막심 드미트리예프스키 : 아, 잘 모르겠습니다. 모든 것에 대한 복잡한 해석이 있습니다. 시장 수익률은 여러 분포가 혼합되어 있으며 각 분포는 고정적일 수 있습니다. 커틀릿에서 파리를 분리하면 좋은 TS를 얻을 수 있습니다.
나는 주장하지 않습니다. 가장 가능성이 높으며 질문은 어느 방법이 더 짧고 더 효율적입니까입니다. 나는 AK 주제의 첫 페이지 수십 개를 읽었고, 그가 그런 가정을 하는 방법을 여러 번 보았습니다. 모델을 "원하는" 결과로 만듭니다. 내가 틀릴 수도 있으니까. 고급기술과 구글 빼고는 잘 모릅니다.) 하지만 지금까지는 흥미가 없었습니다.
시장 수익률은 여러 분포가 혼합되어 있으며 각 분포는 고정적일 수 있으며 이는 본체에 더 가깝습니다. 이 구성에 normal이 포함되어 있습니까?
그러나 어쨌든 모든 배포는 분위기, 뉴스가 나오거나 추세 등 시장에서 무언가가 변할 때까지만 고정 될 수 있습니다. 이 점을 감안하고 요리를 배운다면 그만한 가치가 있는 게임이라고 생각합니다.
역사의 한 조각에서 결론을 이끌어내면 안 됩니다. 지표에 어떤 논리가 있는지 모르지만 여기에서 관계를 확인하는 것은 쉽습니다. 각 곡선에 대한 예측 변수를 만들고 다른 모든 곡선에 상대적인 이 곡선의 위치를 각 막대에 순서대로 적습니다. 1-6의 값으로 6개의 예측 변수를 가져옵니다. 목표를 N 막대 앞으로 이동하는 형태로 만들고 각 곡선(통화 쌍)에 대해 개별적으로 목표를 시도할 수 있습니다. 가격이 오르거나 내리거나 특정 곡선을 기준으로 곡선의 위치가 어떻게 변했는지 또는 모든 곡선에 대한 상대적 등 - 여기에서 다른 대상을 보고 더 잘 분류되는 항목, 더 나은 항목을 확인한 다음 거래에 사용하는 방법에 대해 생각합니다.
역사의 한 조각에서 결론을 이끌어내면 안 됩니다. 지표에 어떤 논리가 있는지 모르지만 여기에서 관계를 확인하는 것은 쉽습니다. 각 곡선에 대한 예측 변수를 만들고 다른 모든 곡선에 상대적인 이 곡선의 위치를 각 막대에 순서대로 적습니다. 1-6의 값을 가진 6개의 예측 변수를 얻습니다. 목표를 N 막대 앞으로 이동하는 형태로 만들고 각 곡선(통화 쌍)에 대해 개별적으로 목표를 시도할 수 있습니다. 가격이 오르거나 내리거나 특정 곡선을 기준으로 곡선의 위치가 어떻게 변했는지 또는 모든 곡선에 대한 상대적 등 - 여기에서 다른 대상을 보고 더 잘 분류되는 항목, 더 나은 항목을 확인한 다음 거래에 사용하는 방법에 대해 생각합니다.
여기서 MO가 정지된 프로세스가 있을 때 크게 도움이 될 수 있다는 관점이 표현되었습니다.
어떤 방식으로?
나쁜 점은 정지된 프로세스가 비정상이 될 수 있다는 것이 아니라 갑자기 비정상이 될 수 있다는 것입니다.
다시 한 번, 시계열 (들)의 통계적(비)정상성(시간 분포의 가변성)은 ML을 사용한 미래 증분의 예측 가능성과 매우 약하게 관련되어 있습니다. 가우스 잡음 - 고정적이지만 예측할 수 없음, 정렬, 이종화 추가, 예측 가능하지만 비정상적입니다.
진짜 문제는 대부분의 참가자들이 서로를 이기려는 끊임없는 노력의 결과로 시장의 변동성이 있다는 것입니다. 이 때문에 일반적으로 역사에서 발견되는 패턴은 일반적으로 다른 사람들에 의해 발견되고 누군가는 그 반대를 예상할 수 있습니다. "자연의 힘", 즉 근본적이고 다양한 래그타임 시프트. 모든 것이 매우 어렵습니다.
다시 한 번, 시계열(들)의 통계적(비)정상성(시간 분포의 가변성)은 ML을 사용한 미래 증분의 예측 가능성과 매우 약하게 관련되어 있습니다. 가우스 잡음 - 고정적이지만 예측할 수 없음, 정렬, 이종화 추가, 예측 가능하지만 비정상적입니다.
진짜 문제는 대부분의 참가자들이 서로를 이기려는 끊임없는 노력의 결과로 시장의 변동성이 있다는 것입니다. 이 때문에 일반적으로 역사에서 발견되는 패턴은 일반적으로 다른 사람들에 의해 발견되고 누군가는 그 반대를 예상할 수 있습니다. "자연의 힘", 즉 근본적이고 다양한 래그타임 시프트. 모든 것이 매우 어렵습니다.
아, 잘 모르겠습니다. 모든 것에 대한 복잡한 해석이 있습니다. 시장 수익률은 여러 분포가 혼합되어 있으며 각 분포는 고정적일 수 있습니다. 커틀릿에서 파리를 분리하면 좋은 TS를 얻을 수 있습니다.
나는 주장하지 않습니다. 가장 가능성이 높으며 질문은 어느 방법이 더 짧고 더 효율적입니까입니다. 나는 AK 주제의 첫 페이지 수십 개를 읽었고, 그가 그런 가정을 하는 방법을 여러 번 보았습니다. 모델을 "원하는" 결과로 만듭니다. 내가 틀릴 수도 있으니까. 고급기술과 구글 빼고는 잘 모릅니다.) 하지만 지금까지는 흥미가 없었습니다.
시장 수익률은 여러 분포가 혼합되어 있으며 각 분포는 고정적일 수 있으며 이는 본체에 더 가깝습니다. 이 구성에 normal이 포함되어 있습니까?
그러나 어쨌든 모든 배포는 분위기, 뉴스가 나오거나 추세 등 시장에서 무언가가 변할 때까지만 고정 될 수 있습니다. 이 점을 감안하고 요리를 배운다면 그만한 가치가 있는 게임이라고 생각합니다.
시장 수익률은 여러 분포가 혼합되어 있으며 각 분포는 고정적일 수 있으며 이는 본체에 더 가깝습니다. 이 구성에 normal이 포함되어 있습니까?
그러나 어쨌든 모든 배포는 분위기, 뉴스가 나오거나 추세 등 시장에서 무언가가 변할 때까지만 고정 될 수 있습니다. 이 점을 감안하고 요리를 배운다면 그만한 가치가 있는 게임이라고 생각합니다.
클러스터링 알고리즘 자체는 그것들을 더 정상으로 만듭니다. 예를 들어, 가우스 혼합인 경우 가우시안으로 설명된 포인트는 일부 이상값과 함께 각 클러스터에 대해 선택됩니다.
새로운 데이터를 확인하는 주요 질문
여러분, 플랫의 가장 성배 뉴런을 알려주세요.
이야기를 섹션으로 나누었습니다. 이제 여기에서 신경을 가져와야 합니다.
보시다시피 실제로 쌍 사이에는 관계가 없습니다.
페어 트레이딩은 쓰레기다
역사의 한 조각에서 결론을 이끌어내면 안 됩니다. 지표에 어떤 논리가 있는지 모르지만 여기에서 관계를 확인하는 것은 쉽습니다. 각 곡선에 대한 예측 변수를 만들고 다른 모든 곡선에 상대적인 이 곡선의 위치를 각 막대에 순서대로 적습니다. 1-6의 값으로 6개의 예측 변수를 가져옵니다. 목표를 N 막대 앞으로 이동하는 형태로 만들고 각 곡선(통화 쌍)에 대해 개별적으로 목표를 시도할 수 있습니다. 가격이 오르거나 내리거나 특정 곡선을 기준으로 곡선의 위치가 어떻게 변했는지 또는 모든 곡선에 대한 상대적 등 - 여기에서 다른 대상을 보고 더 잘 분류되는 항목, 더 나은 항목을 확인한 다음 거래에 사용하는 방법에 대해 생각합니다.
역사의 한 조각에서 결론을 이끌어내면 안 됩니다. 지표에 어떤 논리가 있는지 모르지만 여기에서 관계를 확인하는 것은 쉽습니다. 각 곡선에 대한 예측 변수를 만들고 다른 모든 곡선에 상대적인 이 곡선의 위치를 각 막대에 순서대로 적습니다. 1-6의 값을 가진 6개의 예측 변수를 얻습니다. 목표를 N 막대 앞으로 이동하는 형태로 만들고 각 곡선(통화 쌍)에 대해 개별적으로 목표를 시도할 수 있습니다. 가격이 오르거나 내리거나 특정 곡선을 기준으로 곡선의 위치가 어떻게 변했는지 또는 모든 곡선에 대한 상대적 등 - 여기에서 다른 대상을 보고 더 잘 분류되는 항목, 더 나은 항목을 확인한 다음 거래에 사용하는 방법에 대해 생각합니다.
여기서 MO가 정지된 프로세스가 있을 때 크게 도움이 될 수 있다는 관점이 표현되었습니다.
어떤 방식으로?
나쁜 점은 정지된 프로세스가 비정상이 될 수 있다는 것이 아니라 갑자기 비정상이 될 수 있다는 것입니다.
여기서 MO가 정지된 프로세스가 있을 때 크게 도움이 될 수 있다는 관점이 표현되었습니다.
어떤 방식으로?
나쁜 점은 정지된 프로세스가 비정상이 될 수 있다는 것이 아니라 갑자기 비정상이 될 수 있다는 것입니다.
다시 한 번, 시계열 (들)의 통계적(비)정상성(시간 분포의 가변성)은 ML을 사용한 미래 증분의 예측 가능성과 매우 약하게 관련되어 있습니다. 가우스 잡음 - 고정적이지만 예측할 수 없음, 정렬, 이종화 추가, 예측 가능하지만 비정상적입니다.
진짜 문제는 대부분의 참가자들이 서로를 이기려는 끊임없는 노력의 결과로 시장의 변동성이 있다는 것입니다. 이 때문에 일반적으로 역사에서 발견되는 패턴은 일반적으로 다른 사람들에 의해 발견되고 누군가는 그 반대를 예상할 수 있습니다. "자연의 힘", 즉 근본적이고 다양한 래그타임 시프트. 모든 것이 매우 어렵습니다.
다시 한 번, 시계열(들)의 통계적(비)정상성(시간 분포의 가변성)은 ML을 사용한 미래 증분의 예측 가능성과 매우 약하게 관련되어 있습니다. 가우스 잡음 - 고정적이지만 예측할 수 없음, 정렬, 이종화 추가, 예측 가능하지만 비정상적입니다.
진짜 문제는 대부분의 참가자들이 서로를 이기려는 끊임없는 노력의 결과로 시장의 변동성이 있다는 것입니다. 이 때문에 일반적으로 역사에서 발견되는 패턴은 일반적으로 다른 사람들에 의해 발견되고 누군가는 그 반대를 예상할 수 있습니다. "자연의 힘", 즉 근본적이고 다양한 래그타임 시프트. 모든 것이 매우 어렵습니다.
백색 소음이 예측할 수 없다고 생각하는 이유는 무엇입니까?
시리즈가 고정되어 있으면 증분이 필요하지 않습니다.
이 차트에 플랫 전략을 적용할 수 없습니까?
글쎄, 이것이 (로그) 반환이라면 나는 할 수 없다. 이것은 가격에 관한 것이 아니라는 것이 분명하다)))
다시 한 번 반복합니다. 원래 시계열이 고정적이지 않기 때문에 MO는 증분을 사용합니다.
시리즈가 고정되어 있으면 증분이 필요하지 않습니다.
이것은 "다시 한 번 반복합니다. 시계열(들)의 통계적(비)정상성(시간 분포의 변동성)은 MO를 사용한 미래 증분의 예측 가능성과 매우 약하게 관련되어 있습니다." (와 함께)
이미 답변을 받은 게시물을 소급하여 수정하는 것은 좋지 않습니다.