과학자들이 복잡한 프로세스를 이해하기를 원할 때 이 프로세스를 더 간단한 구성 요소로 분해하여 분석하려고 할 때 이를 위해 스펙트럼 분석이 만들어졌습니다. 과학자 역할을 해보자) 그다지 성공적인 것은 아니지만. 가격을 더 간단한 구성 요소로 분해하는 방법을 알아냈습니다. 제 분해에는 가산성이 없어서 나쁘지 않은데 다른 각도에서 가격을 보는 것도 재미있습니다.
가격 증분이 이전 것보다 높으면 "1", 더 낮으면 "-1"로 가격을 조건부 이진 형식으로 바꿉니다.
R 코드
우리는 바이너리 가격을 얻습니다
당신은 그것을 누적하고 가격과 비교할 수 있습니다
매우 유사하지 않음) 이제 시리즈에 변동성을 추가해 보겠습니다.
이미 더 나은...
아이디어..
아이디어 1
따라서 거의 모든 "날씨"는 "이진법" 가격 방향이 아니라 "촛대 내부" 변동성에 의해 만들어집니다. 비법은 변동성이 뚜렷한 계절성을 가지고 있어 비교적 예측하기 쉽고, 정가보다 구조가 간단한 바이너리 가격을 예측한 다음 예측값을 더하기만 하면 본격화된다는 점이다. 예측...
아이디어 2
모든 ML 알고리즘은 정규화된 가격이라도 원가에 대해 제대로 훈련되지 않았습니다. 시리즈에 반복성이 없기 때문일 수 있습니다. 아마도 지속적으로 다른 변동성 때문에 가격을 이진법과 변동성으로 분해하고 변동성을 정확히 정규화하면 어떻게 될까요? 다시 추가하거나 조정하지 않고 MO에 공급하십시오. 이론적으로 반복성이 증가함에 따라 더 나은 일반화 능력을 얻어야 합니다.
아이디어 3
분해의 도움으로 대기 시간을 잃지 않고 가격을 평활화할 수 있습니다. 가격을 분해하고 변동성과 가격을 별도로 보간(스트레치)한 다음 다시 추가할 수 있습니다.
아이디어 4
가격과 군집 변동성을 분해하여 자유도를 낮추어 예를 들어 군집(상태)을 10개 만드는 것, 즉 표준화된 변동성을 복원하는 방법
복잡한 프로세스를 구성 요소로 분해하는 제안은 매우 합리적입니다. 그렇게 해야 합니다. 다만, 어떤 이유에서인지, 당신은 극소수입니다. 파생 상품을 포함하여 연구에 추가할 수 있는 더 많은 시장 매개변수가 있습니다. 강력한 도구가 있습니다 - MO! ML을 사용하여 통계적으로 패턴을 찾는 총체적이고 논리적인 매개변수 시스템을 구축해 보는 것은 어떻습니까?
이전에 연결 및 종속성을 사용하여 구성한 연구의 매개변수 세트를 확장하여 그 강도를 통계적으로 확인할 수 있습니다.
2~3개의 매개변수를 남겨두면 우리를 위한 프로세스의 무작위성이 알려진 매개변수의 수와 그 관계에 반비례하기 때문에 연구의 이점이 무효화됩니다. 그것들이 많을수록 무작위의 과정에서 덜 보입니다. 따라서 시스템을 확장하고 매개변수를 추가하십시오.
피터 코노우 : 복잡한 프로세스를 구성 요소로 분해하는 제안은 매우 합리적입니다. 그렇게 해야 합니다. 다만, 어떤 이유에서인지, 당신은 극소수입니다. 파생 상품을 포함하여 연구에 추가할 수 있는 더 많은 시장 매개변수가 있습니다. 강력한 도구가 있습니다 - MO! ML을 사용하여 통계적으로 패턴을 찾는 총체적이고 논리적인 매개변수 시스템을 구축해 보는 것은 어떻습니까?
이전에 연결 및 종속성을 사용하여 구성한 연구의 매개변수 세트를 확장하여 그 강도를 통계적으로 확인할 수 있습니다.
2~3개의 매개변수를 남겨두면 우리를 위한 프로세스의 무작위성이 알려진 매개변수의 수와 그 관계에 반비례하기 때문에 연구의 이점이 무효화됩니다. 그것들이 많을수록 무작위의 과정에서 덜 보입니다. 따라서 시스템을 확장하고 매개변수를 추가하십시오.
처음에는 3개의 틱 행 매개변수인 입찰 요청, 틱 시간이 있습니다. 다른 모든 매개변수는 이 세 가지의 파생물입니다. 데시메이션, 평균. 그리고 많이에서.
처음에는 3개의 틱 행 매개변수, 입찰 요청, 틱 시간이 있습니다. 다른 모든 매개변수는 이 세 가지의 파생물입니다. 데시메이션, 평균. 그리고 많이에서.
입찰, 매도, 마지막, 수준별 수요 및 공급량, OI, 계절성, 세션 시간 및 기타 여러 파생 상품 ... 뉴스 발표 시간, 뉴스 중요성, 이자율 , 병렬 동작과 같은 기본 매개변수를 포함할 수 있습니다. 같은 순간에 쌍을 이루십시오 ... 이미 MO를 사용하고 있다면 최대한 활용하십시오. "내 아버지와 어머니는 나에게 ... 탐험하는 법을 가르쳐 주셨으니 탐험하십시오!"라는 노래에서처럼.)))
많은 시장 매개변수 세트에서 시스템을 구축하고 그 관계를 정적으로 식별해야 합니다. 또한, 이를 기반으로 "의사 종속성"(높은 확률로 작동하는 종속성)을 도출하여 TS에 대한 "정규" 역할을 합니다.
피터 코노우 : 입찰, 매도, 마지막, 수준별 수요 및 공급량, OI, 계절성, 세션 시간 및 기타 여러 파생 상품 ... 뉴스 발표 시간, 뉴스 중요성, 이자율 , 병렬 동작과 같은 기본 매개변수를 포함할 수 있습니다. 같은 순간에 쌍을 이루십시오 ... 이미 MO를 사용하고 있다면 최대한 활용하십시오. "내 아버지와 어머니는 나에게 ... 탐험하는 법을 가르쳐 주셨으니 탐험하십시오!"라는 노래에서처럼.)))
기본적인 외부 매개변수는 디지털화 작업이 해결될 때까지 여기에서 고려되지 않았습니다. 매우 작은 뉴스의 중요성을 제외하고는 오늘날 시장의 다른 속성 및 매개변수의 프레젠테이션을 본 적이 없습니다. 그들은 사용하지 않습니다. 이 주제에 대한 뉴스에서. AI는 적국의 상태에 대한 정보를 고려하고 행동 전술을 세울 것입니다. 사회, 시장, 국가의 상태에 대한 데이터를 디지털화하는 작업은 또 다른 작업입니다.
기본적인 외부 매개변수는 디지털화 작업이 해결될 때까지 여기에서 고려되지 않았습니다. 극히 미미한 뉴스의 중요성을 제외하고는 오늘날 시장의 다른 속성 및 매개변수의 프레젠테이션을 본 적이 없습니다. 그들은 사용하지 않습니다. 이 주제에 대한 뉴스에서. AI는 적국의 상태에 대한 정보를 고려하고 행동 전술을 세울 것입니다. 사회, 시장, 국가의 상태에 대한 데이터를 디지털화하는 작업은 또 다른 작업입니다.
펀드 데이터 디지털화 없이도 가격 외에도 거래량, 미결제약정, 가격 수준 및 거래량, 시간 매개변수(세션, 시즌 등)가 있습니다. 뉴스는 이미 디지털화되었습니다...
즉, 시장 매개 변수의 메뉴는 여기에서 논의되고 사용되는 것보다 훨씬 풍부하며 ML의 잠재력은 연구에서 완전히 실현되지 않습니다.
조건부 시스템에서 사용 가능한 매개변수를 수집하고 해당 값의 흐름을 MO 알고리즘으로 구성하여 실시간으로 보충 및 업데이트된 통계 데이터베이스를 기반으로 "교차" 종속성 계수를 계산합니다.
왜 여기서 과학자들과 자신을 동일시하는 겁니까?
여러분은 수익을 올릴 수 있는 시스템을 찾고 있습니다.
그러나 아무도, 절대적으로 아무도 그것을 할 수 없습니다
과학자들이 복잡한 과정을 이해하고 싶을 때....
멋져요 기대고 있어요...
과학자들이 복잡한 프로세스를 이해하기를 원할 때 이 프로세스를 더 간단한 구성 요소로 분해하여 분석하려고 할 때 이를 위해 스펙트럼 분석이 만들어졌습니다. 과학자 역할을 해보자) 그다지 성공적인 것은 아니지만. 가격을 더 간단한 구성 요소로 분해하는 방법을 알아냈습니다. 제 분해에는 가산성이 없어서 나쁘지 않은데 다른 각도에서 가격을 보는 것도 재미있습니다.
그래서 우리는 종가 와 변동성이 필요합니다(고-저)
가격 증분이 이전 것보다 높으면 "1", 더 낮으면 "-1"로 가격을 조건부 이진 형식으로 바꿉니다.
R 코드
우리는 바이너리 가격을 얻습니다
당신은 그것을 누적하고 가격과 비교할 수 있습니다
매우 유사하지 않음) 이제 시리즈에 변동성을 추가해 보겠습니다.
이미 더 나은...
아이디어..
아이디어 1
따라서 거의 모든 "날씨"는 "이진법" 가격 방향이 아니라 "촛대 내부" 변동성에 의해 만들어집니다. 비법은 변동성이 뚜렷한 계절성을 가지고 있어 비교적 예측하기 쉽고, 정가보다 구조가 간단한 바이너리 가격을 예측한 다음 예측값을 더하기만 하면 본격화된다는 점이다. 예측...
아이디어 2
모든 ML 알고리즘은 정규화된 가격이라도 원가에 대해 제대로 훈련되지 않았습니다. 시리즈에 반복성이 없기 때문일 수 있습니다. 아마도 지속적으로 다른 변동성 때문에 가격을 이진법과 변동성으로 분해하고 변동성을 정확히 정규화하면 어떻게 될까요? 다시 추가하거나 조정하지 않고 MO에 공급하십시오. 이론적으로 반복성이 증가함에 따라 더 나은 일반화 능력을 얻어야 합니다.
아이디어 3
분해의 도움으로 대기 시간을 잃지 않고 가격을 평활화할 수 있습니다. 가격을 분해하고 변동성과 가격을 별도로 보간(스트레치)한 다음 다시 추가할 수 있습니다.
아이디어 4
가격과 군집 변동성을 분해하여 자유도를 낮추어 예를 들어 군집(상태)을 10개 만드는 것, 즉 표준화된 변동성을 복원하는 방법
복잡한 프로세스를 구성 요소로 분해하는 제안은 매우 합리적입니다. 그렇게 해야 합니다. 다만, 어떤 이유에서인지, 당신은 극소수입니다. 파생 상품을 포함하여 연구에 추가할 수 있는 더 많은 시장 매개변수가 있습니다. 강력한 도구가 있습니다 - MO! ML을 사용하여 통계적으로 패턴을 찾는 총체적이고 논리적인 매개변수 시스템을 구축해 보는 것은 어떻습니까?
처음에는 3개의 틱 행 매개변수인 입찰 요청, 틱 시간이 있습니다. 다른 모든 매개변수는 이 세 가지의 파생물입니다. 데시메이션, 평균. 그리고 많이에서.
처음에는 3개의 틱 행 매개변수, 입찰 요청, 틱 시간이 있습니다. 다른 모든 매개변수는 이 세 가지의 파생물입니다. 데시메이션, 평균. 그리고 많이에서.
입찰, 매도, 마지막, 수준별 수요 및 공급량, OI, 계절성, 세션 시간 및 기타 여러 파생 상품 ... 뉴스 발표 시간, 뉴스 중요성, 이자율 , 병렬 동작과 같은 기본 매개변수를 포함할 수 있습니다. 같은 순간에 쌍을 이루십시오 ... 이미 MO를 사용하고 있다면 최대한 활용하십시오. "내 아버지와 어머니는 나에게 ... 탐험하는 법을 가르쳐 주셨으니 탐험하십시오!"라는 노래에서처럼.)))
기본적인 외부 매개변수는 디지털화 작업이 해결될 때까지 여기에서 고려되지 않았습니다. 매우 작은 뉴스의 중요성을 제외하고는 오늘날 시장의 다른 속성 및 매개변수의 프레젠테이션을 본 적이 없습니다. 그들은 사용하지 않습니다. 이 주제에 대한 뉴스에서. AI는 적국의 상태에 대한 정보를 고려하고 행동 전술을 세울 것입니다. 사회, 시장, 국가의 상태에 대한 데이터를 디지털화하는 작업은 또 다른 작업입니다.
우리는 단순히 흥미로운 문제를 해결하는 데 관심이 있습니다. 특히 문제가 해결되기 시작할 때 그렇습니다.
기본적인 외부 매개변수는 디지털화 작업이 해결될 때까지 여기에서 고려되지 않았습니다. 극히 미미한 뉴스의 중요성을 제외하고는 오늘날 시장의 다른 속성 및 매개변수의 프레젠테이션을 본 적이 없습니다. 그들은 사용하지 않습니다. 이 주제에 대한 뉴스에서. AI는 적국의 상태에 대한 정보를 고려하고 행동 전술을 세울 것입니다. 사회, 시장, 국가의 상태에 대한 데이터를 디지털화하는 작업은 또 다른 작업입니다.
작업이 해결되기 시작했다고 어떻게 결정합니까?