量化软件下载：赫兹股票期货量化软件中矩阵回归

虽然也许听来很酷，但现在您也能够拥有任意多的自变量，请记住，任何东西都有一定限制。自变量太多或数据集合的列太长可能会导致计算机的计算限制，正如您刚才看到的那样，矩阵计算也会要计算过程中产生大量数字。

向多元线性回归模型中添加自变量总是会增加因变量的方差数量，通常表示为 r-平方，因此，在没有任何理论依据的情况下，添加过多自变量可能会导致模型过度拟合。

例如，如果我们构建一个模型，就像在本系列第一篇文章中所做的那样，，仅基于两个变量，纳斯达克是因变量，标准普尔 500 是自变量，我们的准确率可能超过 95%，但情况也许并非如此，因为现在我们有 3 个自变量。

在建立模型后检查模型的准确性始终是一个好主意，在建立模型之前，还应检查每个自变量与目标之间是否存在相关性。

构建模型之时，始终依据已被证明的、与您的目标变量具有强线性关系的数据。

                       MatnIdent[j_k] = MatnIdent[j_k] - ratio*MatnIdent[i_k];                                     DBL_MAX_MIN(MatnIdent[j_k]); DBL_MAX_MIN(ratio*MatnIdent[i_k]);                                                                       // Row Operation to make Principal diagonal to 1             /*back to our MatrixandIdentical Matrix Array then we'll perform operations to make its principal diagonal to 1 */                             ArrayResize(output_Mat,size);                         int counter=0;             for (int i=0; i<rowsCols; i++)               for (int j=rowsCols; j<2*rowsCols; j++)                 {                   int i_j, i_i;                                        i_j = j + (i*(rowsCols*2));                    i_i = i + (i*(rowsCols*2));                                        //Print("i_j ",i_j," val = ",MatnIdent[i_j]," i_i =",i_i," val =",MatnIdent[i_i]);                                          MatnIdent[i_j] = MatnIdent[i_j] / MatnIdent[i_i];                      //printf("%d Mathematical operation =%.4f",i_j, MatnIdent[i_j]);                    output_Mat[counter]= MatnIdent[i_j];  //store the Inverse of Matrix in the output Array