O indicador de regressão colorido na imagem acima (i-Regr OTM Color Painel MT4) usa HLCO / 4 média e é uma busca de regressão otimizada. Testa todas as regressões das barras 25 a 1000 e grau 1 a 8. Todos os resultados que tornam o erro de regressão maior na barra real são descartados. Do que o quadrado R é comparado e é traçado a regressão mais apta. Compartilhado abaixo. Agora, estou construindo um modelo de regressão melhor, com mais ajuste e extrapolação. Eu acho que uma extrapolação de 1 unidade em uma equação com 1000 graus e 1000 barras nos dá um número incrível desde a equação atingiu exatamente todos os 1000 números anteriores. Se extrapolamos nossas mentes e tomamos todos os dados históricos dos preços de um instrumento e fazemos este tipo de regressão bem temos em nossas mãos o melhor NN e AI possível e não serei quem vai contra esta verdade universal da matemática extraída (tanta energia Necessário alterar a rota). Mas black swams acontece, basta ajustar o risco. Então eu quero isso. O código passado em outro tópico (Ajustando uma parábola) não está dando uma linha exata como o gráfico de linha (quando Grau é igual a Barras), como ver na imagem. Como podemos corrigir isso Qualquer idéia de alguém O grau maior do que 80 ainda não é possível (eu acho que é uma limitação das matrizes), como nós corrigir isso tooNonlinear regressão DEFINIÇÃO de regressão não linear Um formulário de análise de regressão em que os dados são aptos Para um modelo expresso como uma função matemática. A regressão linear simples relaciona duas variáveis (X e Y) com uma reta (y mx b), enquanto a regressão não linear deve gerar uma linha (tipicamente uma curva) como se cada valor de Y fosse uma variável aleatória. O objetivo do modelo é fazer a soma dos quadrados tão pequena quanto possível. A regressão não-linear utiliza funções logarítmicas, funções trigonométricas e funções exponenciais, entre outros métodos de ajuste. BREAKING DOWN Regressão não-linear A modelagem de regressão não-linear é semelhante à modelagem de regressão linear, na medida em que ambos procuram traçar graficamente uma determinada resposta a partir de um conjunto de variáveis. Modelos não-lineares são mais complicados do que modelos lineares a desenvolver porque a função é criada através de uma série de aproximações (iterações) que podem resultar de tentativa e erro. Os matemáticos usam vários métodos estabelecidos, como o método de Gauss-Newton eo método de Levenberg-Marquardt. Regressão O que é regressão Regressão é uma medida estatística usada em finanças, investimentos e outras disciplinas que tenta determinar a força da relação entre uma variável dependente (Geralmente denotado por Y) e uma série de outras variáveis variáveis (conhecidas como variáveis independentes). A regressão ajuda os gestores financeiros e de investimento a valorizar os activos e a compreender as relações entre as variáveis, como os preços das matérias-primas e os stocks das empresas que operam nessas matérias-primas. Carregar o leitor. BREAKING Down Regressão Os dois tipos básicos de regressão são regressão linear e regressão linear múltipla, embora existam métodos de regressão não-linear para dados e análises mais complicados. A regressão linear usa uma variável independente para explicar ou prever o resultado da variável dependente Y, enquanto a regressão múltipla usa duas ou mais variáveis independentes para predizer o resultado. A regressão pode ajudar os profissionais de finanças e investimento, bem como profissionais de outras empresas. A regressão pode ajudar a prever as vendas de uma empresa com base no tempo, nas vendas anteriores, no crescimento do PIB ou em outras condições. O modelo de precificação de ativos de capital (CAPM) é um modelo de regressão freqüentemente usado em finanças para a determinação de preços de ativos e descoberta de custos de capital. A forma geral de cada tipo de regressão é: Regressão linear: Y a bX u Y a variável que você está tentando predizer (variável dependente) X a variável que você está usando para prever Y (variável independente) a a intercepção u a regressão Regressão residual toma um grupo de variáveis aleatórias. Pensado para ser a previsão de Y, e tenta encontrar uma relação matemática entre eles. Esta relação é tipicamente na forma de uma linha reta (regressão linear) que melhor se aproxima de todos os pontos de dados individuais. Na regressão múltipla, as variáveis separadas são diferenciadas usando números com subscrito. Regressão em Investimentos A regressão é freqüentemente usada para determinar quantos fatores específicos, como o preço de uma mercadoria, as taxas de juros. Determinadas indústrias ou setores influenciam a movimentação de preços de um ativo. O referido CAPM é baseado em regressão, e é utilizado para projetar os retornos esperados para as ações e gerar custos de capital. Os retornos de ações são regredidos contra os retornos de um índice mais amplo, como o SP 500, para gerar um beta para o estoque específico. Beta é o risco das ações em relação ao mercado ou índice e é refletido como a inclinação no modelo CAPM. O retorno esperado para o estoque em questão seria a variável dependente Y, enquanto que a variável independente X seria o prêmio de risco de mercado. Variáveis adicionais, como a capitalização de mercado de ações, índices de avaliação e retornos recentes podem ser adicionadas ao modelo CAPM para obter melhores estimativas de retornos. Esses fatores adicionais são conhecidos como Fatores Fama-Franceses, nomeados após os professores que desenvolveram o modelo de regressão linear múltipla para melhor explicar os retornos dos ativos.
No comments:
Post a Comment