그리고 Kolmogorov는 일반적으로 B(k)=M[x(t)*x(t-k)]=M[(CLOSE[i]-OPEN[i])*(CLOSE[i-k ]-OPEN[i-k])] 이 함수에 잘 정의된 형식이 없으면 예측을 거부했습니다.
국회 업무에 일정한 조건을 두는 것이 말이 되지 않을까요?
예를 들어 두 번째 수익 또는 B(k)를 조사하면서 고정되지 않은 VR 부분을 건너뛰기 위해?
ARIMA 모델도 비슷한 조건을 가지고 있습니다. 모델을 훈련하고 차트에서 수익을 올릴 수도 있지만 특정 조건과 요구 사항이 충족되지 않으면 여전히 그러한 모델을 거래할 수 없습니다. 내가 기억하는 바에서 - 고정성에 대한 Dickey-Fuller 테스트. GARCH에서는 예측 수익률의 분포도 원본 데이터처럼 보이도록 존중됩니다. 당신이 하고자 하는 것의 많은 부분이 이미 이 모델에서 구현된 것 같습니다.
뉴런에 관해서는 어떤 종류의 시계열 을 넣고 최대 결과로 훈련하고 이익을 기다릴 수 없습니다. 이것은 "과적합"으로 이어질 것입니다. 뉴런은 단순히 자신이 가지고 있는 데이터를 기억하고 새로운 데이터에 대해 적절하게 작업할 수 없습니다. 훈련 매개변수를 선택해야 하고 때때로 훈련을 중지하고 과적합이 아직 발생하지 않았는지 확인하기 위해 다양한 교차 검증을 수행해야 합니다. 모든 것이 올바르게 완료되면 R2가 0보다 약간 높을 때 훈련이 매우 일찍 중지됩니다. 주식 차트에서 교육 및 새 데이터 모두에 안정적인 이익이 있을 것이지만 몇 가지 포인트 이상의 스프레드는 이미 모든 것을 마이너스로 몰아갈 것입니다. 정확도를 높이려면 훈련에 심층 네트워크와 주를 사용하거나 시계열과 함께 뉴런에 공급하는 다양한 지표를 직접 선택해야 합니다.
ZZ에서 스마트 트렌드 교사를 만들 수 있지만 이 교사에 대한 예측 변수를 찾을 수 없습니다. 모두 약 50%의 오류를 제공합니다.
ZZ는 목표물을 위한 교활한 칠면조이며, 그와 함께 자신을 속이지 않도록 특별한 방법으로 샘플을 준비해야 합니다.
정확도 "약 50"은 볼 데이터를 사용하는 경우 매우 정상적이며 53% 이상에서는 거래가 가능하지만 일반적으로 이에 대한 정확도는 형편없는 메트릭이며 쉽게 ~50% + -1% 정확도와 상관 관계가 될 수 있습니다. 시장과 함께 예측된 증분> 5 %(0.05) 그리고 이것은 훌륭합니다. 물론 성배 는 아니지만 다른 전략과 함께 포트폴리오를 거래하기에 충분합니다. 상관 관계 또는 R^2를 사용하거나 비선형성에 익숙해지면 logloss를 사용하십시오.
나는 문제없이 이전에 그들로부터 다른 제품을 구입했습니다. 그리고 시작되었습니다.
그리고 판매자는 상황을 어떻게 평가합니까? 모든 것이 계획대로 진행되고 있습니까?
모든 것이 자연스럽습니다. 트릭을 좋아하는 사람은 반드시 처벌을 받습니다. 언제나.
오히려 문제는 물건을 살 때 모든 것이 어떻게 작동하는지 모르지만 당신은 신뢰한다는 것입니다 ... 기본적인 신뢰의 질문 - 어린 시절의 안녕하세요 ( 좋은 어린 시절 ) - 의견.
물론이죠
오차 계산 공식은 표의 머리글에 나와 있습니다. 마지막 예를 들어 설명하겠습니다. nnet: 204/(204+458) = 30.8%, 즉 전체적으로 이 모델은 662개 단위를 제공했으며 그 중 204개는 거짓이었습니다.
결과는 12개 통화 쌍에 대해 거의 동일합니다. 모델의 성능은 모델 및 통화 쌍과 실질적으로 독립적입니다.
이 결과는 5000개의 양초 파일에 대해 500개의 양초 창을 실행할 때 예측 능력이 거의 변경되지 않는 예측자에 대한 세심한 작업으로 인해 얻어졌습니다. Sko는 5% 이내로 변경됩니다.
추신.
테스터를 아직 보여줄 수 없습니다. 1000바가 넘는 파일에 테스터를 사용하는 데 막혔습니다.
그리고 목표는 무엇입니까? ZZ 기호?
이 지점을 되살리려는 열망에 이끌려, 예측이 독점적이고 고정된 VR에서만 가능하다는 점을 고려합니다.
(1. Kolmogorov A. N. 보간 및 외삽 변화 없는 무작위의 시퀀스
2. Wiener N. 외삽 , 고정 시계열의 보간 및 평활화)
나는 묻습니다.
사실, CLOSE[i]-OPEN[i]의 값은 증분의 합일 뿐입니다.
그러한 양의 순서는 한계 내에서 정규 분포를 따라야 합니다 .
따라서 반환 시퀀스(CLOSE[i]-OPEN[i])-(CLOSE[i-1]-OPEN[i-1])는 고정 계열이라는 의견 이 있습니다.
국회에서 입력한 내용에 적용하기 위해 그런 시도를 한 사람이 있었고 그 결과는 어땠나요???
PS Max, Doc, Mishanya, Sorcerer, Alyosha... 이 가지를 누구에게 던졌습니까? 하지만?
1) 안됩니다. 예를 들어, 다양한 한계 분포를 가질 수 있습니다.
2) 대부분 틀릴 가능성이 있습니다. 나는 이미 당신에게 위/아래 반례를 주었습니다. Non-stationarity는 "버그가 아니라 기능"으로 마켓 메이커의 행동의 결과로 나타나 대부분의 트레이더를 "잉여"에서 구제합니다 .
그리고 목표는 무엇입니까? ZZ 기호?
증가
ZZ에서 스마트 트렌드 교사를 만들 수 있지만 이 교사에 대한 예측 변수를 찾을 수 없습니다. 모두 약 50%의 오류를 제공합니다.그리고 Kolmogorov는 일반적으로 B(k)=M[x(t)*x(t-k)]=M[(CLOSE[i]-OPEN[i])*(CLOSE[i-k ]-OPEN[i-k])] 이 함수에 잘 정의된 형식이 없으면 예측을 거부했습니다.
국회 업무에 일정한 조건을 두는 것이 말이 되지 않을까요?
예를 들어 두 번째 수익 또는 B(k)를 조사하면서 고정되지 않은 VR 부분을 건너뛰기 위해?
ARIMA 모델도 비슷한 조건을 가지고 있습니다.
모델을 훈련하고 차트에서 수익을 올릴 수도 있지만 특정 조건과 요구 사항이 충족되지 않으면 여전히 그러한 모델을 거래할 수 없습니다. 내가 기억하는 바에서 - 고정성에 대한 Dickey-Fuller 테스트.
GARCH에서는 예측 수익률의 분포도 원본 데이터처럼 보이도록 존중됩니다.
당신이 하고자 하는 것의 많은 부분이 이미 이 모델에서 구현된 것 같습니다.
뉴런에 관해서는 어떤 종류의 시계열 을 넣고 최대 결과로 훈련하고 이익을 기다릴 수 없습니다. 이것은 "과적합"으로 이어질 것입니다. 뉴런은 단순히 자신이 가지고 있는 데이터를 기억하고 새로운 데이터에 대해 적절하게 작업할 수 없습니다. 훈련 매개변수를 선택해야 하고 때때로 훈련을 중지하고 과적합이 아직 발생하지 않았는지 확인하기 위해 다양한 교차 검증을 수행해야 합니다.
모든 것이 올바르게 완료되면 R2가 0보다 약간 높을 때 훈련이 매우 일찍 중지됩니다. 주식 차트에서 교육 및 새 데이터 모두에 안정적인 이익이 있을 것이지만 몇 가지 포인트 이상의 스프레드는 이미 모든 것을 마이너스로 몰아갈 것입니다. 정확도를 높이려면 훈련에 심층 네트워크와 주를 사용하거나 시계열과 함께 뉴런에 공급하는 다양한 지표를 직접 선택해야 합니다.
그리고 Kolmogorov는 일반적으로 B(k)=M[x(t)*x(t-k)]=M[(CLOSE[i]-OPEN[i])*(CLOSE[i-k ]-OPEN[i-k])] 이 함수에 잘 정의된 형식이 없으면 예측을 거부했습니다.
국회 업무에 일정한 조건을 두는 것이 말이 되지 않을까요?
예를 들어 두 번째 수익 또는 B(k)를 조사하면서 고정되지 않은 VR 부분을 건너뛰기 위해?
아니오, 작동하지 않습니다
기능 엔지니어링 시장에 한 가지 좋은 점이 있습니다. 바로 핀의 상호 연결입니다. 도구. 비슷하지만 약간 다른 도구를 만들고 그 사이의 분포를 볼 수 있습니다. 그리고 모두가 하나의 VR에서 기능을 추출하는 데 지쳤습니다. :)
증가
ZZ에서 스마트 트렌드 교사를 만들 수 있지만 이 교사에 대한 예측 변수를 찾을 수 없습니다. 모두 약 50%의 오류를 제공합니다.ZZ는 목표물을 위한 교활한 칠면조이며, 그와 함께 자신을 속이지 않도록 특별한 방법으로 샘플을 준비해야 합니다.
정확도 "약 50"은 볼 데이터를 사용하는 경우 매우 정상적이며 53% 이상에서는 거래가 가능하지만 일반적으로 이에 대한 정확도는 형편없는 메트릭이며 쉽게 ~50% + -1% 정확도와 상관 관계가 될 수 있습니다. 시장과 함께 예측된 증분> 5 %(0.05) 그리고 이것은 훌륭합니다. 물론 성배 는 아니지만 다른 전략과 함께 포트폴리오를 거래하기에 충분합니다. 상관 관계 또는 R^2를 사용하거나 비선형성에 익숙해지면 logloss를 사용하십시오.
그리고 모두가 하나 의 VR에서 기능을 추출하는 데 지쳤습니다. :)
여전히, 우리는 그대로 2개의 스트림을 다루고 있습니다.
1. 사건의 흐름 - 새로운 인용문이 나타나는 시간(그 사이의 간격)
2. 이 이벤트의 흐름에서 가격대 자체.
오늘이나 내일 나는 인용문을 읽는 시간을 임의로 변경함으로써 예를 들어 자기상관 함수가 관찰의 동일한 슬라이딩 시간 창에서 다르게 동작한다는 것을 증명(또는 반증)하려고 노력할 것입니다.
어째서 내가?
하지만! 결국 사건의 흐름을 "가늘게 하는" 것이 큰 역할을 한다는 사실에. 아마도 열쇠. Aleshenka 아들은 당신이 거짓말을하도록하지 않을 것입니다. 그러나 이것이 내가 가진 전부인 동안 "진행 중 ..."
여전히, 우리는 그대로 2개의 스트림을 다루고 있습니다.
1. 사건의 흐름 - 새로운 인용문이 나타나는 시간(그 사이의 간격)
2. 이 이벤트의 흐름에서 가격대 자체.
오늘이나 내일 나는 인용문을 읽는 시간을 임의로 변경함으로써 예를 들어 자기상관 함수가 관찰의 동일한 슬라이딩 시간 창에서 다르게 동작한다는 것을 증명(또는 반증)하려고 노력할 것입니다.
어째서 내가?
하지만! 결국 사건의 흐름을 "가늘게 하는" 것이 큰 역할을 한다는 사실에. 아마도 열쇠. Aleshenka 아들은 당신이 거짓말을하도록하지 않을 것입니다. 그러나 이것이 내가 가진 전부인 동안 "진행 중 ..."
그래서 그는 이미 몇 년 동안 누출이 있음을 인정한 다음 누출을 연주했지만 이제는 아무 것도 효과가 없습니다.
BP의 변환에 실제 패턴이 있었다면 오늘날에도 여전히 작동할 것입니다. 시장이 이제 더 효율적이라는 사실에 대한 이야기와 "하지만 나는 굉장했습니다"는 효과가 없습니다.
사실 여기에서 폭로할 다른 사람이 없습니다. 그들이 아무리 저항하더라도 결과는 하나입니다. :) 그래서 Alyoshenka는 도시의 나쁜 비유이므로 새로운 것이 필요합니다.