交易中的机器学习：理论、模型、实践和算法交易 - 页 358

[СанСаныч Фоменко]

尤里-阿索连科。
我需要更具体一些。我可以给出两个相反的答案）。

你从哪里得到两个答案？

一般的经验法则。

• 对静止序列的预测与对历史数据的预测相同
• 非稳态序列的预测是不需要事先努力的

有ARMA，有ARIMA，可以预测非平稳序列，但这种非平稳性是非常罕见的。有ARCH，有一堆不同的GARCH--为了能够预测未来的运动，所有这些都考虑到了不同种类的非平稳性。

NS可以预测非平稳序列吗？如果是，哪些类型的非平稳性？

[Maxim Dmitrievsky]

尤里-阿索连科。

一个新的高点（可能是一个低点） 之后是一个新的高点-- 是的，我也经历过，这些图表都很熟悉。你模拟--那里什么都没有--它是空的。也许你会很幸运。

这是在非持久性（反持久性系列）的情况下。

而在持续性（持续）的情况下，一个新的最大值之后是一个新的最大值

问题是，MA在低周期时被大量重绘，也就是说，它不能被应用。而如果我们把它向后推N条，信号就会被错过。

[Yuriy Asaulenko]

马克西姆-德米特里耶夫斯基。

问题是，МА在低时期被严重透支，即无法应用。如果你把它拿回去做N个棒子，那么信号就已经错过了。

有一天，我在玩MAs（不是简单的MAs，而是黄金MAs））。- 三阶滤波器。12个MAs的组别延迟为4分钟。我们甚至不谈EMAs和其他标准的--滞后性已经超出了尺度。

一般来说，人们应该远离MA到回归线。但那里的计算延迟很大。如果我们考虑到1分钟的刻度，那将是致命的。

[Vladimir Perervenko]

桑桑尼茨-弗门科。
有没有人知道这个问题的答案：NS是如何处理非平稳输入的？

神经网络并不关心它是静止的、非静止的还是根本没有的。这对它没有区别。特别是当涉及到分类时

[Yuriy Asaulenko]

弗拉基米尔-佩雷文科。
神经网络并不关心它是否是静止的、非静止的或根本没有时间序列。这没有什么区别。特别是在涉及到分类的时候。

这就是我所说的答案之一）。

[TheXpert]

弗拉基米尔-佩雷文科。
神经网络并不关心它是否是静止的、非静止的或根本没有时间序列。这没有什么区别。特别是当涉及到分类时

输入和输出被限制在数值范围内是非常理想的。

[Yuriy Asaulenko]

组合器。
非常理想的是，输入和输出被限制在一个值域内。

这种问题甚至在进入NS之前就应该解决。NS一般不吃原始数据。

[СанСаныч Фоменко]

弗拉基米尔-佩雷文科。
神经网络并不关心它是否是静止的、非静止的或根本没有时间序列。这没有什么区别。特别是在涉及到分类的时候。

那么，再培训的问题就全面展开了。

[Maxim Dmitrievsky]

我甚至不知道我是否需要做得更好，在2.5个月内，如果我幸运的话，在5分钟的开盘价上就能达到20000%......你投进1千美元，预购一辆宾利车。如果你不走运，也没什么大不了的）。

[Yuriy Asaulenko]

马克西姆-德米特里耶夫斯基。

我甚至不知道我是否需要做得更好，在2.5个月内，如果我幸运的话，在5分钟的开盘价上就能达到20000%......你投进1千美元，预购一辆宾利车。如果你不幸运，你就是一个小损失）。

拼出来。))我想，如果不是一辆宾利，至少也是一辆带自动装置的标致车）。