对随机性的思考 - 页 18

 
gpwr:

这种信号线与EMA或SMA有什么不同?


我看到,任何解释都是无用的......。
 
avtomat: 什么风险?只要想一想你在说什么。我们说的是信号检测--将信号从信号+噪声的混合中分离出来。

奥列格,你所说的信号只对你的系统而言是如此。同样地,关于噪音。这只是你的TS的一个特点。

当我谈及风险时,我的意思是将报价流作为一个随机过程。这个过程的回报有一定的分布,这影响到例如合理止损的设置。

如果你在确定止损时对分布本身或其参数犯了错误,你会损失惨重。尼德霍夫也不相信俄罗斯违约是可能的。但它确实发生了,尽管他的模型估计它发生的概率超过了10个条件σ。

胖尾巴在某种程度上是衡量风险的一个标准。

 
Mathemat:

奥列格,你所说的信号只对你的系统而言是如此。同样,噪音也是如此。这只是你的TS的一个特点。

当我谈及风险时,我的意思是将报价的流动视为一个随机的过程。这个过程的回报有一定的分布,这影响到例如合理止损的设置。

如果你在确定止损时对分布本身或其参数犯了错误,你会损失惨重。尼德霍夫也不相信俄罗斯违约是可能的。但它确实发生了,尽管他的模型估计它发生的概率超过了10个条件σ。

胖尾巴在某种程度上是衡量风险的一个标准。

而且,我并不是把报价的流动当作一个随机过程。此外,我并不把报价流解释为一个随机过程。

好的。我就不多说了。

 
Mathemat: 尼德霍夫也不相信俄罗斯违约是可能的。但它确实发生了,尽管他的模型估计这一事件的概率超过了10个名义上的希格玛。

胖尾巴在某种程度上是衡量风险的一个标准。

阿列克谢,如果从1997年11月下旬开始,瓦夏就不明白俄罗斯的违约是不可避免的,那么就应该怪瓦夏,而不是怪尾巴。

我强调:这是他的错,我最迟在1997年12月初就会把他踢出工作岗位。

 
tara:

阿列克谢,如果从1997年11月底开始,瓦夏就不明白俄罗斯的违约是不可避免的,那么就 应该责备瓦夏,而不是尾巴

我强调:这是他的错,我最迟在1997年12月初就会把他踢出我的工作。


正是如此。
 
Mathemat:

奥列格,你所说的信号对你的系统来说只是这样。关于噪音也是如此。这只是你的TS的一个特点。

当我谈及风险时,我的意思是将报价流作为一个随机过程。该过程的回报有一定的分布,这影响到例如合理止损的设置。

如果你在确定止损时对分布本身或其参数犯了错误,你会损失惨重。尼德霍夫也不相信俄罗斯违约是可能的。但它确实发生了,尽管他的模型估计它发生的概率超过了10个条件σ。

胖尾巴在某种程度上是衡量风险的一个标准。

想到本论坛和其他交易商论坛上的所有DSP支持者(有很多人),我形成了一个口号:"带吻痕的DSP!"

人们不愿意了解,在他们理解的引号中没有信号,也没有他们理解的噪音。

在kotir中有一个决定性的成分(我们不要把SB与拆迁一起考虑),他们把它与信号混淆了。如果确定性成分("信号")和商之间的差异是静止的(几乎恒定的MO和几乎恒定的方差),人们可以同意他们的观点(毕竟这不是术语问题,而是钱的问题)。

对于一个自动机来说。

而关于普遍接受的。第一行是ARCH,更全面的是厚尾,这个的数学模型是FARIMA(分数整数,Hurst是同义词)。这不仅是一个文献的海洋,而且还有广泛可用的现成的免费代码(R),它考虑到了命名中的许多细微差别。

我祝你成功,你这个自动装置。我有信心,你可以在一个好的自适应过滤器的基础上建立一个相当稳定的系统,强制性的停止可以使它不至于下降,特别是如果你确切地知道你的系统对delta函数的反应(见上面的avalsa)。

 
gpwr:

这种信号线与EMA或SMA有什么不同?

不同的是,EMA和SMA过于原始,无法充分描述系统行为。

它们只是一个最初的、粗略的近似值。 市场会迅速 "计算 "出它(市场)模型的这种冻结结构,并吞噬掉存款。

这解释了机器上的TS需要频繁的优化,即为市场进行调整的事实。

我们需要(一个破旧的真理)在合理的(从风险角度可接受的)时间间隔内进行适应-自动调整。

这里有两种方法--要么定期改变信号模型,要么改变信号器的参数(按惯例来说)。

从哪里获得误差(偏离标准),如何选择它,以及如何使用它进行自动调谐,这是一个算法问题。

 
faa1947:

记住本论坛和其他交易商论坛上所有的DSP支持者(他们有很多),我有一个口号:"带吻痕的DSP!"

人们不愿意了解,在他们理解的引号中没有信号,也没有他们理解的噪音。

在kotir中有一个决定性的成分(我们不要把SB与拆迁一起考虑),他们把它与信号混淆了。如果确定性成分("信号")和商之间的差异是静止的(几乎恒定的MO和几乎恒定的方差),人们可以同意他们的观点(毕竟这不是术语问题,而是钱的问题)。

对于一个自动机来说。

而关于普遍接受的。第一行是ARCH,更全面的是厚尾,这个的数学模型是FARIMA(分数整数,Hurst是同义词)。这不仅是一个文献的海洋,而且还有广泛可用的现成的免费代码(R),它考虑到了命名中的许多细微差别。

我祝你成功,你这个自动装置。我有信心,一个好的自适应过滤器将产生一个相当稳定的系统,而且强制性的停止可以使它不至于下降,特别是如果你确切地知道你的系统对delta函数的反应(见上面的avalsa)。


FAA,你真是个专家,你不说,你说;))))

但问题就在这里,你试图在一个你完全不了解的主题上 "说话"。

 
avtomat:




有没有可能在神经网络 的基础上做出一个好的过滤器(这将是一个非线性的过滤器,但不是重点)?我的意思是,这与你有专家知识的基础知识并不矛盾?(我根本没有处理过过滤器,所以这个问题非常笼统。)
 
alexeymosc:

有没有可能在神经网络的基础上做出一个好的过滤器(这将是一个非线性的过滤器,但不是重点)?我的意思是,这与你有专家知识的基础知识并不矛盾?(我根本没有和过滤器打过交道,所以这个问题很笼统。)

虽然我对NS有一些了解,但我不是NS专家。我想, 神经网络 的基础上做一个好的过滤器一个可行的任务
原因: