다시 한번 말하지만, 유통의 종류는 완전히 다른 노래입니다. 매개변수는 최소 몇 주 동안 안정적입니다.
분명히 우리는 1차원 분포 외에도 상호 다차원 분포가 있다는 사실에 대해 이야기하고 있으며, 이는 항상 1차원 분포(확률적 의존성)의 제품으로 분해되기를 원하지 않습니다. 이것은 몇 가지 추가 효과로 이어집니다. 수많은 x-ARCH가 이러한 효과를 설명하는 데 도움이 됩니다.
왜 나이든 사람들(Sorcerer, Toxic, 그리고 당신을 포함한 다른 사람들)은 이것을 하지 않습니까? MT에서 실제 거래 보고서조차 본 적이 없습니다.
가장 평범하고 명백한 것부터 - 아마도 그들이 MT에서 거래하지 않기 때문일까요?
그들이 여기서 무엇을 하고 있는지에 대한 질문은 대답하기 더 어렵습니다. 습관. 이전에 여기(MT 커뮤니티)에는 항상 흥미로운 문제를 찾고 있는 정말 멋진 연구원 그룹이 있었지만 그것들을 읽는 것이 흥미로웠습니다. 이제 Rena 또는 Nikitin과 같은 Asaulenko와 같은 발라볼로 대체되었습니다. 유용한 콘텐츠는 단 몇 사람에 의해 생성됩니다. 그러나 습관적으로 포럼에 남아있는 사람들이 있습니다.
그리고 그들은 양자 기계라고 말했습니다.((R Fourier는 언제였습니까?
에에... 모자에 빠졌어... 젠장, 유리 - 시험 준비는 그만둬. 졸업장 스캔본은 무엇을 첨부해야 합니까? 사람들은 믿어야 합니다.
이게 뭔가요?
음...
양자 역학 입자의 반경 벡터의 연산자?
음...
알고리즘에서 그런 것들을 실제로 사용합니까?
ARCH 효과는 어디로 갔습니까? 어떤 것이 백 개 이상입니까? 그리고 어떤 끝과 끝이 보이지 않습니까?
안 돼 이해했다.
분명히 우리는 1차원 분포 외에도 상호 다차원 분포가 있다는 사실에 대해 이야기하고 있으며, 이는 항상 1차원 분포(확률적 의존성)의 제품으로 분해되기를 원하지 않습니다. 이것은 몇 가지 추가 효과로 이어집니다. 수많은 x-ARCH가 이러한 효과를 설명하는 데 도움이 됩니다.
안 돼 이해했다.
표준 GARCH 모델은 세 부분으로 구성됩니다.
1. 하락세. 이상적으로는 분수 미분을 사용하여 허스트 캡처
2. 모델링 분산. 이것은 분산의 한 형태일 뿐만 아니라 클러스터링, 점프 후 동작입니다..
3. 분포 모델링. 이를 통해 긴 꼬리를 고려할 수 있습니다.
표준 GARCH 모델은 세 부분으로 구성됩니다.
1. 하락세. 이상적으로는 분수 미분을 사용하여 허스트 캡처
2. 모델링 분산. 이것은 분산의 한 형태일 뿐만 아니라 클러스터링, 점프 후 동작입니다..
3. 분포 모델링. 이를 통해 긴 꼬리를 고려할 수 있습니다.
SanSanych가 이 알고리즘의 구현을 볼 수 있는 곳을 알려주세요.
왜 나이든 사람들(Sorcerer, Toxic, 그리고 당신을 포함한 다른 사람들)은 이것을 하지 않습니까? MT에서 실제 거래 보고서조차 본 적이 없습니다.
가장 평범하고 명백한 것부터 - 아마도 그들이 MT에서 거래하지 않기 때문일까요?
그들이 여기서 무엇을 하고 있는지에 대한 질문은 대답하기 더 어렵습니다. 습관. 이전에 여기(MT 커뮤니티)에는 항상 흥미로운 문제를 찾고 있는 정말 멋진 연구원 그룹이 있었지만 그것들을 읽는 것이 흥미로웠습니다. 이제 Rena 또는 Nikitin과 같은 Asaulenko와 같은 발라볼로 대체되었습니다. 유용한 콘텐츠는 단 몇 사람에 의해 생성됩니다. 그러나 습관적으로 포럼에 남아있는 사람들이 있습니다.
1. 하락세. 이상적으로는 분수 미분을 사용하여 허스트 캡처
나는 주제에 익숙하지 않습니다. 이해하고 싶습니다 - 추세(상단 또는 하단)의 급격한 변화의 경우 ARFIMA를 사용한 추세 제거가 유용할 수 있습니까?
SanSanych가 이 알고리즘의 구현을 볼 수 있는 곳을 알려주세요.
루가치 패키지. 중 하나...