Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 2523
Sie verpassen Handelsmöglichkeiten:
- Freie Handelsapplikationen
- Über 8.000 Signale zum Kopieren
- Wirtschaftsnachrichten für die Lage an den Finanzmärkte
Registrierung
Einloggen
Sie stimmen der Website-Richtlinie und den Nutzungsbedingungen zu.
Wenn Sie kein Benutzerkonto haben, registrieren Sie sich
Wie machen Sie Ihre Sendung? Ist das ein Dienst eines Drittanbieters? Wie funktioniert das überhaupt? Wie kann ich das machen?
1. nehmen Sie diese https://github.com/tvjsx/trading-vue-js
2. laden Sie es auf Ihr Hosting hoch und fügen einen Indikator hinzu, der aus einer json-Datei liest
3. dort ein Skript ausführen, das die Datei aktualisiert, wenn Sie dieses Skript aufrufen.
4. irgendwo anders lassen Sie Ihren Neuro oder was auch immer laufen und wenn das Signal das Skript aus Schritt 3 erreicht
---
dies ist nicht das richtige Schema - der Indikator sollte Signale über die API empfangen, es hat bei mir nicht funktioniert
Danke, das ist im Moment zu kompliziert für mich.
Ja, aus der Definition von SB geht hervor, dass alle Inkremente in der Zukunft unabhängig von den Werten in der Gegenwart und in der Vergangenheit sind und daher die Kovarianzen alle null sind.
Nicht eine, sondern die mit der Zeit j zunehmende Varianz. Wenn wir mit d die Varianz des weißen Rauschens Xi bezeichnen, dann istCOV(Yj,Yj)=j*d^2. Dazu wird Yj als Summe von X1+...+Xj dargestellt und unter Berücksichtigung der Eigenschaften des weißen Rauschens berechnet.
Daraus ergibt sich nach der Substitution: ACF=sqrt(min(j,k)/max(j,k)). Wenn ich nicht irgendetwas vermasselt habe, versteht sich).
Ich schlage vor, das Thema ACF SB hier abzuschließen, um besonders beeindruckbare Praktiker nicht nervös zu machen)
min und max sind +- ∞ ?
min und max sind +- ∞ ?
j>=1, k>=1
Zum Beispiel: j=2, k=8 -> min(j,k)=2, max(j,k)=8 -> ACF(2,8)=sqrt(2/8)=1/2
Ja, aus der Definition von SB geht hervor, dass alle Inkremente in der Zukunft unabhängig von den Werten in der Gegenwart und in der Vergangenheit sind und daher die Kovarianzen alle null sind.
Nicht eine, sondern die mit der Zeit j zunehmende Varianz. Wenn wir mit d die Varianz des weißen Rauschens Xi bezeichnen, dann istCOV(Yj,Yj)=j*d^2. Dazu wird Yj als Summe von X1+...+Xj dargestellt und unter Berücksichtigung der Eigenschaften des weißen Rauschens berechnet.
Daraus ergibt sich nach der Substitution: ACF=sqrt(min(j,k)/max(j,k)). Wenn ich nicht irgendetwas vermasselt habe, versteht sich).
Ich schlage vor, das Thema ACF SB hier abzuschließen, um besonders beeindruckbare Praktiker nicht nervös zu machen)
Zum ersten Mal etwas Interessantes in der Branche gestartet und geschlossen ;)
Illustrationen werden, um zu verstehen, was ist die Anziehungskraft dieser Formeln?
Wenn wir mit d die Varianz des weißen Rauschens Xi bezeichnen, dann ist COV(Yj,Yj)=j*d^2.
Entschuldigen Sie, Herr Kollege, dass ich mich einmische, aber ist in diesem Satz nicht ein Schreibfehler enthalten?
Entschuldigen Sie die Störung, Herr Kollege, aber ist da nicht ein Tippfehler in diesem Satz?
Nun, ja, das Quadrat ist redundant: COV(Yj,Yj)=j*d (oder wir hätten die Varianz des weißen Rauschens mit d^2 bezeichnen sollen). Danke, Kollege. Die endgültige ACF-Formel bleibt davon unberührt, aber die Bezeichnung von Varianz, Standardabweichung und Streuung mit demselben Buchstaben ist ein ziemlich schlechter Ton.
Um ehrlich zu sein, kann ich überhaupt nichts verstehen.
p.s. Vielleicht erbarmt sich ja ein superschlauer Mathematiker und erklärt mir, was hier los ist?
Um ehrlich zu sein, kann ich überhaupt nichts verstehen.
p.s. Vielleicht hat ja ein superschlauer Mathematiker Mitleid mit mir und erklärt mir, was hier los ist?