オプティマイザーを使った作業の原則と、はめ込み回避の基本的な方法。 - ページ 2 123456789...11 新しいコメント Леонид 2012.02.08 17:54 #11 ask: 非定常な系列に規則性を求めることは不可能であり、些細な論理と矛盾している。 私はそうは思いません。強く反対する。 どの列のことでしょうか？ 具体的にはファイナンシャル・ロウの話です。金融の列は、その特殊性から、金融のものには規則性がある。 他の非定常系列には規則性がないが、金融系列には規則性があるのかもしれない。 СанСаныч Фоменко 2012.02.08 18:09 #12 Reshetov: これは統計学の応用を許さないが、何ら論理に反しない。統計的手法だけでパターンを探す必要はない。 論理の矛盾は、一部の植物学者が非定常データを統計的手法で測定しようとしたときにのみ発生する。 人は病気だ、だから薬では治らない、シャーマンのところに行く、からかう、と診断する。 しかし、非定常性という診断とは別に、何が問題なのかを明らかにすることは可能で、それはすべてのモデリングと同様に、少なくともBPの同定とモデルの同定の2つに分解されるのである。この2つを構造化すれば、BPにモデルの適合性の問題を提起することができるのです。現在までのところ、BPの多様性をすべて表現することはできませんが、だからといって、まったく何もできないわけではありません。BPとモデルとの誤差を考慮することで、モデル自体の推定の話ができるようになる。そうすることで、テスターを通した評価よりも、はるかに広く評価の問題を位置づけることができるのです。 ask 2012.02.08 20:58 #13 LeoV: 他の非定常系列ではパターンがないかもしれないが、金融系列ではパターンがある。 これは言葉尻を捉えたものであり、それ以上のものではありません。 非定常なのか、規則性があるのかを定義する必要があります。なぜなら、「非定常系列の規則性」というフレーズを、精神がなぜか理解できないからです。 Леонид 2012.02.09 04:05 #14 ask: 言葉巧みで、それ以外の何物でもない。系列が非定常なのか、規則性があるのかを定義する必要があります。私の頭では、「非定常系列の規則性」という言葉が理解できないので、「非定常系列の規則性」はすでに見つかっていると理解しているのですが、いかがでしょうか。 よかったです。次に、非定常とは何かを定義する必要があります。非定常性／定常性とは何か、定義はありますか？ СанСаныч Фоменко 2012.02.09 04:59 #15 ask: 言葉巧みで、それ以外の何物でもない。 系列が非定常なのか、規則性があるのかを定義する必要があります。なぜか精神がフレーズを理解できないので： "非静態系列の規則性" 私はあなたがすでに非静態系列の規則性を発見したことを理解する？ これは敗北主義的な立場です。 非定常系列＝複数の成分の和と仮定してみてはどうだろう。そして、最も興味深いのは決定論的な要素です。もしそれが存在しないか、あるいはそれを認めるなら、それはランダムウォークであり、予測はいかなる手段や方法によっても不可能である（効率的市場理論）。それを認めれば、市場やこのフォーラムでの存在も正当化される。 Avals 2012.02.09 05:38 #16 非定常性について語るとき、彼らは通常、価格増分の分布を意味する。モ（トレンド）と分散（ボラティリティ）が時間と共に変化すること。確かにそうですが、非定常系列は定常域を持つことがあります。見つかれば、それに対応したMOやディールでの分散で取引することができます。すなわち、固定セグメントでの取引は、株式が定常的に（あるいはほぼ「準定常的に」）増加する事実をもたらす。つまり、トレードのモや分散はゆっくりと変化する。 つまり、トレーダーの仕事は、非定常的な一連の価格変動に対して定常的なプロットを見つけることである。 СанСаныч Фоменко 2012.02.09 05:50 #17 Avals: 非定常性について語るとき、彼らは通常、価格増分の分布を意味する。モ（トレンド）と分散（ボラティリティ）が時間と共に変化すること。確かにそうですが、非定常系列は定常域を持つことがあります。見つかれば、それに対応したMOやディールでの分散で取引することができます。すなわち、固定セグメントでの取引は、株式が定常的に（あるいはほぼ「準定常的に」）増加する事実をもたらす。つまり、トレードのモや分散はゆっくりと変化する。 つまり、トレーダーの仕事は、価格変動の非定常系列に定常領域を見つけることである。 区分的な静止系列のようなもの。なぜなら、同定にはある程度の数の観測が必要であり、次の観測が非定常系列にならないという保証はないからです。 決定論的な残差＋ノイズからなる系列と考える方が、はるかに簡単で実用的である。 Avals 2012.02.09 07:14 #18 faa1947: 区分的定常系列の一種。これは非常に強い仮定であり、トレーディングにおける同定、つまり将来の予測には現実的に不可能です。なぜなら、同定にはある程度の数の観測が必要で、次の観測が非定常系列を開始しない保証はないからです。 決定論的な離脱＋ノイズからなる系列と考えた方が、はるかに簡単で実用的である。 予測モデルと最終的に得られるはずのもの（予測の目的）を混同しているのでは？ この決定論的要素の予測が正のモと固定の分散を与えるとき、常に取引に入るべきである。すなわち、決定論的成分予測は、この領域における物価上昇の定常性を仮定している。まあ、問題は似たようなもので、以前、モデルがそのようなセグメントを特別視して予測を立てたとしても、次のトランザクションからはそうならないかもしれないのです。予報は出るけど、ポジモは出ない。 СанСаныч Фоменко 2012.02.09 07:32 #19 Avals:予測モデルと、最終的にどうあるべきか（予測のゴール）を混同しているのでは？私は何も混乱させていないと思います、いつも同じことを言っているのです。 決定論的な要素があると思うのですが、それを何らかの方法で平滑化 することで分離しています。そして、残差＝コチエ-決定論的な成分を見ます。明らかに残差は非定常であり（非定常は他に行き場がない）、問題全体がその中に埋もれてしまっているのです。 予測する際には、増分モを比較し、予測誤差を分散で考慮する。これらの量がほぼ定数であるかどうかを予測するだけで、そうでない場合は？それが全体の問題点です。それは、我々のモデルが少なくとも部分的に非定常性を説明するまでは、テストを信頼することができない残差のためである。非定常性に目をつぶっているのではなく、意図的に対処すべきなのです。 Avals 2012.02.09 07:40 #20 faa1947: 私は何も混乱させていないと思うし、いつも同じことを言う。 決定論的な要素があると思うのですが、それを何らかの方法で平滑化することで分離しています。そして、残差＝コチエ-決定論的な成分を見ます。明らかに残差は非定常であり、問題全体がそこに埋没してしまっている。 予測する場合は、増分モを比較し、分散に予測誤差を考慮する。これらの量がほぼ定数であれば予測できるのですが、そうでない場合は？それが全ての問題点です。それは、我々のモデルが少なくとも部分的に非定常性を説明するまでは、テストを信頼することができない残差のためである。非定常性に目をつぶっているのではなく、意図的に対処すべきなのです。 常にではなく、選択的に、断片的に残留を取るようにする。このような行上の塊の始まりと終わりを識別する方法を知っていれば（もちろん事後的にではなく）、これだけでも十分なトレードが可能でしょう。そうでない場合は、モデルを変更する 123456789...11 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
私はそうは思いません。強く反対する。
どの列のことでしょうか？
具体的にはファイナンシャル・ロウの話です。金融の列は、その特殊性から、金融のものには規則性がある。
他の非定常系列には規則性がないが、金融系列には規則性があるのかもしれない。
これは統計学の応用を許さないが、何ら論理に反しない。統計的手法だけでパターンを探す必要はない。
論理の矛盾は、一部の植物学者が非定常データを統計的手法で測定しようとしたときにのみ発生する。
人は病気だ、だから薬では治らない、シャーマンのところに行く、からかう、と診断する。
しかし、非定常性という診断とは別に、何が問題なのかを明らかにすることは可能で、それはすべてのモデリングと同様に、少なくともBPの同定とモデルの同定の2つに分解されるのである。この2つを構造化すれば、BPにモデルの適合性の問題を提起することができるのです。現在までのところ、BPの多様性をすべて表現することはできませんが、だからといって、まったく何もできないわけではありません。BPとモデルとの誤差を考慮することで、モデル自体の推定の話ができるようになる。そうすることで、テスターを通した評価よりも、はるかに広く評価の問題を位置づけることができるのです。
他の非定常系列ではパターンがないかもしれないが、金融系列ではパターンがある。
これは言葉尻を捉えたものであり、それ以上のものではありません。 非定常なのか、規則性があるのかを定義する必要があります。なぜなら、「非定常系列の規則性」というフレーズを、精神がなぜか理解できないからです。
よかったです。次に、非定常とは何かを定義する必要があります。非定常性／定常性とは何か、定義はありますか？
言葉巧みで、それ以外の何物でもない。 系列が非定常なのか、規則性があるのかを定義する必要があります。なぜか精神がフレーズを理解できないので： "非静態系列の規則性" 私はあなたがすでに非静態系列の規則性を発見したことを理解する？
これは敗北主義的な立場です。
非定常系列＝複数の成分の和と仮定してみてはどうだろう。そして、最も興味深いのは決定論的な要素です。もしそれが存在しないか、あるいはそれを認めるなら、それはランダムウォークであり、予測はいかなる手段や方法によっても不可能である（効率的市場理論）。それを認めれば、市場やこのフォーラムでの存在も正当化される。
非定常性について語るとき、彼らは通常、価格増分の分布を意味する。モ（トレンド）と分散（ボラティリティ）が時間と共に変化すること。確かにそうですが、非定常系列は定常域を持つことがあります。見つかれば、それに対応したMOやディールでの分散で取引することができます。すなわち、固定セグメントでの取引は、株式が定常的に（あるいはほぼ「準定常的に」）増加する事実をもたらす。つまり、トレードのモや分散はゆっくりと変化する。
つまり、トレーダーの仕事は、非定常的な一連の価格変動に対して定常的なプロットを見つけることである。
非定常性について語るとき、彼らは通常、価格増分の分布を意味する。モ（トレンド）と分散（ボラティリティ）が時間と共に変化すること。確かにそうですが、非定常系列は定常域を持つことがあります。見つかれば、それに対応したMOやディールでの分散で取引することができます。すなわち、固定セグメントでの取引は、株式が定常的に（あるいはほぼ「準定常的に」）増加する事実をもたらす。つまり、トレードのモや分散はゆっくりと変化する。
つまり、トレーダーの仕事は、価格変動の非定常系列に定常領域を見つけることである。
区分的な静止系列のようなもの。なぜなら、同定にはある程度の数の観測が必要であり、次の観測が非定常系列にならないという保証はないからです。
決定論的な残差＋ノイズからなる系列と考える方が、はるかに簡単で実用的である。
区分的定常系列の一種。これは非常に強い仮定であり、トレーディングにおける同定、つまり将来の予測には現実的に不可能です。なぜなら、同定にはある程度の数の観測が必要で、次の観測が非定常系列を開始しない保証はないからです。
決定論的な離脱＋ノイズからなる系列と考えた方が、はるかに簡単で実用的である。
予測モデルと最終的に得られるはずのもの（予測の目的）を混同しているのでは？
この決定論的要素の予測が正のモと固定の分散を与えるとき、常に取引に入るべきである。すなわち、決定論的成分予測は、この領域における物価上昇の定常性を仮定している。まあ、問題は似たようなもので、以前、モデルがそのようなセグメントを特別視して予測を立てたとしても、次のトランザクションからはそうならないかもしれないのです。予報は出るけど、ポジモは出ない。
予測モデルと、最終的にどうあるべきか（予測のゴール）を混同しているのでは？
私は何も混乱させていないと思います、いつも同じことを言っているのです。
決定論的な要素があると思うのですが、それを何らかの方法で平滑化 することで分離しています。そして、残差＝コチエ-決定論的な成分を見ます。明らかに残差は非定常であり（非定常は他に行き場がない）、問題全体がその中に埋もれてしまっているのです。
予測する際には、増分モを比較し、予測誤差を分散で考慮する。これらの量がほぼ定数であるかどうかを予測するだけで、そうでない場合は？それが全体の問題点です。それは、我々のモデルが少なくとも部分的に非定常性を説明するまでは、テストを信頼することができない残差のためである。非定常性に目をつぶっているのではなく、意図的に対処すべきなのです。
私は何も混乱させていないと思うし、いつも同じことを言う。
決定論的な要素があると思うのですが、それを何らかの方法で平滑化することで分離しています。そして、残差＝コチエ-決定論的な成分を見ます。明らかに残差は非定常であり、問題全体がそこに埋没してしまっている。
予測する場合は、増分モを比較し、分散に予測誤差を考慮する。これらの量がほぼ定数であれば予測できるのですが、そうでない場合は？それが全ての問題点です。それは、我々のモデルが少なくとも部分的に非定常性を説明するまでは、テストを信頼することができない残差のためである。非定常性に目をつぶっているのではなく、意図的に対処すべきなのです。