文章 "用于预测金融时间序列的生物神经元"
神经网络仍然是我的研究课题，我计划在我的剥头皮机中使用它们。我看不出其中有任何奥秘。对我来说，奥秘在于另一个方面--为什么此类文章的作者会像疯子一样坚持不懈地给神经网络提供原始数据？我认为，如果一个人已经掌握了 NS 的工作，那么 DSP（数字信号处理）的基础知识就不难学了。在这篇文章中，作者超越了我认识的所有所谓的 "分析师"--他将 D1 条数据输入，并试图猜测未来 15 天的价格。从 MT5 中提取刻度线数据并尝试使用初步处理进行剥头皮交易有这么难吗？????
Alexey Volchanskiy #:
神经网络仍然是我的研究课题，我计划在我的剥头皮机中使用它们。我看不出其中有任何奥秘。对我来说，奥秘在于另一个方面--为什么此类文章的作者会像疯子一样坚持不懈地给神经网络提供原始数据？我认为，如果一个人已经掌握了 NS 的工作，那么 DSP（数字信号处理）的基础知识就不难学了。在这篇文章中，作者超越了我认识的所有所谓的 "分析师"--他将 D1 条数据输入，并试图猜测未来 15 天的价格。从 MT5 中提取刻度线数据并尝试使用预处理进行剥头皮交易有那么难吗????？
预处理就像去 "万加 "吗？ 神经网络仍然是我的研究课题，我计划在我的剥头皮机中使用它们。我看不出其中有任何奥秘。对我来说，奥秘在于另一个方面--为什么此类文章的作者会像疯子一样坚持不懈地给神经网络提供原始数据？我认为，如果一个人已经掌握了 NS 的工作，那么 DSP（数字信号处理）的基础知识就不难学了。在这篇文章中，作者超越了我认识的所有所谓的 "分析师"--他将 D1 条数据输入，并试图猜测未来 15 天的价格。从 MT5 中提取刻度线数据并尝试使用预处理进行剥头皮交易有那么难吗????？
你怎么知道需要对价格进行处理，除了 MO-schniks 关于存在幻影噪音的口号之外，其理由何在？
价格不是物理信号，不存在噪音。
无论是 D1 还是 M1，每种价格形态都描述了自己的趋势和平缓程度。
脉冲修正。
所有 TF 都有自己的形态。
图表预处理就是寻找模式。通过各种过滤器搜索模式。
这就是任何 NS 的工作。
你只是对图表进行了两次处理。
如果输入指标，则要处理 3 次。
摘自文章；
即使与简单的统计模型相比，外来物种也没有任何优势。为什么？
通过代码：
自适应归一化 - 我没看出什么是自适应？
所有指标都在技术分析库中。为什么要用 Python 重写一切？
在实际应用中没有任何意义，IMHO
Vladimir Perervenko 项目 三个阶段中最重要的第一阶段。你需要坐下来学习基础知识。这样你就不会胡说八道了。
你翻译的教科书"垃圾进-垃圾出"--你不需要去算命。
你没有处理过价格中垃圾的定义
你不知道什么是垃圾，什么不是。你不知道什么是垃圾，什么不是。因为在外汇交易中，人们在 M1、M5、M15 等直到 D1 都能赚钱
您不了解也不知道如何用手交易。
因此 - 您不了解您自己在说什么。
但如果您确认您的 NS 模型的可操作性和稳定性完全是因为预处理的存在（没有预处理 - 就是垃圾） - 您就是对的。
有这样的 事吗？
说起来容易：学习基础知识，至少要读一本基础知识方面的书：）而且不只是读，还要背。
新文章 用于预测金融时间序列的生物神经元已发布：
诺贝尔奖获得者霍奇金-赫胥黎模型描述了细胞水平上神经冲动的产生和传播机制。但为什么这种特殊的模型可能是理解金融市场的关键呢？答案在于大脑中神经冲动的传播与市场中信息的传播之间的惊人类比。正如神经元通过突触连接交换电信号一样，市场参与者也通过交易交换信息。
我们方法的创新之处在于在经典模型中添加了类似等离子体的组件。我们将神经网络视为一个沉浸在市场信息“等离子体”中的动态系统，其中每个神经元不仅可以通过直接连接，还可以通过它产生的电磁场影响其他神经元的行为。这使得系统能够捕捉到传统算法未注意到的微妙相关性和关系。
本文将详细介绍系统架构、工作原理以及在各种金融工具上的实际应用结果。我们将展示生物启发的方法如何为金融时间序列预测问题提供新的视角，并在算法交易领域开辟新的视野。
作者：Yevgeniy Koshtenko