그래서 선물은 지난 3개월 동안 - 이전 만기 직전과 그 이후에 거래되었습니다. 그것을보고 무언가를 시도하기 전에 쓸모가 없습니다.
Maxim(또는 그의 시스템)은 명백한 사실을 알아차렸습니다.
:)) 네, 저는 아직 시작되지 않은 미래에 대해 말하는 것이 아니라, 변동성, 유동성, 유동성, 변동성, 등, 시장 반응이 변경됩니다. 이것은 눈으로 감지할 수 없지만 통계 분석을 통해 식별할 수 있다고 생각합니다. 그러나 이것이 중요한 것은 아니며 시장은 모든 종류의 다른 주기로 가득 차 있습니다. 문제는 시스템이 기계의 수익성 손실 없이 재구축될 것이라는 점입니다. 글쎄, 즉, 수동으로 아무것도하지 않는 것이 너무 게으른 ..
막심 드미트리예프스키 : :)) 네, 저는 아직 시작되지 않은 미래에 대해 말하는 것이 아니라, 변동성, 유동성, 유동성, 변동성, 등, 시장 반응이 변경됩니다. 이것은 눈으로 감지할 수 없지만 통계 분석을 통해 식별할 수 있다고 생각합니다. 그러나 이것이 중요한 것은 아니며 시장은 모든 종류의 다른 주기로 가득 차 있습니다. 문제는 시스템이 기계의 수익성 손실 없이 재구축될 것이라는 점입니다. 글쎄, 즉, 수동으로 아무것도하지 않는 것이 너무 게으른 ..
조언자의 품질을 결정하는 매개변수를 입력하십시오. 값이 설정한 한계 아래로 벗어나면 모델을 다시 훈련시키십시오. 이 모든 작업은 작업 상태를 벗어나지 않고 R에서 수행할 수 있습니다.
저는 매우 구체적인 모델인 GARCH를 마스터하려고 합니다. 원작 시리즈를 하나의 구성요소로 분해한 다음 이 구성요소를 개별적으로 모델링한다는 점이 매력적입니다. 또한 구성 요소로의 분해는 직관적이며 모델의 재교육과 직접 관련이 있습니다. 모델에서 나는 그들의 재교육 경향에만 관심이 있기 때문에(최대 6개월의 수명으로 TA에서 재교육된 Expert Advisors를 만들 수 있음) 이것이 GARCH의 선택을 결정했습니다.
NN에서는 두꺼운 꼬리, 꼬임을 고려할 수 있는 접근 방식을 모릅니다... NN 모델 자체는 원래 인용의 문제와 아무 관련이 없는 것 같습니다.
GARCH에서 모델을 맞추는 동안 미래에 결과 모델이 훈련 데이터에서와 정확히 동일하게 동작할 것이라는 기초 역할을 하는 테스트를 수행할 수 있습니다. 현재로서는 매개변수가 90% 이상의 확률로 중요할 GARCH를 맞출 수 없습니다.
그래서 선물은 지난 3개월 동안 - 이전 만기 직전과 그 이후에 거래되었습니다. 그것을보고 무언가를 시도하기 전에 쓸모가 없습니다.
Maxim(또는 그의 시스템)은 명백한 사실을 알아차렸습니다.
:)) 네, 저는 아직 시작되지 않은 미래에 대해 말하는 것이 아니라, 변동성, 유동성, 유동성, 변동성, 등, 시장 반응이 변경됩니다. 이것은 눈으로 감지할 수 없지만 통계 분석을 통해 식별할 수 있다고 생각합니다. 그러나 이것이 중요한 것은 아니며 시장은 모든 종류의 다른 주기로 가득 차 있습니다. 문제는 시스템이 기계의 수익성 손실 없이 재구축될 것이라는 점입니다. 글쎄, 즉, 수동으로 아무것도하지 않는 것이 너무 게으른 ..
조언자의 품질을 결정하는 매개변수를 입력하십시오. 값이 설정한 한계 아래로 벗어나면 모델을 다시 훈련시키십시오. 이 모든 작업은 작업 상태를 벗어나지 않고 R에서 수행할 수 있습니다.
문제가 무엇입니까?
주목! R에는 버그가 있을 수 있습니다.
어제만큼 최근에 나는 히스토그램을 만들었습니다. 몇 시간 동안 이 작업을 수행했으며 스크립트를 작성하지 않았습니다. 모든 것이 명령줄에 있습니다. 코드를 배치하기 위해 많은 시간의 실험을 반복하고 싶은 마음은 없습니다.
이제 히스토그램을 작성해 보겠습니다. 히스토그램에 따르면 특정 범위에서 계열 값을 찾을 확률은 0.22입니다. 이것은 훌륭하지만 히스토그램 자체는 다릅니다. 모든 것을 요약하면 1이 아니라 0.59가 되어야 합니다.
다음으로 균일하게 분포된 임의 프로세스를 샘플링하기 위해 동일한 히스토그램을 작성합니다. 여기에서 모든 것이 수렴되고 합은 1이 되어야 합니다. 이런 건가요?
좋아, R에서 같은 일을 하는 많은 방법이 있다. 우리는 다르게 구축합니다. 이번에는 0.43의 확률을 얻습니다. 이것은 될 수 없습니다, 왜냐하면 0.22(합계 0.59)에서 0.43을 얻을 수 있는 방법은 없습니다.
히스토그램의 값을 요약하면 - 0.991을 얻습니다. 상기시켜 드리겠습니다, d.b. =1. 모든 것이 정확하더라도 1% 오류가 발생합니다. 이 오류는 훌륭합니다. 이것은 단순히 있을 수 없습니다.
그 후, R의 신뢰도는 어떻게 든 떨어집니다. 그리고 확인하기가 쉽지 않고 불가능한 경우가 더 많은 다른 계산 및 더 복잡한 알고리즘에 대해서도 마찬가지입니다.
주목! R에는 버그가 있을 수 있습니다.
어제만큼 최근에 나는 히스토그램을 만들었습니다. 몇 시간 동안 이 작업을 수행했으며 스크립트를 작성하지 않았습니다. 모든 것이 명령줄에 있습니다. 코드를 배치하기 위해 많은 시간의 실험을 반복하고 싶은 마음은 없습니다.
이제 히스토그램을 작성해 보겠습니다. 히스토그램에 따르면 특정 범위에서 계열 값을 찾을 확률은 0.22입니다. 이것은 훌륭하지만 히스토그램 자체는 다릅니다. 모든 것을 요약하면 1이 아니라 0.59가 되어야 합니다.
다음으로 균일하게 분포된 임의 프로세스의 샘플에 대해 동일한 히스토그램을 작성합니다. 여기에서 모든 것이 수렴되고 합은 1이 되어야 합니다. 이런 건가요?
좋아, R에서 같은 일을 하는 많은 방법이 있다. 우리는 다르게 구축합니다. 이번에는 0.43의 확률을 얻습니다. 이것은 될 수 없습니다, 왜냐하면 0.22(합계 0.59)에서 0.43을 얻을 수 있는 방법은 없습니다.
히스토그램의 값을 요약하면 - 0.991을 얻습니다. 상기시켜 드리겠습니다, d.b. =1. 모든 것이 정확하더라도 1% 오류가 발생합니다. 이 오류는 훌륭합니다. 이것은 단순히 있을 수 없습니다.
그 후, R의 신뢰도는 어떻게 든 떨어집니다. 그리고 확인하기가 쉽지 않고 불가능한 경우가 더 많은 다른 계산 및 더 복잡한 알고리즘에 대해서도 마찬가지입니다.
나는 뭔가를보고 싶습니다.
나는 정기적으로 히스토그램을 작성하지만 아무 것도 눈치 채지 못했습니다.
주목! R에는 버그가 있을 수 있습니다.
어제만큼 최근에 나는 히스토그램을 만들었습니다. 몇 시간 동안 이 작업을 수행했으며 스크립트를 작성하지 않았습니다. 모든 것이 명령줄에 있습니다. 코드를 배치하기 위해 많은 시간의 실험을 반복하고 싶은 마음은 없습니다.
이제 히스토그램을 작성해 보겠습니다. 히스토그램에 따르면 특정 범위에서 계열 값을 찾을 확률은 0.22입니다. 이것은 훌륭하지만 히스토그램 자체는 다릅니다. 모든 것을 요약하면 1이 아니라 0.59가 되어야 합니다.
다음으로 균일하게 분포된 임의 프로세스의 샘플에 대해 동일한 히스토그램을 작성합니다. 여기에서 모든 것이 수렴되고 합은 1이 되어야 합니다. 이런 건가요?
좋아, R에서 같은 일을 하는 많은 방법이 있다. 우리는 다르게 구축합니다. 이번에는 0.43의 확률을 얻습니다. 이것은 될 수 없습니다, 왜냐하면 0.22(합계 0.59)에서 0.43을 얻을 수 있는 방법은 없습니다.
히스토그램의 값을 요약하면 - 0.991을 얻습니다. 상기시켜 드리겠습니다, d.b. =1. 모든 것이 정확하더라도 1% 오류가 발생합니다. 이 오류는 훌륭합니다. 이것은 단순히 있을 수 없습니다.
그 후, R의 신뢰도는 어떻게 든 떨어집니다. 그리고 확인하기가 쉽지 않고 불가능한 경우가 더 많은 다른 계산 및 더 복잡한 알고리즘에 대해서도 마찬가지입니다.
재현 가능한 예가 없으면 공허한 소리가 납니다. 이미 어디에서 그리고 기본 기능에서 오류 확률은 0보다 작습니다. 많은 시간의 실험이 분명히 영향을 미쳤습니다. 기록에서 명령 시퀀스를 추출할 수 없습니까? 아니면 Rstudio에서 연습하지 않습니까?
재현 가능한 예가 없으면 공허한 소리가 납니다. 이미 어디에서 그리고 기본 기능에서 오류 확률은 0보다 작습니다. 많은 시간의 실험이 분명히 영향을 미쳤습니다. 기록에서 일련의 명령을 추출할 수 없습니까? 아니면 Rstudio에서 연습하지 않습니까?
R 3.4.1 c https://www.r-project.org/
더 이상 필요하지 않은 시리즈만 재생산하려면 최소 1시간 30분이 걸립니다. 포럼에 결과를 게시하기 위해 이 작업을 수행하지 않을 것이 분명합니다. 어제 모든 것이 불행하게도 그 주제에 글을 쓸 생각을 하지 못했습니다.
그래서 최대한 조심스럽게 글을 썼고, 어떠한 주장도 하지 않았습니다 - 주의! R 에는 버그가 있을 수 있습니다. 없을 수도 있지만 있을 수도 있다.) 일반적으로 나는 주장하지 않는다. 당신은 모든 것이 괜찮다고 생각합니다. 그래서 그렇습니다.
흥미롭게도 일부 시리즈의 경우 히스토그램을 구성 할 때 분명히 존재하지만 다른 시리즈의 경우에는 없는 것처럼 보입니다. 결과적으로 나는 Excel로 가서 모든 것을 끝내야했습니다.
PS 네, RStudio에 대해 알려주셔서 감사합니다. 이미 내기를 하고 있습니다. IMHO, CRANE의 R보다 더 편안합니다.
setwd("D:/") # 작업 디렉토리 설정
x <- read.csv("x.csv", head=T) # 데이터 파일 로드
sapply(x, class) # 변수 내용이 속한 클래스
조언자의 품질을 결정하는 매개변수를 입력합니다. 값이 설정한 한계 아래로 벗어나면 모델을 다시 훈련시키십시오. 이 모든 작업은 작업 상태를 벗어나지 않고 R에서 수행할 수 있습니다.
문제가 무엇입니까?
나는 봇 개발에서 완전히 쓸모가 없기 때문에 R을 사용하지 않습니다 :) 연구 통계가 필요하다면 할 수 있습니다. 신경망이 있는 libs를 dll로 직접 사용할 수 있습니다. R이 여기에 있는 이유는 무엇입니까?
분명히 R은 당신에게 쓸모가 없습니다. 행운을 빕니다
----------------------
산 산이추:
회귀 문제로 전환했기 때문에 이것을 참조하십시오.
행운을 빕니다
분명히 R은 당신에게 쓸모가 없습니다. 행운을 빕니다
----------------------
산 싼이추:
회귀 문제로 전환했기 때문에 이것을 참조하십시오.
행운을 빕니다
저는 매우 구체적인 모델인 GARCH를 마스터하려고 합니다. 원작 시리즈를 하나의 구성요소로 분해한 다음 이 구성요소를 개별적으로 모델링한다는 점이 매력적입니다. 또한 구성 요소로의 분해는 직관적이며 모델의 재교육과 직접 관련이 있습니다. 모델에서 나는 그들의 재교육 경향에만 관심이 있기 때문에(최대 6개월의 수명으로 TA에서 재교육된 Expert Advisors를 만들 수 있음) 이것이 GARCH의 선택을 결정했습니다.
NN에서는 두꺼운 꼬리, 꼬임을 고려할 수 있는 접근 방식을 모릅니다... NN 모델 자체는 원래 인용의 문제와 아무 관련이 없는 것 같습니다.
GARCH에서 모델을 맞추는 동안 미래에 결과 모델이 훈련 데이터에서와 정확히 동일하게 동작할 것이라는 기초 역할을 하는 테스트를 수행할 수 있습니다. 현재로서는 매개변수가 90% 이상의 확률로 중요할 GARCH를 맞출 수 없습니다.