그것을 가지고 구매 시작 후 13번째 막대에 있는 자기 자본이 얼마인지 스스로 계산하십시오. 그물이 없습니다. 우리는 DC에서 거래합니다!
나는 정말로 무브를 팔고 있고 , '팔로우'를 할 때 오픈 숏 포즈가 매도된 무브에 합산되는지(물론, 13의 인수로) 확인하고 있습니다.
기간을 늘리는 것과 관련하여 - 이것은 매우 합리적인 다음 생각입니다. 그러나 지금은 기본 사항을 이해해야 합니다.
이에 대해 나는 논쟁하지 않고 전적으로 동의합니다. 13번째 막대에서 평균 총 포지션의 가격은 평균 기간이 13인 이동 평균 의 값과 정확히 일치합니다. 네팅은 이 사실을 훨씬 더 명확하게 보여줍니다. 문제는 14번째 막대 에서 13의 기간으로 현재 평균과 동일한 위치를 만들 수 없으며 이동이 사라지고 평균 진입 가격이 동일하게 유지된다는 것입니다. 당신이 할 수 있는 유일한 방법은 평균을 다시 측정하고 이미 14마디의 MA를 사용하는 것이고, 15번째 마디에서는 MA 15, 16-16 등을 사용해야 합니다. 무한대. 한도 내에서 이동이 너무 커서 가까운 장래에 가격이 다시는 돌아오지 않을 것입니다. 저것들. 어떤 "반주"도 할 수 없습니다.
Mathemat : 왜냐하면 오래된 마이크로포즈를 닫는 것은 불가능하기 때문입니다. "Y" 연산의 전체 결과는 실현된 손익으로 인해 왜곡됩니다.
모든 것이 더 간단합니다. 이전 마이크로 포지션 은 제로 바의 현재 가격으로 마감될 것이며, 기간을 유지하려면 이전 마이크로 포지션을 13바 전 시가로 마감해야 합니다. 이는 불가능합니다. 그러나 이동 평균은 말 그대로 이전 가격에서 이전 값을 닫습니다. 지표이기 때문에 할 수 있습니다.
R^2를 사용하는 NS에 대한 출판물을 본 적이 없습니다. 나는 그것에 대해. 회귀 분석은 어떻습니까?
RA는 그것과 아무 관련이 없으며 측정값이 변경됩니다(작은 것). 직선, 곡선 및 사선이 이동됩니다.
그들이 말했듯이 - 상수까지.
그것을 가지고 구매 시작 후 13번째 막대에 있는 자기 자본이 얼마인지 스스로 계산하십시오. 그물이 없습니다. 우리는 DC에서 거래합니다!
나는 정말로 무브를 팔고 있고 , '팔로우'를 할 때 오픈 숏 포즈가 매도된 무브에 합산되는지(물론, 13의 인수로) 확인하고 있습니다.
기간을 늘리는 것과 관련하여 - 이것은 매우 합리적인 다음 생각입니다. 그러나 지금은 기본 사항을 이해해야 합니다.
이에 대해 나는 논쟁하지 않고 전적으로 동의합니다. 13번째 막대에서 평균 총 포지션의 가격은 평균 기간이 13인 이동 평균 의 값과 정확히 일치합니다. 네팅은 이 사실을 훨씬 더 명확하게 보여줍니다. 문제는 14번째 막대 에서 13의 기간으로 현재 평균과 동일한 위치를 만들 수 없으며 이동이 사라지고 평균 진입 가격이 동일하게 유지된다는 것입니다. 당신이 할 수 있는 유일한 방법은 평균을 다시 측정하고 이미 14마디의 MA를 사용하는 것이고, 15번째 마디에서는 MA 15, 16-16 등을 사용해야 합니다. 무한대. 한도 내에서 이동이 너무 커서 가까운 장래에 가격이 다시는 돌아오지 않을 것입니다. 저것들. 어떤 "반주"도 할 수 없습니다.
내일 나는 내 생각을 표에 적어서 명확하게 할 것입니다.
왜냐하면 오래된 마이크로포즈를 닫는 것은 불가능하기 때문입니다. "Y" 연산의 전체 결과는 실현된 손익으로 인해 왜곡됩니다.
모든 것이 더 간단합니다. 이전 마이크로 포지션 은 제로 바의 현재 가격으로 마감될 것이며 , 기간을 유지하려면 이전 마이크로 포지션을 13바 전 시가로 마감해야 합니다. 이는 불가능합니다. 그러나 이동 평균은 말 그대로 이전 가격에서 이전 값을 닫습니다. 지표이기 때문에 할 수 있습니다.
to:faa
여기에서 토론하고 토론하는 동안 괴물이 연대에 도착하여 만나십시오.
지수 평활을 사용한 시계열 예측
지수 평활을 사용한 시계열 예측(계속)
후보자는 귀하의 방법에 적합합니다.
to:faa
여기에서 토론하고 토론하는 동안 괴물이 연대에 도착하여 만나십시오.
지수 평활을 사용한 시계열 예측
지수 평활을 사용한 시계열 예측(계속)
후보자는 귀하의 방법에 적합합니다.
초대되었습니다. 그는 거절했다. 예측 오차를 기반으로 평활화 매개변수를 맞추는 방법이 궁금합니다. 저에게는 이것이 문제의 일부입니다.
문제는 다릅니다. 이전에 한 모델에 대한 시뮬레이션 결과를 게시했습니다. 이제 다른 사람을 위해 게시:
kotir hp1(-1 ~ -2) hp1_d(-1 ~ -1) eq1_hp2(-1 ~ -3) eq1_hp2_d(-1 ~ -4)
여기서 HP는 몫 1/DX를 평활화합니다. 달러 인덱스의 역수.
결과는 다음과 같습니다.
아주 좋은 모델입니다. LM ACF 및 최대 Prob C에 최적화 가능
우울한 결과는 다음과 같습니다.
표본 내에서 예측할 때 나는 환상적인 이익 요소를 가지고 있습니다. 특히 관찰의 이익 요소에주의를 기울이기를 요청합니다. 그런데 out of sample..... 왜 이렇게 장밋빛 결과가 한 발짝 더 확장되지 않는 걸까요? 이해할 수 없습니다.
블라디미르: SanSanych는 시야가 좁지 않고 특정 작업이 필요한 것 같습니다. 물론이죠.
그리고 불독의 그립...
일반적으로 이러한 모델의 작성자는 테스터에서 신속하게 실행하고 누출을 확인하고 새 모델로 전환합니다. 그리고 여기 스타터는 기적을 기다리는 실시간 예측을 보여줍니다. 일종의 마조히즘입니다.
표본 내에서 예측할 때 나는 환상적인 이익 요소를 가지고 있습니다. 특히 관찰의 이익 요소에주의를 기울이기를 요청합니다. 그런데 out of sample..... 왜 이렇게 장밋빛 결과가 한 발짝 더 확장되지 않는 걸까요? 이해할 수 없습니다.
드디어 종파의 신봉자, 종교 집중의 주 비결이 밝혀졌다!
초등 왓슨! 고정적이지 않기 때문입니다. 정상성은 분산과 평균이 일정하고 측정 대상 표본에 의존하지 않는 경우입니다. 저것들. 다른 독립 샘플에서는 거의 동일한 상수를 얻어야 합니다. 그렇지 않으면 정상성 가설이 반박됩니다.
정상성 가설은 표본 차원을 증가시켜 다른 방식으로 테스트할 수 있습니다. 정상성의 경우 분산과 평균도 일정하게 유지되어야 합니다.
R^2를 사용하는 NS에 대한 출판물을 본 적이 없습니다.
모든 알고리즘에서 ...를 포함하여 NS의 모든 오류 ... 및 r-kv를 사용할 수 있습니다.
드디어 종파의 신봉자, 종교 집중의 주 비결이 밝혀졌다!
초등 왓슨! 고정적이지 않기 때문입니다. 정상성은 분산과 평균이 일정하고 측정 대상 표본에 의존하지 않는 경우입니다. 저것들. 다른 독립 샘플에서는 거의 동일한 상수를 얻어야 합니다. 그렇지 않으면 정상성 가설이 반박됩니다.
정상성 가설은 표본 차원을 증가시켜 다른 방식으로 테스트할 수 있습니다. 정상성의 경우 분산과 평균도 일정하게 유지되어야 합니다.
도대체 무엇이어야 하는지 ... 그러나 실제로는 그렇지 않을 것입니다 ... 그리고 그것은 샘플의 크기뿐만 아니라 그 안에 들어있는 것에 달려 있습니다 ...