記事"微分とエントロピー解析によるGrokking市場の「記憶」"についてのディスカッション - ページ 7 123456789101112 新しいコメント Aleksei Stepanenko 2019.06.23 16:36 #61 Alexander_K:参考までに： 全部読んでみるよ、ありがとう。この記事のリンクも。 ランダムな増分（もちろん、擬似的なものだが）をプロットすれば、視覚的には実際のグラフと区別がつかない。しかし、その密度もランダムに変化する。そして、それは何の役にも立たないようだ。見た目は同じだが :) 動作例のExcelファイルを追加 ファイル: tcfvg4_byjgl89ds_3q5g3bja9m.zip 116 kb Alexander_K 2019.06.23 16:58 #62 Aleksei Stepanenko:興味深いことに、ランダムな増分（もちろん、擬似的なものだが）をプロットすると、視覚的には実際のグラフと区別がつかなくなる。しかし、その密度もランダムに変化する。そして、それは何の役にも立たないようだ。見た目は同じだが :) 配列の1つをチェックしてみた： 最後に何があるのか分かりませんが、何か失敗があったのでしょう。 しかし、一般的に、これは通常のガウスランダムプロセスで、分散に周期性はなく、これで勝つのはかなり問題ですが、勝つことはできます。 実際のBPとの差は非常に大きい。 Aleksei Stepanenko 2019.06.23 17:06 #63 とても興味深かった。変更しました。 Alexander_K:実際のBPとの差は非常に大きい。 この差を利用してインジケーターを作ろう） Alexander_K 2019.06.23 17:14 #64 Aleksei Stepanenko:そして、この違いを基にインジケーターを構築する。） 構築する :))))) そんなに簡単なことなら、ここの何人かは15年間（！！）この作業と格闘してきた。 もちろん、誰かがそれを見つけて、すぐにこのフォーラムから飛び降りる。 Aleksei Stepanenko 2019.06.23 17:19 #65 Alexander_K:15年（！！）もの間、彼らはこの課題と格闘してきた。もちろん、誰かがそれを見つけて、すぐにこのフォーラムから飛び降りる。 ハロー、涅槃！ Maxim Romanov 2019.06.25 21:50 #66 Aleksei Stepanenko:全部読むよ、ありがとう。この記事のリンクも。ランダムな増分（もちろん、擬似的なものだが）をプロットすると、視覚的には実際のグラフと区別がつかなくなる。しかし、その密度もランダムに変化する。そして、それは何の役にも立たないようだ。見た目は同じだが :)動作例のExcelファイルを追加 また、このチャートをmt5に分足で読み込んで、タイムフレームをm15かn1に切り替えると、目視ではマーケットチャートと区別がつきません。 Aleksei Stepanenko 2019.06.25 23:58 #67 Maxim Romanov: 市場との違いは目ではまったくわからないよ。 ありがとうございます！ しかし、グラフには違いがある。エクセルの計算式ではランダムな増分が生じますが、その発生頻度はほぼ同じです。マーケット・チャートでは、非常に大きな増分（動き）が少数であることが視覚的にわかります。というわけで、こんな感じです :) Vladimir Perervenko 2019.06.26 10:08 #68 Maxim Dmitrievsky:MOのトピックですでに書いたことだが、逆Lambert変換を使えば、アイデアとしてはこれが一度にできる。が、私には複雑すぎる行列があるhttps://www.hindawi.com/journals/tswj/2015/909231/RやPyのパッケージもありますが Rのパッケージ(LambertW)があり、完璧に「ガウス化」してくれる。以下はEURUSD/M20の生ログリターンと "ガウス化 "ログリターンのチャートである。 require(LambertW) set.seed(12358) y1 <- diff(log(pr$close), 3)*100 out <- Gaussianize(y1, return.tau.mat = TRUE) x1 <- get_input(y1, c(out$tau.mat[, 1])) # same as out$input test_normality(tail(y1, 4000)) test_normality(tail(x1, 4000)) # Gaussianized 図.1 生のログ・リターン・データ 図.2 処理されたデータ 削除済み 2019.06.26 10:12 #69 Vladimir Perervenko:Rのパッケージ（LambertW）があり、完璧に「ガウス化」してくれる。以下はEURUSD/M20のログリターンの生チャートと「ガウス化」したチャートである。図.1 生のログ・リターン・データ図.2 処理されたデータ さて、コチールに変換して、記事から分数リターンを取り出せば、アレクサンダーが必死に叩いていることがわかるだろう。アイデアだ。 mytarmailS 2019.06.28 10:08 #70 Vladimir Perervenko:Rのパッケージ（LambertW）があり、完璧に「ガウス化」してくれる。以下はEURUSD/M20のログリターンの生チャートと「ガウス化」したチャートである。図.1 生のログ・リターン・データ図.2 処理されたデータ なぜ "gauss "引用をするのか、どのような利点があるのか等、また新しいデータをどのように扱うのか説明できますか？ この方法で新しい "incoming "データをどのように扱うのですか？ 123456789101112 新しいコメント 取引の機会を逃しています。 無料取引アプリ 8千を超えるシグナルをコピー 金融ニュースで金融マーケットを探索 新規登録 ログイン スペースを含まないラテン文字 このメールにパスワードが送信されます エラーが発生しました Googleでログイン WebサイトポリシーおよびMQL5.COM利用規約に同意します。 新規登録 MQL5.com WebサイトへのログインにCookieの使用を許可します。 ログインするには、ブラウザで必要な設定を有効にしてください。 ログイン/パスワードをお忘れですか？ Googleでログイン
参考までに：
全部読んでみるよ、ありがとう。この記事のリンクも。
ランダムな増分（もちろん、擬似的なものだが）をプロットすれば、視覚的には実際のグラフと区別がつかない。しかし、その密度もランダムに変化する。そして、それは何の役にも立たないようだ。見た目は同じだが :)
動作例のExcelファイルを追加
興味深いことに、ランダムな増分（もちろん、擬似的なものだが）をプロットすると、視覚的には実際のグラフと区別がつかなくなる。しかし、その密度もランダムに変化する。そして、それは何の役にも立たないようだ。見た目は同じだが :)
配列の1つをチェックしてみた：
最後に何があるのか分かりませんが、何か失敗があったのでしょう。
しかし、一般的に、これは通常のガウスランダムプロセスで、分散に周期性はなく、これで勝つのはかなり問題ですが、勝つことはできます。
実際のBPとの差は非常に大きい。
とても興味深かった。変更しました。
実際のBPとの差は非常に大きい。
この差を利用してインジケーターを作ろう）
そして、この違いを基にインジケーターを構築する。）
構築する :)))))
そんなに簡単なことなら、ここの何人かは15年間（！！）この作業と格闘してきた。
もちろん、誰かがそれを見つけて、すぐにこのフォーラムから飛び降りる。
15年（！！）もの間、彼らはこの課題と格闘してきた。もちろん、誰かがそれを見つけて、すぐにこのフォーラムから飛び降りる。
ハロー、涅槃！
全部読むよ、ありがとう。この記事のリンクも。
ランダムな増分（もちろん、擬似的なものだが）をプロットすると、視覚的には実際のグラフと区別がつかなくなる。しかし、その密度もランダムに変化する。そして、それは何の役にも立たないようだ。見た目は同じだが :)
動作例のExcelファイルを追加
市場との違いは目ではまったくわからないよ。
ありがとうございます！
しかし、グラフには違いがある。エクセルの計算式ではランダムな増分が生じますが、その発生頻度はほぼ同じです。マーケット・チャートでは、非常に大きな増分（動き）が少数であることが視覚的にわかります。というわけで、こんな感じです :)
MOのトピックですでに書いたことだが、逆Lambert変換を使えば、アイデアとしてはこれが一度にできる。
が、私には複雑すぎる行列があるhttps://www.hindawi.com/journals/tswj/2015/909231/
RやPyのパッケージもありますが
Rのパッケージ(LambertW)があり、完璧に「ガウス化」してくれる。以下はEURUSD/M20の生ログリターンと "ガウス化 "ログリターンのチャートである。
図.1 生のログ・リターン・データ
図.2 処理されたデータ
Rのパッケージ（LambertW）があり、完璧に「ガウス化」してくれる。以下はEURUSD/M20のログリターンの生チャートと「ガウス化」したチャートである。
図.1 生のログ・リターン・データ
図.2 処理されたデータ
さて、コチールに変換して、記事から分数リターンを取り出せば、アレクサンダーが必死に叩いていることがわかるだろう。アイデアだ。
Rのパッケージ（LambertW）があり、完璧に「ガウス化」してくれる。以下はEURUSD/M20のログリターンの生チャートと「ガウス化」したチャートである。
図.1 生のログ・リターン・データ
図.2 処理されたデータ
なぜ "gauss "引用をするのか、どのような利点があるのか等、また新しいデータをどのように扱うのか説明できますか？ この方法で新しい "incoming "データをどのように扱うのですか？