트레이딩의 머신러닝: 이론, 모델, 실전 및 알고리즘 트레이딩 - 페이지 3105

 
Aleksey Nikolayev #:

이제 우리 모두 밝은 면, 즉 매트스탯으로 옮겨갈 때입니다!)

항상 그렇듯이 어두운면은 반대합니다) 항상 모든 것을 어둡고 불분명하게 축소하려고한다는 의미에서 어둡고 극단적 인 버전에서는 특정 "느낌"으로 축소하려고합니다).

어쩌면 그것이 우리가 교차 할 수 없기 때문에 우리가 그렇게 사악한 이유 일 수도 있습니다 :)
 
Aleksey Nikolayev #:

이제 우리 모두 밝은 면, 즉 매트스탯으로 옮겨갈 때입니다!)

항상 그렇듯이 어두운면은 항상 모든 것을 어둡고 불분명하게 축소하려고한다는 의미에서 어둡고 극단적 인 버전에서는 특정 "직감"으로 축소하려고합니다).

매트스탯과 무슨 관련이 있나요?

그 남자는 고정 줄에서 운동하고 있으며 우리는 진지하게 클립에 대해 논의하고 있습니다! 그것은 그의 허무맹랑한 가설과 함께 우리와 전혀 관련이 없습니다.

 
Aleksey Nikolayev #:

이제 우리 모두 밝은 면, 즉 매트스탯으로 옮겨갈 때입니다!)

또는 코드 형태의 재현 가능한 예제

 
СанСаныч Фоменко #:

매트스탯과 무슨 관련이 있나요?

이 동영상은 매트스탯을 이해하는 데 중요한 사항을 간단하지만 의미 있는 수준으로 설명하려는 성공적인 시도입니다.

산산치 포멘코 #:

한 남자가 고정 줄에서 운동하고 우리는 진지하게 비디오에 대해 논의하고 있습니다! 그의 허무맹랑한 가설과 함께 우리와 전혀 관련이 없습니다.

당신도 보통 고정식인 차고에서 운동했던 것으로 기억합니다.) 그리고 "귀무가설"은 여러분이 알고 이해해야 하는 기본적인 매트스탯 용어일 뿐입니다.

 
Aleksey Nikolayev #:


이 동영상은 매트스탯을 이해하는 데 중요한 내용을 간단하지만 의미 있는 수준으로 설명하려는 성공적인 시도입니다.

물론 일반적인 교육적 관점에서는 재무 시계열에 적용할 수 있는 내용만 논의하는 것이 훨씬 더 중요합니다.


기억으로는 보통 고정되어 있는 가차를 가지고 운동을 하셨던 것으로 기억합니다.)

언제부터 가차가 고정되어 있었나요?

가차의 전제는 원래 시계열이 고정되어 있지 않다는 것이며, 더 나아가 차분된 시계열도 고정되어 있지 않다는 것입니다. 그리고 가차는 원래 시계열이 고정되어 있지 않은 것을 모델링하기 위한 시도입니다. 루거를 살펴보면, 함수 자체에 미리 차별화 된 시리즈의 세 가지 특징에 대한 모델링이 있으며, (특징) 시리즈를 비 고정으로 참조합니다.

 
부정적인 프로파일 변형이 더 이상 "있는 그대로"인식되지 않고 이전 신경 승리의 유착을 통해 복잡한 경로를 취하고이 풍부한 "진실"이 입구를 통해 압력을 받아 다시 배출되는 비율에 도달했다고 느낍니다 (그리고 그것은 느낌이 아닙니다).
 
СанСаныч Фоменко #:

언제부터 가르시가 고정되어 있었나요?

모든 p+q 계수의 합이 1보다 작다면 항상 고정되어 있습니다(GARCH(p,q)).

 
고정 계열이 아닌 다른 시험에 응시하여 동일한 시험을 치르는 것은 어떤 문제점이 있나요? 요점이 달라지나요?
 
Maxim Dmitrievsky #:
느낌 (그리고 그것은 느낌이 아닙니다)은 부정적인 프로파일 변형이 더 이상 "있는 그대로"인식되지 않고 이전 신경 승리의 유착을 통해 복잡한 경로를 취하고이 풍성한 "진실"이 압력을 받아 입을 통해 다시 배출되는 비율에 도달했다는 것입니다.

사실) 그리고 그것은 우리 대부분이 지적으로 AI로 대체 될 수 있음을 무섭게 명확하게 보여줍니다.)

 
Aleksey Nikolayev #:

그렇습니다) 그리고 그것은 우리 대부분이 지적으로 AI로 대체 될 수 있음을 무섭게 명확하게 보여줍니다.)

예, 이미 경계가 느껴지고 있으며 그러한 과정이 멀지 않은 것 같습니다 :)
사유: