Nun.... und Sie setzen diese geometrische Wahrscheinlichkeit der Nähe, die sich in Clustern befindet, mit der normalen Wahrscheinlichkeit, die sich in hmm befindet, gleich und sagen, dass sie auf dieselbe Weise funktionieren.
Weil Cluster und hmm gleich funktionieren, wie Sie sagen....
Wenn das wahr ist, und das ist es, dann lautet das Urteil: Arschloch)))
mytarmailS #: Nun.... und Sie setzen diese geometrische Wahrscheinlichkeit der Nähe, die in Clustern liegt, mit der normalen Wahrscheinlichkeit, die in hmm liegt, gleich und sagen, dass sie gleich funktionieren.
Denn Cluster und hmm funktionieren Ihrer Meinung nach auf die gleiche Weise....
Wenn das wahr ist, und das ist es, dann ist das Urteil Arschloch))))
Jeder hat das bereits erkannt und sogar aufgehört, auf Sie zu antworten. Leider haben Sie es gewagt, meinen Beitrag zu kommentieren, und ich musste Sie wieder einmal fertig machen.
Machen Sie ruhig weiter mit Ihrem Geschwafel. Sie können später wiederkommen, um eine weitere Runde intellektuelles Bashing zu betreiben. Ich denke, das Thema ist erschöpft, aber Sie sind noch nicht dazu gekommen, wie eine Giraffe. Das ist normal für einen ptu.
Diese Arbeit vergleicht die Prognosegenauigkeit von neuronalen Netzen und bedingten heteroskedastischen Modellen wie ARCH, GARCH, GARCH-M, TGARCH, EGARCH und IGARCH für die Prognose verschiedener Wechselkurse.
IGARCH, für die Vorhersage einer Reihe von Wechselkursen.mehrschichtige Perseptron-Netzwerke (MLP) und
Radial Basis Function (RBF)-Netzwerke mit unterschiedlichen Architekturen und bedingten
Heteroskedastische Modelle werden verwendet, um fünf Zeitreihen von Wechselkursen zu prognostizieren. Die Ergebnisse zeigen
dass sowohl neuronale Netze als auch bedingte heteroskedastische Modelle effektiv für die Vorhersage
für die Vorhersage. RBF-Netzwerke schneiden deutlich besser ab als MLP-Netzwerke in der Fallstudie mit dem neuronalen
Netzwerk-Fallstudie. IGARCH und TGARCH schneiden besser ab als andere bedingte heteroskedastische
Modelle. Die Leistung der neuronalen Netze
bei der Vorhersage des Wechselkurses ist besser als Modelle der bedingten Heteroskedastizität. Es wird gezeigt, dass das neuronale Netz wirksam eingesetzt werden kann
für die Schätzung der bedingten Volatilität von Wechselkursreihen und der impliziten Volatilität von Optionen N
Volatilität von NIFTY-Optionen. Es wird festgestellt, dass das neuronale Netz die bedingten heteroskedastischen
Der Vorteil von arche-like ist die minimale Anzahl von Parametern, wahrscheinlich im Verhältnis zur Anzahl der Gewichte der Neuronen. RBF hat auch weniger Gewichte als mlp. Das ist aber nur die Art, wie man es zählt.
Maxim Dmitrievsky #: Der Vorteil von arche-like ist die minimale Anzahl von Parametern, wahrscheinlich im Verhältnis zur Anzahl der Gewichte der Neuronen. RBF hat auch weniger Gewichte als mlp. Allerdings zählt man das so.
Archie modelliert Nicht-Stationarität, und zwar ziemlich detailliert.
MO-Modelle, wahrscheinlich auch Neuronen, machen sich die Idee der "Geschichte wiederholt sich" zunutze, indem sie nach Mustern suchen.
Deutet der Artikel an, dass der Weg der Mustersuche vielversprechender ist als die Modellierung von Nicht-Stationarität?
archi Modellierung der Nicht-Stationarität, und zwar sehr detailliert.
MO-Modelle, wahrscheinlich auch neuronale Modelle, machen sich die Idee der "Wiederholung der Geschichte" zunutze, indem sie nach Mustern suchen.
Deutet der Artikel an, dass der Weg der Mustersuche vielversprechender ist als die Modellierung von Nicht-Stationarität?
Die Modellierung der Nicht-Stationarität impliziert die Modellierung der Volatilität, so wie ich sie verstehe. Ohne die Richtung des Handels. In dieser Hinsicht sind Muster oder sich verschiebende Durchschnittsinkremente für den direktionalen Handel vielversprechender. Ich habe mir den Artikel noch nicht angesehen.
Ich würde sogar auf Trades in verschiedene Richtungen verzichten, z.B. sollten Eurobucks der letzten 10 Jahre dummerweise periodisch verkauft werden, ohne zu kaufen. Da werden Käufe mehr Fehler in die Modelle einbringen als Verkäufe.
Maxim Dmitrievsky #: Die Modellierung der Nicht-Stationarität impliziert die Modellierung der Volatilität, so wie ich sie verstehe. Ohne direktionale Trades. In dieser Hinsicht sind Muster oder sich verschiebende Durchschnittsinkremente für den direktionalen Handel vielversprechender. Ich habe mir den Artikel noch nicht angesehen.
Ich würde sogar auf Trades in verschiedene Richtungen verzichten, z.B. sollten Eurobucks der letzten 10 Jahre dummerweise periodisch verkauft werden, ohne zu kaufen. Dort wird jeder Kauf mehr Fehler in die Modelle einbringen als der Verkauf.
Ich bin einverstanden.
In unseren Terminals werden Trades angezeigt. Was Volatilität ist, ist überhaupt nicht klar.
Aber wenn man den absoluten Wert eines Vermögenswerts vorhersagen will, ist das eine andere Sache. Volatilität ist das Risiko, das für die Vorhersage des Wertes eines Vermögenswertes entscheidend ist.
Wenn Sie kein Benutzerkonto haben, registrieren Sie sich
Erlauben Sie die Verwendung von Cookies, um sich auf der Website MQL5.com anzumelden.
Bitte aktivieren Sie die notwendige Einstellung in Ihrem Browser, da Sie sich sonst nicht einloggen können.
Sie sind angemeldet. Die Zwei-Faktor-Authentifizierung wurde deaktiviert. Richten Sie sie erneut ein und scannen Sie einen neuen QR-Code oder fahren Sie mit deaktivierter Zwei-Faktor-Authentifizierung fort.
Das ist die Wahrscheinlichkeit eines Clusters, geometrisch interpretiert.
Man hat Ihnen gesagt, Sie hätten Wahnvorstellungen und wüssten nicht, wovon Sie reden. Niemand hat sich seither geändert.
Nun.... und Sie setzen diese geometrische Wahrscheinlichkeit der Nähe, die in Clustern liegt, mit der normalen Wahrscheinlichkeit, die in hmm liegt, gleich und sagen, dass sie gleich funktionieren.
Kurioser Artikel.
Übersetzung der Zusammenfassung
Diese Arbeit vergleicht die Prognosegenauigkeit von neuronalen Netzen und bedingten heteroskedastischen Modellen wie ARCH, GARCH, GARCH-M, TGARCH, EGARCH und IGARCH für die Prognose verschiedener Wechselkurse.
IGARCH, für die Vorhersage einer Reihe von Wechselkursen.mehrschichtige Perseptron-Netzwerke (MLP) und
Radial Basis Function (RBF)-Netzwerke mit unterschiedlichen Architekturen und bedingten
Heteroskedastische Modelle werden verwendet, um fünf Zeitreihen von Wechselkursen zu prognostizieren. Die Ergebnisse zeigen
dass sowohl neuronale Netze als auch bedingte heteroskedastische Modelle effektiv für die Vorhersage
für die Vorhersage. RBF-Netzwerke schneiden deutlich besser ab als MLP-Netzwerke in der Fallstudie mit dem neuronalen
Netzwerk-Fallstudie. IGARCH und TGARCH schneiden besser ab als andere bedingte heteroskedastische
Modelle. Die Leistung der neuronalen Netze
bei der Vorhersage des Wechselkurses ist besser als Modelle der bedingten Heteroskedastizität. Es wird gezeigt, dass das neuronale Netz wirksam eingesetzt werden kann
für die Schätzung der bedingten Volatilität von Wechselkursreihen und der impliziten Volatilität von Optionen N
Volatilität von NIFTY-Optionen. Es wird festgestellt, dass das neuronale Netz die bedingten heteroskedastischen
Modelle bei Out-of-Sample-Prognosen übertrifft.
Der Vorteil von arche-like ist die minimale Anzahl von Parametern, wahrscheinlich im Verhältnis zur Anzahl der Gewichte der Neuronen. RBF hat auch weniger Gewichte als mlp. Allerdings zählt man das so.
Archie modelliert Nicht-Stationarität, und zwar ziemlich detailliert.
MO-Modelle, wahrscheinlich auch Neuronen, machen sich die Idee der "Geschichte wiederholt sich" zunutze, indem sie nach Mustern suchen.
Deutet der Artikel an, dass der Weg der Mustersuche vielversprechender ist als die Modellierung von Nicht-Stationarität?
archi Modellierung der Nicht-Stationarität, und zwar sehr detailliert.
MO-Modelle, wahrscheinlich auch neuronale Modelle, machen sich die Idee der "Wiederholung der Geschichte" zunutze, indem sie nach Mustern suchen.
Deutet der Artikel an, dass der Weg der Mustersuche vielversprechender ist als die Modellierung von Nicht-Stationarität?
Die Modellierung der Nicht-Stationarität impliziert die Modellierung der Volatilität, so wie ich sie verstehe. Ohne direktionale Trades. In dieser Hinsicht sind Muster oder sich verschiebende Durchschnittsinkremente für den direktionalen Handel vielversprechender. Ich habe mir den Artikel noch nicht angesehen.
Ich bin einverstanden.
In unseren Terminals werden Trades angezeigt. Was Volatilität ist, ist überhaupt nicht klar.
Aber wenn man den absoluten Wert eines Vermögenswerts vorhersagen will, ist das eine andere Sache. Volatilität ist das Risiko, das für die Vorhersage des Wertes eines Vermögenswertes entscheidend ist.
Wahrscheinlich ist das so.
Ich werde also die Garchas vergessen.