This demo trains a Convolutional Neural Network on the MNIST digits dataset in your browser, with nothing but Javascript. The dataset is fairly easy and one should expect to get somewhere around 99% accuracy within few minutes. I used this python script to parse the original files into batches of images that can be easily loaded into page DOM...
コンフルエント解析は試されましたか？つまり、関数は価格対時間 p = x(i) ではなく、2次元 f = z(i, p) であるべきなのです。距離dは2つの座標でカウントされる。他の方式も同じです。
いや、試したことはないんですが、面白いですね。最終的には、視覚野のようにパターンを構成要素に分解し、回転、ズームすることによって、脳が物体や人物の歪んだ表現、さらには戯画を認識する原理に従って、時間軸上の歪み（パターンの縮小や伸張といった線形歪みだけではなく、非線形歪みも）を考慮することにしたのである。しかし、これにはほとんど時間が割かれていない。すべて同じように、市場での取引は、最も複雑な数学的モデルであっても、半々であるだろう。
いや、試したことはないんですが、面白いですね。結局、時間軸に沿った歪み（線形歪みであるパターンの圧縮や伸張だけでなく、非線形歪みも含む）は、脳が物体や人物の歪んだ表現、風刺画でさえ認識できる原理、すなわち視覚野のようにパターンを構成要素に分解し、その回転、拡大縮小などを行うことによって考慮すべきと判断しました。しかし、これにはほとんど時間が割かれていない。最も複雑な数学的モデルでも、市場で取引 するのは五分五分だろう。
マシンビジョンは、これをうまく処理する必要があります。
いや、試したことはないんですが、面白いですね。結局、時間軸に沿った歪み（線形歪みであるパターンの圧縮や伸張だけでなく、非線形歪みも含む）は、脳が物体や人物の歪んだ表現、風刺画でさえ認識できる原理、すなわち視覚野のようにパターンを構成要素に分解し、その回転、拡大縮小などを行うことによって考慮すべきと判断しました。しかし、これにはほとんど時間が割かれていない。同じように、最も洗練された数学的モデルによるマーケットでの取引も、半々であろう。
いや、試したことはないんですが、面白いですね。結局、時間軸に沿った歪み（線形歪みであるパターンの圧縮や伸張だけでなく、非線形歪みも含む）は、脳が物や人の歪んだ画像、戯画でさえ認識できる原理、すなわち視覚野のようにパターンを構成要素に分解し、その回転や拡大縮小などによって考えるべきと判断したのです。しかし、これにはほとんど時間が割かれていない。すべて同じように、市場での取引は、最も複雑な数学的モデルであっても、半々であるだろう。
時間は絶対に考慮に入れるべきです、はい。例えば、時間の関数としてパターンの類似性スコアを直線的に減らしていくのです。つまり、パターンの類似性を0（全く似ていない）から1（完全に似ている）まで推定する場合、推定値に加え、パターン間の小節数を乗じた定数を取り去るのである。そこでどのような歪みが生じているかは分かりませんが、パターン同士が離れれば離れるほど、「類似性」が失われていくことは100％保証します。
パターンの類似性は非常に厳密な推定であり、インターネットから最初の計算式を差し込むだけではダメで、自分で確認する必要があるのです。計算式のチェック方法も複雑で不明ですが、fronttestで失敗する計算式もあれば、そうでない計算式もあります :)
パターンの類似性について - コンピュタービジョンの仕組みの興味深い例です :)
http://cs.stanford.edu/people/karpathy/convnetjs/demo/mnist.html
四半期ごとの業績予想のプロジェクトはどうなっていますか？- このスレッドはしばらく更新されていないようです。
そこに最新の予測を載せています。前回は2ヶ月前でした。次回は4月末に新しいGDPデータが発表される予定です。今のところ、すべての予測は現実に近いものです。そこには2つのモデルがあり、1つはより保守的なものです。保守的なモデルによれば、次のGDP成長率は前四半期に発表された成長率を下回ると思われます。もう一つのモデルは、より高い成長を予測しています。どちらがより正確かは、3週間後にわかる。私の最大の目標はリセッションを回避することですが、今のところどちらのモデルでもそれは見えません。
ここを見ていないのですが、もしかしたら何か出てくるかもしれませんね．ケルディッシュ図書館 http://library.keldysh.ru/preprint.asp?id=2016-7 オルロフ
ありがとうございます、読んでみましょう
例えば、チャートの一部があるとします。その上でディールを開くにはどうしたらいいか、（履歴を）整理する必要がある。どこで買うか、どこで売るか、どこで買い足すか、どこで決済するか、などなど。しかし、パターンが異なる場合もあることを考慮し、リスクを最小限に抑えながら、どのパターンでも最も効果的なポジション・オープニングの 場所の計算方法を見つけなければならない。 1つのパターンに複数のディールが存在することもある。もうひとつ重要な条件があります。それは、パターンがある一定の範囲、たとえば20％以内で変化してもよいということです。つまり、最初は1つのパターンを見て、次の小節では基本的な特徴は変わらないものの、多少変化する（ただし、常にパターン全体とその将来の変化すべてを見ることができる）のである。つまり、何か別の誤差要因を導入する必要があるのです。
どのようにすればよいか、お分かりになりますか？様々な確率や価格水準を算出することができますが、どのようにすればよいのでしょうか？
ある議論では、古典的なテクニカル分析には効果がないと、断固として反対していたのが興味深いですね。この分析に基づく手動取引の自動化は認められません。これで、アルゴリズムによる価格形成の効果的な認識方法を作るという問題は解決しましたが、これは「手動」のテクニカル分析を自動化しようとすることに他なりません。不思議ですね、なぜつい最近、アルゴトレーディングのこの手法を猛烈に否定したのでしょうか？(オフトピック失礼しました）。
興味深いのは、ある議論の中で、先生は古典的なテクニカル分析には効果がない、と熱烈に反対されていたことです。この分析に基づく手動による取引の自動化は認められません。これで、アルゴリズムによる価格形成の効果的な認識方法を作るという問題は解決しましたが、これは「手動」のテクニカル分析を自動化しようとすることに他なりません。不思議ですね、なぜつい最近、アルゴトレーディングのこの手法を猛烈に否定したのでしょうか？(オフトピック失礼しました）。
古典的な手分析ではなく、資産リターンのマルチフラクタルモデルがある（そうそう、これもあるんだよ。特定の決まったパターンがあるわけではなく、結果は予測であり、パターンとして表現できるものであり、それ以上のものではありません。
MMDAは一般化されたブラウン運動を記述する