理論から実践へ - ページ 252 1...245246247248249250251252253254255256257258259...1981 新しいコメント Maxim Dmitrievsky 2018.03.20 15:21 #2511 Andrei: そもそも、価格プロセスが非マルコフ型であるという仮定はどこから来たのでしょうか。マルコフ過程の条件として、未来が過去から独立しており、現在が固定されていることである...ランダムではなく、メモリがあるような重いテールからうまく Andrei01 2018.03.20 15:23 #2512 Maxim Dmitrievsky:ランダムではなく、メモリがあるような重いテールからうまく マルコフ過程はメモリと内部状態を持つことができるので、問題ないはずなのですが...。 Andrei01 2018.03.20 15:26 #2513 Maxim Dmitrievsky:でも、VisSimは今更出せないでしょう)。 まあ、VisSimからCコードへのコンバータもありますが...。)) Maxim Dmitrievsky 2018.03.20 15:29 #2514 Andrei: マルコフ過程はメモリや内部状態を持つことがあるので、問題ないはずなのですが...。まあ、状態と遷移確率があるだけで、それぞれの新しい状態では現在の確率だけが遷移に影響し、前のステップの記憶は消去されるんだけどね また、非マルコビアンの記述についてはあまり理解しておらず、そこは割と複雑です) Andrei01 2018.03.20 15:34 #2515 Maxim Dmitrievsky:まあ、状態と遷移確率があるだけで、それぞれの新しい状態では現在の確率だけが遷移に影響し、前のステップの記憶は消去されるんだけどね その通り、メモリは現在の状態に置かれるので、前の状態は必要なくなりますが、計算に必要であれば常にあるわけで......。 将来の移行については、もちろんすべて同じ確率ですが、そうでなくても、移行メトリクスで考慮することは可能です......。 Maxim Dmitrievsky 2018.03.20 15:38 #2516 Andrei:そうなんです、メモリは今の状態に入れるので、前の状態はもう必要ないんです、計算で必要ならいつでもありますが...。 将来の変化については、もちろんすべてが同じように起こりうることですが、そうでない場合でも、変化に関する指標を考慮することは可能です...。まあ、時間差モデルや確率モデルなどいろいろありますが、私はあまり得意ではなく、勉強し始めたばかりです。 例えば、機械学習のq-learningを見ると、Alexanderが書いたt-tnという時間差について、定常モデルと非定常モデルがありますが、その反対側からのアプローチです。そして、最も難しいのは、市場のような連続的なプロセスに適用することです。離散的なプロセスでは、すべてが多かれ少なかれ明確になっています。 Andrei01 2018.03.20 15:43 #2517 Maxim Dmitrievsky:例えば、機械学習のq-learningを見ると、Alexanderが書いたt-tnという時間差に対して、定常モデルと非定常モデルがありますが、向こうからのアプローチでは離散隠れマルコフモデルやアルゴリズムの方が、モデルそのものを知る必要がないので、ニューラルネットワークに 近い問題だと思うのですが...。 拡散とブラウン運動の方程式は、とても遠回りに見えますが...。市場は明らかにブラウン派とはかけ離れている)) Maxim Dmitrievsky 2018.03.20 15:50 #2518 Andrei:離散隠れマルコフモデルやアルゴリズムの方が、モデルそのものを知る必要がないので、ニューラルネットワークに近い問題だと思うのですが...。 拡散とブラウン運動の方程式は、ちょっと無理があるような気もしますが...。市場は明らかにブラウン派とはかけ離れている))まあ、一般的には手間がかかるし......。と思うのですが、それはいわば私のものです。 Aleksandr Yakovlev 2018.03.20 16:00 #2519 許してください。でも、ここはやりすぎだと思いませんか?どちらが賢いか競争しているようです。一番簡単なコツは、自分に合ったロットで臨み、ディールで10点稼ぎ、半分を成約し、残りは銀行に預ける。そして、幸せになるのです。そして頭痛もない))) Renat Akhtyamov 2018.03.20 16:16 #2520 Aleksandr Yakovlev:許してください。でも、ここはやりすぎだと思いませんか?どちらが賢いか競争しているようです。一番簡単なコツは、自分に合ったロットで臨み、ディールで10点稼ぎ、半分を成約し、残りは銀行に預ける。そして、幸せになるのです。そして頭痛もない)))創作活動というのは...。 1...245246247248249250251252253254255256257258259...1981 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
そもそも、価格プロセスが非マルコフ型であるという仮定はどこから来たのでしょうか。マルコフ過程の条件として、未来が過去から独立しており、現在が固定されていることである...
ランダムではなく、メモリがあるような重いテールからうまく
ランダムではなく、メモリがあるような重いテールからうまく
でも、VisSimは今更出せないでしょう)。
まあ、VisSimからCコードへのコンバータもありますが...。))
マルコフ過程はメモリや内部状態を持つことがあるので、問題ないはずなのですが...。
まあ、状態と遷移確率があるだけで、それぞれの新しい状態では現在の確率だけが遷移に影響し、前のステップの記憶は消去されるんだけどね
また、非マルコビアンの記述についてはあまり理解しておらず、そこは割と複雑です)
まあ、状態と遷移確率があるだけで、それぞれの新しい状態では現在の確率だけが遷移に影響し、前のステップの記憶は消去されるんだけどね
その通り、メモリは現在の状態に置かれるので、前の状態は必要なくなりますが、計算に必要であれば常にあるわけで......。
将来の移行については、もちろんすべて同じ確率ですが、そうでなくても、移行メトリクスで考慮することは可能です......。
そうなんです、メモリは今の状態に入れるので、前の状態はもう必要ないんです、計算で必要ならいつでもありますが...。
将来の変化については、もちろんすべてが同じように起こりうることですが、そうでない場合でも、変化に関する指標を考慮することは可能です...。
まあ、時間差モデルや確率モデルなどいろいろありますが、私はあまり得意ではなく、勉強し始めたばかりです。
例えば、機械学習のq-learningを見ると、Alexanderが書いたt-tnという時間差について、定常モデルと非定常モデルがありますが、その反対側からのアプローチです。そして、最も難しいのは、市場のような連続的なプロセスに適用することです。離散的なプロセスでは、すべてが多かれ少なかれ明確になっています。
例えば、機械学習のq-learningを見ると、Alexanderが書いたt-tnという時間差に対して、定常モデルと非定常モデルがありますが、向こうからのアプローチでは
離散隠れマルコフモデルやアルゴリズムの方が、モデルそのものを知る必要がないので、ニューラルネットワークに 近い問題だと思うのですが...。
拡散とブラウン運動の方程式は、とても遠回りに見えますが...。市場は明らかにブラウン派とはかけ離れている))
離散隠れマルコフモデルやアルゴリズムの方が、モデルそのものを知る必要がないので、ニューラルネットワークに近い問題だと思うのですが...。
拡散とブラウン運動の方程式は、ちょっと無理があるような気もしますが...。市場は明らかにブラウン派とはかけ離れている))
まあ、一般的には手間がかかるし......。と思うのですが、それはいわば私のものです。
許してください。でも、ここはやりすぎだと思いませんか?どちらが賢いか競争しているようです。一番簡単なコツは、自分に合ったロットで臨み、ディールで10点稼ぎ、半分を成約し、残りは銀行に預ける。そして、幸せになるのです。そして頭痛もない)))
許してください。でも、ここはやりすぎだと思いませんか?どちらが賢いか競争しているようです。一番簡単なコツは、自分に合ったロットで臨み、ディールで10点稼ぎ、半分を成約し、残りは銀行に預ける。そして、幸せになるのです。そして頭痛もない)))
創作活動というのは...。