ホドリック・プレスコットフィルター - ページ 4 1234567891011 新しいコメント Neutron 2009.01.02 06:30 #31 ムービング 差は、速くなったムービングの1次微分に過ぎず、商ではなくHISの極値を示しています。このことは、いくつかの合理的な問題を提起している。 まず、古典的な微分があるのに、なぜ山越えでパンツを履いて、このような決め方をするのでしょうか。 第二に、物価のような時系列（TD）の分析に一次導関数を使用することは、この場合、このアプローチの有効性を意味し、それはない！ということです。実際、BPは滑らかではなく（自己相関係数はすべてのTFで負）、この方法はここでは単に機能しないし、機能しない。この場合、平滑化を行うと、位相差が生じ、コティル上の極値を時間的に検出する試みができなくなることが避けられない。 3つ目は、少し描き直したムービングで取引しても、描き直さないムービングで取引するのと変わらないのであれば、それを使う意味がまだわからないということです。なぜ、このような「仕掛け」をするのか。これは、ある種の自分への媚びなのか？ Aleksandr Pak 2009.01.02 09:03 #32 価格系列の自己相関係数は、（プラス）0.6～0.9の範囲にある。 このような特徴があるからこそ、トレーディングを職業と呼べるのです。 ミューウィングス、経験的グラフィカル分析、ニューラルネットワークを 使用する。 また、意外なところでは、統計的半経験的手法もあります。 Constantin 2009.01.02 09:28 #33 Korey >> : 価格系列の自己相関係数は、（プラス）0.6～0.9の範囲にある。 このような特徴があるからこそ、トレーディングを職業と呼べるのです。 ミューウィングス、経験的グラフィカル分析、ニューラルネットワークを 使用する。 また、意外なところでは、統計的半経験的手法もあります。 同意見です! Neutron 2009.01.02 11:09 #34 Korey писал(а)>> 価格系列の自己相関係数は（プラス）0.6-0.9の範囲にある。 トレーディングの問題を俯瞰すると、我々は最終的に価格の絶対値ではなく、価格の刻み幅に興味があるのであって、価格の変化で儲けるのである。 したがって、この場合は、元の価格の系列ではなく、気配値の最初の価格差の系列を対象としています。最初の差分系列（例えばOpen[i]-Open[i+1]）では、隣接するサンプル間の相関係数は小さく（<<1）、常に負となります。微分法を任意のBPに適用するためには（例えば、テイラー級数展開とそれに基づく予測モデルの構築-これは私たちが移動平均から得ようとするものです）、その最初の差の級数は正の自己相関でなければなりません（それは最初の級数の滑らかさをもたらします）、残念ながら価格級数はこの条件を満たしていないのです。ミューウイングは歴史を示すものであり、私たちの場合は期待できないと申し上げたのは、まさにこの事実です。ところで、20年前、価格系列は、弱いが、正の相関があった（その最初の差）、それは古典的なTAの単純なモデルを使用して稼ぐことができます。今は状況が異なり、効果的な取引を行うためには、自明ではないアプローチが必要です。 Constantin wrote(a)>>同意！ ばかばかしい。 削除済み 2009.01.02 11:36 #35 Neutron >> : 今は状況が変わってきており、効率的な取引の問題を解決するために、自明ではないアプローチが必要になってきている。 効率的な取引を行うための「非自明な」アプローチとはどういうことですか？ Neutron 2009.01.02 12:09 #36 いい質問ですね。 例えば、第一差分系列に負の自己相関を 持つBPに対して有効なTaylor系列展開の代替案がある。これは、複数入力の単層Neural Networkの問題を解いた結果として明示的に求めることができる。例えば、2入力のNSの解として得られたこのような分解の第1項は次のとおりである。 ここで、d[i+1]は価格系列のi+1刻みの予測値である。 もちろん、万能ではありませんが、少なくとも自明でないものです。という感じです。 Леонид 2009.01.02 12:29 #37 Neutron писал(а)>> 歴史を示す ものである。 未来はどうなっているのか？ Sergey Fionin 2009.01.02 12:49 #38 Neutron писал(а)>> いい質問ですね。 例えば、第一差分系列に負の自己相関を持つBPに対して有効なTaylor系列展開の代替案がある。これは、複数入力の単層Neural Networkの問題を解いた結果として明示的に求めることができる。例えば、2入力のNSの解として得られたこのような分解の第1項は次のとおりである。 ここで、d[i+1]は価格系列のi+1刻みの予測値である。 もちろん、万能ではありませんが、少なくとも自明でないものです。という感じです。 現実的には、1層ニューラルネットワークという言い方は全くしない方がいい。重みを一定にした線形フィルタに過ぎず、それ以上ではない。不思議なことに、「些細なアプローチ」は「些細でない考え方」でかなり実現可能なのです。誰もが知っている戦略ですが、誰もがその使い方を知っているわけではありません。何百万もの計算式で値動きを表現することはできますが、肝心の利益を得ることはできません。 Neutron 2009.01.02 12:59 #39 何でも可能だ（Anything is possible）、問題は私たちがすべてを知らないということだ。 自明でないアプローチによる自明な方法と、自明でない思考による自明なアプローチと、どちらが優れているのでしょうか？どうだろう...どの基準でベターとするかは、また別の話として。何か特別なものを探して暗闇をさまようのは人生の無駄遣い、それとも昔から知られているものを使うか...。好みの問題ですね。 私は、問題解決には最適な方法があり、それは科学的なパラダイムの中で、「私にはそう見える」とか「みんなそうしている」というような逸脱をせずに、確実に実現可能であるという視点を堅持しているのです。 Sergey Fionin 2009.01.02 13:17 #40 Neutron писал(а)>> 何でも可能だ（Anything is possible）、問題は私たちがすべてを知らないということだ。 自明でないアプローチによる自明な方法と、自明でない思考による自明なアプローチと、どちらが優れているのでしょうか？どうだろう...どの基準で良し悪しを判断するかは、別の話として。何か特別なものを探して暗闇をさまようのは人生の無駄遣い、それとも昔から知られているものを使うか...。好みの問題ですね。 私は、問題解決には最適な方法があり、それはもちろん科学的パラダイムの中で実現可能であり、「私にはそう見える」「みんなそうしている」といった逸脱はないという観点にこだわっています。 国旗を手に!ところで、「みんながやっている」と価格の動きを作成し、継続パターン、レベル、フラクタルなどを使用することができます。 1234567891011 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
ムービング 差は、速くなったムービングの1次微分に過ぎず、商ではなくHISの極値を示しています。このことは、いくつかの合理的な問題を提起している。
まず、古典的な微分があるのに、なぜ山越えでパンツを履いて、このような決め方をするのでしょうか。
第二に、物価のような時系列（TD）の分析に一次導関数を使用することは、この場合、このアプローチの有効性を意味し、それはない！ということです。実際、BPは滑らかではなく（自己相関係数はすべてのTFで負）、この方法はここでは単に機能しないし、機能しない。この場合、平滑化を行うと、位相差が生じ、コティル上の極値を時間的に検出する試みができなくなることが避けられない。
3つ目は、少し描き直したムービングで取引しても、描き直さないムービングで取引するのと変わらないのであれば、それを使う意味がまだわからないということです。なぜ、このような「仕掛け」をするのか。これは、ある種の自分への媚びなのか？
このような特徴があるからこそ、トレーディングを職業と呼べるのです。
ミューウィングス、経験的グラフィカル分析、ニューラルネットワークを 使用する。
また、意外なところでは、統計的半経験的手法もあります。
価格系列の自己相関係数は、（プラス）0.6～0.9の範囲にある。
このような特徴があるからこそ、トレーディングを職業と呼べるのです。
ミューウィングス、経験的グラフィカル分析、ニューラルネットワークを 使用する。
また、意外なところでは、統計的半経験的手法もあります。
同意見です!
価格系列の自己相関係数は（プラス）0.6-0.9の範囲にある。
トレーディングの問題を俯瞰すると、我々は最終的に価格の絶対値ではなく、価格の刻み幅に興味があるのであって、価格の変化で儲けるのである。
したがって、この場合は、元の価格の系列ではなく、気配値の最初の価格差の系列を対象としています。最初の差分系列（例えばOpen[i]-Open[i+1]）では、隣接するサンプル間の相関係数は小さく（<<1）、常に負となります。微分法を任意のBPに適用するためには（例えば、テイラー級数展開とそれに基づく予測モデルの構築-これは私たちが移動平均から得ようとするものです）、その最初の差の級数は正の自己相関でなければなりません（それは最初の級数の滑らかさをもたらします）、残念ながら価格級数はこの条件を満たしていないのです。ミューウイングは歴史を示すものであり、私たちの場合は期待できないと申し上げたのは、まさにこの事実です。ところで、20年前、価格系列は、弱いが、正の相関があった（その最初の差）、それは古典的なTAの単純なモデルを使用して稼ぐことができます。今は状況が異なり、効果的な取引を行うためには、自明ではないアプローチが必要です。
同意！
今は状況が変わってきており、効率的な取引の問題を解決するために、自明ではないアプローチが必要になってきている。
効率的な取引を行うための「非自明な」アプローチとはどういうことですか？
いい質問ですね。
例えば、第一差分系列に負の自己相関を 持つBPに対して有効なTaylor系列展開の代替案がある。これは、複数入力の単層Neural Networkの問題を解いた結果として明示的に求めることができる。例えば、2入力のNSの解として得られたこのような分解の第1項は次のとおりである。
もちろん、万能ではありませんが、少なくとも自明でないものです。という感じです。
未来はどうなっているのか？
いい質問ですね。
例えば、第一差分系列に負の自己相関を持つBPに対して有効なTaylor系列展開の代替案がある。これは、複数入力の単層Neural Networkの問題を解いた結果として明示的に求めることができる。例えば、2入力のNSの解として得られたこのような分解の第1項は次のとおりである。
ここで、d[i+1]は価格系列のi+1刻みの予測値である。
もちろん、万能ではありませんが、少なくとも自明でないものです。という感じです。
現実的には、1層ニューラルネットワークという言い方は全くしない方がいい。重みを一定にした線形フィルタに過ぎず、それ以上ではない。不思議なことに、「些細なアプローチ」は「些細でない考え方」でかなり実現可能なのです。誰もが知っている戦略ですが、誰もがその使い方を知っているわけではありません。何百万もの計算式で値動きを表現することはできますが、肝心の利益を得ることはできません。
何でも可能だ（Anything is possible）、問題は私たちがすべてを知らないということだ。
自明でないアプローチによる自明な方法と、自明でない思考による自明なアプローチと、どちらが優れているのでしょうか？どうだろう...どの基準でベターとするかは、また別の話として。何か特別なものを探して暗闇をさまようのは人生の無駄遣い、それとも昔から知られているものを使うか...。好みの問題ですね。
私は、問題解決には最適な方法があり、それは科学的なパラダイムの中で、「私にはそう見える」とか「みんなそうしている」というような逸脱をせずに、確実に実現可能であるという視点を堅持しているのです。
何でも可能だ（Anything is possible）、問題は私たちがすべてを知らないということだ。
自明でないアプローチによる自明な方法と、自明でない思考による自明なアプローチと、どちらが優れているのでしょうか？どうだろう...どの基準で良し悪しを判断するかは、別の話として。何か特別なものを探して暗闇をさまようのは人生の無駄遣い、それとも昔から知られているものを使うか...。好みの問題ですね。
私は、問題解決には最適な方法があり、それはもちろん科学的パラダイムの中で実現可能であり、「私にはそう見える」「みんなそうしている」といった逸脱はないという観点にこだわっています。
国旗を手に!ところで、「みんながやっている」と価格の動きを作成し、継続パターン、レベル、フラクタルなどを使用することができます。