六度空间的帮助! - 页 3 123456 新评论 rocketman99 2014.09.02 07:39 #21 I am thinking r2 might have something to do with variance ? Can anyone say what r2 is for sure ? r2是指数据与曲线的吻合程度https://en.wikipedia.org/wiki/Coefficient_of_determination Ian Venner 2014.09.02 07:53 #22 rocketman99: r2是指数据与曲线的吻合程度https://en.wikipedia.org/wiki/Coefficient_of_determination 谢谢你,对y=a+b1X+b2X2+b3X3+b4X4+b5X5+b6X6 有什么看法?你认为这是六度多项式回归线的正确形式,我们是否应该像线性回归那样用相同的斜率截距来计算a和b?我觉得我错过了什么。 Carl Schreiber 2014.09.02 09:34 #23 SDC: 谢谢你,对y=a+b1X+b2X2+b3X3+b4X4+b5X5+b6X6 有什么看法?你认为这是六度多项式回归线的正确形式,我们是否应该像线性回归那样用相同的斜率截距来计算a和b?我觉得我错过了什么。SDC,如果X == 0 y = a。和任何一点的斜率y'--这在数学上是指一个函数 的斜率,或者更准确地说,是指第一个推导结果y'=b1+2b2X1+3b3X2+4b4X3+5b5X4+6b6X5如果你有兴趣,你可以进一步建立y"=第二个推导。它给你的是函数的弯曲度。如果y">0,斜率在增加,或上升趋势即将发生或正在加强:一段时间后,可以称其为杯子。如果y"<0,斜率在下降,或者下降趋势即将发生或正在加强:更快地下降。y"=2b2+6b3X1+12b4X2+20b5X3+30b6X4但是SDC,你已经决定了你将如何从时间戳中计算X值?你把0放在哪里?Gooly Ian Venner 2014.09.02 13:50 #24 我不打算使用时间戳,我想我们可以使用整数条数字? graziani 2014.09.02 15:23 #25 好吧,正如我所怀疑的,i_regr工作得很好,而且是真正的多项式回归。从生成的曲线形状来看,这是显而易见的。它使用标准的算法来解决方程组,与我在上一篇文章中链接的那些算法相同。甚至通道的大小也与标准差 成正比,kstd被用作比例系数,所以这个免费指标实际上是一个非常好的指标。这只是一个方向问题,导致与LIVEST()结果的差异。 Dennis Jorgenson 2014.09.02 18:39 #26 SDC: 这可能是我们需要知道的所有代码,注意到作者如何写y=a+b1X+b2X2 而不是y=ax2+bx+c?这就是让我感到困惑的地方,我认为c必须是完全不同的系数。从这篇文章来看,y=ax6+bx5+cx4+dx3+ex2+fx+g中的系数c,d,e,f,g与b直接相关,而我们已经从线性回归 中知道,这是斜率。在上述方程中,系数a至f是斜率系数--g是Y截距,是与斜率系数相加后产生给定x(指数)的y轴(价格)的基值。SDC。除此以外,文章似乎暗示r2 可以用来衡量直线对数据曲线的拟合程度,而我们在测试折线方程的增加程度,我在想r2 可能与方差有关?有谁能肯定地说r2 是什么?r^2是用来确定最佳拟合度的误差系数,然后用来确定回归的最佳度数。例如,如果数据在第三度时拟合度最高,r^2值将有最低值,即低于第二度、第四度的r^2值,以此类推。误差系数是基于给定的(x,y)坐标与绘图线的方差的平均值或平均值(我假设)。 我会考虑使用r^2作为一个自我优化器,根据市场现在的情况调整我们的多项式拟合程度。也许这可以被用来检测横盘区间模式。也许这是第二阶段的课题。 我找到了一个懂数学的人--我计划这周和他一起花几个小时。更多内容将陆续推出。编辑:转念一想,让我们考虑计算并保持每个度数的r^2值,直到n(目前n是6)--我认为这个措施可能有一些价值。 Dennis Jorgenson 2014.09.02 18:56 #27 graziani:好吧,正如我所怀疑的,i_regr工作得很好,而且是真正的多项式回归。从生成的曲线形状来看,这是显而易见的。它使用标准的算法来解决方程组,与我在上一篇文章中链接的那些算法相同。甚至通道的大小也与标准差成正比,kstd被用作比例系数,所以这个免费指标实际上是一个非常好的指标。这只是一个方向问题,导致与LIVEST()结果不同。 Grazi - 你是对的,事实上I-regr确实做了一个真正的多项式回归 - 但是,这个指标使用的回归方法是高斯消除法。从我所看到的情况来看--该指标在轻度到中度的市场修正中反应过大。关于你之前的帖子,我也同意资金管理是任何EA最重要的因素--而且,我也同意需要一个较短期的指标来确定精确的进入/退出点。我已经涵盖了这一点--poly6指标不会被用于进入/退出点,而是用于特定交易的方向、期限和规模。这个指标是一个趋势分析指标,不是一个日内振荡器。与已经开发的其他短线指标结合使用--我将拥有我所需要的东西来实现利润最大化。I-regr和LINEST()函数 的区别在于计算斜率系数的方法。瓜斯法与最小二乘法。我刚刚听了斯坦福大学一位教授关于这个话题的讲座,他表示(非常强调)最小二乘法再次成为最广泛信任的回归方法,而微积分方法正变得更加理论化。 Dennis Jorgenson 2014.09.02 18:57 #28 SDC: 我不打算使用时间戳,我想我们可以使用整数条数字? 完全正确--从0/当前到N/范围,也许是相反的顺序。 Dennis Jorgenson 2014.09.02 19:53 #29 gooly:SDC,如果X==0,y=a。 Gooly,我花了点时间,但是,你说得很对!上例中的系数a是Y截距,定义为 "x=0时的y值 "或坐标(0,a)。此外,你建议的二次(二度)形式确实创造了一个 "杯子",也就是抛物线,除了解决 "向上 "或 "向下 "的二项式问题外,并没有什么实际应用。 graziani 2014.09.02 20:41 #30 dennisj2: Grazi - 你是正确的,事实上,I-regr确实做了一个真正的多项式回归 - 但是,这个指标使用的回归方法是高斯消除法。从我所看到的情况来看--该指标在轻度到中度的市场修正中反应过大。关于你之前的帖子,我也同意资金管理是任何EA最重要的因素--而且,我也同意需要一个较短期的指标来确定精确的进入/退出点。我已经涵盖了这一点--poly6指标不会被用于进入/退出点,而是用于特定交易的方向、期限和规模。这个指标是一个趋势分析指标,不是一个日内振荡器。与已经开发的其他短期指标一起使用--我将拥有我需要的东西,以实现利润最大化。I-regr和LINEST()函数的区别在于计算斜率系数的方法。瓜斯法与最小二乘法。我刚刚听了斯坦福大学一位教授关于这个话题的讲座,他表示(非常强调)最小二乘法再次成为最广为信赖的回归方法,而微积分方法正在变得更加理论化。 是的,它使用Gauss-Jordan,但使用哪种方法完全不重要,因为所有的方法(Gauss-Jordan、最小二乘法、Gram-Schmidt或也许其他的?你可以通过附件文件来验证,结果打印在专家选项卡中,来自你的Excel的输入在源码中是硬编码的。然而要研究的是其他因素如何影响曲线:应用价格、X轴起点、X轴增长、点的数量、TF等。而你使用P6的方式无疑是积极的创新,与我对标准方法的批评意见一致。 附加的文件: i-regr.uni.mq4 12 kb 123456 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
I am thinking r2 might have something to do with variance ? Can anyone say what r2 is for sure ?
r2是指数据与曲线的吻合程度https://en.wikipedia.org/wiki/Coefficient_of_determination
r2是指数据与曲线的吻合程度https://en.wikipedia.org/wiki/Coefficient_of_determination
谢谢你,对y=a+b1X+b2X2+b3X3+b4X4+b5X5+b6X6 有什么看法?你认为这是六度多项式回归线的正确形式,我们是否应该像线性回归那样用相同的斜率截距来计算a和b?我觉得我错过了什么。
谢谢你,对y=a+b1X+b2X2+b3X3+b4X4+b5X5+b6X6 有什么看法?你认为这是六度多项式回归线的正确形式,我们是否应该像线性回归那样用相同的斜率截距来计算a和b?我觉得我错过了什么。
SDC,如果X == 0 y = a。
和任何一点的斜率y'--这在数学上是指一个函数 的斜率,或者更准确地说,是指第一个推导结果
y'=b1+2b2X1+3b3X2+4b4X3+5b5X4+6b6X5
如果你有兴趣,你可以进一步建立y"=第二个推导。它给你的是函数的弯曲度。
如果y">0,斜率在增加,或上升趋势即将发生或正在加强:一段时间后,可以称其为杯子。
如果y"<0,斜率在下降,或者下降趋势即将发生或正在加强:更快地下降。
y"=2b2+6b3X1+12b4X2+20b5X3+30b6X4
但是SDC,你已经决定了你将如何从时间戳中计算X值?你把0放在哪里?
Gooly
好吧,正如我所怀疑的,i_regr工作得很好,而且是真正的多项式回归。从生成的曲线形状来看,这是显而易见的。它使用标准的算法来解决方程组,与我在上一篇文章中链接的那些算法相同。
甚至通道的大小也与标准差 成正比,kstd被用作比例系数,所以这个免费指标实际上是一个非常好的指标。
这只是一个方向问题,导致与LIVEST()结果的差异。
这可能是我们需要知道的所有代码,注意到作者如何写y=a+b1X+b2X2 而不是y=ax2+bx+c?这就是让我感到困惑的地方,我认为c必须是完全不同的系数。从这篇文章来看,y=ax6+bx5+cx4+dx3+ex2+fx+g中的系数c,d,e,f,g与b直接相关,而我们已经从线性回归 中知道,这是斜率。
在上述方程中,系数a至f是斜率系数--g是Y截距,是与斜率系数相加后产生给定x(指数)的y轴(价格)的基值。
SDC。
除此以外,文章似乎暗示r2 可以用来衡量直线对数据曲线的拟合程度,而我们在测试折线方程的增加程度,我在想r2 可能与方差有关?有谁能肯定地说r2 是什么?
r^2是用来确定最佳拟合度的误差系数,然后用来确定回归的最佳度数。例如,如果数据在第三度时拟合度最高,r^2值将有最低值,即低于第二度、第四度的r^2值,以此类推。误差系数是基于给定的(x,y)坐标与绘图线的方差的平均值或平均值(我假设)。 我会考虑使用r^2作为一个自我优化器,根据市场现在的情况调整我们的多项式拟合程度。也许这可以被用来检测横盘区间模式。也许这是第二阶段的课题。
我找到了一个懂数学的人--我计划这周和他一起花几个小时。更多内容将陆续推出。
编辑:转念一想,让我们考虑计算并保持每个度数的r^2值,直到n(目前n是6)--我认为这个措施可能有一些价值。
好吧,正如我所怀疑的,i_regr工作得很好,而且是真正的多项式回归。从生成的曲线形状来看,这是显而易见的。它使用标准的算法来解决方程组,与我在上一篇文章中链接的那些算法相同。
甚至通道的大小也与标准差成正比,kstd被用作比例系数,所以这个免费指标实际上是一个非常好的指标。
这只是一个方向问题,导致与LIVEST()结果不同。
Grazi - 你是对的,事实上I-regr确实做了一个真正的多项式回归 - 但是,这个指标使用的回归方法是高斯消除法。从我所看到的情况来看--该指标在轻度到中度的市场修正中反应过大。关于你之前的帖子,我也同意资金管理是任何EA最重要的因素--而且,我也同意需要一个较短期的指标来确定精确的进入/退出点。我已经涵盖了这一点--poly6指标不会被用于进入/退出点,而是用于特定交易的方向、期限和规模。这个指标是一个趋势分析指标,不是一个日内振荡器。与已经开发的其他短线指标结合使用--我将拥有我所需要的东西来实现利润最大化。
I-regr和LINEST()函数 的区别在于计算斜率系数的方法。瓜斯法与最小二乘法。我刚刚听了斯坦福大学一位教授关于这个话题的讲座,他表示(非常强调)最小二乘法再次成为最广泛信任的回归方法,而微积分方法正变得更加理论化。
我不打算使用时间戳,我想我们可以使用整数条数字?
完全正确--从0/当前到N/范围,也许是相反的顺序。
SDC,如果X==0,y=a。
Gooly,我花了点时间,但是,你说得很对!上例中的系数a是Y截距,定义为 "x=0时的y值 "或坐标(0,a)。此外,你建议的二次(二度)形式确实创造了一个 "杯子",也就是抛物线,除了解决 "向上 "或 "向下 "的二项式问题外,并没有什么实际应用。
Grazi - 你是正确的,事实上,I-regr确实做了一个真正的多项式回归 - 但是,这个指标使用的回归方法是高斯消除法。从我所看到的情况来看--该指标在轻度到中度的市场修正中反应过大。关于你之前的帖子,我也同意资金管理是任何EA最重要的因素--而且,我也同意需要一个较短期的指标来确定精确的进入/退出点。我已经涵盖了这一点--poly6指标不会被用于进入/退出点,而是用于特定交易的方向、期限和规模。这个指标是一个趋势分析指标,不是一个日内振荡器。与已经开发的其他短期指标一起使用--我将拥有我需要的东西,以实现利润最大化。
I-regr和LINEST()函数的区别在于计算斜率系数的方法。瓜斯法与最小二乘法。我刚刚听了斯坦福大学一位教授关于这个话题的讲座,他表示(非常强调)最小二乘法再次成为最广为信赖的回归方法,而微积分方法正在变得更加理论化。
是的,它使用Gauss-Jordan,但使用哪种方法完全不重要,因为所有的方法(Gauss-Jordan、最小二乘法、Gram-Schmidt或也许其他的?你可以通过附件文件来验证,结果打印在专家选项卡中,来自你的Excel的输入在源码中是硬编码的。
然而要研究的是其他因素如何影响曲线:应用价格、X轴起点、X轴增长、点的数量、TF等。
而你使用P6的方式无疑是积极的创新,与我对标准方法的批评意见一致。