Комментарии 21
Тема интересная. А за чистоту языка и грамотность в хабрапространстве бороться можно?
Спасибо. Не так много тех, кто об этой теме хорошо пишет.
В последнее время стал замечать что на Хабре появляются темы именно тогда, когда они мне наиболее интересны :)
Может быть порекомендуете что-нибудь еще почитать о планировании и прогнозировании?
Может быть порекомендуете что-нибудь еще почитать о планировании и прогнозировании?
НЛО прилетело и опубликовало эту надпись здесь
Я о прогнозирование в целом, но, вы правы, финансовые процессы — самое сложное. Мои статьи были посвящены основным способам анализа временных рядов. То что вы назвали — это средний эшелон методов. Есть еще имитационное моделирование, с нелинейными связями и агентным поведением. Вот это самое серьезное, чем я занимался.
Спасибо, интересная статья, но я все равно остаюсь тем самым «скептиком», как они описываются в начале статьи :)
Отслеживать тренд строя мат. модели можно, но это больше интересно самим математикам. В данном вопросе главное определить факторы, влияющие на тренд и отслеживать их. Комбинация значений этих факторов и будет определять тренд. Например, что может повлиять на курс доллара? Выступление крупного гос. чиновника может? а если этот гос. чиновник скажет, что Россия будет сокращать объем доллара в торговли? На знании того, что этот чиновник будет выступать в определенное время и скажет определенную речь можно прогнозировать тренд курса валюты.
Сама статья понравилась, автору респект.
Сама статья понравилась, автору респект.
Больше спасибо! Очень кстати ваша статья пришлась.
Опыт прогнозирования показал, что при анализе тренда ценных бумаг и фьючерсов лычше бы пользоваться регрессионным анализом с наложением определенных ограничений. Описанные средства адекватного результата не дадут. Самый лучший способ - построение RBF- нейронной самообучаемой сети. Результаты впечатляют.
PS За статью спасибо
PS За статью спасибо
RBF? Что-то новенькое, не слышал ни разу.
Видимо имеются ввиду модификация традиционных нейро сетей называемая Radial basis function network
RBF-нейронные сети хороши для упорядочивания и классификации информации. Способна учится и делать прогнозы. Все зависит от способа построения. Математически задача довольно сложная, но если ее правильно реализовать... В сети информации достаточно. К сожалению конкретную ссылку дать не могу.
В контексте недурно будет упомянуть компанию LTCM ( http://en.wikipedia.org/wiki/Long-Term_Capital_Management ) много математики, пара нобелевских лауреатов и самый громкий финансовый крах современности. Подробнее можно почитать в книге "Когда гений терпит поражение", гугл её хорошо знает..
Зарегистрируйтесь на Хабре, чтобы оставить комментарий
Когда прогнозирование бессильно