Northern Wind , 죄송합니다, 더 이상 "토픽에서 벗어나" 범람하지 않겠습니다...
알렉세이 , 좋은 오후입니다! Alexey , 주제에 대해 조금 더 이야기해 볼까요? :)) 사진을 삽입하는 데 도움을 주세요. 설명("이 포럼에 사진을 삽입 하는 방법(설명자)"), 뭔가 설명이 잘 되지 않습니다. :) 데모 계정은 안녕하십니까? 이미 균형은 무엇입니까? 차트에 대한 이전 설명과 관련하여 다음을 의미했습니다. 유로, 1시간
EVA는 혼돈 역학의 일련의 행동 패턴으로 나타낼 수 있습니다. 게다가 세트는 완벽하지 않다. 보다 발전된(그리고 엄격하게 정당화되는) 분석 시스템인 Tactica Adversa가 있습니다.
그건 그렇고, 확률론적 접근은 원칙적으로 나에게 적합하지 않습니다. (즉, 어떻게 내가 비싸게 사는지 싸게 사는지 모를 수 있습니까 ..? 그것은 내 머리에 맞지 않습니다. 절대적으로 항상 "공정한 가격"이 있습니다 ... 전세계 , 특정 매개변수를 고려하지 않고 / 포함하지만 그것은 _is_!어쨌든!)
결정론의 아이디어 중 내가 이해하는 것처럼 우리의 경우에 가장 발전되고 적합한 것은 비선형 역학입니다. 주의, 질문! 더 효율적인 접근 방식이 있습니까? (네트워크/게임이론/진동 등) 수학은 아쉽게도 최근에 공부를 해서 다른게 무엇을 응용할 수 있을지 모르겠네요..
계산된 반전 영역은 나에게 직사각형으로 표시되며 시간이 지나면서 상대적으로 확장될 수 있습니다. 그래서 여기에서 물론 "내 여가에"시작한 "천연 탐욕"에서 미니 예측이 필요했습니다.
내 생각에 따르면 이러한 반전 영역에 들어갈 때 미니 예측이 작동하기 시작합니다. 유일한 목표는 가격 움직임의 예측 방향과 경계 조건, 즉 반전 영역의 영역과 현재 가격 위치를 알고 거래의 최적 결론을 위해 가능한 한 정확하게 로컬 극단값을 결정하는 것입니다. 미니 예측을 기반으로 반전 제곱에서 극한값을 결정하는 알고리즘은 나를 제외하고는 관심을 가질 것 같지 않습니다. 그러나 그 자체로 미니 예측은 모든 사람에게 흥미로운 작업이라고 생각합니다.
문제는 무엇보다도 Hurst 지수를 기반으로 하는 입증된 방법론을 사용할 수 없다는 사실로 인해 악화됩니다. 샘플이 너무 작고 역설적으로 예측도 작습니다.
나는 다양한 옵션을 지속적으로 탐구하기로 결정했으며 여기에서 첫 번째 테스트의 결과를 공유합니다. 그래서, 자기 상관과 다른 까다로운 것들을 사용할 때까지. 우선 모든 것이 간단합니다. 프로세스는 미리 선택된 여러 기능의 중첩으로 표시됩니다.
다음과 같은 기능을 정의했습니다.
(1) 기대선(가로 직선) (2) 선형 회귀 (3) 포물선 회귀 (4) 하모니카 (5) 그리고 몇 가지 더...
앞으로 적은 수의 막대에 대한 예측을 수행해야 하므로 각 기능의 주요 패턴이 대략적으로 유지될 것이라고 가정합니다. 예를 들어, 고조파에 대해 발견된 기간은 여전히 특정 최소 막대 수로 유지됩니다. 그리고 이러한 기능의 중첩은 "약 - 정확한" 값을 보여야 합니다. 예, 나는 이것이 절대 일어나지 않을 것이라는 것을 알고 있지만 확실히 필요하지 않으며 갑자기 잘 될 것입니다 ..
기본 알고리즘 (1) 각 함수에 대해 최소 제곱법에 의해 수학적 기대선을 제외하고는 물론 최적의 계수를 찾습니다. o) (2) 최소 자승법을 사용하여 이전에 정의된 함수 의 선형 중첩에 대한 계수를 찾습니다.
그러한 예측의 의미는 채널의 게임이 아니라 로컬 극단의 정의임을 상기시킵니다. 입력 매개변수는 하나만 있으며 예측을 위한 샘플 크기입니다. 예측의 최대값은 샘플의 1/3을 넘지 않아야 한다고 가정합니다. 계산을 위한 입력으로 (H + L) / 2를 사용합니다.
테스트 샘플의 총 판독 수 ........................................................................................................... 50139 무작위로 취한 현재 막대의 수 ........................................................................................................... 25000 샘플의 막대 수 ...........................................................................................................................18
그래서 무작위로 현재 막대를 선택했고 다음과 같은 일이 발생했습니다.
검은색 계단형 선은 각각 높음 및 낮음, 빨간색 실선은 계산된 예측 함수, 빨간색 점선은 예측 함수의 표준 편차, 파란색 점선은 샘플의 수학적 기대치, 파란색 실선 수학적 기대치에서 구축된 표준 편차이며 회색의 두꺼운 원은 (H + L )/2를 나타냅니다.
포물선을 닮은 곡선이 나왔다는 사실은 놀라운 일이 아닙니다. OLS는 데이터 소스와 가장 유사한 피처가 "승리"하는 방식으로 계수를 계산합니다.
결과는 고무적인 것 같지만 결국 예측은 어딘가에 있을 것입니다. 입력 매개변수(샘플의 막대 수)를 유지하면서 이미 형성되었다고 가정하고 25010개의 막대만큼 앞으로 이동합니다. 예측이 거짓임을 즉시 알 수 있습니다.
강하게 거짓말을 한다. 하지만! 12개의 실험을 수동으로 설정하고 전체 샘플에 대해 작은 테스트를 작성한 후에는 현재 카운트에서 이러한 N을 찾는 것이 항상 가능하여 이 계획에 따라 만들어진 예측이 올바른 결과를 표시한다는 것이 분명합니다. 테스트는 매우 간단했습니다. 각 샘플에 대해 +1 단계로 예측이 이루어진 샘플이 증가하고 RMS 경계 내에 얼마나 많은 미래 막대가 떨어지는지 추적되었습니다. 이 테스트는 이 포럼에서 자주 논의되었던 내용을 확인했습니다. 표본을 찾지 않고 정확한 예측을 할 수 없는 단일 표본을 찾지 못했습니다. 25010 샘플의 경우 N 값이 두 개 있었습니다(물론 조정됨).
십사
71
지금은 판독 횟수의 기준에 대해 곰곰이 생각하고 있다. 그건 그렇고, 그래프를주의 깊게 보면 그러한 기준 중 하나가 "벌거 벗은"눈으로 볼 수 있습니다. 지금 나는 그것을 개발하고 있다. 그러나 하나는 충분하지 않으며 몇 가지를 더 생각해 내야합니다.
모두가 모든 것에 관심이 있다는 것을 확신할 수 있습니다! 그리고 파스투호프와 당신의 연구.
RMS가 아닌 빨간색 점선으로 3 시그마 기준을 기반으로 구축되거나 예를 들어 99% 신뢰 구간에 대해 Student에 따라 계산된 신뢰 구간 의 경계를 사용하지 않는 이유는 무엇입니까? 아니면 선택한 국경 건설에 대한 특별한 목표가 있습니까? 그냥 궁금해서 여쭤봅니다.
Northern Wind , 죄송합니다, 더 이상 "토픽에서 벗어나" 범람하지 않겠습니다...
자, 큰 소리로 웃어야 할 훌륭한 농담이었습니다.
무릎을 탁 치며 손가락질을 한다. :)
Northern Wind , 죄송합니다, 더 이상 "토픽에서 벗어나" 범람하지 않겠습니다...
알렉세이 , 좋은 오후입니다!
Alexey , 주제에 대해 조금 더 이야기해 볼까요? :))
사진을 삽입하는 데 도움을 주세요. 설명("이 포럼에 사진을 삽입 하는 방법(설명자)"), 뭔가 설명이 잘 되지 않습니다. :)
데모 계정은 안녕하십니까? 이미 균형은 무엇입니까?
차트에 대한 이전 설명과 관련하여 다음을 의미했습니다. 유로, 1시간
또한 예측 계산에는 시리즈 자체의 특정 구조에 따라 이미 3-7시간이 걸립니다. 그것도 꽤 많이...
Grash 알고리즘에서 반복을 사용하는 경우 유전 알고리즘 을 시도할 수 있습니다. 계산 속도를 높일 수 있습니다. 질문: (물론 비밀이 아닌 한.) 나는 당신이 자신만의 까다로운 웨이블릿 변환 방법을 사용하고 있다고 생각합니다. 난 괜찮아?
또한 예측 계산에는 시리즈 자체의 특정 구조에 따라 이미 3-7시간이 걸립니다. 그것도 꽤 많이...
Grash 알고리즘에서 반복을 사용하면 유전 알고리즘을 시도할 수 있습니다. 계산 속도를 높일 수 있습니다. 질문: (물론 비밀이 아닌 한.) 나는 당신이 자신만의 까다로운 웨이블릿 변환 방법을 사용하고 있다고 생각합니다. 난 괜찮아?
당신이 옳습니다. 나는 웨이블릿을 사용하지만 모든 것이 이론의 틀 안에 있으며 주도권은 없습니다.
저는 지금 유전 알고리즘 에 대해 생각하고 있습니다.
EVA는 혼돈 역학의 일련의 행동 패턴으로 나타낼 수 있습니다.
게다가 세트는 완벽하지 않다. 보다 발전된(그리고 엄격하게 정당화되는) 분석 시스템인 Tactica Adversa가 있습니다.
그건 그렇고, 확률론적 접근은 원칙적으로 나에게 적합하지 않습니다.
(즉, 어떻게 내가 비싸게 사는지 싸게 사는지 모를 수 있습니까 ..? 그것은 내 머리에 맞지 않습니다. 절대적으로 항상 "공정한 가격"이 있습니다 ... 전세계 , 특정 매개변수를 고려하지 않고 / 포함하지만 그것은 _is_!어쨌든!)
결정론의 아이디어 중 내가 이해하는 것처럼 우리의 경우에 가장 발전되고 적합한 것은 비선형 역학입니다.
주의, 질문!
더 효율적인 접근 방식이 있습니까? (네트워크/게임이론/진동 등)
수학은 아쉽게도 최근에 공부를 해서 다른게 무엇을 응용할 수 있을지 모르겠네요..
추신 그나저나 혼돈의 확률변동에 대한 웃긴 다큐를 인터넷에서 구했는데.. 올려봅니다..
http://tovaroved.lv/nonlin/p7-14.pdf
PPS라면 Kuznezov의 교과서 "Dynamic Chaos"에 해당 용어가 설명되어 있습니다.
계산된 반전 영역은 나에게 직사각형으로 표시되며 시간이 지나면서 상대적으로 확장될 수 있습니다. 그래서 여기에서 물론 "내 여가에"시작한 "천연 탐욕"에서 미니 예측이 필요했습니다.
내 생각에 따르면 이러한 반전 영역에 들어갈 때 미니 예측이 작동하기 시작합니다. 유일한 목표는 가격 움직임의 예측 방향과 경계 조건, 즉 반전 영역의 영역과 현재 가격 위치를 알고 거래의 최적 결론을 위해 가능한 한 정확하게 로컬 극단값을 결정하는 것입니다. 미니 예측을 기반으로 반전 제곱에서 극한값을 결정하는 알고리즘은 나를 제외하고는 관심을 가질 것 같지 않습니다. 그러나 그 자체로 미니 예측은 모든 사람에게 흥미로운 작업이라고 생각합니다.
문제는 무엇보다도 Hurst 지수를 기반으로 하는 입증된 방법론을 사용할 수 없다는 사실로 인해 악화됩니다. 샘플이 너무 작고 역설적으로 예측도 작습니다.
나는 다양한 옵션을 지속적으로 탐구하기로 결정했으며 여기에서 첫 번째 테스트의 결과를 공유합니다. 그래서, 자기 상관과 다른 까다로운 것들을 사용할 때까지. 우선 모든 것이 간단합니다. 프로세스는 미리 선택된 여러 기능의 중첩으로 표시됩니다.
다음과 같은 기능을 정의했습니다.
(1) 기대선(가로 직선)
(2) 선형 회귀
(3) 포물선 회귀
(4) 하모니카
(5) 그리고 몇 가지 더...
앞으로 적은 수의 막대에 대한 예측을 수행해야 하므로 각 기능의 주요 패턴이 대략적으로 유지될 것이라고 가정합니다. 예를 들어, 고조파에 대해 발견된 기간은 여전히 특정 최소 막대 수로 유지됩니다. 그리고 이러한 기능의 중첩은 "약 - 정확한" 값을 보여야 합니다. 예, 나는 이것이 절대 일어나지 않을 것이라는 것을 알고 있지만 확실히 필요하지 않으며 갑자기 잘 될 것입니다 ..
기본 알고리즘
(1) 각 함수에 대해 최소 제곱법에 의해 수학적 기대선을 제외하고는 물론 최적의 계수를 찾습니다. o)
(2) 최소 자승법을 사용하여 이전에 정의된 함수 의 선형 중첩에 대한 계수를 찾습니다.
그러한 예측의 의미는 채널의 게임이 아니라 로컬 극단의 정의임을 상기시킵니다. 입력 매개변수는 하나만 있으며 예측을 위한 샘플 크기입니다. 예측의 최대값은 샘플의 1/3을 넘지 않아야 한다고 가정합니다. 계산을 위한 입력으로 (H + L) / 2를 사용합니다.
테스트 샘플의 총 판독 수 ........................................................................................................... 50139
무작위로 취한 현재 막대의 수 ........................................................................................................... 25000
샘플의 막대 수 ...........................................................................................................................18
그래서 무작위로 현재 막대를 선택했고 다음과 같은 일이 발생했습니다.
검은색 계단형 선은 각각 높음 및 낮음, 빨간색 실선은 계산된 예측 함수, 빨간색 점선은 예측 함수의 표준 편차, 파란색 점선은 샘플의 수학적 기대치, 파란색 실선 수학적 기대치에서 구축된 표준 편차이며 회색의 두꺼운 원은 (H + L )/2를 나타냅니다.
포물선을 닮은 곡선이 나왔다는 사실은 놀라운 일이 아닙니다. OLS는 데이터 소스와 가장 유사한 피처가 "승리"하는 방식으로 계수를 계산합니다.
결과는 고무적인 것 같지만 결국 예측은 어딘가에 있을 것입니다. 입력 매개변수(샘플의 막대 수)를 유지하면서 이미 형성되었다고 가정하고 25010개의 막대만큼 앞으로 이동합니다. 예측이 거짓임을 즉시 알 수 있습니다.
강하게 거짓말을 한다. 하지만! 12개의 실험을 수동으로 설정하고 전체 샘플에 대해 작은 테스트를 작성한 후에는 현재 카운트에서 이러한 N을 찾는 것이 항상 가능하여 이 계획에 따라 만들어진 예측이 올바른 결과를 표시한다는 것이 분명합니다. 테스트는 매우 간단했습니다. 각 샘플에 대해 +1 단계로 예측이 이루어진 샘플이 증가하고 RMS 경계 내에 얼마나 많은 미래 막대가 떨어지는지 추적되었습니다. 이 테스트는 이 포럼에서 자주 논의되었던 내용을 확인했습니다. 표본을 찾지 않고 정확한 예측을 할 수 없는 단일 표본을 찾지 못했습니다. 25010 샘플의 경우 N 값이 두 개 있었습니다(물론 조정됨).
십사
71
지금은 판독 횟수의 기준에 대해 곰곰이 생각하고 있다. 그건 그렇고, 그래프를주의 깊게 보면 그러한 기준 중 하나가 "벌거 벗은"눈으로 볼 수 있습니다. 지금 나는 그것을 개발하고 있다. 그러나 하나는 충분하지 않으며 몇 가지를 더 생각해 내야합니다.
관심이 있거나 모두가 파스투호프를 계속 읽는 사람이 있습니까? :에 대한)))
중성자 에게
세르게이, 어디 갔니? "잠들지 마!!!"라고 쓰고 싶은 충동이 듭니다. :에 대한)))
이것은 실제로 가격이 아니라 지표에 대한 것이지만 나에게 흥미 롭습니다.
그리고 파스투호프에서는 관심 있는 소수의 사람들도 실망한 것 같습니다. 그리고 안녕!
결과적으로 토론은 가장 흥미로운 지점에서 끝났습니다. 어떻게, 순전히 수학적
실제 작업 전략을 만드는 결과. 좋아, 누가 필요해?
모두가 모든 것에 관심이 있다는 것을 확신할 수 있습니다! 그리고 파스투호프와 당신의 연구.
RMS가 아닌 빨간색 점선으로 3 시그마 기준을 기반으로 구축되거나 예를 들어 99% 신뢰 구간에 대해 Student에 따라 계산된 신뢰 구간 의 경계를 사용하지 않는 이유는 무엇입니까? 아니면 선택한 국경 건설에 대한 특별한 목표가 있습니까? 그냥 궁금해서 여쭤봅니다.