рефераты конспекты курсовые дипломные лекции шпоры

Раздел Образование
/
Практическое Применение

Реферат Курсовая Конспект

Выберите учебное заведение

Практическое Применение

Практическое Применение - раздел Образование, Прогнозирование рыночного поведения и МГУА подход На Рис.3 Представлены Прогнозы На Один Бар Переменных High, Low, Close, Avera...

На Рис.3 представлены прогнозы на один бар переменных High, Low, Close, Average(Close, 5), полученные в результате расчетов многорядным полиномиальным методом МГУА. Отдельно следует подчеркнуть, что представлены именно прогнозные точки. В качестве входов использовалась информация о 20-и предыдущих барах. Количество примеров, в расчетах 20-ть. Для прогноза каждой из переменных использовалась информация только по данной переменной. При построении модели использовался критерий несмещенности. Как видно, результаты прогноза хорошо коррелируют с фактическими значениями.

Как ясно, метод предоставляет широкие возможности для проведения численных экспериментов. Возможные направления развития:

прогнозирование более чем на 1-н бар;
сравнение 2-х прогнозов разной продолжительности.
использование для прогноза одной переменной значений других;
прогнозирование значений индикаторов;
построение прогнозов на базе межрыночного анализа;
и многое другое …

Рис.3.

Развернуть

Открыть в широком формате

– Конец работы –

Эта тема принадлежит разделу:

Прогнозирование рыночного поведения и МГУА подход

Критерий absolute noise immune... Утверждается что с помощью этого критерия из сильно зашумленных данных...

Если Вам нужно дополнительный материал на эту тему, или Вы не нашли то, что искали, рекомендуем воспользоваться поиском по нашей базе работ: Практическое Применение

Что будем делать с полученным материалом:

Если этот материал оказался полезным ля Вас, Вы можете сохранить его на свою страничку в социальных сетях:

Все темы данного раздела:

Прогнозирование рыночного поведения и МГУА подход
Для финансовых рынков характерна нестабильность и неустойчивость. При этом известные модели на практике часто оказываются непригодными для прогнозирования. В такой ситуации для анализа, моделирован

Основные Принципы
Предложен академиком А.Г. Ивахненко. Метод использует идеи самоорганизации и механизмы живой природы – скрещивание (гибридизацию) и селекцию (отбор).

Метод группового учета аргументов
Метод группового учета аргументов (МГУА) — семейство индуктивных алгоритмов для математического моделирования мультипараметрических данных. Метод основан на рекурс

Метод наименьших квадратов
Перед тем, как начинать рассмотрение МГУА, было бы полезно вспомнить или узнать впервые метод наименьших квадратов — наиболее распространенный метод подстройки линейно зависимых параметров.

Метод группового учёта аргументов
Метод группового учета аргументов, МГУА (Group Method of Data Handling, GMDH) — метод порождения и выбора регрессионных моделей оптимальной сложности. Под сложностью модели в МГУА

Критерий регулярности
Критерий регулярности включает среднеквадратичную ошибку на обучающей подвыборке

Критерий минимального смещения
Иначе критерий непротиворечивости модели: модель которая имеет на обучающей выборке одну невязку, а на контрольной — другую, называется противоречивой. Этот критерий включает разность между зависим

Комбинированный критерий
Этот критерий позволяет использовать при выборе моделей линейную комбинацию нескольких критериев. Комбинированный критерий

Парето-оптимальный фронт в пространстве критериев
Парето-оптимальный фронт — альтернатива комбинированным критериям. Выбирается множество внешних критериев, условиям оптимальности которых должна удовлетворять модель. Каждой модели ставится в соотв

Комбинаторный алгоритм
Комбинаторный (однорядный) алгоритм использует только один ряд выбора. При этом порождаются все возможные линейные комбинации ограниченной сложности. Так как под сложностью понимается число линейно

Многорядный алгоритм
На первом ряде алгоритма порождения моделей задано множество из переменных