В принципе, используется и рекуррентное вычисление через возвратное уравнение второго порядка, и через комплексную экспоненту. Первое менее расходно по ресурсам (умножение и два сложения и две ячейки памяти) по сравнению со вторым (два умножения, четыре сложения, две ячейки памяти при постоянной частоте), но накапливается погрешность быстрее...
そこで、(CLOSE[i]-OPEN[i])-(CLOSE[i-1]-OPEN[i-1])のリターンの列は定常系列であるという意見があります。
1つのろうそくのretourneeは(クローズオープン)/オープン、それはNSに置くための正味の価格ではないファックは明らかだ、次のretourneeは非常に悪い前のもの(別のウィンドウで)予測され、それはスプレッドには十分ではありませんが、それは得るためにすべてがあるように思われます。
要するに、CLOSE[i]-OPEN[i]という値は、インクリメントの合計にほかならないのである。
このような値の連続は、極限的には正規分布になるはずである。
さて、帰国者のシーケンス(CLOSE[i]-OPEN[i])-(CLOSE[i-1]-OPEN[i-1])は定常系列であるという意見があるようですが、どうでしょうか?
NSの入力でそのようなことを試された方はいらっしゃいますか、そしてその結果はどうでしたか?
Close[i]はOpen[i+1]に置き換えることができ、FXでは90%以上のケースでその通りです。あるいは、1~2pipsの違いだけかもしれません。そうすると、計算式の時系列は1つだけになり、より便利です。
このような変換は、ARIMAモデルで使用される。そして、それは本当に定常性を達成するために役立ちますが、もっと多くの変換があり、それは唯一の式ではありません。
ARIMAはもう時代遅れで、金融市場では何かを与えても、それは銀行の預金利息以上のものではありません。論文によるとGARCHの方がはるかに優れており、さらにARIMAに様々な付加を加えたものである。https://people.duke.edu/~rnau/411arim.htm
このような値の連続は、極限的には正規分布に近づくはずである。
正規分布の傾向にある価格は見たことがない。昔からラプラスに似ていて、コシのある尻尾を持った利き腕がいた。
それが私の理論的な推論でした。
実際には、もちろん、最初の帰国者はガウスを持っていませんし、これまで誰もそれを得ることに成功していませんし、これからも成功しないでしょう、残念ですが...。
しかし、私は(CLOSE[i]-OPEN[i])-(CLOSE[i-1]-OPEN[i-1])のシーケンス、つまり実際には2番目の戻りについて話して いたのです。
さて、これまでこの2回目のリターンにあまり注目していなかったのですが、そうすべきでした。
そしてコルモゴロフは、一般に、B(k)=M[x(t)*x(t-to)]=M[(CLOSE[i]-OPEN[i])*(CLOSE[i-to]-OPEN[i-to])]に特に注意を向け、この関数がかなり確定的でなければ何も予測しないようにしたようですな。
NSの仕事に一定の条件をつけるのは意味があるのかも?
例えば、セカンドリターンやB(k)を探索する、BPの不安定な部分をスキップするとか?
こんにちは。
達人の皆様、もうスーパーボットはお作りになりましたか?
実際に試してみたいですね。
そしてコルモゴロフは、一般に、B(k)=M[x(t)*x(t-to)]=M[(CLOSE[i]-OPEN[i])*(CLOSE[i-to]-OPEN[i-to])]に特に注意を向け、この関数がかなり確定的でなければ何も予測しないようにしたようですな。
NSの仕事に一定の条件をつけるのは意味があるのかも?
例えば、セカンドリターンやB(k)を探ってBPの不安定な部分をスキップする、とか?
だから、(シグマの2乗)という限界があるんです。
この限界を決定することが、今回の問題の最初の解決策です。
この論文で解決すべき問題
内挿問題については、以下の点のみを考慮します。
によってx(/)を評価する場合。
-x{t + i)Jx{t + 2)1 ...,x(t + n)です。
x(t - l), x(t~2), ...。, x(t - ha).
この場合、数学的期待値の最小値をoj (ha)と表記します。
期待
a2 = MI0-<?)
ここで、Qは線形形式である。
Q = axx {t + i) + atx {t + 2)+ ....+apx {t + n) +
+ a-ix(t - l)-tex-a-2%(t - 2)+ ...-a-nx(t - ha)
として、一定の実数係数を持つ。
haが増加しても、a2 (i)の値は増加しない。したがって、存在するのは
限界
l im a} (ハ) = o?(5)
プ~>o
2つ目の問題は、[a]を決定することです。以下の提案
の解法が報告されています。
私のノート(*)で証明しています*。に関連する概念に依存しています。
を定常ランダム過程のスペクトル理論に応用した。
定常ランダム過程のスペクトル理論は
によって構築されたA。Я.時 間軸の引数 t が連続的に変化する場合のヒンシュク(2 ) 。
argument t (2 ) .
よくわからないのですが、すでに行われた予測の信頼性を分析的に推定するつもりなのか、そもそも予測をするつもりなのか。最初の2、3ページには、予測の信頼性を推定するための記事と書かれています。予想自体はA.J.Hinchinに 掲載されています。
そして、記事から基本的な文章を丁寧にコピーしていない。
Not: B(k)=M[x(t)*x(t-to)]=M[(CLOSE[i]-OPEN[i])*(CLOSE[i-to]-OPEN[i-to])
A: B(j)=M[x(t)*x(t-to)]=M[(CLOSE[i]-OPEN[i])*(CLOSE[i-to]-OPEN[i])
また、その方が正しいと思います。
トレーディング、自動売買システム、テスト戦略に関するフォーラム
トレーディングにおける機械学習:理論と実践(Trading and Beyond)
トレーダー博士 2018.07.06 02:37
Close[i]はOpen[i+1]に置き換えることができ、FXでは90%以上のケースでそれが当てはまります。あるいはほんの数pipsの差。そうすると、計算式の時系列が1つだけになり、より便利です。
このような変換は、ARIMAモデルで使用される。そして、それは定常性を達成するのに役立ちますが、そこにはもっと多くの変換があり、それだけが唯一の式ではありません。
ARIMAはすでに時代遅れで、金融市場では、どちらかというと、銀行の預金利息以上のものは出せない。論文によるとGARCHの方がはるかに優れており、さらにARIMAに様々な付加を加えたものである。https://people.duke.edu/~rnau/411arim.htm
PS.
はい、そして私の投稿からの 質問に対する返信ありがとうございました。 https://dxdy.ru/post1244134.html#p1244134
こんにちは、ミーシャです。ご推察の通り、私は携帯電話からこれをやっています :-)
ミーシャさん、こんにちは。
そう、すべてのニューラルネットワーキングの努力と、ツールそのものへのささやかな期待を考え直すときが来たのです。森も草原も、インプットデータが準備されていなければ、何の役にも立たない。
そして、そうです。競争がなく、問題があり、全般的にダブつきがあります。
データを用意する方法がわかっている場合は、先に進んでください。人類はあなたに感謝するでしょう。