交易中的机器学习:理论、模型、实践和算法交易 - 页 2815

 
Maxim Dmitrievsky #:
不,你有妄想症

好吧

 
Maxim Dmitrievsky #:
不,你有妄想症。

蓝色 是聚类,两个聚类,两个原型,头肩/非头肩。

红色 是 SMM,概率不是 头肩。




在这一点上,很明显状态已经发生了变化,而且用 SMM 比用聚类更早地识别出 GP 的状态。


聚类识别出的 GP 在 GP 的右肩,而 SMM 在左肩...

谢谢大家

 
mytarmailS #:

在这一点上,状态显然已经发生了变化,在 SMM 的帮助下,GP 的状态可以更早地识别出来。

聚类的边界在哪里?

100%?😀
 
Maxim Dmitrievsky #:
谁明白?)))) 集群的边界在哪里?

你可以用一条线作为界限。需要我教你吗?

 
mytarmailS #:

你把门槛放在一条线上。需要我教你吗?

你很擅长设置阈值。添加更多的模式,并把阈值放在那里。

有了你的阈值,任何小的溢出都会是头等大事。100%的确定性就是聚类的结果
 
Maxim Dmitrievsky #:
好吧,你是个好看的家伙,装上了窗台。多加点图案,把门槛放在那儿。

是啊,让我们从一个话题到另一个话题,把例子复杂化、扭曲化、模糊化....

马克西姆-德米特里耶夫斯基#:
并对聚类显示出百分之百的信心。

是啊,事后......正如之前所说的那样。

 

因此,SMM 比集群更快。

反驳这一点就是不动脑子。

 
mytarmailS #:

聚类确定 GP 位于 GP 的右肩,而SMM 仍位于左肩

相反,这并不是 GP 的开始,而只是一个高值/高于其他值。在此之后,它可以是任何东西,也可以是 GP,还可以是 1 个离群值和 2 个离群值,以及没有下降的上升趋势,还有更多变体。你的例子中只有 GP,而市场是更加多样化的。

 
elibrarius #:

相反,这并不是 GP 的开始,而只是一个高值/高于其他值。在此之后,它可以是任何东西,也可以是 GP,还可以是 1 次爆发和 2 次爆发,以及不跌反涨的趋势,还有更多的变体。你的例子中只有 GP,而市场是更加多样化的。

我们谈论的不是市场、模式、多样性、离群值....。

我们讨论的是什么更快地决定了状态,聚类还是 SMM....

为了找出答案,我们用一个简单的模型来比较这两种方法....。

没错,这很公平...


让我们看看市场、多样性、离群值、chmybros,让我们从一个主题跳到另一个主题,而不想认识到显而易见的问题?

这将会是 100 多页无用的、无法证实的喋喋不休的废话....。


来吧,喝杯咖啡什么的。

 
mytarmailS #:

我们不是在谈论市场、模式、多样性、异常值......

我们讨论的是什么决定了状态的更快、集群或 SMM....

为了找出答案,我们用一个简单的模型来比较这两种方法....

没错,这很公平...


让我们看看市场、多样性、排放、恶棍,让我们从一个话题跳到另一个话题,而不想认识到显而易见的问题?

这将会是 100 多页无用的、无法证实的喋喋不休的废话....。


来吧,喝杯咖啡什么的。

SMM--给出了我们将进入这样那样的状态的概率,很明显,预测将出现在状态之前--这没什么好争论的。但这种预测的准确性问题却很有趣。

原因: