Хотим мы того или нет, но статистика в трейдинге играет заметную роль. Начиная с фундаментальных новостей, пестрящих цифрами, и заканчивая торговыми отчетами или отчетами тестирования, от статистических показателей никуда не деться. Вместе с тем, тезис о применимости статистики в принятии торговых решений остается одной из самых дискуссионных...
我还不知道。我把非熵看成是赫斯特、不对称性、峰度等的一个附加参数，这个参数是最神秘的，而且，怎么说呢？- 华丽，是的。
另一个来自经验的观察。我只取了那些熵值大于零且不重要的输入。因此，与包含相同输入和所有其余负熵的集合相比，优化效果明显较差。因此，结论是。有必要选择这样的输入，其熵值从两边都围绕着零旋转。也就是说，一组没有负熵的输入比一组既有负熵又有正熵的输入训练效果更差。
当只有负熵的入口时，这样的集合也被训练得非常好，但由于优化器的特殊性和缺乏这样的入口，模型与有正值入口的集合相比就显得不足。最主要的是这个加上输入应该尽可能的小...
兄弟们对我们来说只剩下一小步，但对所有人类来说将是巨大的一步.....。
我同意你的观点。迈克尔.而这不是玩笑。我真的这么认为。
我同意你的观点。迈克尔.而这不是玩笑。我是认真的。
所以...有两列A和B，如何从B中计算出A的条件概率？ 网上有很多公式，但例子似乎都不对...我不太明白 :-(
不要再这样胡闹了，好好做人。
一个不知道他在写什么，另一个在诱导他 ))))
如果你想知道在某个时间点上关于未来的一切，即预测，你必须把这个过程简化为马尔科夫的过程。让它的非熵-->0。
你确定是这种情况吗？对于非马尔科夫过程，假定价格会有相同的行为（相同模式后的相同运动），你可以采取当前的价格模式，训练有素的神经元会告诉你价格接下来会去哪里。这是非常好的。
但我应该如何处理马尔可夫过程呢？我应该如何交易完全随机的东西？
不要再这样胡闹了，好好做人。
一个人不知道他在写什么，另一个人在诱导他))))。
如果那个人真的跑到了终点线呢？好吧，我不会在这个话题上乱扔垃圾 ^)))))
你确定是这种情况吗？对于非马尔科夫过程，假定价格至少偶尔会有相同的行为（相同模式后的相同运动），你可以把当前的价格模式，训练好的神经网络会告诉你价格接下来会去哪里。这是非常好的。
但我应该如何处理马尔可夫过程呢？我如何交易完全随机的东西呢？
随机性不是随机的 :-)价格变动总是有原因的，因此说它是偶然的是错误的。另一件事是，观察者可能缺乏关于原因的信息，运动变得随机......。IMHO....
所以...有两列A和B，我如何从B中计算出A的条件概率？ 网上有很多公式，但例子是错误的...我搞不清楚 :-(
https://www.mql5.com/ru/articles/3264
你确定是这种情况吗？对于非马尔科夫过程，假定价格至少偶尔会有相同的行为（相同模式后的相同运动），你可以把当前的价格模式，训练好的神经网络会告诉你价格接下来会去哪里。这是非常好的。
但我应该如何处理马尔可夫过程呢？我如何交易完全随机的东西呢？
想象一下带有漂移的维纳模型--仅此而已。