Центральной проблемой прикладной статистики является проблема принятия статистических гипотез. Долгое время считалось, что эта задача не может быть решена. Ситуация изменилась с появлением метода собственных координат. Это очень красивый и мощный инструмент структурного исследования сигнала, позволяющий увидеть больше, чем доступно методами современной прикладной статистики. В статье рассмотрены вопросы практического использования данного метода и приведены программы на языке MQL5. Рассмотрена задача идентификации функций на примере распределения, полученного Хилхорстом и Шером.
私は猫を飼っていないし、ペットの体温がFXの情報に関係するとは思えない。
ちなみに、私は猫の体温の動態が金融商品の価格系列とゼロでない相関関係を持つことに100％同意する。
あなたは先ほど、すべての データには予測力があると主張しましたが、もちろん金融市場の予測について話しているのです。
コンピュータの計算能力によって、猫の体温を含む利用可能なすべての情報を利用できるのであれば、それは単に計算過程で排除されるだけでしょう。 しかし、リソースには限りがあるため、私たちは自分の頭を使うしかないのです。相関関係については、ゼロでないことは当たり前で、ゼロはめったに起こりえない。 しかし、ほぼゼロである。 一般的には、猫を買って、温度計を付けて、それをチェックする）もしかしたら、あなたはラッキーで、それがあなたを金持ちにするかもしれない）。
先ほど、すべての データには予測力があるとおっしゃいましたが、もちろん金融市場の予測の話です。
もしコンピュータの計算能力によって、猫の体温を含むすべての利用可能な情報を使うことができるのであれば、それは単に計算過程で捨てられるでしょう。 しかし、リソースは限られているので、私たちは自分の頭を使うしかないのです。相関関係がゼロでないことについては、言うまでもないことだが、一般的にゼロになることはめったにない。 しかし、ほとんどゼロに近い。 一般的には、猫を買って、温度計を置いて、それをチェックすることだ。）
私はあなたの質問に対する答えを与える - すべてのデータにいくつかの "予測力 "があります。だから？すべての外国為替データには何らかの情報があります"。
何十万もの観測データのセットがあれば、コンピュータの能力の問題が関係してくる。
すべてのデータには何らかの "予測力"がある。だから？すべてのFXデータには何らかの情報がある」。
肉：
あなたは以前、すべてのデータに 予測力があると主張しました。
その嘘は何ですか？
その嘘とは？
私は2番目の文章を自分で解読した。
つまり、情報＝予測力？ どうしてそう言い切れるのか？ FXのデータ」をいくつか教えれば、それで価格を予測できるのか？
FXだけでなく、株式市場、商品市場、その他いろいろなものがある......。すべては相互に関連している。
faa1947:
ここには12人の顧客がいる。私とコミュニケーションをとる前は、みんな楽しくて陽気だったのに、今は悲しくて物思いにふけっている。
faa1947, 以下の例であなたのモデルがどのように機能するかを示してください。最初の列はモデル化された系列で、2番目と3番目の列は予測変数です。これらの予測変数の予測力は何ですか？
これらの予測因子の予測力は？
どうやら数字はランダムではないようだ。40行からなる3つの行をランダムに生成し、neuronkaを適用してみた。ランダムなデータでは、一般化能力は上記のデータよりも明らかに悪い。
これら2つの予測因子の予測力を決定するための、さまざまな普遍的 アルゴリズム アプローチに興味がある。計量経済学、神経科学、ディープネットワークは大歓迎です。何ができるかを示してください。これらの予測因子の予測能力を特徴づけるパラメータ（相関係数、相互情報量、RMS、その他の発明）を示すか、モデル出力とシミュレートされた系列の比較を示してください。
サンプルを2値分類に適した形、つまり従属変数が0以上か以下かを計算する形にし（添付アーカイブのCSVファイル）、libVMRで 検索し、このモデルを得ました：
/**
* モデリングの質:
*
* TruePositives: 9
* TrueNegatives: 11
* FalsePositives: 0
* FalseNegatives: 0
* 汎化能力の感度: 100.0%
* 汎化能力の特異度： 100.0%
* 汎化能力： 100.0%
*/
double x0 = 2.0 * (v0 + 0.96485) / 1.900503 - 1.0;
double x1 = 2.0 * (v1 + 1.00814) / 2.399897 - 1.0；
y = 0.12981203254657206 + 0.8176828303879957 * x0 + 1.0 * x1 -0.005143248786272694 * x0 * x1；
あなたのサンプルの「高い一般性」の秘密が明らかになった：最初の列の値は、他の2つの列の値の合計である。