В заключение следует отметить, что качество прогнозов, полученных при помощи нейронных сетей, выше, чем в любом из рассмотренных линейных случаев. Это позволяет сделать вывод о наличии нелинейной зависимости между котировками валютного рынка. Именно поэтому линейные методы регрессионного анализа не дали ожидаемых результатов. Безусловно, теория линейных параметрических и непараметрических методов прогнозирования изучена более подробно, чем относительно молодая (в ее современной форме) теория нейронных сетей. Однако по итогам полученных результатов предпочтение по праву отдается нелинейным методам.
我使用了一个神经网络专家。我的结果在附件中。
我认为结果不言自明，是否值得在交易中使用神经网络技术。我正在对神经网络进行深入研究，我可以说这不是这些未来智能机器的极限 :)
结果在哪里呢？
我使用了一个神经网络专家。我的结果在附件中。
我认为结果不言自明，是否值得在交易中使用神经网络技术。我正在对神经网络进行深入研究，我可以说这不是这些未来智能机器的极限 :)
2 nsk: 没有附件文件...
一个非常有趣的论文。 引自结论。
В заключение следует отметить, что качество прогнозов, полученных при помощи
нейронных сетей, выше, чем в любом из рассмотренных линейных случаев. Это позволяет
сделать вывод о наличии нелинейной зависимости между котировками валютного рынка.
Именно поэтому линейные методы регрессионного анализа не дали ожидаемых
результатов. Безусловно, теория линейных параметрических и непараметрических методов
прогнозирования изучена более подробно, чем относительно молодая (в ее современной
форме) теория нейронных сетей. Однако по итогам полученных результатов предпочтение
по праву отдается нелинейным методам.
一个非常有趣的论文。 引自结论。
得出结论，货币市场报价之间存在着非线性关系"。
没什么好说的，"深思熟虑"。 其实，这所谓的论文只是一种学期/文凭工作而已
大学毕业生的。而且我们都知道课程作业/文凭论文是怎么写的。
"这允许
以得出结论，外汇市场报价之间存在着非线性关系。"
没什么可说的，"深思熟虑"。 事实上，这所谓的论文只是一种学期论文/文凭工作
大学毕业生的。而且我们都知道如何写学期论文/学位论文。
。
嗯，嗯。每种方法正好有一个测试。
"这允许
以得出结论，交易所市场报价之间存在非线性关系"。
没什么可说的，"深思熟虑"。 事实上，这所谓的论文只是一种学期/文凭论文
大学毕业生的。而且我们都知道如何写学期论文/学位论文。
。
我同意。
1) 波动率指的是回报的标准偏差。
特质中的类是。
1.低波动性
2.中等波动性
3.高波动性
2）每天的平均变化是按所有天数的变化之和计算。
除以天数。
特质内的类。
1.每天的变化平均小于50个点
2.每天变化超过50点，但低于150点
13
3.每天的变化平均超过150点
Boo-ha-ha
金融学院的卡尔-林奈...
;)
我是在以非对角线方式阅读后得出的结论。
这里有一个例子...
将从右到左分解的基线移动1-2个小节时的相同SSA
可以极大地改变预测的质量，从可接受到谁也不知道是什么。
因此，如果你想卖掉一个程序或写一篇文章，你应该拿着图表中的一个好的部分，并感到高兴:-)!
我们要批评的是方法--我们展示的是完全妄想的预测。
......而同样的LRF在预测一个看似纯粹的正弦波时，可以得出一个残酷的胡说八道。
而关于他写道没有自动分组的方法--的事实。
这有点奇怪，因为statgroup的Caterpillar就是这样实现的，我在我的程序中也重复了这一点。
.
......其余的 "虫子 "可能也是如此。
.
P.S.: 我喜欢这个编码员。
http://www.nsc.ru/interval/Library/ApplDiss/Rodionova.pdf
我看了看目录，笑了起来。
我也许应该去找他们学习：-D。
对不起，我不玩市场，对外汇一无所知。我是一个程序员，我正在写一个关于神经网络的文凭。我的毕业论文的主题是 "使用神经网络预测货币汇率（欧元和美元）"，因此我访问了这个网站。所以，你说预测货币汇率在70-75%--是来自幻想的领域，而我想说的是，如果你学习NS，设置参数，过滤NS的输入，调整突触权重等，你可以得到90-97%的预测精度。你可以在Excel中通过安装Neural Package应用程序来实现这一点。我做到了 :)互联网上甚至有一本使用该应用程序的手册，即Fedotov V. H.撰写的 "MS Excel中的神经网络"，其中解释了预知的例子。它也可能帮助你。祝你们好运。你应该看看雷舍托夫的作品。你可能获得高达100%的收益!真的，在背面测试中...:)
Z.I. IMHO：你必须去争取价格，捏着你的面包屑，在她的实际预测....。我不相信。