FR H-Volatility - ページ 8 123456789101112131415...42 新しいコメント Yurixx 2007.11.27 16:32 #71 Mathemat: ここからが面白いんですよ、ユリックスさん。私たちが市場にアクセスできるレベルでは、せいぜい現象論的な記述に終始するのが関の山だろうと思われます。大雑把に言うと、統計熱力学ではなく、古典熱力学です。クラシックのほうはうまくいかないのですか？たとえエントロピーや温度が何であるかがよくわからなくても、それはうまく機能するのです。 クラシックがよく似合う。しかし、それが働く前に、生まれる前に、三頭竜シャルル＝ボイル＝マリオットが汗水たらして働き、彼が現象学的に導き出した法則は、メンデレーエフ＝クラペイロン方程式の特殊例であることが判明した。 つまり、現象学から、彼は本当の法則を明らかにすることに成功したのである。また、そうでないとしたら、古典熱力学はどうなるのでしょうか？ そして、TSを作りお金を稼ぐという純粋に功利的な目標を持っている限りにおいてのみ、現象論的な記述に陥る運命にあるのです。しかし、優秀な頭脳を持つ人が、商売上の関心から目をそらし、市場を深く研究することに時間を割けば、面白い発見に必要な道具やデータなど、すべてが揃うはずだ。必要だが十分ではない:-) Sceptic Philozoff 2007.11.27 16:59 #72 Prival: トップだけど、どこに書けばいいのかわからない。私の記憶に間違いがなければ、ギネスブックには年率1200％という記録が残っているはずです。Larry Williamshttp://web-investor.academ.org/index.php?action=articles&id=71 そこから「しかし、債券とS&P500指数の先物取引で、1年間で投資額を1147千ドル、つまり11000％以上増やした。一桁の誤差がある。1987年当時は、レバレッジが小さかったんです。そして、このコンテストを実際のお金で取引しているようです。 Prival 2007.11.27 22:16 #73 Yurixx:Stochastic Resonanceのスレッドで、作品を投稿した際に、問題のFRについて質問させていただきました。それに対する答えはなかった。しかも、試行回数はわずか3回。そして、それはガンマ分布と呼ばれる既知の研究された関数の特殊なケースであることが判明した。ベイズ統計学の本を読んでいて、偶然に出会いました。 私は自分が統計学者だとは思っていませんが、これらの分布のp.v.プロットは以下のとおりです。そして、ほとんどの場合、あなたの分布はレイリー・ライス分布であって、ガンマ分布ではないのです、私の公式の理解が正しければ。 Sqrt(x^2+y^2)はレーダーでよく使われるレイリー分布で、フーリエ級数分解したときのノイズ振幅の分布です（xは実数成分、yは虚数成分）。この量の2乗が対数正規分布で、信号のエネルギーと密接に関係している。レイリー分布は、レイリーライス分布の特殊なケースで、太い尾を持つ分布です。 追伸：必要であれば、必要なページをスキャンしてお送りすることも可能ですが、来週には可能です。私に連絡するか、座標を残すようにしてください。これらの分布はすべて、Levine B.R. Theoretical foundations of statistical radio engineeringによく記述されています。- モスクワ：ラジオ・コミュニケーション社、1989年 私は主にSkypeで活動しています→privalov-sv 私は、すべての構成とその特性、およびモデル化の方法を示したmatcadファイルを添付します。 ファイル: rais.zip 78 kb Neutron 2007.11.28 05:17 #74 同僚の皆さん、こんにちは。 私は、通貨系列のティック 履歴をn次ARモデルで定性的にモデル 化することをあきらめてはいません。ここで、元のARの最初の差分系列X[i]=Y[i]-Y[i-1]は直接モデル化されます： , a[i] は自己回帰係数、sigmaは何らかの形で分布型確率変数です。 通貨系列の第一差のFAとモデル系列の第一差のFAを、ARモデルの確率変数（シグマ）のFRを介して、どのように関連づけることができると思いますか？ 問題には解決策がある。正しい」シグマ分布則を手で選ぶことはできますが、それは苦しい手順ですYurixxさん 、この処方の問題には興味を持たれたようですね。ポジティブな結果の場合、Mathematicsが 指摘したように、TSの代表的なテストに必要なティック（異なるTF上のバー）間のボラティリティと保存の意味で、生成するものと同じBPを構築するアルゴリズムを手にすることができます。 Prival 2007.11.28 05:44 #75 FAとは？自己回帰X[i]の関数か？ Neutron 2007.11.28 06:46 #76 Prival: FAとは？自己回帰X[i]の関数か？ あ！ごめんなさい。全体を通して、FAの代わりにFRと読むべきである。 Yurixx 2007.11.28 13:56 #77 Neutron: 通貨系列の第一差のFRとモデル系列の第一差のFRは、ARモデルの確率変数（シグマ）のFRを介して、どのように関連付けられるとお考えでしょうか？ 問題には解決策がある。手作業で「正しい」シグマ分布則を求めることはできますが、これは大変な作業です さて、シグマがモデル系列のFRを通貨系列のFRに導くと仮定すれば、シグマのFRは、モデルXと実物Yという2つのSVの差のFRとして構成されるはずである。しかし、Xの形成にはシグマが関与しており、Xのランダム性はすべてシグマによって決定されるため、すぐにはそう言い切れないのである。 逆にやってみるのもいいかもしれませんね。Xi+1=Xi+シグマでFRシグマが既知の場合、X分布はどのように構築されますか？この問題を解決すれば、設定した問題も解決できる。 Neutron 2007.11.28 15:13 #78 どのように実現するかは、まだ明確ではありません。 同僚たちよ、私の質問は、テーマから外れている。あなたは今、TSにニューラルネットワーク（NS）を応用する可能性について、ある種の関心を抱いているのではないでしょうか。TS最適化のための通常の探索が（遺伝的アルゴリズムを用いても）技術的な理由で正当化されない場合、NSの使用は入力パラメータの数が十分に多い場合に正当化されるという理解で正しいですか？また、その過程でNSの自己学習能力を強調することもできるが、この課題は通常の論理構造の自動最適化の手順を用いて解決することは難しくない。 Yurixx 2007.11.28 19:20 #79 その通りだと思いますが、それだけではないとも思っています。 通常の論理設計の自動最適化」が何かは分かりませんが、NSでは非常に複雑な意思決定ロジックを実装できることだけでも魅力的です。パラメータがそれほど多くない場合でも、システムの位相空間は人間の知覚には多次元的であることが判明した。もしこのアプローチが正しく、選択された推定値が位相空間のクラスタリングを可能にするならば、クラスタの位置と形状は非常に複雑なトポロジーを持つことができる。決定ロジックを記述するために何らかの方法で可視化する必要があるか、あるいは盲目的にクラスとメンバーシップ基準を導入する必要があるのです。NSは、これと同様に確率的な評価も（見てわかるように）ずっとうまく処理します。 Yurixx 2007.11.28 19:27 #80 Prival: ユリックス。Stochastic Resonanceのスレッドで、作品を投稿した際に、問題のFRについて質問させていただきました。それに対する答えはなかった。しかも、試行回数はわずか3回。ベイズ統計学の本を読んでいて、偶然この分布に出会いましたが、これはガンマ分布というよく知られ研究されている関数の特殊なケースであることがわかりました。 私は自分が統計学者だとは思っていませんが、これらの分布のp.v.プロットは以下のとおりです。そして、ほとんどの場合、あなたの分布はレイリー・ライス分布ですが、私の公式の理解が正しければ、決してガンマ分布ではありません。 ガンマ分布のパラメータは1つです。その値によって、レイリー分布に似たものなど、さまざまな形状を持つ。しかし、その統計的特性や大きなxでの挙動は異なるだろう。 どのディストリビューションが「必要」なのかわからない。そのとき浮かんだ疑問で、答えを見つけたのはしばらく経ってからです。FRをどうするか、それが問題なのです。それが解けて初めて、次は分布関数の形が問われることになる。 そうすれば、この紳士録の話に戻ることができる。 123456789101112131415...42 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
ここからが面白いんですよ、ユリックスさん。私たちが市場にアクセスできるレベルでは、せいぜい現象論的な記述に終始するのが関の山だろうと思われます。大雑把に言うと、統計熱力学ではなく、古典熱力学です。クラシックのほうはうまくいかないのですか？たとえエントロピーや温度が何であるかがよくわからなくても、それはうまく機能するのです。
クラシックがよく似合う。しかし、それが働く前に、生まれる前に、三頭竜シャルル＝ボイル＝マリオットが汗水たらして働き、彼が現象学的に導き出した法則は、メンデレーエフ＝クラペイロン方程式の特殊例であることが判明した。 つまり、現象学から、彼は本当の法則を明らかにすることに成功したのである。また、そうでないとしたら、古典熱力学はどうなるのでしょうか？
そして、TSを作りお金を稼ぐという純粋に功利的な目標を持っている限りにおいてのみ、現象論的な記述に陥る運命にあるのです。しかし、優秀な頭脳を持つ人が、商売上の関心から目をそらし、市場を深く研究することに時間を割けば、面白い発見に必要な道具やデータなど、すべてが揃うはずだ。必要だが十分ではない:-)
トップだけど、どこに書けばいいのかわからない。私の記憶に間違いがなければ、ギネスブックには年率1200％という記録が残っているはずです。Larry Williamshttp://web-investor.academ.org/index.php?action=articles&id=71
Stochastic Resonanceのスレッドで、作品を投稿した際に、問題のFRについて質問させていただきました。それに対する答えはなかった。しかも、試行回数はわずか3回。そして、それはガンマ分布と呼ばれる既知の研究された関数の特殊なケースであることが判明した。ベイズ統計学の本を読んでいて、偶然に出会いました。
私は自分が統計学者だとは思っていませんが、これらの分布のp.v.プロットは以下のとおりです。そして、ほとんどの場合、あなたの分布はレイリー・ライス分布であって、ガンマ分布ではないのです、私の公式の理解が正しければ。
Sqrt(x^2+y^2)はレーダーでよく使われるレイリー分布で、フーリエ級数分解したときのノイズ振幅の分布です（xは実数成分、yは虚数成分）。この量の2乗が対数正規分布で、信号のエネルギーと密接に関係している。レイリー分布は、レイリーライス分布の特殊なケースで、太い尾を持つ分布です。
追伸：必要であれば、必要なページをスキャンしてお送りすることも可能ですが、来週には可能です。私に連絡するか、座標を残すようにしてください。これらの分布はすべて、Levine B.R. Theoretical foundations of statistical radio engineeringによく記述されています。- モスクワ：ラジオ・コミュニケーション社、1989年
私は主にSkypeで活動しています→privalov-sv
私は、すべての構成とその特性、およびモデル化の方法を示したmatcadファイルを添付します。
同僚の皆さん、こんにちは。
私は、通貨系列のティック 履歴をn次ARモデルで定性的にモデル 化することをあきらめてはいません。ここで、元のARの最初の差分系列X[i]=Y[i]-Y[i-1]は直接モデル化されます： , a[i] は自己回帰係数、sigmaは何らかの形で分布型確率変数です。
通貨系列の第一差のFAとモデル系列の第一差のFAを、ARモデルの確率変数（シグマ）のFRを介して、どのように関連づけることができると思いますか？
問題には解決策がある。正しい」シグマ分布則を手で選ぶことはできますが、それは苦しい手順ですYurixxさん 、この処方の問題には興味を持たれたようですね。ポジティブな結果の場合、Mathematicsが 指摘したように、TSの代表的なテストに必要なティック（異なるTF上のバー）間のボラティリティと保存の意味で、生成するものと同じBPを構築するアルゴリズムを手にすることができます。
FAとは？自己回帰X[i]の関数か？
FAとは？自己回帰X[i]の関数か？
あ！ごめんなさい。全体を通して、FAの代わりにFRと読むべきである。
通貨系列の第一差のFRとモデル系列の第一差のFRは、ARモデルの確率変数（シグマ）のFRを介して、どのように関連付けられるとお考えでしょうか？
問題には解決策がある。手作業で「正しい」シグマ分布則を求めることはできますが、これは大変な作業です
さて、シグマがモデル系列のFRを通貨系列のFRに導くと仮定すれば、シグマのFRは、モデルXと実物Yという2つのSVの差のFRとして構成されるはずである。しかし、Xの形成にはシグマが関与しており、Xのランダム性はすべてシグマによって決定されるため、すぐにはそう言い切れないのである。
逆にやってみるのもいいかもしれませんね。Xi+1=Xi+シグマでFRシグマが既知の場合、X分布はどのように構築されますか？この問題を解決すれば、設定した問題も解決できる。
どのように実現するかは、まだ明確ではありません。
同僚たちよ、私の質問は、テーマから外れている。あなたは今、TSにニューラルネットワーク（NS）を応用する可能性について、ある種の関心を抱いているのではないでしょうか。TS最適化のための通常の探索が（遺伝的アルゴリズムを用いても）技術的な理由で正当化されない場合、NSの使用は入力パラメータの数が十分に多い場合に正当化されるという理解で正しいですか？また、その過程でNSの自己学習能力を強調することもできるが、この課題は通常の論理構造の自動最適化の手順を用いて解決することは難しくない。
その通りだと思いますが、それだけではないとも思っています。
通常の論理設計の自動最適化」が何かは分かりませんが、NSでは非常に複雑な意思決定ロジックを実装できることだけでも魅力的です。パラメータがそれほど多くない場合でも、システムの位相空間は人間の知覚には多次元的であることが判明した。もしこのアプローチが正しく、選択された推定値が位相空間のクラスタリングを可能にするならば、クラスタの位置と形状は非常に複雑なトポロジーを持つことができる。決定ロジックを記述するために何らかの方法で可視化する必要があるか、あるいは盲目的にクラスとメンバーシップ基準を導入する必要があるのです。NSは、これと同様に確率的な評価も（見てわかるように）ずっとうまく処理します。
Stochastic Resonanceのスレッドで、作品を投稿した際に、問題のFRについて質問させていただきました。それに対する答えはなかった。しかも、試行回数はわずか3回。ベイズ統計学の本を読んでいて、偶然この分布に出会いましたが、これはガンマ分布というよく知られ研究されている関数の特殊なケースであることがわかりました。
私は自分が統計学者だとは思っていませんが、これらの分布のp.v.プロットは以下のとおりです。そして、ほとんどの場合、あなたの分布はレイリー・ライス分布ですが、私の公式の理解が正しければ、決してガンマ分布ではありません。
ガンマ分布のパラメータは1つです。その値によって、レイリー分布に似たものなど、さまざまな形状を持つ。しかし、その統計的特性や大きなxでの挙動は異なるだろう。
どのディストリビューションが「必要」なのかわからない。そのとき浮かんだ疑問で、答えを見つけたのはしばらく経ってからです。FRをどうするか、それが問題なのです。それが解けて初めて、次は分布関数の形が問われることになる。 そうすれば、この紳士録の話に戻ることができる。