Центральной проблемой прикладной статистики является проблема принятия статистических гипотез. Долгое время считалось, что эта задача не может быть решена. Ситуация изменилась с появлением метода собственных координат. Это очень красивый и мощный инструмент структурного исследования сигнала, позволяющий увидеть больше, чем доступно методами современной прикладной статистики. В статье рассмотрены вопросы практического использования данного метода и приведены программы на языке MQL5. Рассмотрена задача идентификации функций на примере распределения, полученного Хилхорстом и Шером.
不，这不清楚--我没有养猫，我怀疑任何宠物的体温都与外汇信息无关。
顺便说一句，我百分百相信猫的体温动态与金融工具的价格序列有非零相关性。
当然，我们说的 是预测金融市场。
如果我们计算机的计算能力允许我们使用包括猫的温度在内的所有可用信息，那么在计算过程中就可以直接将其排除。 但由于资源有限，我们只能动脑筋。至于相关性，它不为零是必然的，零可能很少发生。 但它几乎为零。 一般来说，买一只猫，在它身上放一个温度计并检查它））也许你会很幸运，它会让你发财）。
现在，你刚才说所有 数据都有预测能力，当然，我们说的是预测金融市场。
如果我们计算机的计算能力允许我们使用所有可用的信息，包括猫的体温，那么在计算过程中它就会被直接丢弃。 但由于资源有限，我们只能用我们自己的头脑。关于相关性，它不为零的事实--不言而喻，零一般很少发生。 但几乎为零。 一般来说，买一只猫，给它装上温度计，然后检查一下 )) 也许你会很幸运，它会让你发财 ))
你在撒谎--我引用自己的话"我给了你问题的答案--所有数据都有一定的 "预测能力"。所以呢？所有外汇数据中都有某种信息"。
如果你有一组成百上千的观测数据，那么计算机能力的问题就很重要了。
你在撒谎-- 我引用自己的话说："我给了你问题的答案--所有数据都有一定的 "预测能力"。所以呢？所有外汇数据中都有某种信息"。
肉：
你之前声称所有 数据都有预测能力
谎言是什么？
谎言是什么？
我在第二句话中就自我解码了。
我告诉你一些 "外汇数据"，你就能预测价格？
不仅有外汇市场，还有股票市场、商品市场和许多其他....。一切都是相互关联的。
faa1947:
我这里有十几个客户。在与我交流之前，他们都很快乐、开朗，但现在他们都很悲伤、沉思。
faa1947，请在下面的示例中说明您的模型是如何工作的。第一列是建模序列，第二和第三列是预测因子。这些预测因子的预测能力是多少？
这些预测因子的预测能力如何？
显然，这些数字不是随机的。我做了一个非常简单的测试：我随机生成了三行共 40 行的数据，并将 neuronka 应用于这些数据。在随机数据上，泛化能力明显不如上述数据。
我对不同的通用 算法 方法很感兴趣，以确定这两种预测方法的预测能力。欢迎使用计量经济学、神经元和深度网络。让我们看看它们能做些什么。您可以展示一些表征这些预测器预测能力的参数（相关系数、互信息、有效值和其他发明），也可以展示模型输出与模拟序列的比较。
我将样本调整为适合二元分类的形式，即计算因变量，看它是在零以上还是以下（CSV 文件在附件中），用libVMR 搜索，得到了这个模型：
/**
* 建模质量：
*
* TruePositives: 9
* TrueNegatives: 11
* FalsePositives: 0
* FalseNegatives: 0
* Sensitivity of generalization abiliy: 100.0%
* 概括能力的特异性：100.0%
* 概括能力：100.0%
*/
double x0 = 2.0 * (v0 + 0.96485) / 1.900503 - 1.0;
double x1 = 2.0 * (v1 + 1.00814) / 2.399897 - 1.0；
y = 0.12981203254657206 + 0.8176828303879957 * x0 + 1.0 * x1 -0.005143248786272694 * x0 * x1；
您的样本 "高度概括性 "的秘密揭晓了：第一列的值是其他两列的值之和。