그리고리 쇼닌 : 금지되어 있습니다. 허스트 지수에 대한 통화를 확인하십시오. 그는 시장의 무작위성에 대해 명확하게 말합니다. 그리고 무작위 시장에서 무엇을 생각할 수 있습니까? 마틴만. 그러나 다른 한편으로 시장에서는 서로 다른 수명의 비효율성이 발생합니다. 그리고 그들은 돈을 번다. 그리고 이것은 더 이상 사고가 아닙니다. 우리가 움직여야 하는 것은 비효율성을 찾는 방향입니다. 이 프로세스를 자동화하고 싶습니다. 하지만 여기서 무슨 일이 일어나고 있는지 알 수 없습니다. 신경망은 이에 적합하지 않습니다. 학습을 위해 미리 만들어진 패턴이 필요합니다.
그리고 분명히 존재하고 작동하는 것, 수십억 년 동안 우리 계획이 무너지지 않도록 구한 것, 알고리즘 트레이더가 조언자를 최적화하고 사용자 정의하는 데 도움이 되는 것(관성, 시장 메모리 )에서 시작하지 않겠습니까?
여기 다음 주제에서, 결국, 맞습니다. 첫 번째 게시물에서 어떤 트릭도 비 마르코프 가격을 파괴할 수 없다고 표시되어 있지만, 틱 분포와 적분 차분, IMHO에 대한 나머지 추론은 단지 데이터 피드에 대한 필터를 연구하는 데 적합하지만 주제는 MO입니다 :)
쩝쩝쩝쩝쩝 .... 응, 첫장면 아래로 가지가 떨어진거 어디서 봤어???? 네 .... 여러분이 런칭했습니다 ... 런칭했습니다. 동시에 모든 것이 잘되고 얻은 결과는 매우 고무적이며 모두 우연한 실수 덕분입니다 :-)
이랬다..... 예를 들면 ...
그리고 이렇게 되었다.... 데이터에 개선이 있었는지 아닌지 누가 말할 수 있니????
실제 질문이 많습니다. 주성분 그래프를 해석하는 방법????? 여전히 질문입니다. 이 두 데이터 세트는 같은 기간의 것입니다. 목표는 동일하지만 예측 변수를 저장하는 것은 두 가지 다른 방법으로 수행되었습니다. 그래서. 당신의 아웃풋 엑스트라, 이 작업은 당신을 위한 것입니다!!!!!
주어진 데이터 세트 중 어느 것이 더 낫습니까??? 첫 번째 또는 두 번째. 당신의 의견 선생님!
제 의견만 말씀드리겠습니다. 따라서 기계 학습은 수행한 작업의 결과를 기반으로 하는 도구, 분석 및 알고리즘 자체에 대한 통계의 집합입니다. 하지만 ... 한 가지 중요한 참고 사항이 있습니다. 어떤 알고리즘도 모든 조건이 충족되면 다음을 보장하지 않습니다. 데이터를 분석하는 방법과 의사 결정 알고리즘이 아무리 복잡하더라도 원하는 결과를 얻을 수 있습니다. 이 모든 것에서 의도한 결과의 확률이 있을 것입니다.
거래할 확률이 높기 때문에 더 높은 확률 계수의 결과를 찾아야 합니다. 시장 자체는 단조롭습니다. 제 분석에 따르면(정확하지 않지만 롱과 숏 모두 정확하지 않음), 같은 시간 간격에 대한 시장은 거의 동일합니다(49% / 51% 또는 51% / 49%). 양방향으로 수익성 있는 거래의 수.
따라서 의사 결정 알고리즘은 사용자의 재량에 따라 추가 필터를 사용하여 결과 확률의 가장 높은 추정값(정성적)을 기반으로 해야 합니다.
쩝쩝쩝쩝쩝 .... 응, 첫장면 아래로 가지가 떨어진거 어디서 봤어???? 네 .... 여러분이 런칭했습니다 ... 런칭했습니다. 동시에 모든 것이 잘되고 얻은 결과는 매우 고무적이며 모두 우연한 실수 덕분입니다 :-)
이랬다..... 예를 들면 ...
그리고 이렇게 되었다.... 데이터에 개선이 있었는지 아닌지 누가 말할 수 있니????
실제 질문이 많습니다. 주성분 그래프를 해석하는 방법????? 여전히 질문입니다. 이 두 데이터 세트는 같은 기간의 것입니다. 목표는 동일하지만 예측 변수를 저장하는 것은 두 가지 다른 방법으로 수행되었습니다. 그래서. 당신의 아웃풋 엑스트라, 이 작업은 당신을 위한 것입니다!!!!!
주어진 데이터 세트 중 어느 것이 더 낫습니까??? 첫 번째 또는 두 번째. 당신의 의견 선생님!
동의한다!!!! 하지만 그게 다가 아닙니다... 두 번째 그래프는 가능한 한 0축에 가까운 벡터가 있기 때문에 더 나은 것으로 나타났습니다. 이 예에서는 그렇게 보이지 않지만 이제 구성 요소 벡터가 0축과 일치하고 필드를 4개의 정사각형으로 나누는 그러한 데이터 세트가 나타났습니다. 첫 번째 경우 구성 요소의 축은 0 사이의 대각선을 따라 흩어져 있지만 두 번째 그림에는 가능한 한 0 선에 가까운 구성 요소 벡터가 있습니다. 예측자의 이름을 알면 어느 방향에서든 0축에 가능한 한 가깝게 구성 요소의 벡터를 형성하는 예측자가 입력에 정확히 포함될 때까지 최적화 프로그램을 훈련합니다. 다시, 이것은 나의 IMHO다!!! 그래서 내가 얼마나 옳은지 밝히고 싶었어!!!!
당신이 얼음에 부딪치는 것에 지쳤을 때, 가격/시간 척도 모두 본질적으로 선형이 아니라는 사실에 대해 생각하십시오. 순수 알고리즘 트레이딩(시장을 이해하지 못한 채)의 관점에서 접근하는 경우입니다.
시간은 주기적인 프로세스를 측정하는 기준입니다. 시간은 무작위로 발생하는 특성을 갖는 프로세스를 측정하는 데 거의 의미가 없습니다.
작은(tick, "quantum") 간격의 시간 척도는 비선형적이고 임의적이며, 틱의 차원을 갖는 이벤트의 경우 중요한 요소인 시간이 전혀 존재하지 않는 것 같습니다.
큰 간격으로 일간, 주간, 뉴스 관련 및 기타 주기적 이질성의 중첩으로 인해 시간 척도는 선형에 더 가깝다고 간주될 수 있으며 시간의 중요성이 증가합니다.
금지되어 있습니다. 허스트 지수에 대한 통화를 확인하십시오. 그는 시장의 무작위성에 대해 명확하게 말합니다. 그리고 무작위 시장에서 무엇을 생각할 수 있습니까? 마틴만. 그러나 다른 한편으로 시장에서는 서로 다른 수명의 비효율성이 발생합니다. 그리고 그들은 돈을 번다. 그리고 이것은 더 이상 사고가 아닙니다. 우리가 움직여야 하는 것은 비효율성을 찾는 방향입니다. 이 프로세스를 자동화하고 싶습니다. 하지만 여기서 무슨 일이 일어나고 있는지 알 수 없습니다. 신경망은 이에 적합하지 않습니다. 학습을 위해 미리 만들어진 패턴이 필요합니다.
그리고 분명히 존재하고 작동하는 것, 수십억 년 동안 우리 계획이 무너지지 않도록 구한 것, 알고리즘 트레이더가 조언자를 최적화하고 사용자 정의하는 데 도움이 되는 것(관성, 시장 메모리 )에서 시작하지 않겠습니까?
여기 다음 주제에서, 결국, 맞습니다. 첫 번째 게시물에서 어떤 트릭도 비 마르코프 가격을 파괴할 수 없다고 표시되어 있지만, 틱 분포와 적분 차분, IMHO에 대한 나머지 추론은 단지 데이터 피드에 대한 필터를 연구하는 데 적합하지만 주제는 MO입니다 :)
예, 신경망,이 작업에 대한 IMHO - 이것이 가장 ...
쩝쩝쩝쩝쩝 .... 응, 첫장면 아래로 가지가 떨어진거 어디서 봤어???? 네 .... 여러분이 런칭했습니다 ... 런칭했습니다. 동시에 모든 것이 잘되고 얻은 결과는 매우 고무적이며 모두 우연한 실수 덕분입니다 :-)
이랬다..... 예를 들면 ...
그리고 이렇게 되었다.... 데이터에 개선이 있었는지 아닌지 누가 말할 수 있니????
실제 질문이 많습니다. 주성분 그래프를 해석하는 방법????? 여전히 질문입니다. 이 두 데이터 세트는 같은 기간의 것입니다. 목표는 동일하지만 예측 변수를 저장하는 것은 두 가지 다른 방법으로 수행되었습니다. 그래서. 당신의 아웃풋 엑스트라, 이 작업은 당신을 위한 것입니다!!!!!
주어진 데이터 세트 중 어느 것이 더 낫습니까??? 첫 번째 또는 두 번째. 당신의 의견 선생님!
그럼 내가 말을 해줄게...... 알았어???
나는 이 주제의 2페이지도 마스터하지 못했다.
제 의견만 말씀드리겠습니다. 따라서 기계 학습은 수행한 작업의 결과를 기반으로 하는 도구, 분석 및 알고리즘 자체에 대한 통계의 집합입니다. 하지만 ... 한 가지 중요한 참고 사항이 있습니다. 어떤 알고리즘도 모든 조건이 충족되면 다음을 보장하지 않습니다. 데이터를 분석하는 방법과 의사 결정 알고리즘이 아무리 복잡하더라도 원하는 결과를 얻을 수 있습니다. 이 모든 것에서 의도한 결과의 확률이 있을 것입니다.
거래할 확률이 높기 때문에 더 높은 확률 계수의 결과를 찾아야 합니다. 시장 자체는 단조롭습니다. 제 분석에 따르면(정확하지 않지만 롱과 숏 모두 정확하지 않음), 같은 시간 간격에 대한 시장은 거의 동일합니다(49% / 51% 또는 51% / 49%). 양방향으로 수익성 있는 거래의 수.
따라서 의사 결정 알고리즘은 사용자의 재량에 따라 추가 필터를 사용하여 결과 확률의 가장 높은 추정값(정성적)을 기반으로 해야 합니다.
쩝쩝쩝쩝쩝 .... 응, 첫장면 아래로 가지가 떨어진거 어디서 봤어???? 네 .... 여러분이 런칭했습니다 ... 런칭했습니다. 동시에 모든 것이 잘되고 얻은 결과는 매우 고무적이며 모두 우연한 실수 덕분입니다 :-)
이랬다..... 예를 들면 ...
그리고 이렇게 되었다.... 데이터에 개선이 있었는지 아닌지 누가 말할 수 있니????
실제 질문이 많습니다. 주성분 그래프를 해석하는 방법????? 여전히 질문입니다. 이 두 데이터 세트는 같은 기간의 것입니다. 목표는 동일하지만 예측 변수를 저장하는 것은 두 가지 다른 방법으로 수행되었습니다. 그래서. 당신의 아웃풋 엑스트라, 이 작업은 당신을 위한 것입니다!!!!!
주어진 데이터 세트 중 어느 것이 더 낫습니까??? 첫 번째 또는 두 번째. 당신의 의견 선생님!
그럼 내가 말을 해줄게...... 알았어???
Mikhailo는 PCA에 .. 손이 가려워요? )
주성분 그래프는 직교적으로 해석되어야 합니다 :D
빨간색은 예측 변수와 같으며 숫자는 무엇을 의미합니까?
Mikhailo는 PCA에 .. 손이 가려워요? )
주성분 그래프는 직교적으로 해석되어야 합니다 :D
그럼 어떤게 더 좋을까요???
그럼 어떤게 더 좋을까요???
두 번째, 55%
두 번째, 55%
주성분 그림( 첫 번째 그림 )에는 55%가 없습니다. 55%는 두 경우 모두 데이터가 잘 분리된 두 영역을 나타내는 클러스터링 그림입니다. 하나는 더 좋고 하나는 더 나쁩니다. 마찬가지로 첫 번째 그래프로 돌아가 보겠습니다. 왜 아래가 위보다 나은거죠????
이를 위해서는 해석하는 방법을 알아야 합니다 !!!!
주성분 그림( 첫 번째 그림 )에는 55%가 없습니다. 55%는 두 경우 모두 데이터가 잘 분리된 두 영역을 나타내는 클러스터링 그림입니다. 하나는 더 좋고 하나는 더 나쁩니다. 마찬가지로 첫 번째 그래프로 돌아가 보겠습니다. 왜 아래가 위보다 나은거죠????
이를 위해서는 해석하는 방법을 알아야 합니다 !!!!
글쎄요, 숫자가 포인트라면 2차에서는 1차보다 2차 성분의 산포가 더 낮겠죠?
http://setosa.io/ev/principal-component-analysis/
마우스로 그래프를 돌리고 읽으면 모든 것이 즉시 명확해질 것입니다.
글쎄, 숫자가 포인트라면 두 번째에는 두 번째 성분의 분산이 첫 번째보다 낮지 않습니까?
http://setosa.io/ev/principal-component-analysis/동의한다!!!! 하지만 그게 다가 아닙니다... 두 번째 그래프는 가능한 한 0축에 가까운 벡터가 있기 때문에 더 나은 것으로 나타났습니다. 이 예에서는 그렇게 보이지 않지만 이제 구성 요소 벡터가 0축과 일치하고 필드를 4개의 정사각형으로 나누는 그러한 데이터 세트가 나타났습니다. 첫 번째 경우 구성 요소의 축은 0 사이의 대각선을 따라 흩어져 있지만 두 번째 그림에는 가능한 한 0 선에 가까운 구성 요소 벡터가 있습니다. 예측자의 이름을 알면 어느 방향에서든 0축에 가능한 한 가깝게 구성 요소의 벡터를 형성하는 예측자가 입력에 정확히 포함될 때까지 최적화 프로그램을 훈련합니다. 다시, 이것은 나의 IMHO다!!! 그래서 내가 얼마나 옳은지 밝히고 싶었어!!!!