市場のエチケット、あるいは地雷原でのマナー - ページ 52

 
paralocus писал(а)>>

そして、エラーベクトルの長さが何とも新しい...。スルーしてました -:)

三角形の辺の長さはどのように調べるのですか?そうなんだ!- ルートの下の二乗の和を取るのです。

こちらも同じで、データベクトルの長さで正規化するだけです。だから、今に始まったことではないのです。すべて科学的です。

 
二重にしたときのkは
 
今、1本持っています。まだ関係ないと思いますが、スピードは良くなっています。
 
まだ、その域には達していないようです。どこかで虫捕りをする予定です。というのも、ダイレクトインデックスは1層では良いのですが、2層では非常に複雑で、おそらくそのために動作が遅くなる(そしておそらく不具合もある)のです。
 

以下は、全ウエイトにわたる「圧縮」サイクルの一例である。

 

また、すべてのウェイトを同じ配列に入れ、インデックスもほぼ同じにしました。


 
grasn >> :

未来の+1バーの「色」を予測しているのか、それとも現在のバーの履歴を使って、より正確に動きを推定しているのか?

了解しました、ありがとうございます。教えてください、NSの最適な結果、つまり実験の総量の何パーセントの棒が成功するかは、どのように推定するのでしょうか?まあ、例えば1000本のうち99%は正しく予測できたわけですからね。どのように見積もっていますか?

 

そこで...あなたがこの問題を考えている間(ノボシビルスクとの時差を考えると、あなたは眠っているでしょう)、私は好奇心のために、AR方式でバーの色を 予測してみることにしました。ロブ」を予想して、バーの色を予想してみました。x[n]-x[n-1] (H+L)/2 の「直接」方向(「+」または「-」)をモデル同定なしで予測しようとしたのです。同様に、予想通り、一度にできないからゴミになる。しかし、昔からのシリーズ処理のアイデアを思い出し、ある実験結果を得ました(EURUSD 15分足で5000サンプル)。


  • 0 - 方向に誤差がある
  • 1 - 方向が正しい



一番残念なのは、エラーが出ないことです...。でも、セレガさんのおっしゃるとおり、バーにおける「方向性」と、平均二乗の「バーの呼吸」を知ることで、良い戦略を構築することができます(一部神秘主義的な表現があります)。では、結果はどうでしょうか?どれだけ嘘が許されるシステムなのか、見積もっているのでしょう?

 
grasn писал(а)>>

了解しました、ありがとうございます。教えてください、NSの最適な結果、つまり実験の総量の何パーセントの棒が成功するかは、どのように推定するのでしょうか?まあ、例えば1000本のうち99%は正しく予測できたわけですからね。見積もりや既存の結果はどうなっているのでしょうか。

予想される動きの方向だけを予測したい場合は、式を使って予測の正答率を推定する必要があります。p=n(+)/N、ここで Nは 実験の総数、n(+)は正しく推測された符号の数である。

振幅を考慮した予想移動量の予測ということであれば、上記の本トピックで紹介したアルゴリズムで予想雲を作り、それを通る直線を最小二乗法で引くことで、予想信頼度を正しく見積もることができます。その傾きの正接は、選択したアルゴリズムの予測精度を特徴付け、実験点の分散はリスクを示す。

以下は、トレーニングサンプル(赤)とテストサンプル(トレーニングに参加していない)のプロットの例です。

小川さんのおっしゃる通り、小節の「方向」を知ることで、二乗の「小節の呼吸」(神秘主義的ですが)を知ることができ、良いストラテジーを構築することができます。では、結果はどうでしょうか?どれだけ嘘が許されるシステムなのか、見積もっているのでしょう?

しました。それが、このスレッドの最初の部分です。読んでみてください。この推定結果によると、システムが統計的に信頼できる優位性(正答率50%以上)を与える場合、MMの最適なパラメータを明確に定義し、市場を最大限に活用することができます。

追伸:時間をかけてやっと理解されたのはすごいですね!?そして、同じ時間にあなたからいくつの侮辱的なニックネームを聞いたことでしょう。そして、あと何回聞けばいいのか...。

 

to中性子



Если говорить о прогнозе ТОЛЬКО направления ожидаемого движения, то оценивается процент правильно угаданных движений по формуле: p=n(+)/N, где N - полное число экспериментов, n(+) - число правильно угаданных знаков.

その振幅を考慮して予想される動きを予測するということであれば、上記のこのトピックで紹介したアルゴリズムで予報雲を作り、それを通る直線を最小二乗法でプロットすることで、予報信頼度を正しく見積もることができるはずです。その傾きの正接は、選択したアルゴリズムの予測精度を特徴付け、実験点の分散はリスクを示す。

トレーニング用サンプル(赤いサンプル)とテスト用サンプル(トレーニングに参加していないサンプル)について、このような描画を行った例を示します。

推定値です。このスレッドの最初の部分は、それに専念しています。読んでみてください。この推定結果によると、システムが統計的に有意な優位性(正答率50%以上)を持つ場合、MMの最適なパラメータを明確に定義し、市場を最大限に圧迫することが可能となります。

超弩級のNSシステムの推測率をはっきり教えて ください。それに、色だけを予測するとおっしゃいましたが、それが振幅とどう関係があるのでしょうか?そういう話題ではないんです。無理に全部読まなくてもいいんですよ、特にあなたの数字はもう変わっているかもしれないんですから。

追伸:時間をかけてやっと理解されたのはすごいですね!?そして、同じ時間にあなたからいくつの侮辱的なニックネームを聞いたことでしょう。あと、何個買えばいいんだ...。

セリョーガ、あなたは精神が傷つき、自我が肥大化しています。早く、そんなくだらないことを書かないでください。また、あなたは記憶力が乏しく、自分が普通の人や基本的に善良な人をキチガイ呼ばわりしたことを忘れてしまっているのです。アイアイ、ドゥハー。


追記:ピレミーARモデルがNSと比較して悪い結果をもたらさないことをようやく理解するまでに、どれほどの時間がかかるか驚きです。