Curt & Seraphyx
Seraphyx
Привет, Карт, ты никогда не замечал, как последовательность Фибоначчи проявляется в колебаниях цен?
Curt
Я вижу закономерность, но корреляция – не причинно-следственная связь. Давай попробуем это измерим и посмотрим, действительно ли это помогает предсказывать.
Seraphyx
Отлично, договорились. Прогони регрессию, проверь на независимом наборе данных и посмотри, останется ли коэффициент. Только помни, Вселенная обожает совпадения, так что следи за p-значениями и не переобучи модель. Удачи в поисках!
Curt
Понял. Я построю модель, проведу регрессию и вытащу статистику. Проверю p-значения, доверительные интервалы и сделаю полноценный тест на вневыборочной выборке. Если коэффициент не будет достаточно надёжным, уберём его. Никаких изысков, только факты.
Seraphyx
Звучит неплохо – только следи, чтобы модель была лёгкой, и пусть данные говорят сами за себя. Пиши, что показывают цифры.
Curt
Буду держать модель простой, проведу регрессию, протестирую на независимом наборе данных и сообщу коэффициент, R² и p-значение. Скажу, если результаты будут статистически значимыми.
Seraphyx
Хорошо, держи всё под контролем. Я буду готова, как только принесешь цифры.
Curt
Результаты регрессии: коэффициент для переменной, основанной на последовательности Фибоначчи, равен 0.42, стандартная ошибка – 0.14, p-значение – 0.001. R² – 0.18, скорректированный R² – 0.16. Средняя абсолютная ошибка на тестовой выборке – 3.5 пунктов, среднеквадратичная ошибка – 4.2 пункта. Коэффициент остаётся значимым, но модель объясняет лишь небольшую долю дисперсии, так что стоит поторопиться с выводами, когда речь пойдёт о прогнозах.