Skip to main content
Дорожка Linear regression
36 / 43
Поиск по архивуБиблиотека
Библиотека

2007выпуск C121-9

Подтверждение ценового тренда наклоном регрессии и r-squared

Постройте линию наименьших квадратов на фиксированном lookback цен закрытия, затем подтвердите её знаковым наклоном и гейтом r-squared. Оставьте скользящую среднюю той же длины как контроль, а не как конкурирующий прогноз.

  • Линия наименьших квадратов на фиксированном lookback цен закрытия снижает шум от бара к бару и служит базовой линией ценового тренда.
  • Подтверждение собирается из значения регрессии, знакового наклона и r-squared по той же серии.
  • Более высокий r-squared означает, что линия ближе следует трендовой составляющей; lookback задаёт гейт подтверждения.
  • Скользящая средняя той же длины — контрольное сравнение, а не второй прогнозный механизм.
Записи этого разбора2 записи
Текущая дорожкаLinear regression112 разборовMoving average449 разборов

Более спокойная базовая линия ценового тренда

Линия наименьших квадратов, построенная на фиксированном lookback цен закрытия, создаётся, чтобы снизить шум от бара к бару и служить базовой линией ценового тренда.

Эта линия — наилучшее приближение методом наименьших квадратов через фиксированный lookback упорядоченных цен закрытия. Её используют как базовую линию тренда с меньшим лагом, чем скользящая средняя той же длины.

Три показания для подтверждения

Подтверждение тренда собирается из трёх функций платформы: значения регрессии, знакового наклона этой линии и r-squared относительно исходной серии.

R-squared — доля вариации цены, объяснённая линией регрессии на том же lookback. Более высокое значение означает, что линия ближе следует трендовой составляющей. Пользовательский порог решает, когда приближение достаточно сильное, чтобы считать наклон подтверждением.

Чтение наклона отдельно от оверлея

Наклон строится как отдельная серия и перекрашивается при пересечении нуля, чтобы направление читалось независимо от ценового оверлея. Выше нуля отмечает восходящее направление, ниже нуля — нисходящее.

Гейт r-squared, задаваемый lookback

Lookback — выбранное пользователем число баров, которое задаёт и окно регрессии, и числовой уровень, на котором r-squared считается значимым. Длина lookback задаёт уровень, на котором r-squared трактуется как гейт подтверждения. Базовая конструкция использует длину 20 с порогом 0.2.

Обычный график как проверка

Двухлинейная скользящая средняя и стохастический осциллятор показаны на том же дневном графике, чтобы связку регрессии можно было сверить с обычной раскладкой тренда и импульса.

Кодирование линии без библиотеки

Конструкция в замкнутой форме на 10 барах восстанавливает наклон из взвешенных цен закрытия и скользящей средней той же длины. Линию регрессии затем можно закодировать как оверлей плюс наклон в нижней панели без встроенной библиотеки.

Редакционная сборка

Редакция. Сначала постройте линию, прочитайте знаковый наклон для направления, затем примените гейт r-squared, прежде чем считать этот наклон подтверждением. Оставьте скользящую среднюю той же длины на месте как контроль, чтобы оверлей оценивался относительно знакомой базовой линии, а не как конкурирующий прогноз.

Не является инвестиционной рекомендацией. Исторический материал не подтверждает актуальную результативность метода.
36 из 43 в дорожке «Linear regression»
20081-16 с.Дальше про «Linear regression»Угол линейной регрессии, собранный как один тренд-фильтрСначала цена сглаживается скользящей средней, затем к очищенному ряду подгоняется линейная регрессия на заданной длине регрессии.
Все разборы дорожки · 43 разбора
  1. 1990Построение базовых линий доллара по ставкам, инфляции и остаткам
  2. 1990Построение номинального значения индекса по форвардным прибылям и подогнанной доходности
  3. 1990Построение номинальной цены индекса из прибыли и подобранной доходности
  4. 1990Ценовые траектории с фиксацией конечных точек — это не прогнозы
  5. 1990Построение полиномиальных сглаживателей методом наименьших квадратов
  6. 1991Темпы роста по конечным точкам против согласованности линейной регрессии
  7. 1991Вневыборочные проверки линейных аппроксимаций роста
  8. 1991Тренд как устойчивость, а не прямая линия
  9. 1991Квадратичный тренд, осциллятор остатков и вторичный календарь циклов
  10. 1991Смещение начала отсчёта времени и дивергенция остатков и цены на квадратичной аппроксимации методом наименьших квадратов
  11. 1991Линия тренда наименьших квадратов по упорядоченным ценам
  12. 1992Построение скринингов лог-линейного роста и надёжности
  13. 1992Построение лог-линейных базовых линий темпа роста
  14. 1992Максимум, минимум и закрытие следующей сессии по скользящей линейной регрессии
  15. 1993Проверка индексного мультипликатора цена/прибыль регрессией на краткосрочную ставку
  16. 1994Вложенный экспоненциальный ценовой фильтр с регрессионными начальными значениями
  17. 1994Построение двойного экспоненциального среднего из компенсации лага
  18. 1994Оценка денежной массы как линейной базовой модели опережающего индекса
  19. 1995Построение трендовых каналов методом наименьших квадратов
  20. 1995Holdout-проверки линейного базового прогноза годовых ставок по векселям
  21. 1995Проекционные полосы по наклонам регрессии максимумов и минимумов
  22. 1995Оценка скользящей средней по конечной точке метода наименьших квадратов на известном тестовом ряде
  23. 1996Построение концевой скользящей средней по прямой наименьших квадратов
  24. 1996Оценка согласованности траектории эквити с оверлеем k-ratio
  25. 1996Оценка month-end разрывов доходности для режимов рынка акций
  26. 1996Построение полос стандартной ошибки с сессионным индексом
  27. 1998Оценка линейных регрессионных базовых моделей для стоимостной оценки индекса
  28. 1998R-squared как двухсостоятельный трендовый фильтр на основе подгонки цена-время
  29. 2000Коррекция лага скользящего среднего второго порядка
  30. 2002Линия регрессии цены против беты при отслеживании индекса
  31. 2003Наклон регрессии с гейтом уверенности тренда по r-squared
  32. 2003Построение дивергенции finite-volume-element через сравнение наклонов
  33. 2004Построение дневного балла из регрессии, коррекции и объёма
  34. 2004Построение линий тренда методом наименьших квадратов по упорядоченным ценам
  35. 2007Цели пробоя прямоугольника выше высоты
  36. 2007Подтверждение ценового тренда наклоном регрессии и r-squared
  37. 2008Угол линейной регрессии, собранный как один тренд-фильтр
  38. 2010Свинг-машина с двумя состояниями из четырёх скользящих экстремумов
  39. 2016Оцените тесноту нефтяного комплекса перед дивергенцией или регрессией
  40. 2017Межрыночная дивергенция Nikkei–иена как кейс рыночного режима
  41. 2017Построение коэффициента Калмара и базовых линий линейной регрессии
  42. 2019Послойное построение pair-trade против управления по средней цене спреда
  43. 2020Наклон convolution, построенный из вложенной линейной регрессии
По областиВременные ряды и прогнозирование51 разборПо году200773 разбора
Все 112 разборов с записью «Linear regression»
Тоже про «Linear regression»5 разборов
1990Построение полиномиальных сглаживателей методом наименьших квадратов1990Двое часов для меди: факторный режим, регрессионная базовая линия и остаточный тайминг по скользящей средней1991Тренд как устойчивость, а не прямая линия1993Построение walk-forward прогнозов с базовыми моделями линейной регрессии и скользящих средних1994Построение двойного экспоненциального среднего из компенсации лага