트레이딩의 머신러닝: 이론, 모델, 실전 및 알고리즘 트레이딩 - 페이지 3144

 
mytarmailS #:
저는 최근에 신호에 대한 미세 분석을 하고 있습니다.

그 결과 발표된 신호의 99.9%가 1~2년 이상 지속되지 않는다는 사실을 알게 되었습니다.

따라서 게시된 신호는

게시된 신호는 꽤 큰 문제입니다.

한 남자가 저기 앉아 버튼을 두드리고 있을 수도 있습니다.

그는 2년 넘게 사업을 중단했습니다. 너무 길지 않나요?

P.Z.

위에 쓴 내용을 천천히 읽으면서 이해하려고 노력해 보세요.

올바른 문장이 하나라도 있나요?

 
Lorarica #:

공개된 신호는 바로 그런 개념입니다.

한 남자가 버튼에 손을 두드리는 것일 수도 있었죠.

서비스를 중단한 지 2년이 넘었어요. 너무 길지 않나요?

P.Z.

위에 쓴 글을 천천히 읽으면서 이해해 보시겠어요?

올바른 문장이 하나 이상 있나요?

주의 깊게 읽지 않았습니다.

 

시장에서 일하려면 교육이 필요하다는 사실을 언제쯤 깨닫게 될까요?

그리고 단순한 교육이 아닙니다.

P.Z.

여기에있는 것처럼 모든 것이 복잡합니다.

예를 들어, 누가 31400개의 메시지를 읽을까요?

받아 적고, 줄이고, 요약하세요.

머신 러닝에 대해 잘 아는 똑똑한 사람들이 있죠?

제 조언에 무슨 문제가 있나요?

여러분을 위해 최선을 다하겠습니다.

P.Z.

 
mytarmailS #:

주의 깊게 읽지 않음

트롤에게 먹이를 주지 마십시오 - 그렇지 않으면 스레드가 완전히 넘칠 것입니다.

 
Lorarica #:

Perdon.

7년 된 지점, 31400개의 게시물, 결과는 어떻게 되나요?

아무것도 없는데 30000개의 게시물을 삭제하면 어떻게 되나요?

아니면 있을까요? 누가 알겠어요?

P.Z.

바난/아난=1.23

이 스레드는 커뮤니케이션 스레드입니다. 소통의 주제는 MO입니다. 여기서 사람들은 의사 소통하고 인상을 공유하며 때로는 중간 결과를 공유합니다.

아무도 그녀에게 점차적으로 일하는 거래 고문을 구축하도록 강요하지 않았습니다. 그래서 당신은 쉽게 미끼로 기록 될 수 있습니다.

 
СанСаныч Фоменко #:

중국어로 된 텍스트를 읽은 다음 그 정보를 다시 말해 보세요.

예, 저는 중국어 텍스트를 잘 못 받습니다.) 이것이 제가 쓴 내용입니다. 그러나 이것은 특정 중국어 텍스트에 정보가 없다는 것을 의미하지는 않습니다. 추가 정보 변환기 (중국어에서 러시아어로 번역기)를 도입하면 주어진 중국어 텍스트에 정보가 있는지 또는 임의의 문자 집합인지 명확해질 수 있기 때문입니다.

 

안정성에 관하여 (c) SanSanych. 속성 집합에 시간을 추가하면 그 중요성을 다른 속성과 비교할 수 있습니다. 어떤 특성이 시간보다 더 중요하면 안정적입니다. 아마도 이것은 어느 정도 의미가 있을 것입니다.)

예를 들어, 결정적 트리를 만들 때는 첫 번째 시간 분할까지만 만들면 됩니다. 트리가 비어 있는 것으로 판명되면 모든 징후가 나쁜 것입니다. 트리의 경우 이 접근 방식에 대한 몇 가지 정당성은 분할점 검색 알고리즘과 시계열의 변경점 탐지가 유사하기 때문일 수 있습니다. 두 경우 모두 일반적으로 단일 샘플을 최대로 다른 두 개의 하위 샘플로 분할합니다.

 
대단히 죄송하지만, 이런 경우 새로운 데이터에 대한 모델을 통해 단순히 피시를 테스트할 수 없는 이유는 무엇인가요?) 아프리카에서는 안정성이 곧 안정성입니다.

상호 정보 또는 기타 유사한 메트릭과 창에서 정확히 동일한 정통 로그 손실이 있습니다.

그리고 효율성 측면에서는 두 개의 임의의 급수를 비교하기 때문에 무한대에 무한대를 곱한 것과 거의 동일합니다.

(с)
 
Maxim Dmitrievsky #:
죄송하지만 이 경우 새로운 데이터에서 모델을 통해 칩을 확인하면 안 될까요?) 안정성은 안정성입니다.
.

상호 정보 또는 기타 유사한 메트릭과 정확히 동일한 정통 로그 손실이 창에 있습니다.

그리고 효율성 측면에서는 두 개의 임의의 급수를 비교하기 때문에 무한대에 무한대를 곱한 것과 거의 동일합니다.

(с)

말하기 어렵습니다. 분석을 위해 평소보다 몇 배나 큰 큰 창인 IMHO를 사용합니다. 그런 다음 그 위에 의사 결정 트리를 만들어 시간을 기능으로 추가합니다. 모든 것이 시간 분할로 시작되면 다른 징후는 나쁘고 불안정한 것으로 간주합니다. 이러한 징후가 작은 창에서 갑자기 잘 작동하더라도 다른 창에 대한 종속성이 매우 다르기 때문에 여전히 불안정할 수 있습니다.

 
Aleksey Nikolayev #:

말하기 어렵습니다. 분석을 위해 평소보다 몇 배나 큰 큰 창인 IMHO를 사용합니다. 그런 다음 그 위에 의사 결정 트리를 만들고 시간을 기능으로 추가합니다. 모든 것이 시간 분할로 시작되면 다른 징후는 나쁘고 불안정한 것으로 간주합니다. 작은 창에서 이러한 징후가 갑자기 잘 작동하더라도 다른 창에 대한 종속성이 매우 다르기 때문에 여전히 불안정할 수 있습니다.

인과 관계의 숲을 살펴볼 수도 있다는 것을 이해합니다. 그건 그렇고, 나는 그것을 연구하지 않았고 누군가가 그것을 알아낼 것이라면 그것에 대한 실험에 대해 읽는 것이 흥미로울 것입니다.
나는 Sanych의 접근 방식을 이해하지 못합니다 :) 그는 RMS 오류를보고 있습니다. 또는 슬라이딩 창에서 RMS.
사유: