市場現象 - ページ 26 1...192021222324252627282930313233...75 新しいコメント Candid 2011.07.11 20:10 #251 paukas: 慣性が働かない :) 思考回路を詳しく教えてください。 例えば、こんな感じです。仕事とは、力と変位の積である。慣性は力ではないので、働くことはできません。したがって、慣性が働かないのです :) Dmitry Chepik 2011.07.11 20:10 #252 paukas: ゴップストップ))。 しかも合法化された! 鬼畜にも程がある!))) Vladimir Paukas 2011.07.11 20:13 #253 Candid: 思考回路を詳しく教えてください。 例えば、こんな感じです。仕事とは、力と変位の積である。慣性は力ではないので、働くことはできません。その結果、慣性が働かない :) トピックスターターの証明は確かなものです。 うまくいっているのなら、なぜフォーブスのリストであなたを見かけないのでしょうか? :)) Dmitry Chepik 2011.07.11 20:15 #254 Candid: 思考回路を詳しく教えてください。 例えば、こんな感じです。仕事とは、力と変位の積である。慣性は力ではないので、働くことはできません。その結果、慣性が働かない :) 慣性は力の結果ですから、相対的に働きます :) Candid 2011.07.11 20:23 #255 paukas: トピックスターターのストイックな証明。 それがうまくいったのなら、なぜフォーブスのリストであなたを見かけないのでしょう? :)) 思考の惰性。もしうまくいったら、2つの冷蔵庫からビールを飲んで、何もしないでしょう(笑)。 Vladimir Paukas 2011.07.11 20:25 #256 Candid: 思考の惰性。もしうまくいったら、2つの冷蔵庫からビールを飲んで、何もしないでいることでしょう :)そんな風に生きてみたかった! 今日の安値を割ったところで注文を出す。 もしかしたら、あと100pipsくらいは惰性で行くかもしれません。 Дмитрий 2011.07.11 20:33 #257 paukas: 私は非難されるでしょう! 今日の安値を割ったところで注文を出す。 多分、あと100pipsは続くと思います。 本当にpipsなんですか?ビールと一緒にポテトチップスはいかがですか? Igor Makanu 2011.07.12 04:52 #258 paukas: こんな生活してみたかった! 今日の安値の内訳を注文しておく。 もしかしたら、あと100pipsくらいは惰性で行くかもしれません。 あんなに価格を予測していたのに!?パウカスはさらに60pipsを予測した!- それが「フェノメノン」だ! :) Vladimir Paukas 2011.07.12 05:43 #259 IgorM: あんなに価格を予測すればよかった!?パウカスはさらに60pipsを予測した!- そこにいたのか、あの現象が! :) どうすればいいのか?穴は穴でも、食べなければならない。:)) Сергей 2011.07.12 07:08 #260 alexeymosc: という言葉を入れたくなりました。 この結果は、とても不思議で、予想外のものだと思います。(赤い線は、差の総和が±λを超えない累積BPを示すという理解で合っているでしょうか)非常に意外でもあります。次に驚いたのは、価格データとの差です。非常に分かりやすいですね。ただし、合成乱数にはどのような分布を指定したのか、お聞きしたいところです。 はい、(この例では)累積BP.もう一度(別のスレッドの私の投稿を使い、少し修正しました)。 市場モデル いろいろと模索した結果、この「ランダムな構造を持つ制御システム」というものを、市場モデルの実用版として採用しました。私の考えでは(数学ではありませんが)、このモデルは見積もりプロセスをそのすべての微妙な点を含めて適切に記述しています。 その本質はとてもシンプルです。入力から出力への変換を記述する構造体は有限である。このような構造はそれぞれ、変換を行うための何らかのモデルを意味する。観測されるプロセスは、構造間の遷移(スイッチ)によって形成される。これらすべてを示したのが、下の写真です。 各モデルにはパラメータが設定されており、これもスイッチングごとに変更することができます。そこで、大きく分けて2つのプロセスがあり、それぞれのプロセスが独自の階層を持ち、階層のノードに位置する各要素が独自の構造を持っていると仮定しました。 プロセスインタラクション この2つのプロセスは、遷移行列(推定)に従って互いに競合し、すなわち、これらのプロセス間で引用符の生成を切り替える市場いくつかのシステムに "外部"(もちろん、従来)があります。後ほど、参考にしながら詳しく紹介します。 実践への適応。 すべてが素晴らしい。しかし、そのようなシステムを正確に特定することは不可能だ。そこで、A=W(1)MODEL1(パラメータ)+W(2)MODEL2(パラメータ)+...+W(n)MODELn(パラメータ)の「複合モデル」を紹介します。ここで、W(n)はこれらのモデルの予測への参加度合いを示す重みである。発明された変換によるプロセスを明示的に分割することができるかもしれません。でも、それは後の祭り。 私は何を使って仕事をしているのか? 私は直接見積もりには応じません。非常に複雑なプロセスだからです。いろいろとトリッキーな変形を紹介していますが、私が言ったことは、それらにも当てはまります。複雑さはどこにも行かない、つまり継承されるのです。プロセスを簡略化することはできません。また、簡略化してしまうと、プロセスそのものが失われてしまうこともあります。(すなわち、私が説明したよりもさらに少し複雑ですが、現象とさらに興味深い観察結果を示しました) 時系列進化の解析 基本的なステージです。この段階で、何らかの基準で可能性のある構造をすべて洗い出します。これらの構造間の遷移の統計量を推定する。構造体の遷移周波数行列を決定する。将来的には、いわゆるインパルスニューラルネットワーク(あるいはウェーブネットワーク)を使っていこうと考えています。非常に期待できる方向性だと思います。 アルゴリズム (1) 行動に関するいくつかの仮定を立てることで、計画地平のある瞬間のシステムの将来の状態の確率的な推定を行う。ニューラルネットワークは、結果として得られる初期状態の確率評価行列p=f(time,cotir)を這い回り、今度は入口/出口点の存在について仮定する。計画地平に参入・撤退があるかどうかを非常に正確に知ることができます。あとは、それを見つけるだけです。 (2)正確な予報を立てるための指令が出される。実行されます。 - onの電流構造の特定 - 最も可能性の高い将来構造の選択の評価 - 将来モデルのパラメータを特定する (3) シミュレーションを実行する (4) 次にニューラルネットワークは、結合されたモデルの係数を推定する。 2つ目は、このスレッドの筆者の仮説である「マルコフ遷移」についてです。ラムダの内側と外側の増分を分離したモデルにこだわるなら)増分の自己相関があるので、非ランダム性が見られると思います(moduloを取る)。そして、もともと提案されている、全範囲に谷があるモデルを考えてみると、どうでしょう、やってみるべきですね。 ランダムでないことはすでに発見されており、その証拠に、アレクセイ(数学者)の広範な研究がある。確認したところ、すべて正常でした。しかし、もしマルコフ性が尊重されなければ、すべてがもっと複雑になり、私たちはそれを再発明しなければならないでしょう:o( それは面白い Market phenomena MQL5のALGLIB数値解析ライブラリ 1...192021222324252627282930313233...75 新しいコメント 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
慣性が働かない :)
思考回路を詳しく教えてください。
例えば、こんな感じです。仕事とは、力と変位の積である。慣性は力ではないので、働くことはできません。したがって、慣性が働かないのです :)
ゴップストップ))。
しかも合法化された! 鬼畜にも程がある!)))
思考回路を詳しく教えてください。
例えば、こんな感じです。仕事とは、力と変位の積である。慣性は力ではないので、働くことはできません。その結果、慣性が働かない :)
トピックスターターの証明は確かなものです。
うまくいっているのなら、なぜフォーブスのリストであなたを見かけないのでしょうか? :))
思考回路を詳しく教えてください。
例えば、こんな感じです。仕事とは、力と変位の積である。慣性は力ではないので、働くことはできません。その結果、慣性が働かない :)
トピックスターターのストイックな証明。
それがうまくいったのなら、なぜフォーブスのリストであなたを見かけないのでしょう? :))
思考の惰性。もしうまくいったら、2つの冷蔵庫からビールを飲んで、何もしないでいることでしょう :)
そんな風に生きてみたかった!
今日の安値を割ったところで注文を出す。 もしかしたら、あと100pipsくらいは惰性で行くかもしれません。
私は非難されるでしょう!
今日の安値を割ったところで注文を出す。 多分、あと100pipsは続くと思います。
こんな生活してみたかった!
今日の安値の内訳を注文しておく。 もしかしたら、あと100pipsくらいは惰性で行くかもしれません。
あんなに価格を予測していたのに!?パウカスはさらに60pipsを予測した!- それが「フェノメノン」だ!
:)
あんなに価格を予測すればよかった!?パウカスはさらに60pipsを予測した!- そこにいたのか、あの現象が!
:)
という言葉を入れたくなりました。
この結果は、とても不思議で、予想外のものだと思います。(赤い線は、差の総和が±λを超えない累積BPを示すという理解で合っているでしょうか)非常に意外でもあります。次に驚いたのは、価格データとの差です。非常に分かりやすいですね。ただし、合成乱数にはどのような分布を指定したのか、お聞きしたいところです。
はい、(この例では)累積BP.もう一度(別のスレッドの私の投稿を使い、少し修正しました)。
市場モデル
いろいろと模索した結果、この「ランダムな構造を持つ制御システム」というものを、市場モデルの実用版として採用しました。私の考えでは(数学ではありませんが)、このモデルは見積もりプロセスをそのすべての微妙な点を含めて適切に記述しています。
その本質はとてもシンプルです。入力から出力への変換を記述する構造体は有限である。このような構造はそれぞれ、変換を行うための何らかのモデルを意味する。観測されるプロセスは、構造間の遷移(スイッチ)によって形成される。これらすべてを示したのが、下の写真です。
各モデルにはパラメータが設定されており、これもスイッチングごとに変更することができます。そこで、大きく分けて2つのプロセスがあり、それぞれのプロセスが独自の階層を持ち、階層のノードに位置する各要素が独自の構造を持っていると仮定しました。
プロセスインタラクション
この2つのプロセスは、遷移行列(推定)に従って互いに競合し、すなわち、これらのプロセス間で引用符の生成を切り替える市場いくつかのシステムに "外部"(もちろん、従来)があります。後ほど、参考にしながら詳しく紹介します。
実践への適応。
すべてが素晴らしい。しかし、そのようなシステムを正確に特定することは不可能だ。そこで、A=W(1)MODEL1(パラメータ)+W(2)MODEL2(パラメータ)+...+W(n)MODELn(パラメータ)の「複合モデル」を紹介します。ここで、W(n)はこれらのモデルの予測への参加度合いを示す重みである。発明された変換によるプロセスを明示的に分割することができるかもしれません。でも、それは後の祭り。
私は何を使って仕事をしているのか?
私は直接見積もりには応じません。非常に複雑なプロセスだからです。いろいろとトリッキーな変形を紹介していますが、私が言ったことは、それらにも当てはまります。複雑さはどこにも行かない、つまり継承されるのです。プロセスを簡略化することはできません。また、簡略化してしまうと、プロセスそのものが失われてしまうこともあります。(すなわち、私が説明したよりもさらに少し複雑ですが、現象とさらに興味深い観察結果を示しました)
時系列進化の解析
基本的なステージです。この段階で、何らかの基準で可能性のある構造をすべて洗い出します。これらの構造間の遷移の統計量を推定する。構造体の遷移周波数行列を決定する。将来的には、いわゆるインパルスニューラルネットワーク(あるいはウェーブネットワーク)を使っていこうと考えています。非常に期待できる方向性だと思います。
アルゴリズム
(1) 行動に関するいくつかの仮定を立てることで、計画地平のある瞬間のシステムの将来の状態の確率的な推定を行う。ニューラルネットワークは、結果として得られる初期状態の確率評価行列p=f(time,cotir)を這い回り、今度は入口/出口点の存在について仮定する。計画地平に参入・撤退があるかどうかを非常に正確に知ることができます。あとは、それを見つけるだけです。
(2)正確な予報を立てるための指令が出される。実行されます。
- onの電流構造の特定
- 最も可能性の高い将来構造の選択の評価
- 将来モデルのパラメータを特定する
(3) シミュレーションを実行する
(4) 次にニューラルネットワークは、結合されたモデルの係数を推定する。
2つ目は、このスレッドの筆者の仮説である「マルコフ遷移」についてです。ラムダの内側と外側の増分を分離したモデルにこだわるなら)増分の自己相関があるので、非ランダム性が見られると思います(moduloを取る)。そして、もともと提案されている、全範囲に谷があるモデルを考えてみると、どうでしょう、やってみるべきですね。
ランダムでないことはすでに発見されており、その証拠に、アレクセイ(数学者)の広範な研究がある。確認したところ、すべて正常でした。しかし、もしマルコフ性が尊重されなければ、すべてがもっと複雑になり、私たちはそれを再発明しなければならないでしょう:o(