与优化器合作的原则和避免适应的基本方法。 - 页 6

 
Avals:

你在每个主题中讨论同样的事情--你的模型。我想每个人都已经评论过不止一次了))。
嗯,首先,不是模式,而是原则。其次,不幸的是,不是我的,而且有长胡子。第三,我不知道有任何出版物会驳斥基于将kotir分解为组件的建模方法。
 
实际上,目的是转移期望值,而不是模拟商数。静止性在本质上是完全不需要的。
 
TheXpert:
顺便说一句,你可以在之字形上赚钱 :) 说到之字形
我甚至试图预测 "之 "字形。结果是惊人的,但我被嘲笑了。
 
TheXpert:
实际上,其目的是转移期望,而不是模拟一种生活方式。
过去还是未来?
 
faa1947:
在过去还是在未来?
原则上是这样 :)
 
TheXpert:
实际上,目的是转移期望值,而不是模拟商数。静止性在本质上是完全不需要的。

现在这真的是问题的关键所在。我再次同意。
 
ask:

现在这才是真正的盐。同样,我同意。
那你怎么知道它在未来是否会转移?数字的神圣信仰。
 

这就像一个谜语。正确答案是112和bang :)

"什么地方什么时候?

这就是真正的专家们所...你怎么称呼它..."正确答案的感觉"。当他们听到正确的答案时,他们从内心深处知道那是正确的。

我不认为我是一个专家。但我认为(希望如此:),这个过程是相似的:)

 
Avals:

这就是准稳定性--在一定范围内莫的变化。也许这不仅仅是关于莫,但在这种情况下,我们对莫最感兴趣。

因此,也许这是一个超级复杂的方法,但它足够粗略地估计出规律性)。这更多的是一个系统参数的数量和结果对其变化的敏感性的问题。如果参数的微小变化导致结果的变化,这不是好事。还有其他迹象。我最近刚刚在这里写了一篇关于它的文章https://www.mql5.com/ru/forum/137614/page5

尝试用最少的参数创建一个超级复杂的方法。公式越长,它的参数就越多。当然这不是一个法律,但它是对现实的一个很好的近似。取一个基本的函数(模型)y=ax。它有一个参数 "a",允许改变直线的斜率角度。就这样了。试着让这个模式适合市场。让我们拿一个更复杂的模型y = ax^2 + bx。它比较复杂,有两个参数。它在历史上肯定会更好。现在让我们把它分成2个子模型并分别测试:y=ax^2y=bx。他们中的每一个人都显示出糟糕的结果,所以这些结果的总和比原始模型要低得多?这很有可能是一种配合。并非每个简单的模型都能保证盈利,但无论如何,简单性会降低拟合的概率。

我将在稍后尝试更详细地描述转变方法和将被测模型分解成小模型的方法。

 
faa1947: 但还有一件事:模型的可逆性--左边是一个商,右边的一切都应该在和中给出这个商。

我想知道从什么原则出发,它应该是可逆的(在时间上,还是什么?)

物理学家几十年来一直知道,自然界中没有完美的对称性。