트레이딩의 머신러닝: 이론, 모델, 실전 및 알고리즘 트레이딩 - 페이지 2848

새 코멘트
 
Aleksey Nikolayev #:

기둥 높이 샘플에 대한 히스토그램(일반적인 의미의 히스토그램)을 만들어 보세요. 생존 함수를 구성해 볼 수도 있습니다.

나는 그것을 만들었는데 어떻게 사용할 것을 제안합니까?

생존 함수에 대해서는 사용 방법을 모르겠습니다.

 
Aleksey Vyazmikin #:

그래서 구축하셨고, 어떻게 사용하시겠습니까?

생존 기능에 대해서는 어떻게 사용하는지 모르겠습니다.

예를 들어 첫 번째 그림에서 울타리와 나무에 해당하는 8-9 주변에서 눈에 띄는 감소가 있습니다. 생존 함수 그래프에서 쇠퇴의 기울기를 더 정확하게 볼 수 있으며 수평 섹션으로 정의되어 있습니다.

 
Aleksey Nikolayev #:

예를 들어, 첫 번째 그림에서 울타리와 나무에 해당하는 8-9 부근에서 눈에 띄는 감소가 있습니다. 생존 함수 그래프에서 쇠퇴 구간을 더 정확하게 볼 수 있으며, 가로 섹션으로 정의되어 있습니다.

히스토그램을 두 부분으로 나눌 수 있다는 것은 분명하지만 프로세스의 자동화 및 통합의 문제입니다. 스프레드가 절대적으로 크지 않으면 히스토그램에 표시되지 않습니다.

 
Aleksey Vyazmikin #:

히스토그램을 두 부분으로 나눌 수 있다는 것은 분명하지만 여기서 질문은 프로세스의 자동화 및 통합에 관한 것입니다. 스프레드가 절대적으로 크지 않으면 히스토그램에 표시되지 않습니다.

그래서 생존 함수에 대해 썼습니다 (위험 함수도 있습니다). 새로운 것을 배우기 위해 게으르지 말고 모든 것을 스스로 발명하려고하지 마십시오. 누군가가 이미 문제를 해결했습니다.

 
Aleksey Nikolayev #:

새로운 것을 배우는 데 게으르지 말고, 이미 다른 누군가가 해결한 문제를 혼자서 만들어내려고 하지 마세요.

++++

 
Aleksey Nikolayev #:

그래서 제가 생존 함수에 대해 쓴 이유입니다(위험 함수도 있습니다). 새로운 것을 배우는 데 게으르지 말고 모든 것을 혼자서 발명하려고 하지 마세요. 이미 누군가가 문제를 해결해 주었으니까요.

구체적으로 말씀드리자면, 에테르 기관을 사용하는 방법과 이유에 대한 생산적인 이해 없이 에테르 기관을 언급하는 것은 시간 낭비입니다.

생존 함수를 만드는 알고리즘에 대한 이해를 도울 준비가되었습니다. 제가 코드를 작성하고 더 생각해 보겠습니다. 그리고 제가 업무에 적용하기 위해 처리하는 정보의 양을 고려할 때 저의 게으름에 대한 귀하의 가정은 단순히 모욕적입니다.

 
Aleksey Vyazmikin #:

구체적으로 말하자면, 에테르 기관을 사용하는 방법과 이유에 대한 생산적인 이해 없이 에테르 기관을 언급하는 것은 시간 낭비입니다.

생존 함수를 구축하는 알고리즘을 이해하는 데 도움을 줄 준비가 되었으면 코드를 작성하고 더 생각해 보겠습니다. 그리고 제가 업무에 적용하기 위해 처리하는 정보의 양을 고려할 때 저의 게으름에 대한 귀하의 가정은 단순히 모욕적입니다.

대략적으로 말하면, 당신은 나무를 베는 데 게으르지 않지만 도끼를 갈기에는 게으르다.

R의 가장 간단한 변형인 위험 함수

#  x - выборка, y - функция риска
x <- sort(x)
nx <- length(x)
y <- log(nx/(nx:1))
plot(x, y, type = "l")

수평선에 가까운 곡선의 섹션은 히스토그램의 딥에 해당하며 여기에서는 히스토그램에서와 같이 파티셔닝에 대한 연결이 없기 때문에 이러한 섹션을 더 정확하게 결정할 수 있습니다. 예를 들어 지그재그 무릎의 높이 분포를 연구할 때 이 방법을 사용합니다.

 
Aleksey Nikolayev #:

위험 함수, R의 가장 간단한 변형

nx:1이 무슨 뜻인가요? 로그를 조회한 후 벡터 Y에서 두 개 이상의 숫자를 얻지 않나요? R의 구문을 모릅니다.

알렉세이 니콜라이 예프 #:

수평선에 가까운 곡선의 섹션은 히스토그램의 딥에 해당하며 여기에서는 히스토그램에서와 같이 파티셔닝에 대한 링크가 없기 때문에 이러한 섹션을 더 정확하게 정의 할 수 있습니다. 예를 들어 지그재그 무릎의 높이 분포를 연구할 때 사용합니다.

"닫기" - 친밀도를 통합하는 방법은 무엇인가요? 저는 결국 수동 추정이 아닌 알고리즘을 원합니다.

지금까지는 샘플에서 이러한 이상값의 비율을 표시하는 간단한 예측 변수를 만들고 있습니다. 그런 다음 샘플에서 이러한 이상값의 분포를 추정하는 옵션에 대해 생각해 볼 수 있습니다.

 
Aleksey Vyazmikin #:

nx:1이 무슨 뜻인가요? 로그를 조회한 후 벡터 Y에서 두 개 이상의 숫자를 얻지 않나요? R의 구문을 모르겠어요.

nx에서 1까지의 값을 가진 길이 nx의 벡터입니다. R을 배우고 도끼를 갈아보세요.

알렉세이 뱌즈미킨 #:

"닫기"-친밀감 정도를 통합하는 방법은 무엇입니까? 결국 수동 추정이 아닌 알고리즘이 필요합니다.

작업에 따라 방법을 결정하는 것은 사용자의 몫입니다. 제 변형은 SB에 대해 계산된 위험 함수의 이론적 형태에서 벗어난 편차를 사용하므로 효과가 없을 것 같습니다.

 
Aleksey Nikolayev #:

nx에서 1까지의 값을 갖는 길이 nx의 벡터입니다. R을 배우고 도끼를 갈아보세요.

nx는 같은 원소의 개수입니다. 1보다 크면 어떻게 최대 1이 될 수 있을까요?

이 글에서는 일반적으로 메서드 자체를 적용하기 전에 분포를 알아야 한다고 강조합니다.
1...284128422843284428452846284728482849285028512852285328542855...3399
새 코멘트
사유: