Skip to main content
Дорожка Linear regression
14 / 43
Библиотека

1992выпуск C051-11

Максимум, минимум и закрытие следующей сессии по скользящей линейной регрессии

Короткая линейная регрессия по упорядоченным ценам сессий возвращает значения наклона и свободного члена, которые проецируют следующий максимум, минимум и закрытие. r-squared и forecast-oscillator затем фиксируют, описывает ли эта линия ещё фактическую цену.

  • Окно в пять сессий — стандарт по умолчанию для короткого горизонта при оценке наклона и свободного члена. Когда индекс следующей сессии равен 6, следующее закрытие записывается как 6m + c.
  • Отдельные подгонки линейной регрессии по максимуму, минимуму и закрытию образуют полосу прогноза, которая может служить шкалой диапазона и уровнями действия на несколько тиков за проецируемым максимумом или минимумом.
  • Оставляйте проекции в работе только пока r-squared превышает 0.1. Пересечение нуля forecast-oscillator, подтверждённое падением r-squared и сменой наклона, читается как раннее предупреждение о смене тренда.
  • Выбор между точечным и интервальным прогнозом может заменить одно значение следующей сессии интервалом, который расширяется вместе с остаточной вариацией и выбранным уровнем доверия.
Записи этого разбора1 запись

Линия, записанная по упорядоченным сессиям

Линейная подгонка вида Y = mX + c оценивается по известным парным наблюдениям. Подгонка возвращает значения наклона и свободного члена m и c, а r-squared от 0 до 1 — это доля вариации Y, объяснённая этой линией.

Независимый индекс X — это упорядоченный счёт сессий, а Y — зависимый ценовой ряд, который проецируется.

Стандарт окна в пять сессий

Скользящее окно в пять сессий — это стандарт по умолчанию для короткого горизонта. Предпочтительна история не менее 10 дней, и допускается любое окно.

Когда независимый индекс следующей сессии равен 6, следующее закрытие записывается как 6m + c.

Максимум, минимум и закрытие как полоса прогноза

Отдельные регрессии по максимуму, минимуму и закрытию дают полосу прогноза следующей сессии. Эта тройка может служить шкалой диапазона и уровнями действия на несколько тиков за проецируемым максимумом или минимумом.

Пороги r-squared на прогнозе

Интерпретационные пороги оставляют прогнозы в работе только когда r-squared превышает 0.1. r-squared ниже 0.1 трактуется как предупреждение, что смена тренда близка. r-squared выше 0.6 трактуется как действующий тренд.

forecast-oscillator

forecast-oscillator %F равен 100, умноженному на (реализованное значение минус одношаговый прогноз), делённому на реализованное значение. Его знак фиксирует, напечатал ли рынок выше или ниже проекции.

Пересечение нуля %F читается как раннее предупреждение о смене тренда и подтверждается падением r-squared и сменой наклона регрессии. Последующее направление описывается как обычно следующее за знаком %F.

Проиллюстрированные ряды фондового индекса и наличной пшеницы

На проиллюстрированном ряде фондового индекса прогноз отставал от цены во время трендов. Пересечения закрытия и прогноза появлялись за несколько сессий до смены направления. Близкий к нулю r-squared отмечал безтрендовые отрезки, а сильные тренды совпадали с высоким r-squared и наклоном.

Та же конструкция high-low-close применяется к ряду наличной пшеницы, где пересечения нуля %F и значения r-squared ниже 0.1 используются как те же диагностики смены тренда.

Шаги в таблице и интервальная форма

Реализация в электронной таблице оценивает c, m и r-squared по пяти закрытиям против фиксированных последовательных значений X. Она записывает следующее закрытие как c + 6m и вычисляет %F как (фактическое закрытие минус прогноз), делённое на фактическое закрытие, умноженное на 100.

Точечный прогноз можно заменить интервалом, который расширяется вместе с остаточной вариацией и выбранным уровнем доверия. Конструкция описывается как более применимая в трендовых или диапазонных рынках, чем в волатильном, рваном движении.

Закрытие OEX против пятисессионного регрессионного прогноза

Сначала S&P 100 следует за снижающимся прогнозом закрытия на одну сессию вперёд, затем обгоняет эту проекцию, когда пятидневный наклон разворачивается вверх; 16 October прогноз перелетает факт, и остаток меняет знак на отрицательный. Все уровни взяты из таблицы Excel во врезке статьи за 2–16 October 1991.
Сначала S&P 100 следует за снижающимся прогнозом закрытия на одну сессию вперёд, затем обгоняет эту проекцию, когда пятидневный наклон разворачивается вверх; 16 October прогноз перелетает факт, и остаток меняет знак на отрицательный. Все уровни взяты из таблицы Excel во врезке статьи за 2–16 October 1991.S&P 100 (OEX) · daily · 1991-10-02T00:00:00.000Z по 1991-10-16T00:00:00.000Z

Каждое окно — пять сессий, X пронумерован от 1 до 5; следующее закрытие всегда записывается как 6m + c в следующей строке. Поэтому первый прогноз приходится на 9 October.

Не является инвестиционной рекомендацией. Исторический материал не подтверждает актуальную результативность метода.
14 из 43 в дорожке «Linear regression»
19931-13 с.Дальше про «Linear regression»Проверка индексного мультипликатора цена/прибыль регрессией на краткосрочную ставкуОтбор по диаграмме рассеяния отбросил пару с долгосрочной доходностью как нелинейную и оставил пару с краткосрочной доходностью как достаточно линейную для метода наименьших квадратов.
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