나는 조금 더 자세히 보았고 - 나는 내가 다소 잘못 알고 있음을 알았습니다. 그들은 원래 시리즈에서 일련의 움직이는 비선형 메트릭을 만듭니다(프랙탈 차원과 Lyapunov 지수에 대해 씁니다). 그들은 이 새로운 시리즈(실제 관찰을 기반으로 함)가 SB와 유사하다고 생각합니다. 그리고 그들은 미래에 Monte Carlo 방법을 사용하여 이 계열을 곱하고 결과 집합에서 원래 집합에 가장 가까운 변형을 가져옵니다.
비밀은 원래 시리즈를 일련의 메트릭으로 특정 변환하는 형태로 남아 있으며 더 중요하게는 역변환입니다.
일반적으로 이 모든 것이 의심스러워 보이며(우선 결과를 제시하는 스타일) 문제에 대한 추가 연구에 대한 열망을 일으키지 않습니다.
또한 너무 아름답고 안개가 자욱한 것 같습니다. 무언가가 동의되지 않습니다. 또한, 행은 통계적 특성 측면에서 유사하게 취해집니다.
시장 데이터의 특정 "변환기" (고정되지 않음)를 생성하는 것이 나쁘지 않을 것이라는 사실에 관한 것입니다. - 모델(고정, 단순화, 시각적, 구조를 유지해야 하는 속성이 유지됨) 으로 이 모델 을 나타낼 수 있습니다. 정현파에 의해
전 세계의 모든 과학자들은 복잡한 과정을 이해하기 위해 이것을 합니다. 그들은 모델을 만들고, 모델을 연구하고, 모델을 예측합니다. 과정 자체가 아닙니다. 이것은 세계적인 관행입니다. 가장 낮은 수준을 제외하고 모든 사람이 이것을 합니다. AMO만 있으면 된다고 굳게 믿고 있는 레벨 스캐머들..
무슨 말인지 조금 더 명확해졌습니다. 확실히 나아지지는 않았습니다.
우선, 인용문을 사용하여 무엇인가를 할 때, 이미 말했듯이 복잡한 프로세스 자체가 아니라 모델을 다루고 있는 것입니다.
글쎄, 따옴표의 다른 파생 상품에 대해 이야기 할 가치가 없습니다)
MO-shnikov에 대한 당신의 경멸적인 말은 당신의 낮은 훈련 수준에 대해 더 많이 말해줍니다.
에이전시 모델 ? 현대 경제학에는 이런 일이 많다. 제 생각에는 시장에 대한 철학적 이해에 좋은 것 같습니다.
(거래 전략 생성 측면에서) 이 접근 방식에서 실질적인 이점을 얻을 수 있는지 확실하지 않습니다.
예, 나는 오랫동안 연구소에서 그러한 모델에 대한 과학적 경제 및 (밀접한) 사회 학적 설명을 기억합니다. 무역과 관련하여 국방부의 최근 성과에 비추어 볼 때 적용이 안 된다는 것이 핵심은 아니지만, 자원이 있는 사람은 이에 따른 적절한 산출물을 받지 못하기 때문에 모든 것을 갖추고 있기 때문에 멀리. 열광자는 아직 손을 내밀지 않았으며 모든 종류의 GPT-3 및 기타 획기적인 것들을 소화할 것이며 누군가가 이에 대한 개발 방향을 나타내기 위해 손을 뻗을 것입니다.
또 다른 어려움은 플레이어의 행동, 특히 추세의 주요 전환점에서 현재 모델로 안정적으로 모델링하기 어려운 비합리성이 큰 부분이 있다는 것입니다.
앱. 또 다른 생각은 가격 움직임 예측을 목표로 설정하는 것이 항상 옳은 것은 아니며 너무 원시적이라는 것입니다. 가격 움직임에 따라 플레이어의 상태에 대한 정보를 얻을 수 있으며 여기에서 지속적으로 업데이트되는 장기적인 결론을 도출할 수 있습니다.
Introduction This is the second article of a series focusing on causal inference methods and applications. In Part 1, we discussed when and why causal models can help with different business problems. We also provided fundamentals for causal inference analysis and compared a few popular Python packages for causal analysis. In this article, we...
예, 나는 오랫동안 연구소에서 그러한 모델에 대한 과학적 경제 및 (밀접한) 사회 학적 설명을 기억합니다. 무역과 관련하여 국방부의 최근 성과에 비추어 볼 때 적용이 안 된다는 것이 핵심은 아니지만, 자원이 있는 사람은 이에 따른 적절한 산출물을 받지 못하기 때문에 모든 것을 갖추고 있기 때문에 멀리. 열광자는 아직 손을 내밀지 않았으며 모든 종류의 GPT-3 및 기타 획기적인 것들을 소화할 것이며 누군가가 이에 대한 개발 방향을 나타내기 위해 손을 뻗을 것입니다.
또 다른 어려움은 플레이어의 행동, 특히 추세의 주요 전환점에서 현재 모델로 안정적으로 모델링하기 어려운 비합리성이 큰 부분이 있다는 것입니다.
앱. 또 다른 생각 - 가격 움직임 예측을 목표로 설정하는 것이 항상 사실은 아니며 너무 원시적입니다. 가격 움직임에 따라 플레이어의 상태에 대한 정보를 얻을 수 있으며 여기에서 지속적으로 업데이트되는 장기적인 결론을 도출할 수 있습니다.
제 생각에 주요 문제는 시장에서 가장 큰 플레이어(국가)의 행동을 설명하는 접근 방식의 선택에 있습니다. 그들은 (1) 시장에 매우 강한 영향을 미치고, (2) 시간이 지남에 따라 행동이 크게 변하고, (3) 시장에서 행동의 목표는 종종 시장 자체 외부에 있으며 우리에게 잘 알려지지 않았습니다. (4) 거기에 많은 상태가 있고 매우 다른 (시장에 대한) 방식으로 서로 상호 작용할 수 있습니다. 수학적 관점에서, 복잡하고 고정되지 않은 비폐쇄 시스템이 얻어진다.
문제는 그러한 시스템에 대한 모델을 제시할 수 없다는 것이 아니라 너무 많은 다른 모델을 제시할 수 있다는 것입니다.
나는 조금 더 자세히 보았고 - 나는 내가 다소 잘못 알고 있음을 알았습니다. 그들은 원래 시리즈에서 일련의 움직이는 비선형 메트릭을 만듭니다(프랙탈 차원과 Lyapunov 지수에 대해 씁니다). 그들은 이 새로운 시리즈(실제 관찰을 기반으로 함)가 SB와 유사하다고 생각합니다. 그리고 그들은 미래에 Monte Carlo 방법을 사용하여 이 계열을 곱하고 결과 집합에서 원래 집합에 가장 가까운 변형을 가져옵니다.
비밀은 원래 시리즈를 일련의 메트릭으로 특정 변환하는 형태로 남아 있으며 더 중요하게는 역변환입니다.
일반적으로 이 모든 것이 의심스러워 보이며(우선 결과를 제시하는 스타일) 문제에 대한 추가 연구에 대한 열망을 일으키지 않습니다.
또한 너무 아름답고 안개가 자욱한 것 같습니다. 무언가가 동의되지 않습니다. 또한, 행은 통계적 특성 측면에서 유사하게 취해집니다.
아무리 웃기더라도 그게 바로 당신이하는 일입니다 ...
설명하자면...
시장 데이터의 특정 "변환기" (고정되지 않음)를 생성하는 것이 나쁘지 않을 것이라는 사실에 관한 것입니다. - 모델 (고정, 단순화, 시각적, 구조를 유지해야 하는 속성이 유지됨) 으로 이 모델 을 나타낼 수 있습니다. 정현파에 의해
전 세계의 모든 과학자들은 복잡한 과정을 이해하기 위해 이것을 합니다. 그들은 모델을 만들고, 모델을 연구하고, 모델을 예측합니다. 과정 자체가 아닙니다. 이것은 세계적인 관행입니다. 가장 낮은 수준을 제외하고 모든 사람이 이것을 합니다. AMO만 있으면 된다고 굳게 믿고 있는 레벨 스캐머들..
무슨 말인지 조금 더 명확해졌습니다. 확실히 나아지지는 않았습니다.
우선, 인용문을 사용하여 무엇인가를 할 때, 이미 말했듯이 복잡한 프로세스 자체가 아니라 모델을 다루고 있는 것입니다.
글쎄, 따옴표의 다른 파생 상품에 대해 이야기 할 가치가 없습니다)
MO-shnikov에 대한 당신의 경멸적인 말은 당신의 낮은 훈련 수준에 대해 더 많이 말해줍니다.
확실히 나아지지는 않았습니다.
저도 그렇고..
우선, 인용문을 사용하여 무엇인가를 할 때, 이미 말했듯이 복잡한 프로세스 자체가 아니라 모델을 다루고 있는 것입니다.
와우, 감사합니다 ...하지만 누군가 반대 말을 했습니까?
MO-shnikov에 대한 당신의 경멸적인 말은 당신의 낮은 훈련 수준에 대해 더 많이 말해줍니다.
네 네.....
=============
무엇 향후 계획? 할 말 있으세요? 아니면 명백한 것을 발음하고 주관적인 판단을 내릴 것인가?
무엇 향후 계획? 할 말 있으세요? 아니면 명백한 것을 발음하고 주관적인 판단을 내릴 것인가?
글쎄요, 분명한 것은 두세 개의 정현파는 장기간 정상적으로 가격을 근사화할 수도 없다는 것입니다. 알겠습니다. 동의하십니까?
글쎄요, 모델에 대해 더 이야기해 보겠습니다. 저는 아이디어가 있습니다. 플레이어 네트워크를 통한 시장 모델입니다.
대략 다음과 같습니다( MO 컨텍스트 에서 시도하겠습니다).
N명의 주체 플레이어가 있으며 볼륨, 거래 빈도, 특정 포지션에 있는 기간, 매수 매도 성향, 정보 및 속도에 대한 접근, 공격성 등 여러 특성에 따라 분류됩니다.
시장(도구 가격)은 플레이어-주체(단순 주문서) 간의 교환 결과로 모델링됩니다. 정기적인 뉴스와 플레이어가 반응하는 비교적 무작위적인 이벤트를 제공하는 환경과 플레이어 간에 정보를 전달하는 환경이 있습니다.
일반적으로 명확하기를 바랍니다. 모델 구현 측면에서 그러한 연구 출판물을 기억하지 못합니다. 이해할 수 있기 때문입니다. 실제 배기는 실제 빅 데이터에 대한 액세스에서만 가능합니다.
하지만 연구의 모델로서 꽤 적합하다고 생각합니다. 기계 학습 방법의 해석에는 창의성의 여지가 있습니다. 분명히 단순한 아키텍처로는 충분하지 않지만 특별한 것이 개발되어야 합니다.
글쎄요, 분명한 것은 두세 개의 정현파는 장기간 정상적으로 가격을 근사화할 수도 없다는 것입니다. 알겠습니다. 동의하십니까?
글쎄요, 모델에 대해 더 이야기해 보겠습니다. 저는 아이디어가 있습니다. 플레이어 네트워크를 통한 시장 모델입니다.
대략 다음과 같습니다( MO 컨텍스트 에서 시도하겠습니다).
N명의 주체 플레이어가 있으며 거래량, 거래 빈도, 특정 포지션에 있는 기간, 매수 매도 성향, 정보 및 속도에 대한 접근, 공격성 등 여러 특성에 따라 분류됩니다.
시장(도구 가격)은 플레이어-주체(단순 주문서) 간의 교환 결과로 모델링됩니다. 정기적인 뉴스와 플레이어가 반응하는 비교적 무작위적인 이벤트를 제공하는 환경과 플레이어 간에 정보를 전달하는 환경이 있습니다.
일반적으로 명확하기를 바랍니다. 모델 구현 측면에서 그러한 연구 출판물을 기억하지 못하기 때문에 이해할 수 있습니다. 실제 배기는 실제 빅 데이터에 대한 액세스에서만 가능합니다.
하지만 연구의 모델로서 꽤 적합하다고 생각합니다. 기계 학습 방법의 해석에는 창의성의 여지가 있습니다. 분명히 단순한 아키텍처로는 충분하지 않지만 특별한 것이 개발되어야 합니다.
에이전시 모델 ? 현대 경제학에는 이런 일이 많다. 제 생각에는 시장에 대한 철학적 이해에 좋은 것 같습니다.
(거래 전략 생성 측면에서) 이 접근 방식에서 실질적인 이점을 얻을 수 있는지 확실하지 않습니다.
에이전시 모델 ? 현대 경제학에는 이런 일이 많다. 제 생각에는 시장에 대한 철학적 이해에 좋은 것 같습니다.
(거래 전략 생성 측면에서) 이 접근 방식에서 실질적인 이점을 얻을 수 있는지 확실하지 않습니다.
예, 나는 오랫동안 연구소에서 그러한 모델에 대한 과학적 경제 및 (밀접한) 사회 학적 설명을 기억합니다. 무역과 관련하여 국방부의 최근 성과에 비추어 볼 때 적용이 안 된다는 것이 핵심은 아니지만, 자원이 있는 사람은 이에 따른 적절한 산출물을 받지 못하기 때문에 모든 것을 갖추고 있기 때문에 멀리. 열광자는 아직 손을 내밀지 않았으며 모든 종류의 GPT-3 및 기타 획기적인 것들을 소화할 것이며 누군가가 이에 대한 개발 방향을 나타내기 위해 손을 뻗을 것입니다.
또 다른 어려움은 플레이어의 행동, 특히 추세의 주요 전환점에서 현재 모델로 안정적으로 모델링하기 어려운 비합리성이 큰 부분이 있다는 것입니다.
앱. 또 다른 생각은 가격 움직임 예측을 목표로 설정하는 것이 항상 옳은 것은 아니며 너무 원시적이라는 것입니다. 가격 움직임에 따라 플레이어의 상태에 대한 정보를 얻을 수 있으며 여기에서 지속적으로 업데이트되는 장기적인 결론을 도출할 수 있습니다.
유망한 접근법 중 하나는 인과관계 추론인 것 같습니다. 이 주제는 대규모 IT 회사에서 상당히 적극적으로 개발하고 있습니다. 도서관이 있습니다.
에 대한 기사 가 있습니다
옵션을 분류하고 가장 좋은 것을 찾을 운율을 만드십시오.예, 나는 오랫동안 연구소에서 그러한 모델에 대한 과학적 경제 및 (밀접한) 사회 학적 설명을 기억합니다. 무역과 관련하여 국방부의 최근 성과에 비추어 볼 때 적용이 안 된다는 것이 핵심은 아니지만, 자원이 있는 사람은 이에 따른 적절한 산출물을 받지 못하기 때문에 모든 것을 갖추고 있기 때문에 멀리. 열광자는 아직 손을 내밀지 않았으며 모든 종류의 GPT-3 및 기타 획기적인 것들을 소화할 것이며 누군가가 이에 대한 개발 방향을 나타내기 위해 손을 뻗을 것입니다.
또 다른 어려움은 플레이어의 행동, 특히 추세의 주요 전환점에서 현재 모델로 안정적으로 모델링하기 어려운 비합리성이 큰 부분이 있다는 것입니다.
앱. 또 다른 생각 - 가격 움직임 예측을 목표로 설정하는 것이 항상 사실은 아니며 너무 원시적입니다. 가격 움직임에 따라 플레이어의 상태에 대한 정보를 얻을 수 있으며 여기에서 지속적으로 업데이트되는 장기적인 결론을 도출할 수 있습니다.
제 생각에 주요 문제는 시장에서 가장 큰 플레이어(국가)의 행동을 설명하는 접근 방식의 선택에 있습니다. 그들은 (1) 시장에 매우 강한 영향을 미치고, (2) 시간이 지남에 따라 행동이 크게 변하고, (3) 시장에서 행동의 목표는 종종 시장 자체 외부에 있으며 우리에게 잘 알려지지 않았습니다. (4) 거기에 많은 상태가 있고 매우 다른 (시장에 대한) 방식으로 서로 상호 작용할 수 있습니다. 수학적 관점에서, 복잡하고 고정되지 않은 비폐쇄 시스템이 얻어진다.
문제는 그러한 시스템에 대한 모델을 제시할 수 없다는 것이 아니라 너무 많은 다른 모델을 제시할 수 있다는 것입니다.
유망한 접근법 중 하나는 인과관계 추론인 것 같습니다. 이 주제는 대규모 IT 회사에서 상당히 적극적으로 개발하고 있습니다. 도서관이 있습니다.
에 대한 기사 가 있습니다
옵션을 분류하고 가장 좋은 것을 찾을 운율을 만드십시오.처음에는 접근 방식의 반대편에 있습니다. 그런데 모든 것과 모든 것에 대한 의학에서의 RCT는 위약으로 재현할 수 없는 의학적 방법을 죽였습니다)))
행동이나 상태의 임무는 인과 관계를 찾는 것입니다)
앱. 또 다른 생각은 가격 움직임 예측을 목표로 설정하는 것이 항상 옳은 것은 아니며 너무 원시적이라는 것입니다. 가격 움직임을 기반으로 플레이어의 상태에 대한 정보를 얻을 수 있으며 여기에서 지속적으로 업데이트되는 장기적인 결론을 도출할 수 있습니다.
좋고 올바른 생각. 플레이어의 상태가 아니라 플레이어에게 영향을 미치는 원인의 상태만이 가능합니다. 하지만 다음 단계일 수도 있습니다.