Метод k-ближайших соседей (k-NN, k-Nearest Neighbor algorithm) ищет k прошлых паттернов (соседей), которые наиболее похожи на текущий паттерн и вычисляет будущие цены на основе взвешенного голосования этих соседей. Данный индикатор находит только одного ближайшего соседа. По сути, это алгоритм 1-NN. Он использует коэффициент корреляции Пирсона...
価格からトレンドを取り除くべきかどうか、またその理由を教えてください。
ああ、大きな口をきくんだなあ...。
私だったら、まともな掲示板のイメージを壊さないように、あなたを永久追放しますよ。
さらに数分待って、いつものように投稿のクリーニングを開始すれば、元通りになるはずです。
面白いことに、彼はあなたを一言も漏らさず正確に表現することができます。
普通の男じゃなくて主婦の掲示板にした方がいいんじゃない？
先生じゃないから、自分のことはわからないけど)))計量経済学者は分解などをして、トレンドやノイズなどを予測する。
私は、Moによって、有馬よりもボラを予測する方法をドキュメントに示しましたが、単に特徴をたくさん作るだけです)))
1つのVPから数千を作ることができ、そのうちのいくつかは有馬よりも有利になります...
をガラケーに入れたら......標準化するのは望ましいけど、すべてに入れるのはちょっと......。別の
機能空間などに行くことができます...要するに、最高の結果が得られるものなら何でもいいのです。思い込みがある場合
- 確認するだけ...で、人の話を聞いたり、誰かに聞いたりすることはどうでもいい。トレンドも、トランジェントも
も、ヘッダーも全くないのですが...。ただ、モデルのタイミング。私が投稿したコードから
vrから割り当てられたいくつかのうち1糞を取り出し、予測でも何でもしてみればいいのです。
ガラケーと呼ばないで...。
まぁ、どうせ計量経済学者は外すだろうし、予測誤差をやるならそれもやった方がいいんだろうけど、ここではちょっと違うケースを......。
数年前に相関という言葉を聞いたとき、「修正」という発想があり、歴史の中で現状と似たようなパターンを探し、過去にどのような結末を迎えたかを見てみたらどうだろうと思いついたのです。アイデアは面白いし、最も重要なのは古典的な意味でのパラメータなしで、類似性はピアソンの相関を通じてそれを探すことにした、まあ、それは一般的に緑だった)))。
ちなみに、このアイデアを信じてプログラミングを学んだのも刺激になりましたね...。(Progragrammed、さまざまな方法で、おそらく一年以上このアイデアをゴミ箱に入れ、動作しないことを実現nigra）））その後、ここフォーラムで数人がすでにあまりにもそうしていると同じ結果を得たことが判明した、それは全体のメソッドがあることが判明した長い科学者によって発明された "LA" （ローカル近似） 、Ivakhnenko "MGUA" も類似した何かを持って "メソッド複雑化類似"、すべてのエロが我々の前に考え抜か））））。
だから、一番下の行は、それが市場で動作しないことですが、それは私がこのメソッドを動作させることができたと思われる、それはちょうどすべての著者と私は一つの根本的なエラーを作ったということです、私は実際の市場で月曜日にそれを検証し、私はより構造化された情報を共有します......
それで、気が散ってしまったので、「局所近似」の方法を読みたい方は、この冊子の最後の方に書いてありますが、あまりないですね......。また、この手法でトレンドを取り除く必要があるかどうか、ご意見をお聞かせください。
103ページより引用 20 自然起源時系列の 予測
ひとつ理解していただきたいのは、トレンドが削除されるのは、別のトレンドが始まって、別のトレンドで学習したときに、モデルに偏りが出ないようにするためだということです。偏りがないように作れれば、削除する必要はないでしょう。
遅かれ早かれ、彼らは現れるだろう、市場は変化するのだから。問題は、ある程度の期間、何かが機能するようなバランスを見つけることです。
TSの良いサイクルは3ヶ月、つまり契約です。トレーニング半分、トレード半分。これは、トレーニングやテストの結果からです。FXの先物が対象です。他の楽器では違うかもしれません。
その冊子の最後を読んで、私は((局所近似))を投げました、あなたの言っていることは理解できますが、この特別なアプローチではうまくいかないかもしれません。
ただ、他の意見や主張も聞いてみたいブックレットの最後にある「（局所近似）」を読んで、言いたいことはわかるが、この方法ではうまくいかないかもしれない。
コードベースの中にインジケーターが眠っているんです、Vladimirの仕業だと思います。最近傍法（または類似の何か）による局所的な近似は、また、履歴で類似のサイトを探しています。うまくいかない、と思う。
https://www.mql5.com/ru/code/133コードベースには、ウラジミール社製のインジケータが転がっていたと思います。近傍法による局所近似、履歴の類似領域も探す。機能しないようです。
https://www.mql5.com/ru/code/133そう、うまくいかないのです、でも、まだ早いのです・・・。
問題は、その傾向を取り除くべきかどうかである効いてない、効いてない、でも......まだ早いよ。
問題は、その傾向を取り除くべきかどうかであるこの場合、Pearsonの非定常データでの検索は、S...Against or Downwindのように、doldrumsが必要なので、Yesです。
この場合、非定常データに対するPearsonの探索は、風に対するs...のようなものだから、そうである。
なるほど、そういう意見もあるのか...。しかし、このような距離がたくさんある、Kandelの順位相関やもっとたくさんある、Euclidean距離もある、その亜種も10種類ある、結局は同じdtwアルゴリズムが存在する
なるほど、そういう意見もあるのか...。しかし、これらの距離は、カンデルの順位相関、ユークリッド距離、10種類の亜種があり、最終的にはdtwアルゴリズムがあります。
順位相関は保存されない、ユークリッド距離はどうだろうか？
これは意見ではなく、当たり前のことです :) 位相相関では救われない、ユークリッド距離と何の関係があるのでしょうか？
近接・類似は、1つの相関よりはるかに多く測定することができ、他に20以上の方法があります。
エスゼット
Ivakhnenko氏も、トレンドの除去が必要だと書いているが、その必要性は
を引用しています。