트레이딩의 머신러닝: 이론, 모델, 실전 및 알고리즘 트레이딩 - 페이지 814

 
마이클 마르쿠카이테스 :

선물이 새로운 것일 때 TS는 작고 수명이 짧다는 사실이 오래전부터 알려져 왔습니다. 미래는 나이가 들수록 예측하기 쉬워지며, 끝나면 일반적으로 하찮은 문제입니다.

그리고 누가 새로운 미래에 대해 추측하고 있습니까? 최근 3개월만. 이전 것이 끝났습니다 (또는 2-3 일 전)-다음으로 이동하십시오.

그리고 그 존재의 마지막 날을 제외하고는 3개월 동안 거의 동일합니다. 없음 - 이전 ...))

 
마이클 마르쿠카이테스 :

그리고 당신의 방식으로, 당신은 오랫동안 지역 주민들과 접촉해야 할 것입니다.

예, 그는 그것을 필요로하지 않습니다. 그는 단지 트롤링을 위해 여기에 있습니다. 여기 주제에서 성배 알고리즘은 말 그대로 무리를 지어 뒹굴고 있습니다. 그가 혀를 굴리지 않고 시도했다면 그는 오래 전에 영구적인 무스에서 벗어났을 것입니다. 거의 90%가량 완성된 성배를 여기에 직접 배치하기도 했지만, 완성하기 위해서는 자신에게 없는 지식이 필요하다. 동시에 누락 된 단계는 여기 주제에 설명되어 있지만 그는 자신을 돕고 올바른 방향으로 안내하려고 노력한 모든 사람에게 젠장을 보냈습니다)))))
아이러니하다.

 
박사 상인 :

예, 그는 그것을 필요로하지 않습니다. 그는 단지 트롤링을 위해 여기에 있습니다. 여기 주제에서 성배 알고리즘은 말 그대로 무리를 지어 뒹굴고 있습니다. 그가 혀를 굴리지 않고 시도했다면 그는 오래 전에 영구적인 무스에서 벗어났을 것입니다. 거의 90%가량 완성된 성배를 여기에 직접 배치하기도 했지만, 완성하기 위해서는 자신에게 없는 지식이 필요하다. 동시에 누락 된 단계는 여기 주제에 설명되어 있지만 그는 자신을 돕고 올바른 방향으로 안내하려고 노력한 모든 사람에게 젠장을 보냈습니다)))))
아이러니하다.

오 선생님, 나머지 10%를 저에게 주시면 성실히 섬기겠습니다.

당신의 메시지에서 진실의 불꽃을 보지 못한 어리석은 학생을 용서하십시오

 
마법사_ :

특허가 거부되었습니다.

 
마법사_ :

사진은 확실히 아름답습니다.

간단한 방법으로 다음을 수행할 수 있습니다. 무언가를 했습니다 - 무언가를 얻었습니다. 사진이 없을 수도 있습니다. 저는 사람을 너무 믿습니다.

 
그리고리 쇼닌 :
Saw Shura, 그들은 황금입니다. https://www.mql5.com/ru/articles/2930
사람들, 내가 당신을 놀라게 했습니까? 결국 이것은 시장의 예측 불가능성에 대한 과학적 증거입니다. 그러나 시장에서 10년을 벌고 손실을 보지 않는 로고 트레이더가 있다는 사실은 어떻습니까? 모든 지식은 질문하고 테스트해야 합니다.
 
막심 드미트리예프스키 :

분포가 표시된 예측 변수가 하나 이상 있으면 아무것도 필요하지 않습니다. 긴급히 따뜻한 섬으로 떠나 그곳에 삽니다.


일반적으로 그림은 다음과 같습니다.


그리고 여기 정말 멋진 것이 있습니다.



여기에 실제 예측 변수가 있는 가혹한 삶의 현실이 있습니다.

 
산산이치 포멘코 :

분포가 표시된 예측 변수가 하나 이상 있으면 아무것도 필요하지 않습니다. 긴급히 따뜻한 섬으로 떠나 그곳에 삽니다.


일반적으로 그림은 다음과 같습니다.


그리고 여기 정말 멋진 곳이 있습니다.



여기에 실제 예측 변수가 있는 가혹한 삶의 현실이 있습니다.

확률 분포는 Bayas를 나타냅니다. 나중에 주제가 재미있어지면 글을 쓰겠습니다, 바이 xs ..

OOS에서 목표에 대한 확률의 이동을 의미합니까?

 
막심 드미트리예프스키 :

확률 분포는 Bayas를 나타냅니다. 나중에 주제가 재미있어지면 글을 쓰겠습니다, 바이 xs ..

OOS에서 목표물에 대한 확률의 이동을 의미합니까?

백번째로 글을 씁니다.

나는 예측자를 가져와 두 클래스의 대상에 대해 두 부분으로 나눕니다. 한 부분은 한 클래스에 속하고 다른 부분은 다른 클래스에 속합니다. 그런 다음 두 개의 곡선을 만들고 적용합니다. 그들 아래에서 우리는 "돈이 아니라 당신에게 무화과"라는 서명을합니다.

그게 다야.


추신.

이 곡선은 하나의 예측 변수에 대해서는 곡률 너비보다 더 작고 다른 예측 변수에 대해서는 서로에 대해 지속적으로 움직입니다. 이것은 모든 분류 모델에 대한 입력 데이터의 비정상성을 결정합니다.

 
산산이치 포멘코 :

백번째로 글을 씁니다.

나는 예측자를 가져와 두 클래스의 대상에 대해 두 부분으로 나눕니다. 한 부분은 한 클래스에 속하고 다른 부분은 다른 클래스에 속합니다. 그런 다음 두 개의 곡선을 만들고 적용합니다. 그들 아래에서 우리는 "돈이 아니라 당신에게 무화과"라는 서명을합니다.

그게 다야.


추신.

이 곡선은 하나의 예측 변수에 대해서는 곡률 너비보다 더 작고 다른 예측 변수에 대해서는 서로에 대해 지속적으로 움직입니다. 이것은 모든 분류 모델에 대한 입력 데이터의 비정상성을 결정합니다.

이제 각 예측 변수에 대해 역사적 구매 \ 판매 \ 추정치를 유지하고 확률로 변환하십시오.

여러 예측 변수를 취하고 각각에 대해 동일한 작업을 수행합니다.

일련의 기능에서 이익을 얻을 조건부 확률 찾기

그런 다음 이 예에서와 같이 NS 또는 퍼지 세트로 구동합니다.

평균 점수는 각 예측 변수에 대해 0.5 주변에서 변동하지만 베이지안 접근 방식의 경이로움은 점수 집합을 허용 가능한 수준으로 가져올 것입니다.

이론상입니다 :)

사유: