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 2523

[Evgeny Dyuka]

mytarmailS#:

サードパーティーのサービスなのか、それとも何なのか、どうやって放送 するのか、どうすればいいのか。

1.これを持ってhttps://github.com/tvjsx/trading-vue-js

2.ホスティングにアップロードし、jsonファイルから読み込むインジケータを追加する

3.そこに、このスクリプトを引けばファイルが更新されるようなスクリプトを実行する。

4. どこか別の場所でニューロなどを実行し、信号が手順3のスクリプトに到達したら

---

インジケータはAPI経由でシグナルを受け取るべきで、私にはうまくいきませんでした。

[mytarmailS]

エフゲニー・デューカ#:

ありがとうございます。今の私には複雑すぎますね。

[Rorschach]

Aleksey Nikolayev#:

そうです。SBの定義から、将来のすべての増分は現在と過去の値から独立しており、したがって共分散はすべてゼロになるのです。

1ではなく、時間jとともに増加する分散である。白色雑音Xiの分散をdとすると、COV(Yj,Yj)=j*d^2 です。そのためには、YjをX1+...+Xjの和として表し、白色ノイズの特性を考慮して計算する。

その結果、置換後のACF=sqrt(min(j,k)/max(j,k))となる。もちろん、何か失敗していなければですが）。

ACF SBの話題は、特に感受性の強い実務家を不安にさせないよう、ここで一旦終了とさせていただきます)

minとmaxは +- ∞ ?

[Aleksey Nikolayev]

ロールシャッハ＃：

minとmaxは +- ∞ ?

j>=1, k>=1

例えば、j=2, k=8 → min(j,k)=2, max(j,k)=8 → ACF(2,8)=sqrt(2/8)=1/2 のようになります。

[Renat Akhtyamov]

Aleksey Nikolayev#:

そうです。SBの定義から、将来のすべての増分は現在と過去の値から独立しており、したがって共分散はすべてゼロになるのです。

1ではなく、時間jとともに増加する分散である。白色雑音Xiの分散をdとすると、COV(Yj,Yj)=j*d^2 です。そのために、YjをX1+...+Xjの和として表し、白色ノイズの性質を考慮して計算する。

その結果、置換後のACF=sqrt(min(j,k)/max(j,k))となる。もちろん、何か失敗していなければですが）。

ACF SBの話題 は、特に感受性の強い実務家を不安にさせないために、ここで一旦終了と させていただきます)

ブランチとクローズで初めて面白いことが始まりました;)

イラストは、これらの式の魅力は何であるかを理解するために、なります。

[Доктор]

Aleksey Nikolayev#:

白色雑音Xiの分散をdとすると、COV(Yj,Yj)=j*d^2です。

同僚、邪魔して悪いけど、このフレーズには事務的な間違いがあるのでは？

[Aleksey Nikolayev]

博士号：

お邪魔します、同僚さん、その文章、誤字脱字がないですか？

COV(Yj,Yj)=j*d (あるいはホワイトノイズの分散をd^2 で表すべきでした)。ありがとう、同僚。最終的なACFの式はこの影響を受けませんが、分散と標準偏差と分散を同じ文字で表すのは、かなり悪い調子です。

[LenaTrap]

正直なところ、まったく理解できない。

p.s. 誰か頭のいい数学者が私に同情して、ここで何が起こっているのか説明してくれるかもしれませんね。

[secret]

市場のACFをすでにカウントしている)

[Valeriy Yastremskiy]

LenaTrap#:

正直なところ、まったく理解できない。

p.s. 誰か頭のいい数学者が私に同情して、何が起こっているのか説明してくれるかもしれませんね。

2、3年セオリー通りに勉強していないと、説明するのは難しいです。