Тестирование Систем прогнозирования в реальном времени - страница 27

:о)))

а чем GRNN отличается от Фурье? И что такое вообще, этот GRNN? Я просто не знаю. :о(

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"

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:

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 :-)

а причем тогда:

или Вы решили, что день будет фактически потерянным, если лишний раз не запутать меня? :о)))))

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.