Skip to main content
Дорожка Linear regression
11 / 43
Библиотека

1991выпуск C121-6

Линия тренда наименьших квадратов по упорядоченным ценам

Аппроксимация методом наименьших квадратов по упорядоченным ценам восстанавливается из пяти агрегатов рабочей таблицы. Учебная линия по пяти наблюдениям записывается как Y = 1.10 + 0.50X и поднимается на половину единицы данных при каждом продвижении индекса времени на одну единицу.

  • Линия наименьших квадратов — это прямая, которая сводит к минимуму сумму квадратов вертикальных отклонений нанесённых точек.
  • Свободный член и наклон восстанавливаются из пяти агрегатов рабочей таблицы: числа наблюдений, суммы индекса времени, суммы значений данных, суммы квадратов значений времени и суммы произведений времени на данные.
  • Учебная рабочая таблица по пяти наблюдениям с суммой времени 15, суммой данных 13, суммой квадратов времени 55 и суммой произведений времени на данные 44 даёт линию Y = 1.10 + 0.50X.
  • Та же конструкция применяется к любому числу упорядоченных наблюдений и может иметь как нисходящий, так и восходящий наклон, давая объективное определение тренда.
Записи этого разбора1 запись

Что представляет собой подогнанная линия

Аппроксимация методом наименьших квадратов — это прямая, которая сводит к минимуму сумму квадратов вертикальных отклонений нанесённых точек. Подогнанная линия записывается как Y = a + bX, где a равно вертикальному пересечению при X, равном нулю, а b равно постоянному наклону.

Когда ряд представляет собой историю цен относительно календарного времени, горизонтальная координата — это индекс времени: целое число, которое отсчитывает интервалы выборки от первого наблюдения в выбранном lookback. Полученная линия регрессии — это аппроксимация методом наименьших квадратов одного упорядоченного ряда относительно другого.

Пять агрегатов на рабочей таблице

Свободный член и наклон восстанавливаются из пяти агрегатов рабочей таблицы: числа наблюдений N, суммы индекса времени, суммы значений данных, суммы квадратов значений времени и суммы произведений времени на данные.

Учебная линия по пяти наблюдениям

Рабочая таблица по пяти наблюдениям с суммой времени 15, суммой данных 13, суммой квадратов времени 55 и суммой произведений времени на данные 44 даёт наклон 0.50 и свободный член 1.10. Эта учебная линия — Y = 1.10 + 0.50X, поднимающаяся на половину единицы данных при каждом продвижении индекса времени на одну единицу.

Другие размещения той же аппроксимации

Если поместить ряд акции на вертикальную ось, а широкий индекс — на горизонтальную, свободный член становится альфой ряда, а наклон — его бетой.

Когда столбец данных — это логарифм цен, прямая центральная линия через канал представляет постоянную процентную скорость роста или снижения.

Та же конструкция может быть применена к любому числу упорядоченных наблюдений и может иметь как нисходящий, так и восходящий наклон, давая объективное определение тренда.

Не является инвестиционной рекомендацией. Исторический материал не подтверждает актуальную результативность метода.
11 из 43 в дорожке «Linear regression»
19921-10 с.Дальше про «Linear regression»Построение скринингов лог-линейного роста и надёжностиИ прибыль, и дивиденды должны показывать лог-линейный темп роста 10%, оценённый по шести наблюдениям, охватывающим пять лет.
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
Все 112 разборов с записью «Linear regression»
Тоже про «Linear regression»5 разборов