Гор пресс + чет/нечет
#261 OFFLINE
Добавлено 05 December 2015 - 23:50
#262 OFFLINE
Добавлено 06 December 2015 - 00:04
Bambuk, on 05 December 2015 - 22:23, сказал:
#263 OFFLINE
Добавлено 06 December 2015 - 00:37
Χ@ρΣ ΚρμωΗ@, on 06 December 2015 - 00:04, сказал:
Давайте тогда конкретно на цифрах...
Целью автокорреляционного анализа является выяснение степени статистической зависимости между различными значениями (отсчетами) случайной последовательности, которую образует поле выборки данных. В процессе автокорреляционного анализа рассчитываются коэффициенты корреляции (мера взаимной зависимости) для двух значений выборки, находящихся друг от друга на определенном количестве отсчетов, называемые также лагом. Совокупность коэффициентов корреляции по всем лагам представляет собой автокорреляционную функцию ряда (АКФ):
R(t) = corr(X(t), X(t+k)), где k > 0 – целое число (лаг).
По поведению АКФ можно судить о характере анализируемой последовательности, т. е. степени ее гладкости, и о наличии периодичности (например, сезонной) или тренда.
Очевидно, что при k = 0 автокорреляционная функция будет максимальной и равной 1, т. е. значение последовательности полностью коррелировано само с собой – степень статистической взаимозависимости максимальна. Действительно, если факт появления данного значения имел место, то и соответствующая вероятность равна 1. По мере увеличения числа лагов, т. е. увеличения расстояния между двумя значениями, для которых вычисляется коэффициент корреляции, значение АКФ будут убывать из-за уменьшения статистической взаимозависимости между этими значениями (вероятность появления одного из них все меньше влияет на вероятность появления другого). При этом, чем быстрее убывает АКФ, тем более быстрой изменяющейся является анализируемая последовательность. И наоборот, если АКФ убывает медленно, то и соответствующий процесс является относительно гладким. Если в исходной выборке имеет место тренд (плавное увеличение или уменьшение значений ряда), то плавное изменение АКФ также будет иметь место. При наличии сезонных колебаний в исходном наборе данных, АКФ также будет иметь периодические всплески.
Лаг З1д П1д win1 X win2
0 1 1 0,999999999999999 0,999999999999999 1
1 0,119394038147472 0,0471775447440764 0,0136151228147556 0,0705275779376499 0,0576644640400532
2 -0,138780212897395 -0,173040178139323 -0,123142579556901 -0,0392012543811105 -0,0658622944904265
3 -0,128758788309353 0,0994173854012638 0,114374780208973 0,17183914406936 -0,0150943821745112
4 -0,0470329910502233 -0,0626843576507149 0,00640746723251057 0,0364692861095739 0,0701562887620938
5 0,133999986605449 0,100823962831002 -0,116265728096893 -0,0276185205681608 -0,184091472903183
6 0,111110958602324 -0,0108842464672355 -0,166652262282966 0,00521674967718129 -0,00260255745247062
7 -0,107789775432866 -0,060348450371585 -0,0871713565353185 -0,104512082641579 0,0390744457725356
8 -0,113266673735716 0,156043558957453 -0,00769045078767144 -0,000394761114185602 0,0371777812859431
9 0,0280101348384459 0,0433891890571572 0,0999594690444828 -0,0388415421508947 0,00988926726956994
10 0,224376478592846 0,0759049554341098 -0,00800784393197953 -0,102929348828629 0,0515662704945761
11 0,146604111608386 0,0931413449412346 0,0714730618156677 -0,0344530529422615 -0,0810513971268126
АПЛ кефф на П1 1.9...2.1
Лаг win1 X win2 ЧЁТНОЕ
0 1,00000000000005 1,00000000000004 0,999999999999979 1,00000000000003
1 0,0162696634380687 0,0207945294206523 -0,00613831053415683 -0,00416224251084128
2 0,00652659147443076 -0,0283222808037675 0,0395494811934126 -0,0105604764009933
3 0,0278392331298433 0,0111406961296672 0,0184031302089916 0,0203886316628778
4 -0,0170616765251636 -0,0178807218550407 0,0090510397031563 0,0182423733474384
5 -0,0131059121372104 -0,000412746139073846 0,00328795018137631 -0,0274563274967366
6 -0,0141705454671174 0,00869050465316387 -0,0257212411221038 0,00659533085449069
7 -0,0124954115267079 -0,0203309133315436 0,00555134335386018 -0,00290545332301758
8 -0,00853964713875275 -0,0141603293683012 0,00192517349958178 0,00295385589027848
9 -0,000474231845319577 -0,00022480276931222 -0,0270840178038994 0,00513590217254041
10 -0,000628118362842472 -0,0277798873395206 0,0164668542561704 -0,00861685757968042
11 -0,0322893284890308 -0,0293742460120274 -0,00502191590372533 -0,0408322610100624
Кеф на П1 2.5...2.9 общий поток
Разницу видите в значениях по модулю коэффициентов корреляции (на порядок отличаются)?
(ну нет там в общем потоке ни ХУ…..) в лиге одной и то значения не очень большие.
вот для этих win1 X win2 ЧЁТНОЕ просто пихаем последовательность "0" и "1" в расчёт (как будто это временной ряд)
Отредактировано Bambuk, 06 December 2015 - 00:46.
#264 OFFLINE
Добавлено 06 December 2015 - 01:21
Bambuk, on 06 December 2015 - 00:37, сказал:
Давайте тогда конкретно на цифрах...
Целью автокорреляционного анализа является выяснение степени статистической зависимости между различными значениями (отсчетами) случайной последовательности, которую образует поле выборки данных. В процессе автокорреляционного анализа рассчитываются коэффициенты корреляции (мера взаимной зависимости) для двух значений выборки, находящихся друг от друга на определенном количестве отсчетов, называемые также лагом. Совокупность коэффициентов корреляции по всем лагам представляет собой автокорреляционную функцию ряда (АКФ):
R(t) = corr(X(t), X(t+k)), где k > 0 – целое число (лаг).
По поведению АКФ можно судить о характере анализируемой последовательности, т. е. степени ее гладкости, и о наличии периодичности (например, сезонной) или тренда.
Очевидно, что при k = 0 автокорреляционная функция будет максимальной и равной 1, т. е. значение последовательности полностью коррелировано само с собой – степень статистической взаимозависимости максимальна. Действительно, если факт появления данного значения имел место, то и соответствующая вероятность равна 1. По мере увеличения числа лагов, т. е. увеличения расстояния между двумя значениями, для которых вычисляется коэффициент корреляции, значение АКФ будут убывать из-за уменьшения статистической взаимозависимости между этими значениями (вероятность появления одного из них все меньше влияет на вероятность появления другого). При этом, чем быстрее убывает АКФ, тем более быстрой изменяющейся является анализируемая последовательность. И наоборот, если АКФ убывает медленно, то и соответствующий процесс является относительно гладким. Если в исходной выборке имеет место тренд (плавное увеличение или уменьшение значений ряда), то плавное изменение АКФ также будет иметь место. При наличии сезонных колебаний в исходном наборе данных, АКФ также будет иметь периодические всплески.
Лаг З1д П1д win1 X win2
0 1 1 0,999999999999999 0,999999999999999 1
1 0,119394038147472 0,0471775447440764 0,0136151228147556 0,0705275779376499 0,0576644640400532
2 -0,138780212897395 -0,173040178139323 -0,123142579556901 -0,0392012543811105 -0,0658622944904265
3 -0,128758788309353 0,0994173854012638 0,114374780208973 0,17183914406936 -0,0150943821745112
4 -0,0470329910502233 -0,0626843576507149 0,00640746723251057 0,0364692861095739 0,0701562887620938
5 0,133999986605449 0,100823962831002 -0,116265728096893 -0,0276185205681608 -0,184091472903183
6 0,111110958602324 -0,0108842464672355 -0,166652262282966 0,00521674967718129 -0,00260255745247062
7 -0,107789775432866 -0,060348450371585 -0,0871713565353185 -0,104512082641579 0,0390744457725356
8 -0,113266673735716 0,156043558957453 -0,00769045078767144 -0,000394761114185602 0,0371777812859431
9 0,0280101348384459 0,0433891890571572 0,0999594690444828 -0,0388415421508947 0,00988926726956994
10 0,224376478592846 0,0759049554341098 -0,00800784393197953 -0,102929348828629 0,0515662704945761
11 0,146604111608386 0,0931413449412346 0,0714730618156677 -0,0344530529422615 -0,0810513971268126
АПЛ кефф на П1 1.9...2.1
Лаг win1 X win2 ЧЁТНОЕ
0 1,00000000000005 1,00000000000004 0,999999999999979 1,00000000000003
1 0,0162696634380687 0,0207945294206523 -0,00613831053415683 -0,00416224251084128
2 0,00652659147443076 -0,0283222808037675 0,0395494811934126 -0,0105604764009933
3 0,0278392331298433 0,0111406961296672 0,0184031302089916 0,0203886316628778
4 -0,0170616765251636 -0,0178807218550407 0,0090510397031563 0,0182423733474384
5 -0,0131059121372104 -0,000412746139073846 0,00328795018137631 -0,0274563274967366
6 -0,0141705454671174 0,00869050465316387 -0,0257212411221038 0,00659533085449069
7 -0,0124954115267079 -0,0203309133315436 0,00555134335386018 -0,00290545332301758
8 -0,00853964713875275 -0,0141603293683012 0,00192517349958178 0,00295385589027848
9 -0,000474231845319577 -0,00022480276931222 -0,0270840178038994 0,00513590217254041
10 -0,000628118362842472 -0,0277798873395206 0,0164668542561704 -0,00861685757968042
11 -0,0322893284890308 -0,0293742460120274 -0,00502191590372533 -0,0408322610100624
Кеф на П1 2.5...2.9 общий поток
Разницу видите в значениях по модулю коэффициентов корреляции (на порядок отличаются)?
(ну нет там в общем потоке ни ХУ…..) в лиге одной и то значения не очень большие.
вот для этих win1 X win2 ЧЁТНОЕ просто пихаем последовательность "0" и "1" в расчёт (как будто это временной ряд)
просто голые цифры и чё дальше ?
#265 OFFLINE
Добавлено 06 December 2015 - 01:42
<<Заключение
Другой полезный метод исследования периодичности состоит в исследовании частной автокорреляционной функции (ЧАКФ), представляющей собой углубление понятия обычной автокорреляционной функции. В ЧАКФ устраняется зависимость между промежуточными наблюдениями (наблюдениями внутри лага). Другими словами, частная автокорреляция на данном лаге аналогична обычной автокорреляции, за исключением того, что при вычислении из нее удаляется влияние автокорреляций с меньшими лагами. На лаге 1 (когда нет промежуточных элементов внутри лага), частная автокорреляция равна, очевидно, обычной автокорреляции. На самом деле, частная автокорреляция дает более "чистую" картину периодических зависимостей.
Как отмечалось выше, периодическая составляющая для данного лага k может быть удалена взятием разности соответствующего порядка. Это означает, что из каждого i-го элемента ряда вычитается (i-k)-й элемент. Имеются два довода в пользу таких преобразований. Во-первых, таким образом можно определить скрытые периодические составляющие ряда. Напомним, что автокорреляции на последовательных лагах зависимы. Поэтому удаление некоторых автокорреляций изменит другие автокорреляции, которые, возможно, подавляли их, и сделает некоторые другие сезонные составляющие более заметными. Во-вторых, удаление периодических составляющих делает ряд стационарным, что необходимо для применения некоторых методов анализа.>>
#266 OFFLINE
Добавлено 06 December 2015 - 01:54
Χ@ρΣ ΚρμωΗ@, on 06 December 2015 - 01:21, сказал:
просто голые цифры и чё дальше ?
Что значит голые цифры? Цифры говорят что в общем потоке нет ни каких практически закономерностей и связей, а в лиге некоторые потуги на то имеются, но очень слабые.
Там может не совсем удобно и понятно где что по цифрам...но тут не вставляются таблицы..... вот рисунок тогда..там понятнее....
АКФ.jpg 119.05K 0 Количество загрузок
Χ@ρΣ ΚρμωΗ@, on 06 December 2015 - 01:42, сказал:
<<Заключение
Другой полезный метод исследования периодичности состоит в исследовании частной автокорреляционной функции (ЧАКФ), представляющей собой углубление понятия обычной автокорреляционной функции. В ЧАКФ устраняется зависимость между промежуточными наблюдениями (наблюдениями внутри лага). Другими словами, частная автокорреляция на данном лаге аналогична обычной автокорреляции, за исключением того, что при вычислении из нее удаляется влияние автокорреляций с меньшими лагами. На лаге 1 (когда нет промежуточных элементов внутри лага), частная автокорреляция равна, очевидно, обычной автокорреляции. На самом деле, частная автокорреляция дает более "чистую" картину периодических зависимостей.
Как отмечалось выше, периодическая составляющая для данного лага k может быть удалена взятием разности соответствующего порядка. Это означает, что из каждого i-го элемента ряда вычитается (i-k)-й элемент. Имеются два довода в пользу таких преобразований. Во-первых, таким образом можно определить скрытые периодические составляющие ряда. Напомним, что автокорреляции на последовательных лагах зависимы. Поэтому удаление некоторых автокорреляций изменит другие автокорреляции, которые, возможно, подавляли их, и сделает некоторые другие сезонные составляющие более заметными. Во-вторых, удаление периодических составляющих делает ряд стационарным, что необходимо для применения некоторых методов анализа.>>
Ваш умняк он тут не совсем уместен я думаю.....(я сомневаюсь что Вы знаете как из матрицы АКФ найти ЧАКФ)....Вы должны понять что часть пользователей может попасть в блудняк с Вашими теориями не разобравшись в них до конца.
#267 OFFLINE
Добавлено 06 December 2015 - 03:49
они сомнительны конечно (но просто нет возможности сделать больше выборку...там или диапазон тогда надо шире брать по К_П1 или ХЗ что...)...но в любом случае мы можем лишь какие-то гипотезы выдвинуть относительно наличия--отсутствия связей в данных ряда....
#268 OFFLINE
Добавлено 06 December 2015 - 23:08
профит с гор пресса :
- фикс => +564%
- прог => +1835%
профит с чёт/нечёт :
- фикс => +154%
- прог => +242%
Bambuk, on 06 December 2015 - 03:49, сказал:
они сомнительны конечно (но просто нет возможности сделать больше выборку...там или диапазон тогда надо шире брать по К_П1 или ХЗ что...)...но в любом случае мы можем лишь какие-то гипотезы выдвинуть относительно наличия--отсутствия связей в данных ряда....
#269 OFFLINE
Добавлено 07 December 2015 - 07:01
Χ@ρΣ ΚρμωΗ@, on 06 December 2015 - 23:08, сказал:
Мне кажется есть смысл если уж последовательностями заниматься исследовать распределения серий или вот типа такого. Нечто похожее мы в теме про мазаньеллу делали---смотрели какие максимальные лузы получаются на разных длинах "колбас" (но число их правда не считали)...а можно я думаю попробовать распределения даже взять по числу
винов и лузов в отрезках определённой длины...а сам отрезок двигать просто по последовательности (типа плавающего окна) и вот для разных окон можно свои распределения составить...может это что-то дать сможет?.....
Если например исходить из того что данные по лагам не коррелируют то длинную последовательность можно попытаться обыграть только за щёт каких-то свойств иного характера обратив их в свою пользу. Например может отличаться сильно распределение винов в окне размерности m от теоретического ...а теоретическое там по идее при узкой полосе по кефам должно быть очень близко к биномиальному распределению (где размерность плавающего окна =одному из параметров биномрасп. а вероятность можно около 1/Ксредн взять с учётом возможной маржи или (что лучше) непосредственно определённую экспериментально для этой узкой полосы К по всей последовательности N)
Для окна длины 10 предположим вот так может быть (это просто пример)
несоответствие распределения в окне.jpg 28.72K 1 Количество загрузок
красное--это биномиальное (теоретическое)
Отредактировано Bambuk, 07 December 2015 - 07:02.
#270 OFFLINE
Добавлено 07 December 2015 - 18:45
профит гор пресс :
- фикс => +159%
- прог => +266%
профит чёт/нечёт:
- фикс => +82%
- прог => +105%
1.01 => https://drive.google...Hj6aIb47iye6Es8
профит гор пресс :
- фикс => +22%
- прог => -2%
профит чёт/нечёт:
- фикс => +90%
- прог => +96%
вынужден оставить этот диапазон , слишком мало потенциала ...
Отредактировано Χ@ρΣ ΚρμωΗ@, 07 December 2015 - 18:46.
#271 OFFLINE
Добавлено 07 December 2015 - 20:14
(ну нет там в общем потоке ни ХУ…..) в лиге одной и то значения не очень большие.
А что если Ваши знания применить на баскетболе в частности на счёт четверти? На данный момент сам разрабатываю в этом направлении. Есть много наработок. Могу поделиться.
#272 OFFLINE
Добавлено 07 December 2015 - 23:32
stranniks, on 07 December 2015 - 20:14, сказал:
(ну нет там в общем потоке ни ХУ…..) в лиге одной и то значения не очень большие.
А что если Ваши знания применить на баскетболе в частности на счёт четверти? На данный момент сам разрабатываю в этом направлении. Есть много наработок. Могу поделиться.
если кэфы в баскетболе дают идентичные , то будет работать по идее, баскетболом не интересовался , там рынок слишком слабый по сравнению с футболом.
Сейчас посмотрел сколько там предлагают событий в день в среднем (в баскетболе) 5-10 матчей , это же смешно !
#273 OFFLINE
Добавлено 07 December 2015 - 23:51
Bambuk, on 06 December 2015 - 01:54, сказал:
Что значит голые цифры? Цифры говорят что в общем потоке нет ни каких практически закономерностей и связей, а в лиге некоторые потуги на то имеются, но очень слабые.
В точку. Матчи каждой отдельной лиги находятся в разных временных моментах и формируют разные стат.показатели этой лиги, достигнутые к этому моменту. Соответственно, к условным (и весьма условным) итоговым статистическим константам лиги (по окончании сезона) будет приводить и разное течение этих отдельных матчей (и соответствующие им стат.показатели).
#274 OFFLINE
Добавлено 08 December 2015 - 02:48
профит ГП :
- фикс => +203%
- прог => +238%
профит Ч/Н :
- фикс => +8%
- прог => -23%
#275 OFFLINE
Добавлено 08 December 2015 - 19:14
На 1xбите на баскетбол до 100 игр в день. А если к корреляции добавить и % вероятность отклонения от случайного распределения. То анализ игры и прогнозирование тотала с точностью до 100%.
#276 OFFLINE
Добавлено 08 December 2015 - 21:08
stranniks, on 08 December 2015 - 19:14, сказал:
На 1xбите на баскетбол до 100 игр в день. А если к корреляции добавить и % вероятность отклонения от случайного распределения. То анализ игры и прогнозирование тотала с точностью до 100%.
1.30 => https://drive.google...Yh30Vvbe2eUpKNI
профит гор пресс :
- фикс => +248%
- прог => +172%
профит чёт/нечёт :
- фикс => +76%
- прог => +79%
#277 OFFLINE
Добавлено 09 December 2015 - 08:17
Отредактировано Leks648, 09 December 2015 - 08:18.
#278 OFFLINE
Добавлено 09 December 2015 - 11:42
профит с гор пресса :
- фикс => -132%
- прог => +2,35%
профит с чёт/нечёт :
- фикс => -130%
#279 OFFLINE
Добавлено 09 December 2015 - 11:53
профит с гор пресса :
- фикс => +120.86%
профит с чёт/нечёт :
- фикс => -68%
Продолжение следует...
#280 OFFLINE
Добавлено 09 December 2015 - 17:02
Leks648, on 09 December 2015 - 08:17, сказал:
когда несколько событий на одно время , берёшь первый в списке после сортировки по диапазонам , в экселе значения по умолчанию настраиваются по возрастанию после сортировки (либо непосредственно по столбцу П1 , либо по сумме двух или трех столбцов П1+Х+П2) то есть три столбца нужно держать вместе в строгом порядке, чтобы прога делала свою работу корректно