市場現象 - ページ 28

[Vladimir]

Farnsworth:

市場モデル

...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、変換を行うためのある種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（スイッチング）により形成される...

正しい方向で考えているように思います。また、ある時期の価格は、これらの構造の遷移としてだけでなく、それらの重み付けされた組み合わせとして表現されることも付け加えます。重要なのは、これらの構造を見つけることです。どんなものですか？プリンシパルベクター？フーリエ変換のようなサインとコサイン？ウェーブレット？時系列からこれらの構造を正しく識別する方法をご存知の方がいらっしゃいましたら、ご意見をお聞かせください。ここでは多くの選択肢があるかもしれませんが、正しいのはひとつだけです。私は、価格を記述するのに必要な量が最も少ない、それらの構造（ウェーブレット）を正しいと考えます。これは、私の無線工学の経験からのものです。送信されるデジタル情報は、100110...は、デジタルフィルター/DAC変調 器を通過することで、元の情報よりも多くの値を持つアナログ信号に変換されます。市場価格を構造間の遷移として表現するプロセスは、電波信号を復調する（あるいは確率過程の次元を小さくする）プロセスと本質的に同じである。この信号を正しく復調するためには、信号がどのようなフィルター（構造）で符号化されているかを知る必要がある。

[Tantrik]

Farnsworth:
皆さん、私は長期に渡ってフォーラムを離れることになりました。

もちろん残念なことに...。(アルファとオメガを数えるために数える - 私は、これらはトレンド、トレンドの反転を隠すためのマスキングアクションだと思う）。

[Sceptic Philozoff]

gpwr 問題は、このデコード（というか、ほぼ同じ意味での構造体の切り替え）が非線形である可能性が高いことです。

イベント間の直線的なリンク（ピアソン相関）は、イベント間の「距離」が小さいと既に消滅している。距離とは、ベースとなるTFユニットの数、つまりバーの数のことです。

今のところ、私自身は暗中模索で手探り状態なので、追加で言うことはないのですが。

[sergeyas]

gpwr:
正しい方向で考えているように思います。また、ある時間間隔での価格は、これらの構造間の単純なトラバースではなく、それらの重み付けされた組み合わせとして表現される。重要なのは、これらの構造を見つけることです。どんなものですか？プリンシパルベクター？フーリエ変換のようなサインとコサイン？ウェーブレット？時系列からこれらの構造を正しく識別する方法をご存知の方がいらっしゃいましたら、ご意見をお聞かせください。ここでは多くの選択肢があるかもしれませんが、正しいのはひとつだけです。私は、価格を記述するのに必要な量が最も少ない、それらの構造（ウェーブレット）を正しいと考えます。これは、私の無線工学の経験からのものです。送信されるデジタル情報は、100110...は、デジタルフィルター/DAC変調器を通過することで、元の情報よりも多くの値を持つアナログ信号に変換されます。市場価格を構造間の遷移として表現するプロセスは、電波信号を復調する（あるいは確率過程の次元を小さくする）プロセスと本質的に同じである。この信号を正しく復調するためには、この信号がどのようなフィルター（構造）でコーディングされたかを知る必要がある。

無線技術者として（残念ながらすでに過去のことですが）、復調の考えを支持します。

同期検出のアイデアが提案されている - 主なものは、基準信号とフィルタリングのタイプ（むしろ非線形）を決定することです。

[Vladimir]

Mathemat:

gpwr 問題は、このデコード（というか、ほぼ同じ意味での構造体の切り替え）が非線形である可能性が高いことです。

イベント間の直線的なリンク（ピアソン相関）は、イベント間の「距離」が小さいと既に消滅している。距離とは、ベースとなるTFユニットの数、つまりバーの数のことです。

今のところ、私自身は暗闇の中で手探り状態で行っているので、追加で言うことはないのですが。

私がこのテーマに興味を持ったのは、市場価格の予測よりも、より実用的な応用が可能だからです。今はそれよりも、高速音声認識システムの開発に興味があります。ご存知のように、音声は音素（同じ構造）からなり、その集合が単語を形成する。例えば、ロシア語にはわずか43個の音素があり、15〜20万語の単語を形成している。これらの言葉は、文や音声を形成しています。音声は、私たちが知らない音素（構造）の市場価格に相当すると考えることができる。そのため、ノイズのように見えるのです（宇宙人の話し声を想像してください）。音声の音素は、声帯や舌など、要するに音声フィルターによって生成されるが、その入力は呼気の形をしたノイズである。私たちが音声を認識するのも、音素ごとに調整された内耳のフィルターを通して、音をフィルタリングする作業である。つまり、簡単に言えば、暗号化された信号（音声）が入力（耳）で、出力（大脳皮質）が信号（言葉）なのである。価格予測は、未来の音素（構造）を予測することに帰結する。しかし、私はそんなことに興味はない。過去と現在の音素（構造）を認識することに興味があります。そのためには、これらの音素の語彙を持ち、音声をこれらの既知の音素と関連付ける必要がある（もちろん、簡略化した方法で）。相手がどの言語を話しているかがわかれば、それに対応する音素の辞書を調べ、音声をテキストにデコードし、辞書を使って翻訳すればよいのである。しかし、話し手の言語がわからない場合はどうでしょうか。音声からどのように音素を導出するのか？というか、価格提示から構造をどう判断するのか？なお、価格構造の数は音声の音素数と同じオーダーでなければならない（10〜100）。

[Роман]

gpwr:

...

なお、価格構造の数は音声の音素数と同じオーダー（10～100）であることが望ましい。

ここで、私見ですが、「マーケットパターン」（一部、音素と書かれています）というテーマは、私にとって身近なもので、特にその設定と認識、仮にNSによるものだとします。その後、上か下かの売買判断が行われます。つまり、こういうことです。

[Vladimir]

Roman.:
私たちはすでに、「市場パターン」（お書きのようにいくつかの音素）、特にその設定と認識、仮にNSの話題に近づいているのだと思います。その後、上か下かの売買判断が行われます。つまり、こういうことです。

私もそう思います。音素、構造、パターン、ウェーブレット、基底関数など、さまざまな用語がある。私は基底関数という言葉の方が好きです。時系列がわかっているときに、どのようにして基底関数を自動的に決定することができるのか、ということに興味があります。もちろん、このシリーズを視覚的に検証して、三角形や旗など、見栄えのする形を見つけることもできる。しかし、これらのパターンが単なる想像の産物ではなく、統計的に重要であることを証明した人はまだいない。逸話のように覚えてください。

精神科医は患者に様々な写真を見せながら「何が写っていますか」と尋ね、患者は「男女がセックスしている」と答えます。"お前は淫乱だ "と医者が言うんだ。と患者さんは言います。"まあ、あなたはその淫らな写真を私に見せてくれましたね"

統計的に重要な基底関数を自動的に特定するのは複雑な作業で、ニューラルネットワークを使っても、その方法を正しく理解した人はいないと思います。もちろん、作業を単純化して、時系列をHaarウェーブレットやフーリエ級数のような三角関数、あるいは回帰でよく使われる他の基底関数に分割することをあらかじめ想定しておくこともできる。そして、これらの基底関数はすべて、それが価格系列であれ、音声系列であれ、我々の系列をうまく再現してくれるのです。しかし、音声をHaarウェーブレットに分解してみると、音素とは全く関係ないことがわかります。価格系列をHaarウェーブレットや三角関数に分解しても意味がないのと同じである。圧縮センシングは、最小の基底関数の集合で信号を記述することを本質としており、注目に値する。この方法のアルゴリズムは数多く存在するが、いずれも基底関数を知っていることが前提である。価格系列から基底関数を求めるアルゴリズムについて、何かアイデアがあれば、ぜひ教えてください。

[Andrey Dik]

gpwr:

...要するに、価格系列から基底関数を求めるアルゴリズムについて、どなたかお考えがあれば、教えてください。

遺伝的アルゴリズムという 万能薬がある。少なくとも、そのプロセスについて何も（あるいはほとんど何も）わかっておらず、それでも調べて結果を出す必要があるのなら、まずGAを試すべきでしょう。

[eura]

sergeyas:

無線技術者として（残念ながらすでに過去のことですが）、復調の考えを支持します。

同期検出のアイデアが提案されている - 主なものは、基準信号とフィルタリングのタイプ（むしろ非線形）を決定することです。

セルゲイさん、無線（電信など）の物理の大原則は何でしょうか？

[Юсуфходжа]

gpwr:

私もそう思います。音素、構造、パターン、ウェーブレット、基底関数など、さまざまな用語がある。私は基底関数という言葉の方が好きです。時系列がわかっているときに、どのようにして基底関数を自動的に決定することができるのか、ということに興味があります。もちろん、このシリーズを視覚的に検証して、三角形や旗など、見栄えのする形を見つけることもできる。しかし、これらのパターンが単なる想像の産物ではなく、統計的に重要であることを証明した人はまだいない。逸話のように覚えてください。

精神科医は患者に様々な写真を見せながら「何が見えるか」と尋ね、患者は「男女がセックスをしている」と答える。"お前は淫乱だ "と医者が言うんだ。と患者さんは言います。"まあ、あなたはその淫らな写真を私に見せてくれましたね"

統計的に重要な基底関数を自動的に特定するのは複雑な作業で、ニューラルネットワークを使っても、その方法を正しく理解した人はいないと思います。もちろん、作業を単純化して、時系列をHaarウェーブレットやフーリエ級数のような三角関数、あるいは回帰でよく使われる他の基底関数に分割することをあらかじめ想定しておくこともできる。そして、これらの基底関数はすべて、それが価格系列であれ、音声系列であれ、我々の系列をうまく再現してくれるのです。しかし、音声をHaarウェーブレットに分解してみると、音素とは全く関係ないことがわかります。価格系列をHaarウェーブレットや三角関数に分解しても意味がないのと同じである。圧縮センシングは、最小の基底関数の集合で信号を記述することが本質であり、このことに言及することが適切である。この方法のアルゴリズムは数多く存在するが、いずれも基底関数を知っていることが前提である。価格系列から基底関数を求めるアルゴリズムについて、何かアイデアがあれば、ぜひ教えてください。

url=https://www.mql5.com/ru/articles/250]"Universalregression model for market price prediction"[/url] の(18)を基底関数として使ってみた。和、積、対数、累乗、指数など、あらゆる組み合わせの関数から人為的に構築された依存関係を適切に記述することができます。