The YUIMA Software performs various central statistical analyses such as quasi maximum likelihood estimation, adaptive Bayes estimation, structural change point analysis, hypotheses testing, asynchronous covariance estimation, lead-lag estimation, LASSO model selection, and so...
顔は同じように見えるが、問答は...。同上グラウンドホッグ・デイみたいだ)))
ZZはまた80%か・・・。
素直でない人は、何かの陰謀か、自分のタワーに問題があるのではと疑ってしまう。
これは同じことについての3回目か4回目の「波」のようですが、2/3以上の投稿が読まれていないので、確かなことは言えません。
どうしたんだお前ら
英語といえば、ヌバットの皆さんは何をやっているのか知りませんが、科学者たちは今でもボラティリティをモデル化するために分数ブラウン運動の研究をしているんですよ。これ以上正確な相場の動きを表現する方法は、まだ世の中に存在しないのです。ブラック・アンド・ショールズから新しい研究まで。
https://tpq.io/p/rough_volatility_with_python.html
https://www.quantstart.com/articles/derivatives-pricing-ii-volatility-is-rough#ref-gatheral
今のところ、キャンドルの色の予測やジグザグなど、幼稚園のお遊戯会のような話ばかりですね。Rにはyuima パッケージがあり、分数ブラウン、レビー飛行など、このようなものがすべて揃っています。それに関する本が あり、少なくとも書誌の関係で役に立つかもしれません。
わら
ZZについては、私は議論しない、95%を取得するのは簡単ですが、それは無駄 です、私はASRが直接依存している過去の混合のない、純粋な将来の価格変動の素晴らしい65%の品質の予測を意味します。
先輩の男については、ブランチの荒野のどこかで彼らはSBでテストすることを提案し、価格の代わりにSBを取るとacuracieとすべての残りの部分はどうなるかを見て、それは明らかに55%以上であれば明らかにどこかに、SBは50%よりもはるかに多くを予測できないので、混乱ですが、ZZとその価格は、SBが同様に "クール "と予測している、それは何を意味するのでしょう。SBがトレードできるようになったこと?1.簡単なものであれば、数字で具体的な例を挙げてみてください。
2.アドバイス(「取る」「見る」)は必要ない、自分でやって、具体的な例で自分の主張を証明してください。そして、「お兄さんたち」への言及・・・。シンプルに「ある人がそう言った」と書けばいいのに。
賢いおしゃべりな人が多すぎる。
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、アイデアや回帰の方法を開発したのでは?
プライベートメッセージで
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、調整の確率が高くなる(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る。
つまり、入力や粗いメッシュの情報が鮮明であればあるほど良いということです。
そうなんですか?
結果は改善されたのですか?Rにはyuima パッケージがあり、分数ブラウン、レビー飛行など、このようなものをすべて備えています。それに関する本が あり、少なくとも参考文献があるので役に立つかもしれません。
ありがとうございます!最後の方に前代未聞のモデルがあるんですね!読んでみます。
ありがとうございます。最後に聞いたことのないモデルもあり、読んでみようと思います
いろいろなものが入っています。例:複合ポアソン過程、アレクサンダーがTPブランチから発明し、決して発明しない)
は改善されたのでしょうか?残高のばらつき(ノコギリ波振幅)が若干大きくなり、取引回数が減りましたが、フォワードではかなり長い間安定した状態を繰り返しています。そして、2層に20、50、1000のニューロンを入れると、学習済み周期は揃っているのに、すぐに底に落ちたり、カオスになったりします。また、10ニューロン×30層でも試してみましたが、同じでした。2つの層に3つのニューロンを配置しました - stable))) 。)
リアルに載せてくれ、チェックする
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、調整の確率が高くなる(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る。
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。
美しすぎて、よだれが出そうで疲れます。
これは何時代に間に合うのか? 秘密の技術は何なのか?