Распределение с «толстыми хвостами» (fat-tailed distribution) - это распределение вероятности, которое, наряду с другими распределениями с «тяжелыми хвостами» (heavy-tailed distributions), имеет особенность проявлять большой коэффициент асимметрии (skewness) или эксцесс (kurtosis). Сравнение «толщины» часто делается относительно нормального...
A 試してみてはいかがでしょうか。テールを外すこともあれば、それが有効なこともある。
そして、時には前足を切り落としたりもします ;)
何を言ってるんだ?
そして、時には前足を切り落としたりもします ;)
何を言ってるんだ?
学べ!前足、角、ひづめ。
テールを見れば、そのプロセスがよくわかる。
http://www.long-short.ru/post/raspredelenie-s-tolstymi-hvostami-491
ところで、誰か興味があるのか、ないのか、私にはわからない。5年後に利益が出て検証をパスするような訓練されたロボットが必要ですか?
このように
休暇から戻ってきました。 ファイルを用意して投稿すれば、必要な人が自分で改良してくれます。
ところで、誰か興味があるのか、ないのか、私にはわからない。5年後に利益が出て検証をパスするような訓練されたロボットが必要ですか?
このように
私は休暇から戻ってきました。私はファイルを準備し、それを投稿し、それが必要な人は自分でそれを改善することができます。
収益性が非常に低い...。お金は銀行に預けておくのが安全です。
収益性が非常に低い...。銀行に預けておく方が安全です。
ただ、高い位置での投稿はしない。
まあ、それは理解できるのですが...。)
状態を見る - 純粋に機械的な反応...誰かが必要としている。
学べ!前足、角、ひづめ。
分布の尾を見れば、プロセスのことがよくわかる。
ありがとうございます、読みましたが、私が考えているのとは違います。 抽象的でない方法で説明しますと...。
予測変数があり、これをrsiインジケータと呼ぶことにします。
1) 10個の範囲に分割する
2) これらの範囲を予測変数とする
3) それらについてモデルを構築し、ランダムなfとする。
4)見てみると、10レンジのうち1レンジが他より10倍強いことがわかる
5) 前の投稿で質問した内容を読んでください ;)
ここではテールやディストリビューションは必要ないんじゃないですか?
まあ、それは理解できるのですが...。)
状態を見る - 純粋に機械的な反応...誰かがやらなければならない。
ありがとうございます。読んでみましたが、全然そんなことはないと思います。抽象的でない説明をしてみますね...。
予測変数があり、それをrsiインジケータとすると、0から1までの値の範囲 を持っています。
1) 10個の範囲に分割する
2) これらの範囲を予測変数とする
3) それらについてモデルを構築し、ランダムなfとする。
4)見てみると、10レンジのうち1レンジが他より10倍強いことがわかる
5) 前の投稿で質問した内容を読んでください ;)
ここではテールやディストリビューションは必要ないんですよね?
そして、純粋に機械的に間違っているのです。無駄にドル建てで年率20%のリターンはないでしょう。FSをもとに算出したものです。
よし、歴史上とても良い取引実績だ!おめでとうございます。