х <- my_price
q <- 10:500
ma <- matrix(nrow = 0,ncol = 2)
for(i in q) {
x1 <- ForeCA::Omega( tail(diff(x),i) ,spectrum.control = list(method = "wosa"))[1]
x2 <- i
d <- cbind(x2,x1)
ma <- rbind(ma,d)
}
plot(ma,t="l",main = max(ma[,2]))
где х - это цена
One of the important issues being faced by forecasters is if the given series can be forecasted or not ? I stumbled on an article entitled "Entropy as an A Priori Indicator of Forecastability" by
MOの問題をこのように単純化できたのはあなただけだと言っているのです、すべてが検索可能で、すべてが機能します、MQL開発の初期にReshetovの例がありましたが、原始的です、しかし ))))
あとはアルゴリズムを磨いて、RLテーマを完成させるだけです :) Pythonでより高品質な分類を行うことで、モデルの品質をある程度向上させることができるかもしれません。
と、バリアント列挙をTeslaに投げること...ですが、やることが多くて大変です私の株式チャートはランダムではなく、かなり有益です(チェックする必要があります)、私はトレンドとフラットを区別することを学びました。
取引は行われているが、もっと効率化する必要がある。
エクイティグラフはどこにあるのか?
google yandex検索エンジン経由のページ解析も追加する予定です。
では、なぜそれが必要なのでしょうか?
あとはアルゴリズムを最後まで舐めて、RLでこのテーマを終わらせるだけです :) Pythonでは分類の品質が高いので、モデルの品質を何%か絞り込むことが可能かもしれません。
やることがたくさんあるんです。昨日VS2017で試したところ、Pythonは動いていて、別のwidows-formでも取得できました。 ただ、IronPython2.7があるので、それを理解する必要がありますが、問題なくMT5と接続できそうな気がします
はい、私はちょうどなぜ自分自身を作成すると思った、私は2つの変数の因果関係に興味がある私のプログラムはすでにApache Lucene、JSOUP、JSON、Apache POIなどを使用して、ドキュメントなどに画像内の任意の場所のテキストを認識する技術です(これは情報マトリクス(分散データベースに格納)を伴うグラフィックオブジェクトで認識インデックス情報です)によると、何かができない場合 - サイトを探して認識またはそれ自体のために受け入れられる形式にデータを変換することができます場合はできません。
つまり、車輪の再発明をしたいわけではありません。ただ、株式データとトレンド指標という2つの入力変数で高速学習が可能なニューラルネットワークを見つける必要があります。
(Java EEの開発経験は5年ほどで、すでに多くのプロジェクトが実施されています)。
市場取引に ニューロンを付けようともしていない。安定的に稼げるニューラルネットワークの実装が少なくとも1つもなかったので、現時点では不要であり、不可能である可能性が高い。
私のEquityグラフはランダムではなく、非常に有益なものです(検証する必要があります)。
トレンドとフラットの見分け方がわかった。 取引はできているが、もっとパフォーマンスを上げたい。
えーっ、みんな......。
一部のケシャはすでにあなたの救世主になっている...。物理や数学も知らない孫で、サンセンチの忠実な信奉者...。
帰国子女は基本、価格は一体であり、それ以上ではないのですから。
もし、あなたがそれをどうするかわからない場合、価格はそれの積分であるという事実に驚くかもしれません、だから、自分を制限しないでください、神のために、いくつかの「ボルストリートからの量子」おじさんはリターンが十分であると媒体で言い、誰もが彼に同意する。 Quantsはストップループとテクロフィットを使っていない、彼らのためにそれはすべての数学であり、それは別の次元、抽象的なものです.
リターンは勢いであり、また、確率的なmakdak、ジグザグなどがあります。 自分を制限する必要はありません、神によって、いくつかの叔父、媒体中の "volstreetから量子 "のように、十分なリターンと誰もが彼に同意することをしゃべる、よく、クアンとストップループが使用しないとTeyrofits、彼らのためにすべて1連続数学、それは別の次元、抽象的なものです。
アレセンカ兄さんには道を間違えられ、リターンをマイナスで予測され、逃げられてしまいましたが
予測指標について興味深い質問がありましたhttps://stats.stackexchange.com/questions/126829/how-to-determine-forecastability-of-time-series
しかし、「ある予測力」のデータウィンドウサイズへの依存性を確認するために、数行のコードを書くことは気にしませんでした。
そこで、4種類の価格(リターニー)のチャンクを取り出し、それぞれのチャンクのウィンドウサイズに対する「予測力」の依存性をチェックしたところ
x1 は予測値のべき乗、x2 はボックス内のデータ点の数です。
結論:
1) 予測のために固定ウィンドウを取るのは最適とは言い難い
2) 予測に最適なウィンドウは常に "浮遊"
のコードで表示されます。
予測指標に関する興味深い質問提起
それが我々の目的にとってどれだけ重要で、どれだけの影響力があるかは分からないが、「ある予測力」のデータウィンドウサイズへの依存性を確認するために、数行のコードを書く勇気があったのである。
結論:
1) 予測のために固定ウィンドウを取るのは最適とは言い難い
2) 最適な予測ウィンドウは常に "フローティング" であること
結論100点以上の予想は意味がない。
結論100点以上の予想は無意味です。
いや、正しくは「一定期間を取るのは無意味」です