从理论到实践 - 页 273 1...266267268269270271272273274275276277278279280...1981 新评论 Andrei01 2018.03.29 06:18 #2721 Dr. Trader:我想我已经得到了。 第1步--制作你自己的节拍生成器,在节拍之间有随机停顿,像这样的分布。在每个周期 - 采取当前的买入/卖出价格,使它们成为一个时间序列。 第二步--我还不明白,我需要考虑一下。我将无法交易这样的时间序列,它已经是HFT了。第2步很可能是一个附加有随机过程的手腕。当这个过程超过其平均限度时,它将交易回到手腕上。我想简单来说就是这样......。 Andrei01 2018.03.29 06:20 #2722 Dr. Trader:我认为埃朗分布的K因子是衡量交易公平性的一个很好的指标,这种说法是否正确?更有可能是关于其基础设施的质量)。 Violetta Novak 2018.03.29 08:08 #2723 Dr. Trader:我认为埃朗分布的K因子是用来判断交易的公平性的,这样的假设是否正确? 有点具体的幽默感。 我认为k越多,对us)))),因为如果k=1,那么它就是一个纯指数,一个泊松过程,一般来说,它是非常糟糕的。这时,你开始在非常糟糕的和一般的之间进行比较,也许是为一个利润))))。 Alexander_K2 2018.03.29 08:26 #2724 Novaja:我认为k越多,对us)))),因为如果k=1,那么它就是一个纯指数,一个泊松过程,一般来说,一切都很糟糕。这就是当你开始在非常糟糕和一般之间进行比较的时候,也许会有利润))))。对于神经网络和预测任务--是的,K越多越好。 我坚持我的观点--参数k应该被强制选择,取决于交易者使用的模型。我有k=1。 Alexander_K2 2018.03.29 08:52 #2725 我需要K=1参数还有一个原因,即泊松流仿真。 而这个原因就是需要一个神秘的趋势/流量参数。 我绝对相信,这个参数是系统的非熵系数,计算为当前概率分布 参数与高斯分布参数的比率。 因此,假设在K=1的情况下,即用泊松过程模拟真实的蜱虫流时,系统的非熵系数将被正确计算,在其他情况下则不会。 Violetta Novak 2018.03.29 09:37 #2726 Alexander_K2:对于神经网络和预测任务--是的,K越多越好。 我坚持我的观点--参数k应该被强行选择,这取决于交易者使用的模型。我有k=1。亚历山大,你没有说你需要k=1的原因,即计算当前状态和没有任何后果的状态之间的差异,在这个差异上,你计算交易比率,显示会议之间的趋势。 Alexander_K2 2018.03.29 09:41 #2727 Novaja:亚历山大,你没有说明你需要k=1的原因,即计算当前状态和没有任何后遗症的状态之间的差异,这个差异被用来计算交易比率,它显示了时段之间的动态。当然,那也是。 因此,真实的tick flow和它的模拟之间的这种差异是需要做两件事的。 1.计算交易强度(解决)。 2. 计算非熵(正在进行中...)。 Violetta Novak 2018.03.29 09:49 #2728 Alexander_K2:我需要K=1参数还有一个原因,即泊松流仿真。 而这个原因就是需要一个神秘的趋势/流量参数。 我绝对相信,这个参数是系统的非熵系数,计算为当前概率分布的参数与高斯分布的参数之比。 因此,假设在K=1的情况下,即用泊松过程模拟真实的蜱虫流时,系统的非熵系数将被正确计算,否则就不会。是否有可能从理论上调整现有的真实过程,使其接近正态分布,比如说,像在埃朗分布中k-->为无穷大的情况下,但不是把它作为一个整体,而是作为这个分布的一部分趋向于正态,投射在整个过程上,就像取代它一样,以正确计算贸易强度比率,因为目前它不完全正确,因为埃朗的 "尾巴 "上仍然坐着考奇的指数。毕竟,据我所知,你所有的成功都可以归功于这个系数的应用。如果我说错了,请纠正我。 Alexander_K2 2018.03.29 10:00 #2729 Novaja:是否有可能在理论上将现有的真实过程调整得接近正常,比如说,像埃朗分布中的k-->到无穷大的情况,但不是把它作为一个整体,而是作为一个部分,其中这个分布的一部分趋向于正常,投射在整个过程上,就像取代它一样,以正确计算交易强度的比率,因为目前从埃朗的 "尾巴 "来看,它并不完全正确,在那里,具有考奇的指数仍然坐着。毕竟,据我所知,你所有的成功都可以归功于这个系数的应用。如果我说错了,请纠正我。说实话,我没有考虑过K>1的情况,但我也许应该考虑。那里肯定有什么东西。 在我的借口中,我会说我的目标是尽快解决这个问题--立即开始补充我的钱包。 一旦我意识到只有在Erlang的流程中工作(已经在K=1 !!!!!)才会有好的结果,我就不知不觉地开始更多地考虑金钱而不是物理和数学。唉,人类的弱点,在我的岳父和妻子的推波助澜下,对我来说同样是内在的。 所以,K>1的情况下,我希望有人会考虑,得到的不仅仅是好的,而是无限制的利润。 Violetta Novak 2018.03.29 10:37 #2730 Alexander_K2:说实话,我没有考虑过K>1的情况,也许我应该考虑。那里肯定有什么东西。 在我的借口中,我的目的是尽快解决这个问题--立即开始补充我的钱包。 一旦我意识到只有在Erlang的流程中工作(已经在K=1 !!!!!)才会有好的结果,我就不知不觉地开始更多地考虑金钱而不是物理和数学。唉,人类的弱点,在我的岳父和妻子的推波助澜下,对我来说同样是内在的。 因此,k>1的案例将有望被某人考虑,并获得不仅是好的,而且是无限制的利润。在k-->到无穷大的时候,我们将得到正态分布的类似物,我建议不这样做,不寻找这样的k,而是在这里和现在转化残差,我们有一个尾巴,我们没有收到它们,只是因为在路上的延迟。有可能你和我说的是同一件事,只是你从非熵方面,而我从二朗方面。 1...266267268269270271272273274275276277278279280...1981 新评论 原因: 取消 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
我想我已经得到了。
第1步--制作你自己的节拍生成器,在节拍之间有随机停顿,像这样的分布。在每个周期 - 采取当前的买入/卖出价格,使它们成为一个时间序列。
第二步--我还不明白,我需要考虑一下。我将无法交易这样的时间序列,它已经是HFT了。
第2步很可能是一个附加有随机过程的手腕。当这个过程超过其平均限度时,它将交易回到手腕上。我想简单来说就是这样......。
我认为埃朗分布的K因子是衡量交易公平性的一个很好的指标,这种说法是否正确?
更有可能是关于其基础设施的质量)。
我认为埃朗分布的K因子是用来判断交易的公平性的,这样的假设是否正确?
有点具体的幽默感。
我认为k越多,对us)))),因为如果k=1,那么它就是一个纯指数,一个泊松过程,一般来说,它是非常糟糕的。这时,你开始在非常糟糕的和一般的之间进行比较,也许是为一个利润))))。
我认为k越多,对us)))),因为如果k=1,那么它就是一个纯指数,一个泊松过程,一般来说,一切都很糟糕。这就是当你开始在非常糟糕和一般之间进行比较的时候,也许会有利润))))。
对于神经网络和预测任务--是的,K越多越好。
我坚持我的观点--参数k应该被强制选择,取决于交易者使用的模型。我有k=1。
我需要K=1参数还有一个原因,即泊松流仿真。
而这个原因就是需要一个神秘的趋势/流量参数。
我绝对相信,这个参数是系统的非熵系数,计算为当前概率分布 参数与高斯分布参数的比率。
因此,假设在K=1的情况下,即用泊松过程模拟真实的蜱虫流时,系统的非熵系数将被正确计算,在其他情况下则不会。
对于神经网络和预测任务--是的,K越多越好。
我坚持我的观点--参数k应该被强行选择,这取决于交易者使用的模型。我有k=1。
亚历山大,你没有说你需要k=1的原因,即计算当前状态和没有任何后果的状态之间的差异,在这个差异上,你计算交易比率,显示会议之间的趋势。
亚历山大,你没有说明你需要k=1的原因,即计算当前状态和没有任何后遗症的状态之间的差异,这个差异被用来计算交易比率,它显示了时段之间的动态。
当然,那也是。
因此,真实的tick flow和它的模拟之间的这种差异是需要做两件事的。
1.计算交易强度(解决)。
2. 计算非熵(正在进行中...)。
我需要K=1参数还有一个原因,即泊松流仿真。
而这个原因就是需要一个神秘的趋势/流量参数。
我绝对相信,这个参数是系统的非熵系数,计算为当前概率分布的参数与高斯分布的参数之比。
因此,假设在K=1的情况下,即用泊松过程模拟真实的蜱虫流时,系统的非熵系数将被正确计算,否则就不会。
是否有可能从理论上调整现有的真实过程,使其接近正态分布,比如说,像在埃朗分布中k-->为无穷大的情况下,但不是把它作为一个整体,而是作为这个分布的一部分趋向于正态,投射在整个过程上,就像取代它一样,以正确计算贸易强度比率,因为目前它不完全正确,因为埃朗的 "尾巴 "上仍然坐着考奇的指数。毕竟,据我所知,你所有的成功都可以归功于这个系数的应用。如果我说错了,请纠正我。
是否有可能在理论上将现有的真实过程调整得接近正常,比如说,像埃朗分布中的k-->到无穷大的情况,但不是把它作为一个整体,而是作为一个部分,其中这个分布的一部分趋向于正常,投射在整个过程上,就像取代它一样,以正确计算交易强度的比率,因为目前从埃朗的 "尾巴 "来看,它并不完全正确,在那里,具有考奇的指数仍然坐着。毕竟,据我所知,你所有的成功都可以归功于这个系数的应用。如果我说错了,请纠正我。
说实话,我没有考虑过K>1的情况,但我也许应该考虑。那里肯定有什么东西。
在我的借口中,我会说我的目标是尽快解决这个问题--立即开始补充我的钱包。
一旦我意识到只有在Erlang的流程中工作(已经在K=1 !!!!!)才会有好的结果,我就不知不觉地开始更多地考虑金钱而不是物理和数学。唉,人类的弱点,在我的岳父和妻子的推波助澜下,对我来说同样是内在的。
所以,K>1的情况下,我希望有人会考虑,得到的不仅仅是好的,而是无限制的利润。
说实话,我没有考虑过K>1的情况,也许我应该考虑。那里肯定有什么东西。
在我的借口中,我的目的是尽快解决这个问题--立即开始补充我的钱包。
一旦我意识到只有在Erlang的流程中工作(已经在K=1 !!!!!)才会有好的结果,我就不知不觉地开始更多地考虑金钱而不是物理和数学。唉,人类的弱点,在我的岳父和妻子的推波助澜下,对我来说同样是内在的。
因此,k>1的案例将有望被某人考虑,并获得不仅是好的,而且是无限制的利润。
在k-->到无穷大的时候,我们将得到正态分布的类似物,我建议不这样做,不寻找这样的k,而是在这里和现在转化残差,我们有一个尾巴,我们没有收到它们,只是因为在路上的延迟。
有可能你和我说的是同一件事,只是你从非熵方面,而我从二朗方面。