옵티마이저로 작업하는 원리와 피팅을 피하는 주요 방법. - 페이지 6

 
Avals :

당신은 같은 주제에 대해 토론하고 있습니다 - 당신의 모델. 모두가 이미 한 번 이상 말한 것 같습니다))
음, 첫째, 모델이 아니라 원칙입니다. 둘째, 불행히도 내 것이 아니라 긴 수염이 있습니다. 셋째, 나는 koter를 구성 요소로 분해하는 것에 기반한 모델링 접근 방식을 폭로하는 출판물을 알지 못합니다.
 
사실, 목표는 견적을 시뮬레이션하는 것이 아니라 기대치를 바꾸는 것입니다. 고정성은 본질적으로 전혀 필요하지 않습니다.
 
TheXpert :
그건 그렇고 지그재그로 돈을 벌 수 있습니다 :) 지그재그 하면
33까지 예측해봤다. 결과는 굉장했지만 나는 웃었다.
 
TheXpert :
사실, 목표는 견적을 시뮬레이션하는 것이 아니라 기대치를 바꾸는 것입니다.
과거나 미래에?
 
faa1947 :
과거나 미래에?
기본적으로 :)
 
TheXpert :
사실, 목표는 견적을 시뮬레이션하는 것이 아니라 기대치를 바꾸는 것입니다. 고정성은 본질적으로 전혀 필요하지 않습니다.

이제 정말 소금입니다. 다시 동의합니다.
 
ask :

이제 이것은 정말 소금입니다. 다시 동의합니다.
그리고 무엇이 그것을 미래로 바꾸었는지 어떻게 알 수 있습니까? 숫자에 대한 거룩한 믿음.
 

아, 수수께끼 같군요. 정답은 112와 킥입니다 :)

"어디서" 봐?

그것이 진정한 감정가가 ... 그것을 부르는 방법 ... "정답의 감각"이있는 곳입니다. 정답을 듣는 순간, 정답임을 직감적으로 이해합니다.

분명히 말해서, 나는 나 자신을 전문가라고 생각하지 않습니다. 그러나 나는 그 과정이 비슷하다고 생각합니다. :)

 
Avals :

이것은 준 고정성(quasi-stationarity) - 특정 범위에서 mo의 변화입니다. 아마도 그것은 mo에 관한 것일 뿐만 아니라 이 맥락에서 우리에게 가장 관심이 있습니다.

그래서 그것은 매우 복잡한 방법이 될 수 있지만 오히려 대략적으로 규칙성을 추정합니다)) 여기에서는 오히려 시스템 매개변수의 수와 변화에 대한 결과의 민감도의 문제입니다. 매개변수의 작은 변경으로 결과가 변경되면 이것은 윙윙거리는 소리가 아닙니다. 다른 징후도 있습니다. 여기에 최근에야 그것에 대해 썼습니다. https://www.mql5.com/en/forum/137614/page5

최소한의 매개변수로 매우 복잡한 방법을 만들어 보십시오. 공식이 길수록 더 많은 매개변수가 포함됩니다. 물론 이것은 법칙이 아니라 현실에 대한 좋은 근사치입니다. 기본 함수(모델) y= a x 를 취합시다. 직선의 경사각을 변경할 수있는 매개 변수 "a"가 하나 있습니다. 그리고 그게 다야. 이 모델을 시장에 맞추십시오. 더 복잡한 모델 y = ax^2 + bx 를 가정해 보겠습니다. 더 복잡하고 두 개의 매개변수가 있습니다. 역사를 보면 분명히 나아질 것입니다. 이제 y = ax^2y = bx 2개의 하위 모델로 분할하여 개별적으로 테스트해 보겠습니다. 각각 성능이 좋지 않아 결과의 합계가 원래 모델보다 훨씬 적습니까? 적합할 가능성이 높습니다. 모든 단순 모델이 이익을 보장하는 것은 아니지만 어쨌든 단순성은 적합 가능성을 줄입니다.

조금 후에 시프트 방법을 더 자세히 설명하고 테스트 중인 모델을 더 작은 모델로 나누는 방법을 설명하려고 합니다.

 
faa1947 : 하지만 한 가지 더 잘못된 것이 있습니다. 모델의 가역성 - 왼쪽의 인용문과 오른쪽의 모든 것이 이 인용문을 요약해야 합니다.

나는 그것이 가역적이어야한다는 원칙에 따라 (시간 내에 또는 무엇을?) 궁금해합니다 ...

Vaughn 물리학자들은 자연에 완전한 대칭이 없다는 것을 수십 년 동안 알고 있었습니다.

사유: