Regresja Liniowa

[MkubuxK]

Dość często mam do czynienia ze wskaźnikami typu:

i-reg, center of gravity,etc

Dopasowują one przy podaniu im danych do modelu parametry modelu regresji czyli dobierają takie równanie by było idealnie dopasowane do danych.


Chciałbym jednak trochę przerobić ten wskaźnik i zastanawiam się od której strony możnaby to ugryść.

Podam dwa przykłady:

Przykład pierwszy to równanie regresji biorace pod uwage 1000 świeczek, równanie drugie to takie które bierze pod uwagę 500 świeczek. Na pierwszy rzut oka widać , że te drugie jest dużo lepsze od pierwszego. Wizualnie bardzo często dobieram tak okres równania czy też stopień tego równania by jak najlepiej dopasować je do danych - ale niestety wizualnie.

Ale na pewno można to ocenić z bardziej matematycznego punktu widzenia. Może ktoś studiuje matematykę/ekonometrię i byłby mi w stanie pomóc jaką statystyką bądź metodą weryfikacji tego modelu powinienem stosować by było ono optymalne.

Tzn. np w pętli puszczam wskaźnik dla okresów od 100 do 1000. On bada te statystyke po czym zwraca mi ,że optymalna będzie taka o numerze 340 ( biorąca 340 świeczek pod uwagę ) i ją wyświetla mi. Czasem zależność jest liniona, czasem w postaci bardziej złożonego wielomianu ( w przypadku gravity mamy taki parametr więc nie byłoby problemu puścić również pętli po nim ).

[reptile]

W teorii zawsze to będzie/może być regresja na regresję. Pytanie czy masz właściwą teoretyczną próbkę, parametry, czy chcesz je optymalizować i taką wyciągać. W ostatnim przypadku zawsze możesz mieć wrażenie ze złym paternem.
Problem wynika z tego, że praktycznie ciężko wytyczyć złą próbkę, która pozwoliłaby zachować dobrą.
W tym przypadku gdzie jest ten fioletowy łuk, kanał mógłby być węższy - dopasowanie na zasadzie efektywnej styczności z granicą. Wyjście poza statystyczną linię oznaczałoby złą próbkę do czasu uzyskania statystycznej średniej.
To się wydaje maksymalnie optymalne.
Na fx jest dość danych.. jeśli jednak działasz daliy, to może to być jednak za mało aby mieć dość przykładów i danych na temat tej średniej. Chyba, że uznać teoretycznie.
Przynajmniej tak ja to widzę, jako obliczenie średniego odchylenia ceny od granicy w tych 340 świecach. Gdyby + 340 lub + 150 jako średnia się zachowywała a patern nie załamywał doszczętnie to miałoby to sens.. przynajmniej teoretycznie.
Myślę, że taki parametr dałby taka opcję zachowywania właściwego paternu jako uzupełnienie i domknięcie modelu. Zakładam, że nasza poznawczość wizualna to ma, a wskaźnik nie.
Można by wtedy w takim modelu zrobić tą optymalizację średniej właściwej ilości świec..
Równanie się komplikuje gdy dołożyć do tego HL i Close dla odchylenia na granicy górnej lub dolnej. Matematycznie to wciąż prosto osiągalna teoria, w praktyce trochę babrania z badaniami.
Mając taką macierz danych trzeba by wybrać przy i po optymalizacji tą która ma najmniejsze skoki, czyli najlepiej płaska (idealna i raczej niemożliwa.. tak mi się wydaje). Nie daje to jednak gwarancji doboru właściwego paternu. Przykładem pewnie byłby ins. USDJPY.
Jeśli Twoj wskaźnik to ma, to nic nie wnoszę nowego. Zawsze prócz średniej środkowej można dodać poboczne celem optymalizacji. Czy to właściwa dorga nie wiem. W bardziej zaawansowanym modelu można by szukać innych paternów wokół dodatkowych, ale to już techniczny problem (NN) mi sie wydaje.
Wyjaśniając dalej.. zakłócenie regresji na drugim obrazku od dołu, byłoby tym samym, co na tym pierwszym od góry (3-4 przebicia górnej granicy). Wyłamanie jako nowa regresja - krótka, musiała by mieć zdefiniowany swój krótszy patern. Zakładam modelowość ala EA, wskaźnik.. gdzie po pewnej ilość średniej styczności patern miałby zanikać. Ale co, jeśli ten będzie kontynuowany i nie będzie należał do tych skrajnych spoza statystyki?
Mam nadzieje, że coś z tego wynika i nie przemieszałem przesadnie.
Co do modelu.. myślę, że można znaleźć gotowy algorytm inspirując się na potrzebach tego wzoru. Od niedawna systemu BMW Mercedes na podstawie śledzenia pasu łuku drogi.