FR H-波动性 - 页 8 123456789101112131415...42 新评论 Yurixx 2007.11.27 17:32 #71 Mathemat: 这就是有趣的地方，Yurixx。在我看来，以我们进入市场的水平，我们最多只是注定要做一个现象学描述。粗略地说是经典热力学，而不是统计热力学。古典的那个不是很好用吗？即使在其中我们并不十分了解什么是熵或温度，它仍然有效，而且非常好。 古典的效果很好。但在它工作之前，在它诞生之前，三头龙查尔斯-波义耳-马略特在汗水中工作，他从现象学上得出的规律原来是门捷列夫-克拉佩隆方程的特例。 也就是说，他从现象学上成功地上升到揭示真正的规律。而如果不是这样，经典热力学又是怎么回事呢？ 而我们注定要接受现象学的描述，只是因为我们有一个纯粹的功利性目标--创造TS和赚钱。但是，如果一个有聪明头脑的人把自己的注意力从商业利益中转移出来，把时间用于对市场的深入研究，他将拥有有趣的发现所需的一切--工具、数据等等。必要但不充分...:-) Sceptic Philozoff 2007.11.27 17:59 #72 Prival: 的顶部，但不知道在哪里写。如果我没有弄错的话，吉尼斯记录有一个年均1200%的记录。Larry Williamshttp://web-investor.academ.org/index.php?action=articles&id=71 从那里："但在一年内，交易债券和标准普尔500指数的期货，他的投资增加到1147000美元，即他的收益超过11000%。一个数量级的误差。1987年，那里的杠杆率有点小。而且，他们似乎在用这场比赛换取真金白银。 Prival 2007.11.27 23:16 #73 Yurixx:在随机共振主题中，当我发布我的工作时，我问了一个关于相关FR的问题。没有人回答这个问题。而且只进行了三次尝试。而事实证明，这是一个已知的和研究过的函数的一个特殊情况，叫做伽马分布。我是在阅读一本关于贝叶斯统计的书时偶然发现的。 我不认为自己是统计学家，但这里是这些分布的p.v.图。而最有可能的是你的分布是Rayleigh-Rice分布，但不是gamma分布，如果我对公式理解正确的话。 Sqrt(x^2+y^2)是瑞利分布，在雷达中非常常用，它是傅里叶级数分解中的噪声幅度分布（x是实部，y是虚部）。这个量的平方是对数正态分布--与信号能量密切相关。Rayleigh分布，是Rayleigh-Rice分布的一个特例，它确实有一个厚尾巴。 P.S. 如果有必要，我可以尝试扫描必要的页面并发送给你，但我下周可以做到。尝试与我联系或留下坐标，我将尽力帮助。所有这些分布在Levine B.R. Theoretical foundations of statistical radio engineering中都有很好的描述。- 莫斯科：广播和通信，1989年。 我主要在Skype上 -> privalov-sv 我附上matcad文件，其中有它们的构造，有它们的特征+如何建模。 附加的文件： rais.zip 78 kb Neutron 2007.11.28 06:17 #74 同事们好。 我不会放弃使用n阶AR模型对货币序列的tick 历史进行定性建模的 尝试。让我提醒你，原始AR的第一差分序列X[i]=Y[i]-Y[i-1]是直接建模的： ，其中a[i]是自回归系数，sigma在某种程度上是一个分布式随机变量。 你认为我们如何通过AR模型中的随机变量（sigma）的FR，将货币系列的第一差值的FA和模型系列的第一差值的FA联系起来？ 这个问题有一个解决方案。你可以手工挑选 "正确的 "西格玛分布法，但这是一个痛苦的过程Yurixx， 看来这个表述中的问题你有些兴趣。如果结果是肯定的，我们手中就会有一种算法，用于构建一个与生成的BP相同的波动性，并保留ticks（不同TF上的条形图）之间的关系，正如Mathemat指出的， 这对于TS的代表性测试是必要的。 Prival 2007.11.28 06:44 #75 FA的缩写？请解读一下。它是自回归X[i]的函数吗？ Neutron 2007.11.28 07:46 #76 Prival: FA的缩写？请解读一下。它是自回归X[i]的函数吗？ 哦！我很抱歉。从头到尾，它应该是FR，而不是FA。 Yurixx 2007.11.28 14:56 #77 Neutron: 通过AR模型中的随机变量（sigma）的FR，你认为货币系列的第一次差值的FR和模型系列的第一次差值的FR可以如何关联？ 这个问题有一个解决方案。我们可以通过手动方式找到 "正确 "的西格玛分布规律，但这是一个痛苦的过程 那么，如果假设西格玛应该把模型系列的FR引向货币系列的FR，那么西格玛的FR应该被构造为两个SV的差值的FR：模型X和实际Y。然而，由于西格玛参与了X的形成，而X的整个随机性是由西格玛决定的，所以很难立即这么说。 也许可以尝试相反的方式。如果Xi+1=Xi+sigma和FR sigma是已知的，如何建立X分布？如果你解决了这个问题，那么你就可以解决你设定的问题。 Neutron 2007.11.28 16:13 #78 目前还不清楚如何落实这一点。 同事们，我的问题是偏离主题的。你现在可能对神经网络（NS）在TS中的可能应用表现出某种兴趣。回答我，我的理解是否正确，在输入参数足够多的情况下，使用NS是合理的，而使用通常的搜索进行TS优化（即使使用遗传算法）由于技术原因是不合理的？我们还可以强调NS在这个过程中的自学能力，但这个任务使用通常的逻辑结构自动优化的程序不难解决。 Yurixx 2007.11.28 20:20 #79 我认为这是对的，但我也认为这不是全部。 我不知道什么是" 普通逻辑设计的自动优化"，但在NS中，我只是被实现非常复杂的决策逻辑的能力吸引。即使参数数量不多，系统的相空间对人类的感知来说也会变得过于多维。如果这个方法是正确的，而且所选择的估计值能够使相空间聚类，那么聚类的位置和形状可以有非常复杂的拓扑结构。我们要么以某种方式将其可视化以描述决策逻辑，要么盲目地引入类和成员标准。NS处理这个问题以及概率评价（我们可以看到）要好得多。 Yurixx 2007.11.28 20:27 #80 Prival: 尤里克斯。在随机共振主题中，当我发布我的工作时，我问了一个关于相关FR的问题。没有人回答这个问题。而且只进行了三次尝试。而事实证明，它是一个著名的、被研究过的函数--伽马分布的一个特例。 我是在阅读一本关于贝叶斯统计的书时偶然发现的。 我不认为自己是统计学家，但这里是这些分布的p.v.图。而最有可能的是，你的分布是Rayleigh-Rice分布，但绝不是gamma分布，如果我对公式理解正确的话。 伽马分布有一个参数。根据其数值，它可以有不同的形状，包括类似于雷利分布的形状。然而，它的统计特征和在大x的行为将是不同的。 我不知道我 "需要 "哪种分配。这只是当时出现的一个问题，我是在一段时间后才找到答案的。如何处理FR--这是一个问题。只有当它被解决时，下一个问题才是关于分布函数的形式。 然后我们就可以回到这整个绅士的工具包。 123456789101112131415...42 新评论 您错过了交易机会： 免费交易应用程序 8,000+信号可供复制 探索金融市场的经济新闻 注册 登录 拉丁字符（不带空格） 密码将被发送至该邮箱 发生错误 使用 Google 登录 您同意网站政策和使用条款 如果您没有帐号，请注册 可以使用cookies登录MQL5.com网站。 请在您的浏览器中启用必要的设置，否则您将无法登录。 忘记您的登录名/密码？ 使用 Google 登录
这就是有趣的地方，Yurixx。在我看来，以我们进入市场的水平，我们最多只是注定要做一个现象学描述。粗略地说是经典热力学，而不是统计热力学。古典的那个不是很好用吗？即使在其中我们并不十分了解什么是熵或温度，它仍然有效，而且非常好。
古典的效果很好。但在它工作之前，在它诞生之前，三头龙查尔斯-波义耳-马略特在汗水中工作，他从现象学上得出的规律原来是门捷列夫-克拉佩隆方程的特例。 也就是说，他从现象学上成功地上升到揭示真正的规律。而如果不是这样，经典热力学又是怎么回事呢？
而我们注定要接受现象学的描述，只是因为我们有一个纯粹的功利性目标--创造TS和赚钱。但是，如果一个有聪明头脑的人把自己的注意力从商业利益中转移出来，把时间用于对市场的深入研究，他将拥有有趣的发现所需的一切--工具、数据等等。必要但不充分...:-)
的顶部，但不知道在哪里写。如果我没有弄错的话，吉尼斯记录有一个年均1200%的记录。Larry Williamshttp://web-investor.academ.org/index.php?action=articles&id=71
在随机共振主题中，当我发布我的工作时，我问了一个关于相关FR的问题。没有人回答这个问题。而且只进行了三次尝试。而事实证明，这是一个已知的和研究过的函数的一个特殊情况，叫做伽马分布。我是在阅读一本关于贝叶斯统计的书时偶然发现的。
我不认为自己是统计学家，但这里是这些分布的p.v.图。而最有可能的是你的分布是Rayleigh-Rice分布，但不是gamma分布，如果我对公式理解正确的话。
Sqrt(x^2+y^2)是瑞利分布，在雷达中非常常用，它是傅里叶级数分解中的噪声幅度分布（x是实部，y是虚部）。这个量的平方是对数正态分布--与信号能量密切相关。Rayleigh分布，是Rayleigh-Rice分布的一个特例，它确实有一个厚尾巴。
P.S. 如果有必要，我可以尝试扫描必要的页面并发送给你，但我下周可以做到。尝试与我联系或留下坐标，我将尽力帮助。所有这些分布在Levine B.R. Theoretical foundations of statistical radio engineering中都有很好的描述。- 莫斯科：广播和通信，1989年。
我主要在Skype上 -> privalov-sv
我附上matcad文件，其中有它们的构造，有它们的特征+如何建模。
同事们好。
我不会放弃使用n阶AR模型对货币序列的tick 历史进行定性建模的 尝试。让我提醒你，原始AR的第一差分序列X[i]=Y[i]-Y[i-1]是直接建模的： ，其中a[i]是自回归系数，sigma在某种程度上是一个分布式随机变量。
你认为我们如何通过AR模型中的随机变量（sigma）的FR，将货币系列的第一差值的FA和模型系列的第一差值的FA联系起来？
这个问题有一个解决方案。你可以手工挑选 "正确的 "西格玛分布法，但这是一个痛苦的过程Yurixx， 看来这个表述中的问题你有些兴趣。如果结果是肯定的，我们手中就会有一种算法，用于构建一个与生成的BP相同的波动性，并保留ticks（不同TF上的条形图）之间的关系，正如Mathemat指出的， 这对于TS的代表性测试是必要的。
FA的缩写？请解读一下。它是自回归X[i]的函数吗？
FA的缩写？请解读一下。它是自回归X[i]的函数吗？
哦！我很抱歉。从头到尾，它应该是FR，而不是FA。
通过AR模型中的随机变量（sigma）的FR，你认为货币系列的第一次差值的FR和模型系列的第一次差值的FR可以如何关联？
这个问题有一个解决方案。我们可以通过手动方式找到 "正确 "的西格玛分布规律，但这是一个痛苦的过程
那么，如果假设西格玛应该把模型系列的FR引向货币系列的FR，那么西格玛的FR应该被构造为两个SV的差值的FR：模型X和实际Y。然而，由于西格玛参与了X的形成，而X的整个随机性是由西格玛决定的，所以很难立即这么说。
也许可以尝试相反的方式。如果Xi+1=Xi+sigma和FR sigma是已知的，如何建立X分布？如果你解决了这个问题，那么你就可以解决你设定的问题。
目前还不清楚如何落实这一点。
同事们，我的问题是偏离主题的。你现在可能对神经网络（NS）在TS中的可能应用表现出某种兴趣。回答我，我的理解是否正确，在输入参数足够多的情况下，使用NS是合理的，而使用通常的搜索进行TS优化（即使使用遗传算法）由于技术原因是不合理的？我们还可以强调NS在这个过程中的自学能力，但这个任务使用通常的逻辑结构自动优化的程序不难解决。
我认为这是对的，但我也认为这不是全部。
我不知道什么是" 普通逻辑设计的自动优化"，但在NS中，我只是被实现非常复杂的决策逻辑的能力吸引。即使参数数量不多，系统的相空间对人类的感知来说也会变得过于多维。如果这个方法是正确的，而且所选择的估计值能够使相空间聚类，那么聚类的位置和形状可以有非常复杂的拓扑结构。我们要么以某种方式将其可视化以描述决策逻辑，要么盲目地引入类和成员标准。NS处理这个问题以及概率评价（我们可以看到）要好得多。
在随机共振主题中，当我发布我的工作时，我问了一个关于相关FR的问题。没有人回答这个问题。而且只进行了三次尝试。而事实证明，它是一个著名的、被研究过的函数--伽马分布的一个特例。 我是在阅读一本关于贝叶斯统计的书时偶然发现的。
我不认为自己是统计学家，但这里是这些分布的p.v.图。而最有可能的是，你的分布是Rayleigh-Rice分布，但绝不是gamma分布，如果我对公式理解正确的话。
伽马分布有一个参数。根据其数值，它可以有不同的形状，包括类似于雷利分布的形状。然而，它的统计特征和在大x的行为将是不同的。
我不知道我 "需要 "哪种分配。这只是当时出现的一个问题，我是在一段时间后才找到答案的。如何处理FR--这是一个问题。只有当它被解决时，下一个问题才是关于分布函数的形式。 然后我们就可以回到这整个绅士的工具包。