수업!! 비슷한 일을 시도한 후에는 지식이 충분하지 않았습니다. :) 그래도 초기화하는 동안 BarsCount에 그림자가 다시 그려집니다. 결국, 그들은 또한 정보를 전달합니다. 그러나 실제로는 모든 것이 매우 느립니다. :) 그리고 문제는 남아 있습니다. Forex에 추세가 평평한지 아니면 Forex에 추세가 없는지 여부입니다. 얼마나 많은 사람들이 그렇게 많은 의견을 가지고 있는지에 대해 많이 논의되었습니다. "이제 a*x+b를 더 의미 있는 것으로 바꿔야 합니다. 예를 들어 'ang PR (Din)-v1' 과 같이 추세를 실제로 제거해야 합니다." 카운트다운 시간을 결정합니다. 그리고 솔루션은 time_avg_v1.0에 있습니다. mq4는 "트렌드"와의 편차에 대해 좋아했습니다.
Mathemat : 그래서 경기가 완벽했던 것 같다. 이제 a*x+b 를 더 의미 있는 것으로 바꿔야 합니다. 예를 들어 'ang PR (Din)-v1' 과 같이 실제로 추세를 제거해야 합니다.
Mathemat , 그러나 추세는 적어도 언뜻 보기에는 실제로 선형입니다. 또한 선형 회귀가 더 빨리 계산됩니다(랜턴이 더 가볍기 때문에 랜턴 아래를 살펴봐야 하는 것처럼 :) . LR을 계산하는 간격을 결정하려고 하는 것이 더 유혹적인 것 같습니다. 현재 상황에 따라 가변적이어야 함을 의미합니다.
솔직 , 나는 다이나믹 린을 의미했다. 회귀, 즉 주어진 이전 값 수를 기반으로 다음 막대의 값을 선형으로 예측하는 표시기입니다. 나는 신경망을 가지고 놀 때 어떻게 든 이것에 관심이 있었고 심지어 그것을 분석적으로 계산했습니다. SMA와 LWMA의 선형 조합을 동일한 기간으로 1000이 아닌 다소 작은 동일한 기간으로 얻었습니다. 기억할 것입니다. 계산 공식이나 지표 자체를 게시하겠습니다.
예, 추세는 선형이지만 매우 거칠고 몇 주와 같이 가장 큰 기간에만 적용됩니다. 직접 확인하세요.
그런 다음 분기의 작성자(그뿐만 아니라)가 차트 추세를 제거하여 달성하려고 하는 것을 이해하려고 합니다. Prival 은 아마도 초기 따옴표에서 예측할 수 없는 일반 구성 요소(추세)를 먼저 제거하고 결과적으로 무작위 프로세스에 가까운 무언가를 남기기 위해 이 작업을 제안할 것입니다. s.c.o..의 수), 그런 다음 이 과정의 ACF 속성(자기상관이 아닌 자기 공분산 )을 분석하여 ACF 자체를 사용하여 우리에게 알려지지 않은 바로 그 추세를 예측합니다. 프라이블 , 어디까지 가봤니? 말해봐, 논리적인지 아닌지?
추세 제거는 차트 자체에서 " 추세선 "의 편차가 c를 너무 많이 초과하지 않는 경우에만 의미가 있습니다. k.o.는 회귀 자체(ACF가 아님)의 "평활화" 기간의 작은 값을 나타냅니다. 그렇지 않으면, 우리가 제거하려는 추세 제거 구간 내에 작은 로컬 추세가 있을 것입니다. (가설: 그래서 우리는 원래 프로세스의 허스트 계수를 줄여서 가우시안에 더 가깝게 만드는 것일까요?)
이제 5분을 보고 추세가 선형인지 아닌지 알려주세요. 이러한 현상이 존재한다면 "확률적 공명"이라는 주제는 이 생각을 반박하는 것 같습니다.
Mathemat : 칸디다 , PS 그건 그렇고, 왜 우리 지표가 0 막대에 1을 표시하는지 주의를 기울이셨습니까?
질문은 나를위한 것이 아니지만 주제를 염탐하고 있기 때문에 ...
Prival은 상식에 대해 어떻게 든 여기에서 시도했습니다. 따라서 ACF의 상식적 또는 물리적 의미는 정의에 따라 그 값을 0 막대의 1과 동일시합니다. 시간 샘플과 자체의 상관 관계를 보여줍니다. 0으로 떨어지는 것은 해당 막대 수만큼 0을 떠난 후 VR 값의 실질적인 상관 관계 손실로 해석될 수 있습니다. 지금까지 나는 여전히 우리가 이것에서 얻고자 하는 것을 알아내지 못했습니다. Wikipedia는 AFK에 대한 또 다른 정의를 제공합니다. 내가 이해하는 한 Matemet의 마음에 더 가깝지만 여기서는 첫 번째 정의만 고려합니다.
PS Prival, 나는 여전히 코딩을 시작할 내부 시작 충동이 없습니다. 왜냐하면. 문제를 이해하는 데 명확성이 없습니다. 그건 그렇고, 나는 스스로를 MQL 마스터라고 생각하지 않으며 한 번도 그런 적이 없지만 실습을 통해 작업을 이해하면 무엇이든 코딩할 수 있음을 알 수 있습니다. 그리고 여기 포럼에 마스터가 있습니다.
PPS 나는 포럼 회원들이 확률론적 신경망 (Prival이 그들 가운데 있기를 바랍니다)을 빠르게 연구하려는 포럼 회원들의 열망과 연관시키거나 모두가 실제 계정을 열기 위해 달려갔고, 다른 사용자에게는 Better의 신호를 무료로 사용할 수 있습니다. 월 :-).
rsi "... 확률적 .." 질문에 답하려고 합니다. 신경망 은 무엇을 더 잘 조정합니까?
네트워크에서 나는 최근에 시작했습니다(평소처럼 천천히). 포럼에는 이 경우에 대한 전문가들이 있습니다(Vinin, Leo, klot 및 물론 Better를 비롯한 많은 다른 사람들). 아마도 그들은 새로운 가지를 생산하지 않기 위해 합류할 것입니다. (그러나 나는 그 주제에 대해 이미 새로운 스레드가 있다고 생각합니다. 놀라운 일이 아닙니다.) 그러나 일단 질문을 받으면 시도하겠습니다. 속담에 따르면, 당신 자신은 아무것도 할 수 없기 때문에 적어도 다른 사람들을 가르치십시오! :-) 여기 지점에서도 사람들이 약하지 않기 때문에 내가 뭔가를 엉망으로 만들면 그들이 나를 고쳐주기를 바랍니다.
내가 오늘 이해한 한, 확률적 네트워크를 구성할 때 베이지안 접근 방식이 사용되며 네트워크의 각 출력에서 추정값이 얻어집니다(그리고 분명히 임계값 또는 다른 출력과 비교됩니다. Prival, 아마도 두 임계값 :-)) 일부 충분한 통계의 값으로, 입력 벡터에 대한 최대 가능도 함수로 설명되는 상수 인자까지의 스칼라로 지정됩니다. 따라서 (제시된 질문에 답) 네트워크(각각의 출력)는 결정(출력)에 대한 입력 벡터의 가장 가능성 있는 대응 가능성으로 조정됩니다.
일반적으로 네트워크 자체에는 입력 레이어, 방사형 레이어 및 출력 레이어의 세 가지 레이어가 있습니다. 입력은 분류를 위한 벡터입니다(우리가 이미 알고 있듯이, 이들은 부울 함수가 있을 수 있지만 여러 이동 평균 값의 선형 조합일 가능성이 가장 높습니다). 출력 수는 출력 솔루션의 필수 차원에 해당합니다. 예를 들어 매수, 매도, 매도, 매도, 매도 결정을 해야 하는 경우 4입니다. 교육 중에 "승자가 모두 가져갑니다"라는 원칙이 구현됩니다. 둘 이상의 출구에 대해 최대값에 가까울 수 없습니다. 이것은 작업의 창의적인 구성 요소입니다. 가장 적합한 너비(시그마)와 중간 레이어의 뉴런 수를 찾아야 합니다. 일부 입력 벡터는 성공적인 구매에 해당하고 다른 일부는 다른 출력 벡터에 해당합니다. 방사형 레이어는 시그모이드 변환 함수 대신 소위 방사형 기저(유클리드 거리의 종 모양 함수)를 사용하기 때문에 그렇게 불립니다. ).
보시다시피 이 접근 방식은 "손"으로 거래하는 것과 매우 유사합니다. 거래자는 입력 벡터(가격, TA 패턴, 지표 판독값 등)를 평가하고 자신의 평가에 따라 기준이 충족되면 결정을 내립니다. .
훈련에 관해서는, 나는 아직 그것을 공부하지 않았습니다. 이것은 별도의 질문입니다. 알아내면 나중에 언급할 수 있습니다 :-). 더 나은, 나는 그의 Expert Advisor가 훈련을 위해 일년 내내 데이터를 사용한다고 챔피언십 전에 썼던 것을 기억합니다.
Mathemat : 솔직한 , 나는 다이나믹 린을 의미했다. 회귀, 즉 주어진 이전 값 수를 기반으로 다음 막대의 값을 선형으로 예측하는 표시기입니다. 나는 신경망을 가지고 놀 때 어떻게 든 이것에 관심이 있었고 심지어 그것을 분석적으로 계산했습니다. SMA와 LWMA의 선형 조합을 동일한 기간으로 1000이 아닌 다소 작은 동일한 기간으로 얻었습니다. 기억할 것입니다. 계산 공식이나 지표 자체를 게시하겠습니다.
나는 그것을 움직이는 선형 회귀라고 부르고 나는 그러한 지표를 가지고 있습니다. 나는 그것을 스스로 공유할 수 있습니다 :)
PS 그건 그렇고, 왜 우리 지표가 0 막대에 1을 표시하는지 주목하셨습니까?
첫 번째 의미에서(0은 처리되지 않음)? 글쎄, 각 점과 자신의 상관 관계는 이것이 가능한 최대 상관 관계라는 가정하에 하나로 간주됩니다. 앞으로이 가정은 정당화됩니다 :). 하지만 나 없이도 이것을 알고 있었을 것이므로, 그 질문에는 내가 아직 이해하지 못한 힌트가 포함되어 있는 것 같다.
그런 다음 분기의 작성자(그뿐만 아니라)가 차트 추세를 제거하여 달성하려고 하는 것을 이해하려고 합니다. Prival 은 아마도 초기 따옴표에서 예측할 수 없는 일반 구성 요소(추세)를 먼저 제거하고 결과적으로 무작위 프로세스에 가까운 무언가를 남기기 위해 이 작업을 제안할 것입니다. s.c.o..의 수), 그런 다음 이 과정의 ACF 속성(자기상관이 아닌 자기 공분산 )을 분석하여 ACF 자체를 사용하여 우리에게 알려지지 않은 바로 그 추세를 예측합니다. 프라이블 , 어디까지 가봤니? 말해봐, 논리적인지 아닌지?
Prival 은 발언을 약속했지만 임의의 구성 요소만 남기는 것이 아니라 "긴" 추세를 제거하고 평균이 0인 계열을 얻는 것이 아이디어라고 생각합니다. 이 시리즈에는 게임의 예상 기간에 해당하는 더 짧은 추세가 포함됩니다. 수학적 통계(동일한 R/S 분석을 회상할 수 있을 뿐만 아니라)가 그러한 시리즈로 작업하는 것을 선호한다는 것을 기억하고 "랜턴 아래에서 검색"에 대한 문제의 어느 정도 정확한 감소를 얻습니다.
예, 추세는 선형이지만 매우 거칠고 몇 주와 같이 가장 큰 기간에만 적용됩니다. 직접 확인하세요.
추세 제거는 차트 자체에서 " 추세선 "의 편차가 c를 너무 많이 초과하지 않는 경우에만 의미가 있습니다. k.o.는 회귀 자체(ACF가 아님)의 "평활화" 기간의 작은 값을 나타냅니다. 그렇지 않으면, 우리가 없애고자 하는 추세 제거 구간 내에 작은 지역 추세가 있을 것입니다. (가설: 원래 프로세스의 Hurst 계수를 줄여 가우시안에 더 가깝게 만들 수 있습니까?)
이제 5분을 보고 추세가 선형인지 아닌지 알려주세요. "확률적 공명"이라는 주제는 그러한 현상이 존재한다면 이 아이디어를 반박하는 것 같습니다.
그리고 지금 - 디저트 :). 다시 생각해보니 이게 생각이 나네요. 위에 쓰여진 바와 같이, 나는 정확히 반대 방향으로 추세 감소의 의미를 이해합니다. 즉, 과제는 게임의 선택된 지평에 해당하는 지역 추세를 순수한 형태로 얻기 위해 글로벌 추세를 정확히 제거하는 것입니다. 이러한 의미에서 시간 프레임의 관점에서 이야기하는 것은 오히려 편향적입니다. 시계열이 있을 뿐이고 다른 시간 척도를 사용하여 볼 수 있지만 추세는 객관적인 현실로서 척도의 선택에 의존하지 않습니다. 그리고 제가 갑자기 생각한 것이 있습니다. 선형 변환에는 명확한 물리적 의미가 있습니다. 이러한 변환의 결과는 다른 관성 참조 프레임, 즉 동일한 힘이 원래 프레임에서와 같이 작용할 프레임입니다. 물리학에서 알 수 있듯이 비선형 변환을 사용하면 "비논리적"이고 설명하기 어려운 힘이 예기치 않은 방식으로 나타났다가 사라질 수 있는 세계를 얻게 됩니다. 수익률의 사용도 선형변환이라는 것이 신기하지만, 제로 기대 조건은 선형 회귀를 사용하여 추세를 제거할 때보다 훨씬 더 큰 오류로 충족됩니다.
그래도 초기화하는 동안 BarsCount에 그림자가 다시 그려집니다. 결국, 그들은 또한 정보를 전달합니다.
그러나 실제로는 모든 것이 매우 느립니다. :)
그리고 문제는 남아 있습니다. Forex에 추세가 평평한지 아니면 Forex에 추세가 없는지 여부입니다. 얼마나 많은 사람들이 그렇게 많은 의견을 가지고 있는지에 대해 많이 논의되었습니다.
"이제 a*x+b를 더 의미 있는 것으로 바꿔야 합니다. 예를 들어 'ang PR (Din)-v1' 과 같이 추세를 실제로 제거해야 합니다."
카운트다운 시간을 결정합니다. 그리고 솔루션은 time_avg_v1.0에 있습니다. mq4는 "트렌드"와의 편차에 대해 좋아했습니다.
여기서 가장 흥미로운 점은 상관관계 kt가 근본적으로 제한된 값 이라는 것입니다. 인듀서 정규화 문제에 대한 첫 번째 솔루션 은 Yurixx 가 'Stochastic Resonance' 에서 제안했습니다. 사진을 못찾겠어 젠장
시장 극단값과 상관 관계를 갖도록 가르치는 것은 꽤 남아 있습니다. 그러나 이 표시기의 0에서 진입/출구 지점을 찾아야 할 것 같습니다.
PS 아니요, 정말 아닙니다. 지표의 음수 값(ACF의 일종인 경우)은 하락 추세를 나타내지 않습니다. 이것은 가장 고삐 풀린 아파트일 수 있습니다.
PS 아니요, 그렇지 않습니다. 지표의 음수 값(ACF의 일종인 경우)은 하락 추세를 나타내지 않습니다. 이것은 가장 고삐 풀린 평면일 수 있습니다.
그리고 다시 - 평면 - 얼마입니까? 25p 또는 50p. 그리고 오래된 TF를 위해? time_avg_v1. 0.mq4는 이 문제에 대한 몇 가지 그림을 제공합니다.
그래서 경기가 완벽했던 것 같다. 이제 a*x+b 를 더 의미 있는 것으로 바꿔야 합니다. 예를 들어 'ang PR (Din)-v1' 과 같이 실제로 추세를 제거해야 합니다.
예, 추세는 선형이지만 매우 거칠고 몇 주와 같이 가장 큰 기간에만 적용됩니다. 직접 확인하세요.
그런 다음 분기의 작성자(그뿐만 아니라)가 차트 추세를 제거하여 달성하려고 하는 것을 이해하려고 합니다. Prival 은 아마도 초기 따옴표에서 예측할 수 없는 일반 구성 요소(추세)를 먼저 제거하고 결과적으로 무작위 프로세스에 가까운 무언가를 남기기 위해 이 작업을 제안할 것입니다. s.c.o..의 수), 그런 다음 이 과정의 ACF 속성(자기상관이 아닌 자기 공분산 )을 분석하여 ACF 자체를 사용하여 우리에게 알려지지 않은 바로 그 추세를 예측합니다. 프라이블 , 어디까지 가봤니? 말해봐, 논리적인지 아닌지?
추세 제거는 차트 자체에서 " 추세선 "의 편차가 c를 너무 많이 초과하지 않는 경우에만 의미가 있습니다. k.o.는 회귀 자체(ACF가 아님)의 "평활화" 기간의 작은 값을 나타냅니다. 그렇지 않으면, 우리가 제거하려는 추세 제거 구간 내에 작은 로컬 추세가 있을 것입니다. (가설: 그래서 우리는 원래 프로세스의 허스트 계수를 줄여서 가우시안에 더 가깝게 만드는 것일까요?)
이제 5분을 보고 추세가 선형인지 아닌지 알려주세요. 이러한 현상이 존재한다면 "확률적 공명"이라는 주제는 이 생각을 반박하는 것 같습니다.
PS 그건 그렇고, 왜 우리 지표가 0 막대에 1을 표시하는지 주의를 기울이셨습니까?
칸디다 ,
PS 그건 그렇고, 왜 우리 지표가 0 막대에 1을 표시하는지 주의를 기울이셨습니까?
질문은 나를위한 것이 아니지만 주제를 염탐하고 있기 때문에 ...
Prival은 상식에 대해 어떻게 든 여기에서 시도했습니다. 따라서 ACF의 상식적 또는 물리적 의미는 정의에 따라 그 값을 0 막대의 1과 동일시합니다. 시간 샘플과 자체의 상관 관계를 보여줍니다. 0으로 떨어지는 것은 해당 막대 수만큼 0을 떠난 후 VR 값의 실질적인 상관 관계 손실로 해석될 수 있습니다. 지금까지 나는 여전히 우리가 이것에서 얻고자 하는 것을 알아내지 못했습니다. Wikipedia는 AFK에 대한 또 다른 정의를 제공합니다. 내가 이해하는 한 Matemet의 마음에 더 가깝지만 여기서는 첫 번째 정의만 고려합니다.
PS Prival, 나는 여전히 코딩을 시작할 내부 시작 충동이 없습니다. 왜냐하면. 문제를 이해하는 데 명확성이 없습니다. 그건 그렇고, 나는 스스로를 MQL 마스터라고 생각하지 않으며 한 번도 그런 적이 없지만 실습을 통해 작업을 이해하면 무엇이든 코딩할 수 있음을 알 수 있습니다. 그리고 여기 포럼에 마스터가 있습니다.
PPS 나는 포럼 회원들이 확률론적 신경망 (Prival이 그들 가운데 있기를 바랍니다)을 빠르게 연구하려는 포럼 회원들의 열망과 연관시키거나 모두가 실제 계정을 열기 위해 달려갔고, 다른 사용자에게는 Better의 신호를 무료로 사용할 수 있습니다. 월 :-).
방금 자유 시간을 얻었습니다. 저녁까지 나는 여기서 제기된 질문에 답하려고 노력할 것입니다.
rsi "... 확률적 .." 질문에 답하려고 합니다. 신경망 은 무엇을 더 잘 조정합니까?
저녁까지 나는 모든 것을 프로그래밍하고 내 아이디어를 그림에 담으려고 노력할 것입니다.
rsi "... 확률적 .." 질문에 답하려고 합니다. 신경망 은 무엇을 더 잘 조정합니까?
네트워크에서 나는 최근에 시작했습니다(평소처럼 천천히). 포럼에는 이 경우에 대한 전문가들이 있습니다(Vinin, Leo, klot 및 물론 Better를 비롯한 많은 다른 사람들). 아마도 그들은 새로운 가지를 생산하지 않기 위해 합류할 것입니다. (그러나 나는 그 주제에 대해 이미 새로운 스레드가 있다고 생각합니다. 놀라운 일이 아닙니다.) 그러나 일단 질문을 받으면 시도하겠습니다. 속담에 따르면, 당신 자신은 아무것도 할 수 없기 때문에 적어도 다른 사람들을 가르치십시오! :-) 여기 지점에서도 사람들이 약하지 않기 때문에 내가 뭔가를 엉망으로 만들면 그들이 나를 고쳐주기를 바랍니다.
내가 오늘 이해한 한, 확률적 네트워크를 구성할 때 베이지안 접근 방식이 사용되며 네트워크의 각 출력에서 추정값이 얻어집니다(그리고 분명히 임계값 또는 다른 출력과 비교됩니다. Prival, 아마도 두 임계값 :-)) 일부 충분한 통계의 값으로, 입력 벡터에 대한 최대 가능도 함수로 설명되는 상수 인자까지의 스칼라로 지정됩니다. 따라서 (제시된 질문에 답) 네트워크(각각의 출력)는 결정(출력)에 대한 입력 벡터의 가장 가능성 있는 대응 가능성으로 조정됩니다.
일반적으로 네트워크 자체에는 입력 레이어, 방사형 레이어 및 출력 레이어의 세 가지 레이어가 있습니다. 입력은 분류를 위한 벡터입니다(우리가 이미 알고 있듯이, 이들은 부울 함수가 있을 수 있지만 여러 이동 평균 값의 선형 조합일 가능성이 가장 높습니다). 출력 수는 출력 솔루션의 필수 차원에 해당합니다. 예를 들어 매수, 매도, 매도, 매도, 매도 결정을 해야 하는 경우 4입니다. 교육 중에 "승자가 모두 가져갑니다"라는 원칙이 구현됩니다. 둘 이상의 출구에 대해 최대값에 가까울 수 없습니다. 이것은 작업의 창의적인 구성 요소입니다. 가장 적합한 너비(시그마)와 중간 레이어의 뉴런 수를 찾아야 합니다. 일부 입력 벡터는 성공적인 구매에 해당하고 다른 일부는 다른 출력 벡터에 해당합니다. 방사형 레이어는 시그모이드 변환 함수 대신 소위 방사형 기저(유클리드 거리의 종 모양 함수)를 사용하기 때문에 그렇게 불립니다. ).
보시다시피 이 접근 방식은 "손"으로 거래하는 것과 매우 유사합니다. 거래자는 입력 벡터(가격, TA 패턴, 지표 판독값 등)를 평가하고 자신의 평가에 따라 기준이 충족되면 결정을 내립니다. .
훈련에 관해서는, 나는 아직 그것을 공부하지 않았습니다. 이것은 별도의 질문입니다. 알아내면 나중에 언급할 수 있습니다 :-). 더 나은, 나는 그의 Expert Advisor가 훈련을 위해 일년 내내 데이터를 사용한다고 챔피언십 전에 썼던 것을 기억합니다.
솔직한 , 나는 다이나믹 린을 의미했다. 회귀, 즉 주어진 이전 값 수를 기반으로 다음 막대의 값을 선형으로 예측하는 표시기입니다. 나는 신경망을 가지고 놀 때 어떻게 든 이것에 관심이 있었고 심지어 그것을 분석적으로 계산했습니다. SMA와 LWMA의 선형 조합을 동일한 기간으로 1000이 아닌 다소 작은 동일한 기간으로 얻었습니다. 기억할 것입니다. 계산 공식이나 지표 자체를 게시하겠습니다.
나는 그것을 움직이는 선형 회귀라고 부르고 나는 그러한 지표를 가지고 있습니다. 나는 그것을 스스로 공유할 수 있습니다 :)
첫 번째 의미에서(0은 처리되지 않음)? 글쎄, 각 점과 자신의 상관 관계는 이것이 가능한 최대 상관 관계라는 가정하에 하나로 간주됩니다. 앞으로이 가정은 정당화됩니다 :). 하지만 나 없이도 이것을 알고 있었을 것이므로, 그 질문에는 내가 아직 이해하지 못한 힌트가 포함되어 있는 것 같다.
Prival 은 발언을 약속했지만 임의의 구성 요소만 남기는 것이 아니라 "긴" 추세를 제거하고 평균이 0인 계열을 얻는 것이 아이디어라고 생각합니다. 이 시리즈에는 게임의 예상 기간에 해당하는 더 짧은 추세가 포함됩니다. 수학적 통계(동일한 R/S 분석을 회상할 수 있을 뿐만 아니라)가 그러한 시리즈로 작업하는 것을 선호한다는 것을 기억하고 "랜턴 아래에서 검색"에 대한 문제의 어느 정도 정확한 감소를 얻습니다.
추세 제거는 차트 자체에서 " 추세선 "의 편차가 c를 너무 많이 초과하지 않는 경우에만 의미가 있습니다. k.o.는 회귀 자체(ACF가 아님)의 "평활화" 기간의 작은 값을 나타냅니다. 그렇지 않으면, 우리가 없애고자 하는 추세 제거 구간 내에 작은 지역 추세가 있을 것입니다. (가설: 원래 프로세스의 Hurst 계수를 줄여 가우시안에 더 가깝게 만들 수 있습니까?)
이제 5분을 보고 추세가 선형인지 아닌지 알려주세요. "확률적 공명"이라는 주제는 그러한 현상이 존재한다면 이 아이디어를 반박하는 것 같습니다.
그리고 지금 - 디저트 :). 다시 생각해보니 이게 생각이 나네요. 위에 쓰여진 바와 같이, 나는 정확히 반대 방향으로 추세 감소의 의미를 이해합니다. 즉, 과제는 게임의 선택된 지평에 해당하는 지역 추세를 순수한 형태로 얻기 위해 글로벌 추세를 정확히 제거하는 것입니다. 이러한 의미에서 시간 프레임의 관점에서 이야기하는 것은 오히려 편향적입니다. 시계열이 있을 뿐이고 다른 시간 척도를 사용하여 볼 수 있지만 추세는 객관적인 현실로서 척도의 선택에 의존하지 않습니다. 그리고 제가 갑자기 생각한 것이 있습니다. 선형 변환에는 명확한 물리적 의미가 있습니다. 이러한 변환의 결과는 다른 관성 참조 프레임, 즉 동일한 힘이 원래 프레임에서와 같이 작용할 프레임입니다. 물리학에서 알 수 있듯이 비선형 변환을 사용하면 "비논리적"이고 설명하기 어려운 힘이 예기치 않은 방식으로 나타났다가 사라질 수 있는 세계를 얻게 됩니다. 수익률의 사용도 선형변환이라는 것이 신기하지만, 제로 기대 조건은 선형 회귀를 사용하여 추세를 제거할 때보다 훨씬 더 큰 오류로 충족됩니다.