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 999

[Alexander_K2]

ユーリイ・アサウレンコ
しかも量子力学って(( R Fourierっていつだっけ？

えー...帽子にひかれた・・・。くそー、ユーリ-、受験はもういい。なぜ、卒業証書のスキャンデータを添付しなければならないのですか？人を信じることです。

これは何？

[Alexander_K2]

EE...

量子力学的な粒子の半径-ベクトル演算子？

えー...

[Alexander_K2]

ユーリイ・アサウレンコ

そんなものを本当にアルゴリズムに使っているのですか？

[Yuriy Asaulenko]

サンサニッチ・フォメンコ

ARCHのエフェクトはどうなったのでしょうか？その数、100以上？そして、そのことに終わりはないのでしょうか？

よくわからないんですけどね。

もう一度言いますが、ディストリビューションビューションビューションは全く別の曲です。少なくとも数週間は、パラメータが安定している。

[Aleksey Nikolayev]

ユーリイ・アサウレンコ
よくわからないんですけどね。

もう一度言いますが、配信の種類は全く別の曲です。パラメータは少なくとも数週間は安定しています。

どうやら、一変量分布のほかに、一変量分布の積に減衰するとは限らない逆多変量分布があることがポイントらしい（確率的依存性）。これは、いくつかの追加効果につながります。複数のx-ARCHは、これらの影響を考慮するのに役立つ。

[СанСаныч Фоменко]

ユーリイ・アサウレンコ
よくわからないんですけどね。

もう一度言いますが、分布の形は別の曲です。パラメータは少なくとも数週間は安定しています。

標準的なGARCHモデルは、3つの部分から構成されている。

1.デトレンドを行う。分数微分を使ってハーストを包含するのが理想的

2.分散モデリング。これは分散の形だけでなく、かたまり、ジャンプ後の挙動など...。

3.ディストリビューション・モデリングこれにより、ロングテールを考慮することが可能になります。

[Sergej Sergienko]

サンサニッチ・フォメンコ

標準的なGARCHモデルは、3つの部分から構成されている。

1.デトレンドを行う。分数微分を使ってハーストを包含するのが理想的

2.分散モデリング。これは分散の形だけでなく、かたまり、ジャンプ後の挙動など...。

3.ディストリビューション・モデリングこれにより、ロングテールを考慮することが可能になります。

SanSanychさん、このアルゴリズムの実装はどこで見ることができるか教えてください。

[TheXpert]

Alexander_K2 です。

なぜ古参の人たち（ウォーロック、トキシックなど、もちろんあなたも含めて）はこれをやらないのでしょうか？MTからリアルトレードのレポートも見たことがない。

強いて言えば、MTで取引されていないからでしょうか？

ここで何をするのかという問いは、もっと難しい。癖になる。かつてここ（MTコミュニティ）には、いつも面白い課題を探している本当にかっこいい研究者たちがいて、それを読んでいるだけでも面白かったんです。今は、アサウレンコのような、レナやニキーチンのような、おしゃべりな人たちに取って代わられている。有益なコンテンツを生み出しているのは、ほんの数人です。しかし、習慣的に掲示板に残っている人もいます。

[Aleksey Nikolayev]

サンサニッチ・フォメンコ

1.デトレンドを行う。分数微分を使ってハーストを包含するのが理想的

あまり詳しくはないのですが。ARFIMAによるデトレンドは、トレンドの急激な変化（トップまたはボトム）に対して有効なのでしょうか？

[СанСаныч Фоменко]

セルゲイ・セルジエンコ

このアルゴリズムの実装はどこにあるのか、教えてください。

Rugarchのパッケージ。そのうちの1つ ...