Тестирование Систем прогнозирования в реальном времени - страница 27
Вы упускаете торговые возможности:
- Бесплатные приложения для трейдинга
- 8 000+ сигналов для копирования
- Экономические новости для анализа финансовых рынков
Регистрация
Вход
Вы принимаете политику сайта и условия использования
Если у вас нет учетной записи, зарегистрируйтесь
Простите :-) Вот прогноз в самом начале:
gpwr видимо, по другому готовит Фурье, у моего метода нет параметров.
:о)))
а чем GRNN отличается от Фурье? И что такое вообще, этот GRNN? Я просто не знаю. :о(
нет-нет-нет,
тут выкладываю прогноз в самом начале, а не показывают в самом конце
к тому же, если нет параметров, то как у gpwr получась другая линия?
GRNN можно закодировать разными способами. Я использовал простейший код с фиксированной сигмой (размером кластера). Длина паттерна это ещё один параметр. Я оптимизировал его по прошлым данным и получил 140 баров. На вход подавались цены без сглаживания. Кстати, 3-ий метод (нелинейная авторегрессия) тоже дал близкий результат.
По новым данным, эти два метода дают такие предсказания
GRNN:
нелинейная АР:
grasn, GRNN - это тип нервосетки такой. Вот сцылко с определением. Или вот тут чуток поумнее.
да, да - уже сообразил, спасибо...за участие :о))))))
Дописка: Меня смутила фраза "отсутсвие параметров". У любой НС "параметров всегда есть"
:о)))
а чем GRNN отличается от Фурье? И что такое вообще, этот GRNN? Я просто не знаю. :о(
Математически, GRNN (general regression neural network) это наиболее простая, но очень эффективная нейронная сеть, предложенная Specht-ом в 1991 году. См ссылку здесь
http://people.cecs.ucf.edu/georgiopoulos/eel6812/papers/general_regression_network.pdf
Ничего общего с Фурье нет. GRNN относится к probabilistic нейроным сетям типа ближайщих соседей. Берутся все прошлые паттерны и вычисляется евклидовое расстояние от текущего паттерна к прошлым таким образом
D[n] = SUM( (Open[i] - Open[n+i])^2, i=0...ДлиннаПаттерна )
Затем вычисляется предсказание типа взвешенной средней от прошлых "будущих" цен
Open[-1] = SUM( Open[n-1]*exp(D[n]/(2*Sigma)), n=0...ВсеПрошлыеПаттерны) / SUM( exp(D[n]/(2*Sigma)), n=0...ВсеПрошлыеПаттерны)
В ближайщих соседах, после вычисления евклидовых расстояний к прошлым паттернам, выбирается наиболее близкий паттерн и его "будущие" значения используются как предсказания для текущего паттерна. Это в простом варианте, которым редко пользуются. Обычно находятся к ближайщих соседей и их "будущие" значения усредняются либо взвешиваются для нахождения предсказаний для текущего паттерна.
да я понял,
поясняю на всякий случай подробно, вопрос то был задан neoclassic - ку, напомню содержание его поста:
gpwr видимо, по другому готовит Фурье, у моего метода нет параметров
Вот я neoclassic то и спрашивал :о))))) В чем отличие, ибо его прогноз немного напоминает Фурье, отдаленно так.
to gpwr
спасибо за краткий экскурс
to Mathemat
спасибо уже говорил, но всегда готов повторить :о)))
Grasn, смотрите 'Динамический экстраполятор на основе преобразований Фурье'
Тут написан принцип работы и собственно выложен сам индикатор :-)
Grasn, смотрите 'Динамический экстраполятор на основе преобразований Фурье'
Тут написан принцип работы и собственно выложен сам индикатор :-)
а причем тогда:
Похоже GRNN сорвала куш :-)
или Вы решили, что день будет фактически потерянным, если лишний раз не запутать меня? :о)))))
Ни в коем случае не хотел Вас запутать :-)
Похоже GRNN сорвала куш
Я сказал, имея в виду что прогноз gpwr ГРНН оказался наиболее точным, а свою картинку привел просто в развитие темы.
Ни в коем случае не хотел Вас запутать :-)
Я сказал, имея в виду что прогноз gpwr ГРНН оказался наиболее точным, а свою картинку привел просто в развитие темы.
усе понятно :о))))))
PS: Кроме одного - GRNN дал как раз один из самых плохих прогнозов. Но это мое, ИМХО. Это же очевидно.