トレーディングにおける機械学習：理論、モデル、実践、アルゴトレーディング - ページ 1014 1...100710081009101010111012101310141015101610171018101910201021...3399 新しいコメント Aleksey Nikolayev 2018.07.09 15:58 #10131 Alexander_K2 です。ここで、コルモゴルフの言葉を引用しておくことにする。 つまり、conserved areです。 1.リターンズ 2.リターンのACF ACFが以下の条件を満たす場合。 であれば、このような離散的な帰国子女系列は予測可能である。 以上です。 それ以外の予測因子はない。価格差のACFはどこから来ているのか？これらは明らかに非定常であり、共分散関数は2つの変数に依存します：B=B(t,k)、それを計算するのに十分なデータがないだけなのです。 forexman77 2018.07.09 16:07 #10132 アレクセイ・ニコラエフ価格差のACFはどこから来ているのか？これらは明らかに非定常であり、共分散関数は2つの変数に依存します：B=B(t,k)、それを計算するのに十分なデータがないだけなのです。写真にあるACFは、ARIMAから取り出したアルゴリズムです。最後のn-barで計算されます。 Aleksey Nikolayev 2018.07.09 16:29 #10133 FXMAN77 です。写真のACFアルゴリズムは、ARIMAから引用しています。最後のn-barでカウントされます。まず、私のコメントは、コルモゴロフの定常過程に関する論文を、明らかに非定常のケースに当てはめるのは不適切だというものです。 しかし、ARIMAはすべてを定常性に還元してしまうので、価格については近似的にしか成り立たず、ある時間間隔でしか成り立たない（例えば、トレンド時にある自己回帰係数、その後の横ばい時に別の自己回帰係数がある）。いつモデルを変更するかは予測できず、これは非定常性の帰結である。 Maxim Dmitrievsky 2018.07.09 16:31 #10134 アレクセイ・ニコラエフまず、私のコメントは、定常過程に関するコルモゴロフの論文を、明らかに非定常なケースに添付することが不適切であるということです。 しかし、ARIMAはすべてを定常性に還元してしまうので、価格については近似的にしか、またある時間間隔でしか成り立たない（例えば、トレンド時にはある自己回帰係数が、その後の横ばい時には別の自己回帰係数がある）ことがあります。いつモデルを変更する必要があるかは予測できないが、これは非定常性の結果である。+ Alexander_K2 2018.07.09 16:54 #10135 FXMAN77 です。周期性とはどういう意味ですか？ そして、私の知る限り、ACFは製品の総和だけではありません。もっと複雑なアルゴリズムがあるんです。 私は自分の意見に固執しています - 離散系列の帰国者のACF推定は、連続した2つのスライドサンプル帰国者の積の合計です。 周期性について... もっとシンプルに言うと、こうなりますね。 現在のACF値>0、すなわち増分の明らかな依存性、いわゆる「メモリ」があるときに取引（次のリターン者を予測）すべきです。 forexman77 2018.07.09 16:56 #10136 Alexander_K2 です。私は自分の意見を支持します。離散的な帰国者の系列に対するACF推定値は、連続する2つの移動標本帰国者の積の合計です。 周期性について... もっとシンプルに言うと、こうなりますね。 ACF>0のとき、つまり増分の明らかな依存性があるとき、いわゆる「記憶」のときにトレード（次のリターン者を予測）する。インジケーターを見て、こんなものかな、何か変えた方がいいのかな？ Alexander_K2 2018.07.09 17:00 #10137 フォレックスマン77インジケーターを見て、こんな感じかな、何かやり直した方がいいのかな？増分の絶対値は、やはり左がいいだろう（マイナスにマイナスをかけたプラス）、そうすれば最小値は0にしかならない。申し訳ありませんが、できません。拡散プロセスで聖杯を探すのに忙しい。私はニューラルネットワークとフォレストを信じているので、できる限りここで手助けをしています。 forexman77 2018.07.09 17:02 #10138 Alexander_K2 です。すみません、無理です。拡散プロセスで聖杯を探すのに忙しい。私はニューラルネットワークやフォレストを信じているので、ここでできる限りの協力をしているだけなのです。その後、インジケーターを取り外すのですか？ Alexander_K2 2018.07.09 17:03 #10139 フォレックスマン77その後、インジケーターを取り外すと？はい、インジケーターは必要ありません。コルモゴロフ予測器が必要だ。他に方法がないので、あと1000ページほど愉快に続けてください。 Aleksey Nikolayev 2018.07.09 17:11 #10140 Alexander_K2 です。私は自分の意見を支持します - 帰還者の離散的なシリーズのACF推定値は、連続した2つのスライドサンプル帰還者の積の合計です。 周期性について... もっとシンプルに言うと、こうなりますね。 ACF>0のとき、つまり増分の明らかな依存性、いわゆる「メモリー」があるときに取引（次のリターンを予測）すべきなのです。1) 非定常過程に対するACFは存在しない。非定常過程のモーメントについて、お勧めの本の中から少なくともオルロフを読んでみてください。 2）非定常過程の「記憶」もよくない。それが存在しない場合（独立な増分を持つ非定常過程）にも、定常過程と同様に計算を行えば、見つけることができる。持っていても、いつの間にか違うものになっているかもしれませんし、その瞬間にプロセスが具体的に何を「記憶」しているのかは不明です。 1...100710081009101010111012101310141015101610171018101910201021...3399 新しいコメント 取引の機会を逃しています。 無料取引アプリ 8千を超えるシグナルをコピー 金融ニュースで金融マーケットを探索 新規登録 ログイン スペースを含まないラテン文字 このメールにパスワードが送信されます エラーが発生しました Googleでログイン WebサイトポリシーおよびMQL5.COM利用規約に同意します。 新規登録 MQL5.com WebサイトへのログインにCookieの使用を許可します。 ログインするには、ブラウザで必要な設定を有効にしてください。 ログイン/パスワードをお忘れですか？ Googleでログイン
ここで、コルモゴルフの言葉を引用しておくことにする。
つまり、conserved areです。
1.リターンズ
2.リターンのACF
ACFが以下の条件を満たす場合。
であれば、このような離散的な帰国子女系列は予測可能である。
以上です。
それ以外の予測因子はない。
価格差のACFはどこから来ているのか？これらは明らかに非定常であり、共分散関数は2つの変数に依存します：B=B(t,k)、それを計算するのに十分なデータがないだけなのです。
価格差のACFはどこから来ているのか？これらは明らかに非定常であり、共分散関数は2つの変数に依存します：B=B(t,k)、それを計算するのに十分なデータがないだけなのです。
写真にあるACFは、ARIMAから取り出したアルゴリズムです。最後のn-barで計算されます。
写真のACFアルゴリズムは、ARIMAから引用しています。最後のn-barでカウントされます。
まず、私のコメントは、コルモゴロフの定常過程に関する論文を、明らかに非定常のケースに当てはめるのは不適切だというものです。
しかし、ARIMAはすべてを定常性に還元してしまうので、価格については近似的にしか成り立たず、ある時間間隔でしか成り立たない（例えば、トレンド時にある自己回帰係数、その後の横ばい時に別の自己回帰係数がある）。いつモデルを変更するかは予測できず、これは非定常性の帰結である。
まず、私のコメントは、定常過程に関するコルモゴロフの論文を、明らかに非定常なケースに添付することが不適切であるということです。
しかし、ARIMAはすべてを定常性に還元してしまうので、価格については近似的にしか、またある時間間隔でしか成り立たない（例えば、トレンド時にはある自己回帰係数が、その後の横ばい時には別の自己回帰係数がある）ことがあります。いつモデルを変更する必要があるかは予測できないが、これは非定常性の結果である。
+
周期性とはどういう意味ですか？
そして、私の知る限り、ACFは製品の総和だけではありません。もっと複雑なアルゴリズムがあるんです。
私は自分の意見に固執しています - 離散系列の帰国者のACF推定は、連続した2つのスライドサンプル帰国者の積の合計です。
周期性について...
もっとシンプルに言うと、こうなりますね。
現在のACF値>0、すなわち増分の明らかな依存性、いわゆる「メモリ」があるときに取引（次のリターン者を予測）すべきです。
私は自分の意見を支持します。離散的な帰国者の系列に対するACF推定値は、連続する2つの移動標本帰国者の積の合計です。
周期性について...
もっとシンプルに言うと、こうなりますね。
ACF>0のとき、つまり増分の明らかな依存性があるとき、いわゆる「記憶」のときにトレード（次のリターン者を予測）する。
インジケーターを見て、こんなものかな、何か変えた方がいいのかな？
インジケーターを見て、こんな感じかな、何かやり直した方がいいのかな？増分の絶対値は、やはり左がいいだろう（マイナスにマイナスをかけたプラス）、そうすれば最小値は0にしかならない。
申し訳ありませんが、できません。拡散プロセスで聖杯を探すのに忙しい。私はニューラルネットワークとフォレストを信じているので、できる限りここで手助けをしています。
すみません、無理です。拡散プロセスで聖杯を探すのに忙しい。私はニューラルネットワークやフォレストを信じているので、ここでできる限りの協力をしているだけなのです。
その後、インジケーターを取り外すのですか？
その後、インジケーターを取り外すと？
はい、インジケーターは必要ありません。コルモゴロフ予測器が必要だ。他に方法がないので、あと1000ページほど愉快に続けてください。
私は自分の意見を支持します - 帰還者の離散的なシリーズのACF推定値は、連続した2つのスライドサンプル帰還者の積の合計です。
周期性について...
もっとシンプルに言うと、こうなりますね。
ACF>0のとき、つまり増分の明らかな依存性、いわゆる「メモリー」があるときに取引（次のリターンを予測）すべきなのです。
1) 非定常過程に対するACFは存在しない。非定常過程のモーメントについて、お勧めの本の中から少なくともオルロフを読んでみてください。
2）非定常過程の「記憶」もよくない。それが存在しない場合（独立な増分を持つ非定常過程）にも、定常過程と同様に計算を行えば、見つけることができる。持っていても、いつの間にか違うものになっているかもしれませんし、その瞬間にプロセスが具体的に何を「記憶」しているのかは不明です。