In this post will show how to implement CNTK 106 Tutorial in C#. This tutorial lecture is written in Python and there is no related example in C#. For this reason I decided to translate this very good tutorial into C#. The tutorial can be found at: CNTK 106: Part A – Time series prediction with LSTM (Basics) and uses sin wave function in order...
6-7年前に読んだものの再版だと思うが、ボラティリティ・トレードについて書かれている。何度か、通常の注文でオプション取引をシミュレートする方法はないかと思ったが、何も見つからなかった。
これは私が知る限り、比較的新しいものです。原理的には新しいアプローチではないのですが。Pythonの例は、この方法が提案された頃のものです。そこで会議をしている人たち
荒い揮発性は、私が知る限りでは比較的新しいものです。Pythonの例は、ちょうどこの方式が提案された頃です。そこで会議をしている人たちがいます。
いや、大まかなボラティリティはググって2014年の記事ですが、気にしないでください--金融デリバティブを介した取引の話でしょう？
いや、大まかなボラティリティはググって2014年の記事ですが、気にしないでください～、デリバティブを介した取引の話ですよね？
オプションはボラティリティ・トレーディングだが、スポットはストラトを使ってもいいんだ。
平均回帰とボラティリティ・ブレークアウトという2つの戦略があります。そのうちの一つをどう応用するかを考える必要があると思います。
PS はい、アーカイブの記事は2014年に公開されたものです
小説の読みすぎではありませんか？
わら
アレクセイ・ヴャジミキン
2番目の戦略は0.65で、ファンタジーではなく、1つのユニットが出現したときにのみ決定されるが、23%のケースでユニットを識別することができ、この23%のうち65%で正しく識別されたことになる。なお、ポジションを持つ 際のリスクは1～1.3程度ですが、その一部はトロールでカバーされるため、バランスは十分に波打ちます（合理的なストップのため、資本やバランスに違いはありません）。
つまり、ASRに直接影響する過去を混ぜることなく、純粋に将来の値動きを予測する品質が65％というのは素晴らしいということです。
貿易の古い兄弟は、ブランチの荒野でどこかにSBでテストすることを提案し、SBの代わりに価格を取り、SBははるかに50％以上を予測することはできませんので、明らかに55％以上の場合、明らかにどこかクソになるものを見て、精度と他のすべて、しかしZZでその価格はSB同様に "クール "は、その意味は何ですか予測した？SBがトレードできるようになったこと？必ずしも、オプションはボラティリティ・トレーディングですが、そのストラテジーをスポットに適用することができます。
平均回帰とボラティリティ・ブレークアウトという2つの戦略があります。そのうちの1つをどう使うかを考える必要があると思います。
PS はい、アーカイブの記事は2014年に公開されたものです
Q-learningに引き込まれ、読むべきものがたくさんあります。
バライティ・トレーディングをスポットにどのように適用すればいいのかわからない、私が提供できるのはシンプルなグリッドだけだ))
リンク先が読めない、q-learningに引き込まれる、たくさん読まないと。
バリュエーション・トレーディングをスポットにどのように適用すればいいのかわからない、私が提供できるのは簡単なグリッドだけだ )))
オン・キュンニンガリズム サットン、バート私が持っているのは旧版のロシア語版で、新版は英語版のみで、googleで検索することができます。pythonで例題がある新しいものです。
サットン、バルトによるクンニリンガルについて。旧版はロシア語、新版はgoogleで英語版のみ。新しいものは、pythonでの例題があります。
はいダウンロード、たくさん読みました。
SZY: CNTKのネットワークで例を掘ってみましたが、C#でLSTMを作るのは難しくないようです。ただ、一つ問題があって、Microsoftの怠慢で、CNTK公式ページでも、PythonからAPIを勉強するように言われて、マニュアルはこちら、そこも使ってくださいと言われています。
https://bhrnjica.net/2017/12/07/cntk-106-tutorial-time-series-prediction-with-lstm-using-c/
はい、ダウンロードしました、たくさん読みました、このクニもチェックする必要があります ))))
ZS: ネットワークの中にCNTKの例がありますが、C#でLSTMを作るのは難しくないようです。一つ問題があって、Microsoftは怠慢になりました。CNTKのホームページでも、PythonからAPIの勉強に行かせて、ここにマニュアルがあるから、そこも使えと言います。
https://bhrnjica.net/2017/12/07/cntk-106-tutorial-time-series-prediction-with-lstm-using-c/
品切れが多くて誰が使うのかわからない。
を2層にして、各層のニューロン数を1個に減らしてみてください。
白い縦線の前 - サンプル、後 - OOS
ニューロンの数が多ければ多いほど、適合する確率が高くなる（自由度が高くなる）ので、ニューロンが少なくともある程度賢明な結果を出せる限り、ニューロンの数を減らしてみてください。
つまり、入力の情報が明確で、メッシュが荒いほど良いということです。
ウラジミールさん、こんにちは
私が送ったスクリプトはどうですか、実験してみましたか？ もしかして、アイデアと回帰の方法が開発されたのでは？