For more information about these stochastic and their applications in Quantitative Finance please check out my blog post, Random Walks Down Wall Street, Stochastic Processes in Python. This notebook contains the code presented in the article for four stochastic processes often used to model the evolution of asset prices and two mean-reverting...
The first use of a Wiener Process, also called Brownian Motion after Robert Brown, for simulating returns on financial assets was in 1900 when in Louis Bachelier wrote a paper entitled The Theory of Speculation which used a Wiener process to describe the returns on stock options. A Wiener process is described by three properties: $W_0 = 0...
但是，如果我试图为SB获取50%的利润，我可能会得到一个错误的结果，因为我无法预测超过50%的利润，但如果我选择ZZ，我将获得同样 "令人敬畏 "的利润。那个SB可以被交易？阿利奥沙在SB上的准确率为100%，并不太在乎它。这对他来说只是一颗种子。
我认为他只是在解释基础知识，这里是基础知识。
不，我是说照片）。
厌倦了流口水，太美了。
时间框架是什么？ 秘密技术是什么？
培训 - 10个月，培训后的测试期 - 6个月。
该技术就像袜子一样简单：UGA和MLP有两个内层。
培训 - 10个月，培训后的测试期 - 6个月。
该技术就像Valenki一样简单：有两个内层的UGA和MLP。
加利福尼亚大学怎么样。这里https://en.wikipedia.org/wiki/UGA 是最合适的通用几何代数。 这个还是别的什么？
你试着在论坛上搜索 过吗?)
1.如果容易的话，如果你知道怎么做，就用数字举出一个具体的例子。
2.没有必要建议（"采取"，"看"）自己做，用具体的例子证明你的说法。而提到 "大兄弟"......。你可以用更简单的方式来写："一个人这样告诉我"。
有太多聪明的话匣子了。
阿利奥沙在SB中获得了100%的准确率，并没有太在意它。这对他来说只是一颗种子。
为了以防万一，我在这里放两个数据集（lern和test分别为两个） 作为说明，第一个作为特征（f0...f9）是一个不同窗口的macdac，目标也是一个macdac（g0），第二个数据集fic也是一个macdac，目标是ZZ。
在第一个数据集上很难拉到51%以上，因为它应该是这样的，这是合乎逻辑的，它是SB，第二个数据集，没有问题，65-70%，这对SB，对价格，奇迹))))。
我不指望任何人下载哪怕一次检查，因为大多数参与者的意图在不同的平面，但既然你问了，我提供一个例子。
过程表示的详细程度和该过程所需的可预测程度是成反比的。唯一的问题是误差的幅度。只要错误允许识别过程（从过程中赚钱的机会），就有必要减少细节程度。因此，可能有一些过程（符号）在原则上是不可能赚钱的（实践表明，不仅可能，而且是可以的）......我很感谢普通交易员有符号，在这些符号上有可能长期赚钱，阿门。
有两种相互矛盾但又符合逻辑的意见......首先，你需要选择尽可能长的历史进行测试（优化），以描述尽可能多的未来可能发生的可能结果。第二，在漫长的历史上进行测试是没有意义的，因为市场在不断变化，你需要...
你是否感觉到这两种意见的矛盾和含糊？在第一种情况下，永远不会有足够的历史，而在第二种情况下，永远不会有足够的历史来选择期间的最小值（该期间，可以可靠地被当作一个WINDOW）。
那里有很多东西。例如--复合泊松过程，从TP分支发明的亚历山大，从未发明过)
虽然R是人们能发明的最恶心的语言，但这本书和它的主题真的很好......我正在寻找Python的例子:)
https://nbviewer.jupyter.org/github/StuartGordonReid/Python-Notebooks/blob/master/Stochastic%20Process%20Algorithms.ipynb
有趣的话题......我想学习如何模拟跳跃，以便以后能从模型中减掉它们。
http://stuartreid.co.za/interactive-stochastic-processes/