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 2821 1...281428152816281728182819282028212822282328242825282628272828...3399 新しいコメント mytarmailS 2022.11.08 11:33 #28201 hmmは幾何学的 確率を使うのか?いや、そんなものを使ってどうするんだ?通常の確率とは比較にならない。あなたは自分が愚かであることを認めず、投稿のたびに考えを変え、話題から話題へと飛び移り、私を罵倒する。明白なことを認めないために... Maxim Dmitrievsky 2022.11.08 11:36 #28202 それはクラスターの確率を幾何学的に 解釈したものだ。 あなたは妄想だと言われ、何を言っているのかわからない。あれから誰も変わっていない。 mytarmailS 2022.11.08 11:50 #28203 Maxim Dmitrievsky 幾何学的な 解釈で、クラスターに割り当てられる確率である。 なるほどそしてあなたは、この幾何学的な近接確率(クラスターにある)と、通常の確率(ふむふむにある)を同一視して、両者は同じ働きをすると言う。クラスターとふむふむは同じ働きをする、と。もしそれが本当なら、そしてそれが本当なら、判決はケツの穴だ))) Maxim Dmitrievsky 2022.11.08 11:53 #28204 mytarmailS #: さて......。あなたは、クラスターにある幾何学的な近接確率と、ふむふむにある通常の確率を同一視し、両者は同じ働きをすると言う。なぜなら、クラスターとふむふむは同じ働きをするからだ、とあなたは言う......。もしこれが本当なら、そしてそれが本当なら、判決はケツの穴だ))))。 誰もがすでにそのことに気づき、あなたへのレスを止めている。残念なことに、あなたは私の投稿にコメントする勇気があった。ここからは、だらだらと続けてくれ。後でまた知的バッシングに来ればいい。この話題はもう出尽くしたと思うが、あなたはキリンのようにまだ手をつけていない。それはプトゥとしては普通のことだ。 mytarmailS 2022.11.08 12:00 #28205 Ohhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhh.台無しだから台無し・・・。なんて深い議論なんだ(笑)恥を知れNeptushnik))))))))))))))))))))))))))))) СанСаныч Фоменко 2022.11.17 10:07 #28206 不思議な記事 要旨の翻訳 本稿では、様々な為替レートの予測について、ニューラルネットワークとARCH、GARCH、GARCH-M、TGARCH、EGARCH、IGARCHなどの条件付き不均一分散モデルの予測精度を比較する。 多層ペルセプトロン・ネットワーク(MLP)と ラジアル基底関数(RBF)ネットワークは、異なるアーキテクチャーと条件付き異 多層ペルセプトロンネットワーク(MLP)と、異なるアーキテクチャーと条件付き異方性モデルを持つ放射基底関数(RBF)ネットワークが、為替レートの5つの時系列の予測に使用されている。その結果 を予測に効果的に使用できることが示された。 予測に効果的に使用できることが示された。ニューラルネットワークの事例では、RBFネットワークがMLPネットワークよりも有意に良好な結果を示した。 ネットワークが有意に優れている。IGARCHとTGARCHは、他の条件付き異分散モデル モデル。為替レートの予測におけるニューラル・ネットワークの性能は の為替レート予測における性能は、条件付き異分散モデルよりも優れている。ニューラルネットワークが為替レートの条件付き変動率の推定に効果的に使用できることが示された。 為替レートの条件付きボラティリティとオプションのインプライド・ボラティリティの推定に有効であることが示された。 オプションのインプライド・ボラティリティその結果、ニューラルネットワークは、サンプル外予測において、条件付異 モデルを上回ることがわかった。 ファイル: Financial_Time_Series_Forecasting_Compar_p12.zip 244 kb Maxim Dmitrievsky 2022.11.17 11:11 #28207 arche-likeの利点は、パラメータの数が最小であることで、おそらくニューロンが持つ重みの数に関連している。RBFもmlpより重みが少ない。それは数え方の問題だが。 СанСаныч Фоменко 2022.11.19 17:01 #28208 Maxim Dmitrievsky #: arche-likeの利点は、パラメータの数が最小であることで、おそらくニューロンが持つ重みの数に関連している。RBFもmlpより重みが少ない。これは数え方の問題だが。 Archieは非定常性をモデル化し、かなり詳細にモデル化している。 MOモデルは、おそらくニューロンも同じように、パターンを探すことで「歴史は繰り返す」という考えを利用している。 この記事は、非定常性をモデル化するよりもパターン探索の方が有望だと言いたいのだろうか? Maxim Dmitrievsky 2022.11.19 17:40 #28209 СанСаныч Фоменко #:非定常性をモデリングするarchiは、かなり詳細である。MOモデル、おそらくニューロニューロニクスも、パターンを探すことによって「歴史は繰り返す」という考えを利用している。この記事は、非定常性のモデル化よりもパターン探索の経路の方が有望であることを示唆しているのでしょうか? 私の理解では、非定常性のモデル化はボラティリティのモデル化を意味する。トレードの方向性を抜きにして。その点で、パターンや平均増分のシフトは、方向性を持った取引に有望です。まだ記事を見ていない。例えば、過去10年間のユーロバックスは、買わずに定期的に売るべきだ。そこでは、どのような購入も、販売よりもモデルに多くのエラーを導入します。 СанСаныч Фоменко 2022.11.19 19:16 #28210 Maxim Dmitrievsky #: 私の理解では、非定常性をモデル化することは、ボラティリティをモデル化することを意味する。方向性を持った取引はできない。この点で、パターンやシフトする平均値は、方向性を持った取引に有望である。 。 例えば、過去10年間のユーロバックスは、買わずに定期的に売るべきだ。そこでは、買いは売りよりもモデルに誤差をもたらす。 私は同意する。 私たちの端末の取引記号で。ボラティリティが何であるかはまったく明らかではない。 しかし、資産の絶対価値を予測するのであれば、それは別の問題だ。ボラティリティはリスクであり、資産価値を予測する上で極めて重要だ。 おそらくそんなところだろう。 というわけで、ガルチャのことは忘れよう。 1...281428152816281728182819282028212822282328242825282628272828...3399 新しいコメント 理由: キャンセル 取引の機会を逃しています。 無料取引アプリ 8千を超えるシグナルをコピー 金融ニュースで金融マーケットを探索 新規登録 ログイン スペースを含まないラテン文字 このメールにパスワードが送信されます エラーが発生しました Googleでログイン WebサイトポリシーおよびMQL5.COM利用規約に同意します。 新規登録 MQL5.com WebサイトへのログインにCookieの使用を許可します。 ログインするには、ブラウザで必要な設定を有効にしてください。 ログイン/パスワードをお忘れですか? Googleでログイン
それはクラスターの確率を幾何学的に 解釈したものだ。
あなたは妄想だと言われ、何を言っているのかわからない。あれから誰も変わっていない。
さて......。あなたは、クラスターにある幾何学的な近接確率と、ふむふむにある通常の確率を同一視し、両者は同じ働きをすると言う。
不思議な記事
要旨の翻訳
本稿では、様々な為替レートの予測について、ニューラルネットワークとARCH、GARCH、GARCH-M、TGARCH、EGARCH、IGARCHなどの条件付き不均一分散モデルの予測精度を比較する。
多層ペルセプトロン・ネットワーク(MLP)と
ラジアル基底関数(RBF)ネットワークは、異なるアーキテクチャーと条件付き異
多層ペルセプトロンネットワーク(MLP)と、異なるアーキテクチャーと条件付き異方性モデルを持つ放射基底関数(RBF)ネットワークが、為替レートの5つの時系列の予測に使用されている。その結果
を予測に効果的に使用できることが示された。
予測に効果的に使用できることが示された。ニューラルネットワークの事例では、RBFネットワークがMLPネットワークよりも有意に良好な結果を示した。
ネットワークが有意に優れている。IGARCHとTGARCHは、他の条件付き異分散モデル
モデル。為替レートの予測におけるニューラル・ネットワークの性能は
の為替レート予測における性能は、条件付き異分散モデルよりも優れている。ニューラルネットワークが為替レートの条件付き変動率の推定に効果的に使用できることが示された。
為替レートの条件付きボラティリティとオプションのインプライド・ボラティリティの推定に有効であることが示された。
オプションのインプライド・ボラティリティその結果、ニューラルネットワークは、サンプル外予測において、条件付異
モデルを上回ることがわかった。
arche-likeの利点は、パラメータの数が最小であることで、おそらくニューロンが持つ重みの数に関連している。RBFもmlpより重みが少ない。これは数え方の問題だが。
Archieは非定常性をモデル化し、かなり詳細にモデル化している。
MOモデルは、おそらくニューロンも同じように、パターンを探すことで「歴史は繰り返す」という考えを利用している。
この記事は、非定常性をモデル化するよりもパターン探索の方が有望だと言いたいのだろうか?
非定常性をモデリングするarchiは、かなり詳細である。
MOモデル、おそらくニューロニューロニクスも、パターンを探すことによって「歴史は繰り返す」という考えを利用している。
この記事は、非定常性のモデル化よりもパターン探索の経路の方が有望であることを示唆しているのでしょうか?
私の理解では、非定常性をモデル化することは、ボラティリティをモデル化することを意味する。方向性を持った取引はできない。この点で、パターンやシフトする平均値は、方向性を持った取引に有望である。 。
私は同意する。
私たちの端末の取引記号で。ボラティリティが何であるかはまったく明らかではない。
しかし、資産の絶対価値を予測するのであれば、それは別の問題だ。ボラティリティはリスクであり、資産価値を予測する上で極めて重要だ。
おそらくそんなところだろう。
というわけで、ガルチャのことは忘れよう。