바꾸지 마세요: 나에게 무언가 반대하려고 하는 중 - 당신은 여전히 당신 자신에 대해 이야기하고 있습니다 ... 시계열에 대해서만 ... (아무도 샘플링 방법을 취소하지 않았습니다) ...
가격은 오랫동안 시간에 의존하지 않습니다. 저는 이미 제 관점을 두 번 이상 표현했습니다. .. 그리고 X와 Y에 대해, 그리고 어떤 종속성을 모델링하기 위해 청구할 것인지 - 저도 10번째로 쓰고 있습니다 - 개발자의 재량에 따라...
나는 당신의 모델을 개발하고 있지 않습니다 - 나는 시간이 지남에 따라 가격의 행동을 증명할 필요가 없습니다 ... 모든 분야에서 한 단어) ... MO-th에 관련된 엔지니어 (여기에 있지 않음)는 여전히 이해할 것입니다 모델이 벼룩(자기상관)이 올라갈 수 있는 지평보다 훨씬 더 넓은 측면과 더 넓은 훈련 지평에서 구축된 경우 추세에서도, 심지어 틱에서도 자기상관에 대한 논쟁의 좁음(난해한 연설을 위해). .. 그것이 딥 러닝의 목적입니다(모든 것을 설명하기 위해)
차이점은 첫 번째 경우 ACF가 가능한 모든 시점 쌍에 대해 고려되고 두 번째 경우 시점 중 하나가 t2=n으로 고정되고 많은 시점 쌍이 고려에서 제외된다는 것 입니다 ( 예: , 쌍 t1=1, t2=2). 일반적으로 ACF는 두 인수의 함수입니다. 고정 프로세스에 대해서만 ACF는 하나의 인수 t=t1-t2(지연)의 함수로 간주될 수 있습니다.
샘플 ACF는 항상 프로세스의 특정 숫자 샘플(구현)에 대해 계산되며 항상 하나의 인수(지연 값)의 함수로 판명됩니다. 이것이 SB 구현을 위한 샘플 ACF가 ACF에 대한 추정치가 아닌 주된 이유입니다.
한 쌍의 시점 t1 및 t2에 대한 ACF를 계산할 때(확정성을 위해 t1 < t2 로 설정) 실제로 샘플 길이가 n= t2이고 지연이 t2-t1인 ACF 의 샘플 값을 계산한다고 생각하지 않습니까? . 시간 t2에 위치한 관찰자의 경우 시계열은 길이 t2의 표본으로 표시됩니다. 관찰자는 시간 t2 이후에 어떤 일이 일어날지 모릅니다.
완전히 근거가 없는 것은 아니지만 실제 시장 자동 상관에 대한 나의 관찰은 다음과 같습니다.
마지막 50개 요소의 각 값에 대한 관찰 창으로, 각각 1, 3, 6 요소만큼 오프셋됩니다.
-1에서 1까지의 피어슨 계수에 의한 측정 결과.
예를 들어 이 분석에 따르면 첫 번째 화면에서 한 촛불의 척도에서 안정적인 음의 자기상관 이 있다고 말할 수 있습니다(양수 값 뒤에 음수 값이 있고 그 반대의 경우도 마찬가지입니다).
3개의 양초 척도에서는 관찰 시점에서 같으나 덜 안정한 반면, 6개의 양초 척도에서는 반대로 미니 추세를 보였다.
그리고 두 번째에는 모든 것이 완전히 다릅니다 (숫자에주의하십시오)
그러나 이것은 어떤 이유에서인지 모두가 여기를 좋아하지 않는 시계열이며 일반적으로 나는 내가 어리석고 아무것도 이해하지 못한다는 것을 알고 있습니다. 이 스크린샷으로 누군가를 화나게 하거나 가르치고 싶지 않습니다. 그리고 더욱이 그러한 계산에 따라 무언가를 예측할 것을 촉구하지 않습니다.
한 쌍의 시점 t1 및 t2에 대한 ACF를 계산할 때(확정성을 위해 t1 < t2 로 설정) 실제로 샘플 길이가 n= t2이고 지연이 t2-t1인 ACF 의 샘플 값을 계산한다고 생각하지 않습니까? . 시간 t2에 위치한 관찰자의 경우 시계열은 길이 t2의 표본으로 표시됩니다. 관찰자는 시간 t2 이후에 어떤 일이 일어날지 모릅니다.
그러나 시간 t3, t3>t2의 관찰자는 시간 t1과 t2 사이의 상관 관계에 관심이 있을 수 있습니다. 그리고 당신의 공식 ACF(t) =sqrt((nt)/n) 은 그에게 그것을 계산할 기회를 주지 않습니다(당신은 n을 t3으로 바꾸기만 하면 됩니다).
급수가 정상이면 ACF(t1, t2) =ACF(t2-(t2-t1), t2)=ACF(t3-(t2-t1), t3), 그러나 일반적으로 두 번째 동등성은 유지되지 않습니다. 여기서 비정상성은 관찰자가 어느 시점에 있는지에 대한 의존성의 존재(시간의 비균일성)라고 말할 수 있습니다.
협동조합을 일으키면서 동시에 자신의 이익을 추구하는 방법은 무엇입니까? 이론적으로 궁극적인(그리고 잠재적으로 공통적인) 목표는 수익성 있는 시스템을 만드는 것입니다. 모든 사람이 하나의 데이터로 작업할 수 있는 옵션입니다. 다음은 ~4개월 동안의 일부 기기의 데이터입니다. 이 데이터에서 > 7(커미션 4.4, 5자리)의 수학적 기대치를 얻을 수 있는 것으로 알려져 있습니다. 시스템은 이전 1.5년 동안 이익을 제공해야 하지만 이후에 더 많은 이익을 제공해야 합니다.
그러나 시간 t3, t3>t2의 관찰자는 시간 t1과 t2 사이의 상관 관계에 관심이 있을 수 있습니다. 그리고 당신의 공식 ACF(t) =sqrt((nt)/n) 은 그에게 그것을 계산할 기회를 주지 않습니다 (당신은 n을 t3으로 바꾸기만 하면 됩니다).
급수가 정상이면 ACF(t1, t2) =ACF(t2-(t2-t1), t2)=ACF(t3-(t2-t1), t3), 그러나 일반적으로 두 번째 동등성은 유지되지 않습니다. 여기서 비정상성은 관찰자가 어느 시점에 있는지에 대한 의존성의 존재(시간의 비균일성)라고 말할 수 있습니다.
그러나 어떻게 그렇지 않습니다. 준다! 시간 t3, t3 > t2 의 고고학자는 길이가 t2인 고대 기록(예: 3,000년 된 앰포라에서) SB를 파낼 수 있습니다. 예를 들어, 그는 모멘트 t1과 t2 사이의 상관 관계를 계산하려고 합니다. 제 공식으로 하는 것이 좋습니다. ACF(t) =sqrt((nt)/n), 여기서 n= t2, t=t2-t1입니다. 사실 그는 샘플 길이가 n=t2이고 시차가 t2-t1인 샘플 ACF를 계산하기 때문입니다. 시간 t3라는 순간이 인위적으로 입력된 느낌입니다.
그러나 어떻게 그렇지 않습니다. 준다! 시간 t3, t3 > t2 의 고고학자는 길이가 t2인 고대 기록(예: 3,000년 된 앰포라에서) SB를 파낼 수 있습니다. 예를 들어, 그는 모멘트 t1과 t2 사이의 상관 관계를 계산하려고 합니다. 제 공식으로 하는 것이 좋습니다. ACF(t) =sqrt((nt)/n), 여기서 n= t2, t=t2-t1입니다. 사실 그는 샘플 길이가 n=t2이고 지연이 t2-t1인 샘플 ACF를 계산하기 때문입니다. 당신은 t3이라는 순간이당신에 의해 인위적으로 도입 되었음을 느낀다.
사실, 동일한 2인자 함수에 도달하지만 계산을 위한 알고리즘에 대한 고도의 예술적 설명이 있어야만 가능)
순간 t3는 매우 자연스럽고 순간 t4 , t4>t3도 필요하며, 이에 대한 예측은 순간 t3)
사실, 동일한 2인자 함수에 도달하지만 계산을 위한 알고리즘에 대한 고도의 예술적 설명이 있어야만 가능)
순간 t3는 매우 자연스럽고 순간 t4 , t4>t3도 필요하며, 이에 대한 예측은 순간 t3)
나는 다음과 같은 입장에서 ACF SB의 현상을 고찰할 것을 제안한다. SB의 일반 모집단(무한 길이의 표본) ACF = const = 1. 유한 길이 n의 표본에 대해 1/sqrt(n) 정도의 일반적인 오류로 ACF의 추정치를 얻을 수 있습니다. ACF(t) =sqrt((nt)/n) = sqrt(1-t/n) 추정치를 제공하는 것은 이 차수의 오류입니다.
나는 다음과 같은 입장에서 ACF SB의 현상을 고찰할 것을 제안한다. SB(무한 길이의 표본)의 일반 모집단에 대해 ACF = const = 1 입니다. 유한 길이 n의 샘플에 대해 1/sqrt(n) 정도의 일반적인 오류로 ACF의 추정치를 얻을 수 있습니다. ACF(t) =sqrt((nt)/n) = sqrt(1-t/n) 추정치를 제공하는 것은 이 차수의 오류입니다.
더 이상 SB가 아니라 지속적으로 구현되는 프로세스가 될 것입니다.)
나는 Kolmogorov와 Viner가 무덤에서 일어나 막대기로 우리를 때릴 때까지 우리의 멋진 토론을 완료하기 위해 응답 제안을 합니다)
이제 이것은 훨씬 더 흥미 롭습니다.
그것은 일반적으로 시장이 시계열이라는 관점을 버리고 마침내 시장 분석에서 돌파구를 만들 수 있습니다..
방해하지 않습니다. 현대 금융 수학에서는 연속적이고 이산적인 시간 유형을 사용하는 접근 방식이 완전히 결합됩니다. 내가 보는 문제는 이 과학의 공개적으로 게시된 특정 응용 프로그램이 우리의 거래 요구에 잘 맞지 않는다는 것입니다.
바꾸지 마세요: 나에게 무언가 반대하려고 하는 중 - 당신은 여전히 당신 자신에 대해 이야기하고 있습니다 ... 시계열에 대해서만 ... (아무도 샘플링 방법을 취소하지 않았습니다) ...
가격은 오랫동안 시간에 의존하지 않습니다. 저는 이미 제 관점을 두 번 이상 표현했습니다. .. 그리고 X와 Y에 대해, 그리고 어떤 종속성을 모델링하기 위해 청구할 것인지 - 저도 10번째로 쓰고 있습니다 - 개발자의 재량에 따라...
나는 당신의 모델을 개발하고 있지 않습니다 - 나는 시간이 지남에 따라 가격의 행동을 증명할 필요가 없습니다 ... 모든 분야에서 한 단어) ... MO-th에 관련된 엔지니어 (여기에 있지 않음)는 여전히 이해할 것입니다 모델이 벼룩(자기상관)이 올라갈 수 있는 지평보다 훨씬 더 넓은 측면과 더 넓은 훈련 지평에서 구축된 경우 추세에서도, 심지어 틱에서도 자기상관에 대한 논쟁의 좁음(난해한 연설을 위해). .. 그것이 딥 러닝의 목적입니다(모든 것을 설명하기 위해)
네, 제 경험으로 말을 바꿨습니다. 용서해 주세요. 기분이 상했다면.
차이점은 첫 번째 경우 ACF가 가능한 모든 시점 쌍에 대해 고려되고 두 번째 경우 시점 중 하나가 t2=n으로 고정되고 많은 시점 쌍이 고려에서 제외된다는 것 입니다 ( 예: , 쌍 t1=1, t2=2). 일반적으로 ACF는 두 인수의 함수입니다. 고정 프로세스에 대해서만 ACF는 하나의 인수 t=t1-t2(지연)의 함수로 간주될 수 있습니다.
샘플 ACF는 항상 프로세스의 특정 숫자 샘플(구현)에 대해 계산되며 항상 하나의 인수(지연 값)의 함수로 판명됩니다. 이것이 SB 구현을 위한 샘플 ACF가 ACF에 대한 추정치가 아닌 주된 이유입니다.
한 쌍의 시점 t1 및 t2에 대한 ACF를 계산할 때(확정성을 위해 t1 < t2 로 설정) 실제로 샘플 길이가 n= t2이고 지연이 t2-t1인 ACF 의 샘플 값을 계산한다고 생각하지 않습니까? . 시간 t2에 위치한 관찰자의 경우 시계열은 길이 t2의 표본으로 표시됩니다. 관찰자는 시간 t2 이후에 어떤 일이 일어날지 모릅니다.
완전히 근거가 없는 것은 아니지만 실제 시장 자동 상관에 대한 나의 관찰은 다음과 같습니다.
마지막 50개 요소의 각 값에 대한 관찰 창으로, 각각 1, 3, 6 요소만큼 오프셋됩니다.
-1에서 1까지의 피어슨 계수에 의한 측정 결과.
예를 들어 이 분석에 따르면 첫 번째 화면에서 한 촛불의 척도에서 안정적인 음의 자기상관 이 있다고 말할 수 있습니다(양수 값 뒤에 음수 값이 있고 그 반대의 경우도 마찬가지입니다).
3개의 양초 척도에서는 관찰 시점에서 같으나 덜 안정한 반면, 6개의 양초 척도에서는 반대로 미니 추세를 보였다.
그리고 두 번째에는 모든 것이 완전히 다릅니다 (숫자에주의하십시오)
그러나 이것은 어떤 이유에서인지 모두가 여기를 좋아하지 않는 시계열이며 일반적으로 나는 내가 어리석고 아무것도 이해하지 못한다는 것을 알고 있습니다. 이 스크린샷으로 누군가를 화나게 하거나 가르치고 싶지 않습니다. 그리고 더욱이 그러한 계산에 따라 무언가를 예측할 것을 촉구하지 않습니다.
한 쌍의 시점 t1 및 t2에 대한 ACF를 계산할 때(확정성을 위해 t1 < t2 로 설정) 실제로 샘플 길이가 n= t2이고 지연이 t2-t1인 ACF 의 샘플 값을 계산한다고 생각하지 않습니까? . 시간 t2에 위치한 관찰자의 경우 시계열은 길이 t2의 표본으로 표시됩니다. 관찰자는 시간 t2 이후에 어떤 일이 일어날지 모릅니다.
그러나 시간 t3, t3>t2의 관찰자는 시간 t1과 t2 사이의 상관 관계에 관심이 있을 수 있습니다. 그리고 당신의 공식 ACF(t) = sqrt((nt)/n) 은 그에게 그것을 계산할 기회를 주지 않습니다(당신은 n을 t3으로 바꾸기만 하면 됩니다).
급수가 정상이면 ACF(t1, t2) = ACF(t2-(t2-t1), t2) = ACF(t3-(t2-t1), t3), 그러나 일반적으로 두 번째 동등성은 유지되지 않습니다. 여기서 비정상성은 관찰자가 어느 시점에 있는지에 대한 의존성의 존재(시간의 비균일성)라고 말할 수 있습니다.
협동조합을 일으키면서 동시에 자신의 이익을 추구하는 방법은 무엇입니까? 이론적으로 궁극적인(그리고 잠재적으로 공통적인) 목표는 수익성 있는 시스템을 만드는 것입니다. 모든 사람이 하나의 데이터로 작업할 수 있는 옵션입니다. 다음은 ~4개월 동안의 일부 기기의 데이터입니다. 이 데이터에서 > 7(커미션 4.4, 5자리)의 수학적 기대치를 얻을 수 있는 것으로 알려져 있습니다. 시스템은 이전 1.5년 동안 이익을 제공해야 하지만 이후에 더 많은 이익을 제공해야 합니다.
그러나 시간 t3, t3>t2의 관찰자는 시간 t1과 t2 사이의 상관 관계에 관심이 있을 수 있습니다. 그리고 당신의 공식 ACF(t) = sqrt((nt)/n) 은 그에게 그것을 계산할 기회를 주지 않습니다 (당신은 n을 t3으로 바꾸기만 하면 됩니다).
급수가 정상이면 ACF(t1, t2) = ACF(t2-(t2-t1), t2) = ACF(t3-(t2-t1), t3), 그러나 일반적으로 두 번째 동등성은 유지되지 않습니다. 여기서 비정상성은 관찰자가 어느 시점에 있는지에 대한 의존성의 존재(시간의 비균일성)라고 말할 수 있습니다.
그러나 어떻게 그렇지 않습니다. 준다! 시간 t3, t3 > t2 의 고고학자는 길이가 t2인 고대 기록(예: 3,000년 된 앰포라에서) SB를 파낼 수 있습니다. 예를 들어, 그는 모멘트 t1과 t2 사이의 상관 관계를 계산하려고 합니다. 제 공식으로 하는 것이 좋습니다. ACF(t) = sqrt((nt)/n), 여기서 n= t2, t=t2-t1입니다. 사실 그는 샘플 길이가 n= t2이고 시차가 t2-t1인 샘플 ACF를 계산하기 때문입니다. 시간 t3라는 순간이 인위적으로 입력된 느낌입니다.
그러나 어떻게 그렇지 않습니다. 준다! 시간 t3, t3 > t2 의 고고학자는 길이가 t2인 고대 기록(예: 3,000년 된 앰포라에서) SB를 파낼 수 있습니다. 예를 들어, 그는 모멘트 t1과 t2 사이의 상관 관계를 계산하려고 합니다. 제 공식으로 하는 것이 좋습니다. ACF(t) = sqrt((nt)/n), 여기서 n= t2, t=t2-t1입니다. 사실 그는 샘플 길이가 n=t2이고 지연이 t2-t1인 샘플 ACF를 계산하기 때문입니다. 당신은 t3이라는 순간이 당신에 의해 인위적으로 도입 되었음을 느낀다.
사실, 동일한 2인자 함수에 도달하지만 계산을 위한 알고리즘에 대한 고도의 예술적 설명이 있어야만 가능)
순간 t3는 매우 자연스럽고 순간 t4 , t4>t3도 필요하며, 이에 대한 예측은 순간 t3)
사실, 동일한 2인자 함수에 도달하지만 계산을 위한 알고리즘에 대한 고도의 예술적 설명이 있어야만 가능)
순간 t3는 매우 자연스럽고 순간 t4 , t4>t3도 필요하며, 이에 대한 예측은 순간 t3)
나는 다음과 같은 입장에서 ACF SB의 현상을 고찰할 것을 제안한다. SB의 일반 모집단(무한 길이의 표본) ACF = const = 1. 유한 길이 n의 표본에 대해 1/sqrt(n) 정도의 일반적인 오류로 ACF의 추정치를 얻을 수 있습니다. ACF(t) = sqrt((nt)/n) = sqrt(1-t/n) 추정치를 제공하는 것은 이 차수의 오류입니다.
나는 다음과 같은 입장에서 ACF SB의 현상을 고찰할 것을 제안한다. SB(무한 길이의 표본)의 일반 모집단에 대해 ACF = const = 1 입니다. 유한 길이 n의 샘플에 대해 1/sqrt(n) 정도의 일반적인 오류로 ACF의 추정치를 얻을 수 있습니다. ACF(t) = sqrt((nt)/n) = sqrt(1-t/n) 추정치를 제공하는 것은 이 차수의 오류입니다.
더 이상 SB가 아니라 지속적으로 구현되는 프로세스가 될 것입니다.)
나는 Kolmogorov와 Viner가 무덤에서 일어나 막대기로 우리를 때릴 때까지 우리의 멋진 토론을 완료하기 위해 응답 제안을 합니다)