나는 이미 질문을했습니다. 고정성을 고려하는 방법 - 이동 창 또는 길쭉한 행? 답이 없다
그러나 이것이 중요하지 않다고 가정하고 두 경우 모두 "비정상성"을 얻습니다.
비정상성에 대한 TS를 생성하기 위해 아직 아무도 할 수 없었던 것처럼 보입니다.
또 다른 것은 (우리가 아직 정지해 있는 동안) 숲이 우리의 입장 여부를 결정하도록 할 수 있다는 것입니다. 그러나 나는 그것이 어리 석거나 추측할 것이라고 생각합니다
TS 정지 상태를 벗어날 때 "반대"로 전환할 수 있지만 신뢰할 수 있는 통계가 없습니다.
비록 우리가 0으로 돌아갈 것이라는 것을 안다면 우리는 드로다운을 해결할 수 있는 기술을 적용할 수 있지만
이것은 물론 쉽지는 않지만 가능합니다 ... 오래된 공백을 사용하는 아이디어를 제안해 주셔서 감사합니다
물론 가능하다면
하지만 당신은 그것에 대해 생각해야합니다
나는 지난 기사에서와 같이 증분의 상당한 지연으로 인한 고정성을 고려하는 것을 선호합니다. 예를 들어, 시간당 증분에 대한 지연 ~24는 강력합니다. 그러면 창 선택에 불확실성이 없습니다.
예를 들어, 숲은 숲이 아니며 부스팅(모든 것이 이미 준비됨)이며 정권이 바뀔 때까지 작동합니다. 평균 증분의 편향이 있을 때 모델이 충돌하는 것은 자연스러운 현상입니다. 평균의 편향(분산이 아닌)이 tc에 얼마나 많은 영향을 미치는지 이해하는 데 얼마나 오랜 시간이 걸렸는지 놀랍습니다. 멍청한.
빠진 것은 이미 던졌습니다. 다음은 증분 클러스터링(읽기: 모드 정의)과 새 데이터(3개 모드 발견)에 대해 테스트하는 간단한 예입니다. 나는 실험하기 전까지 일부러 더 단순한 것을 선택했다.
.....
우리는 다시 돌아올 때까지 기다릴 수 있습니다
귀가를 기다릴 수는 있지만 실제 차량에서는 의미가 없습니다.
TS를 공식화하면 "대기"하려면 고정 섹션에 대한 전략의 수익성이 부족할 정도로 자본의 일부를 예약해야 함을 스스로 알 수 있습니다.
R의 adf_test
Dickey-Fuller가 자기회귀 프로세스에서만 작동하는 것과는 다릅니다.
Dickey-Fuller가 자기회귀 프로세스에서만 작동하는 것과는 다릅니다.
이것은 그의 문제입니다. 프로세스를 인식하기 위해 우리는 그에게 적용하지 않고 합성이며 합성이 아닙니다.
adf_test가 0.01을 제공하면 대나무를 피울 수 있습니다. 맞습니까?
그건 내 문제가 아니라 그의 문제야
그것을 정의
정권의 변화를 교환할 필요가 없습니다. 변화할 때 전략을 바꿔야 합니다. 스캘핑이라면 각각에 대해 수백 건의 거래가 있을 것입니다. 작업은 제 시간에 전략을 전환하는 것입니다. 체제 변화를 가능한 한 빨리 감지하거나 예측할 수도 있습니다.
이 문제를 해결하면 Grail은 확실히 주머니에 있습니다.정권교체는 논란의 여지가 많은 문제
나는 이미 고정성을 고려하는 방법에 대한 질문을 했습니다. 이동하는 창 또는 늘어나는 행은 무엇입니까? 답이 없다
그러나 이것이 중요하지 않고 두 경우 모두 "비정상"을 얻는다고 가정합니다.
비정상성에 대한 TS를 생성하기 위해 아직 아무도 할 수 없었던 것처럼 보입니다.
또 다른 것은 (우리가 아직 정지해 있는 동안) 숲이 우리의 입장 여부를 결정하도록 할 수 있다는 것입니다. 그러나 나는 그것이 어리 석거나 추측할 것이라고 생각합니다
TS 정지 상태를 벗어날 때 "반대의 경우도 마찬가지"로 전환할 수 있지만 신뢰할 수 있는 통계가 없습니다.
비록 우리가 0으로 돌아갈 것이라는 것을 안다면 우리는 드로다운을 해결할 수 있는 기술을 적용할 수 있지만
이것은 물론 쉽지는 않지만 가능합니다 ... 오래된 공백을 사용하는 아이디어를 제안해 주셔서 감사합니다
물론 가능하다면
하지만 당신은 그것에 대해 생각해야합니다
정권 교체는 논란의 여지가 많은 문제
나는 이미 질문을했습니다. 고정성을 고려하는 방법 - 이동 창 또는 길쭉한 행? 답이 없다
그러나 이것이 중요하지 않다고 가정하고 두 경우 모두 "비정상성"을 얻습니다.
비정상성에 대한 TS를 생성하기 위해 아직 아무도 할 수 없었던 것처럼 보입니다.
또 다른 것은 (우리가 아직 정지해 있는 동안) 숲이 우리의 입장 여부를 결정하도록 할 수 있다는 것입니다. 그러나 나는 그것이 어리 석거나 추측할 것이라고 생각합니다
TS 정지 상태를 벗어날 때 "반대"로 전환할 수 있지만 신뢰할 수 있는 통계가 없습니다.
비록 우리가 0으로 돌아갈 것이라는 것을 안다면 우리는 드로다운을 해결할 수 있는 기술을 적용할 수 있지만
이것은 물론 쉽지는 않지만 가능합니다 ... 오래된 공백을 사용하는 아이디어를 제안해 주셔서 감사합니다
물론 가능하다면
하지만 당신은 그것에 대해 생각해야합니다
나는 지난 기사에서와 같이 증분의 상당한 지연으로 인한 고정성을 고려하는 것을 선호합니다. 예를 들어, 시간당 증분에 대한 지연 ~24는 강력합니다. 그러면 창 선택에 불확실성이 없습니다.
예를 들어, 숲은 숲이 아니며 부스팅(모든 것이 이미 준비됨)이며 정권이 바뀔 때까지 작동합니다. 평균 증분의 편향이 있을 때 모델이 충돌하는 것은 자연스러운 현상입니다. 평균의 편향(분산이 아닌)이 tc에 얼마나 많은 영향을 미치는지 이해하는 데 얼마나 오랜 시간이 걸렸는지 놀랍습니다. 멍청한.
빠진 것은 이미 던졌습니다. 다음은 증분 클러스터링(읽기: 모드 정의)과 새 데이터(3개 모드 발견)에 대해 테스트하는 간단한 예입니다. 나는 실험하기 전까지 일부러 더 단순한 것을 선택했다.
https://www.quantnews.com/k-means-clustering-creating-simple-trading-rule-smoother-returns/
저것들. 어리석게도 각 클러스터에는 별도의 모델이 적합합니다. 현재 클러스터(모드)가 결정되고 그에 따라 모델이 전환됩니다.
더 이상 생각할 것이 없습니다.해야 할 일입니다. K-평균은 최선의 선택은 아니지만 프로브로서 그렇게 할 것입니다.
adf_test가 0.01을 제공하면 대나무를 피울 수 있습니다. 맞습니까?
그는 비정상(SB와 같은 자기회귀)의 매우 특별한 경우를 거부하고 비정상은 훨씬 더 다양할 수 있습니다.
결론은 Vold의 정리에 따라 모든 고정 프로세스는 자기회귀로 간주될 수 있지만 비정상 프로세스 중에는 자기회귀 프로세스가 거의 없다는 것입니다.
그는 비정상(SB와 같은 자기회귀)의 매우 특별한 경우를 거부하고 비정상은 훨씬 더 다양할 수 있습니다.
결론은 Vold의 정리에 따라 모든 고정 프로세스는 자기회귀로 간주될 수 있지만 비정상 프로세스 중에는 자기회귀 프로세스가 거의 없다는 것입니다.
그리고 뭐? 거부한다고 가정하다
그리고 무엇-2?
그리고 뭐? 거부한다고 가정
그리고 무엇-2?
"거절하자"은(는) 무슨 뜻인가요? 통계적 검정 , 통계적 가설이 무엇인지 아십니까?
"거절하자"은(는) 무슨 뜻인가요? 통계적 검정 , 통계적 가설이 무엇인지 아십니까?
카운터에 묻지 않고 질문에 답할 수 있습니까?