列包含45个零和45个单位。期望值=0.5。
 
faa1947:

18是一个分析公式。从中计算出函数值，并从商中取差。我们得到的是平滑误差。让我们开始处理这个错误。还是我错过了什么？
你可以试试。这里有一个实现(18)的指标，也许程序员能实现这个操作？
附加的文件：
sultonovu1_2.mq4  22 kb
 
Demi:

如果输入变量是正态分布、静止的，模型的残差是正态分布，而且预测精度R或R2是令人满意的--我们可以我们也需要这样做!

这在市场上是不会发生的。商是非稳态的，而我们使用的非稳态的定义对于实数列来说过于狭窄。
 
anonymous:

这一行包含45个零和45个一。期望值为0.5。
你如何解释RMS将ME提高到0.8787的事实呢？此外，如果RMS输入严格交替为0和1，那么它也显示为0.5。因此，在你给出的系列中，有一种情况使这个平衡点向1转移。
 
faa1947:

不存在所谓的市场。科蒂尔是非平稳的，而我们使用的非平稳性的定义对于一个真实的系列来说过于狭窄。

好吧，那么回归模型将是一个致命的陷阱。有很多懂得回归分析 的专家，但只有少数人在市场上赚钱。
1...34567891011121314151617...47
新评论