한 가지 중요한 참고 사항: 저자는 선형 회귀 및 ANOVA의 경우 데이터가 정규 분포를 따른다고 가정합니다. 이것은 많은 사람들이 생각하지 않고 반복하는 매우 광범위하고 잘못된 진술입니다. 실제로 우리는 모델 오류의 정규 분포 가정에 대해 이야기하고 있습니다. 데이터 자체가 정상이 아닐 수 있습니다.
선형 회귀의 경우 더 많은 적용 조건이 있습니다...
가격 시리즈 및 증분의 경우 조건 3a,3b가 충족되지 않습니다. 분산은 매일 다르며 오류는 상관 관계가 있습니다 ...
베이지안 회귀, 선형 회귀 , 신경망, 진화 알고리즘 ..... 어, 빨판 사회가 시장에 얼마나 부유한지 .... 그리고 전문가들이 자신의 과학적 모델을 믿는 바보가 있다는 것을 기뻐하는 방법 .... .......)
시장이 단순한 것이라는 것이 여전히 명확하지 않다는 것이 얼마나 놀라운 일인가... 복잡한 알고리즘 - 단순히 관련성이 없기 때문에 망쳐 버립니다 ... 그러나 아니요 -- 계속하십시오. 수학을 자위하지 않고 저항 지지 수준을 끌어내고, 잘못된 돌파를 모니터링하고, 포지션을 수집하고 축적하고..... 나머지는 대부분의 포럼에 알려지지 않은 사람들에게 더 좋습니다( 이것은 ATM에서 지폐를 받는 것입니다)
우리는 날아가고 당신은 기어다닌다 바보야..........
강력한 진술. :) 커뮤니티에 형평성을 제시하는 것이 남아 있습니다. 어쩌면 당신은 정말 뛰어난 직관적인 트레이더일 것입니다...
KR 이 전략은 실제 데이터 추적에 대해 실행할 때 60일 이내에 투자를 거의 두 배로 늘릴 수 있습니다. I. 베이지안 회귀 문제.회귀 질문을 고려하십시오. 1^r^n에 대해 n개의 학습 레이블이 지정된 데이터 포인트(Xi, Yi)가 주어지고 Xi ∈ Rd, y ∈ R이 일부 고정된 q ≥ 1에 대해 제공됩니다. 목표는 이 학습 데이터를 사용하여미지수를 예측하는 것입니다. 주어진 x ∈Rd에 대해 레이블 y ∈R.고전적인 접근.비모수 통계(예: [3] 참조)의 표준 접근 방식은 다음 형식의 모델을 가정하는 것입니다. 레이블이 지정된 데이터는 y = f(x) + ?어디 ?잡음을 나타내는 독립 확률 변수이며, 일반적으로 평균이 0이고 (정규화된) 분산이 1인 가우스로 가정됩니다. 회귀는 n개의 관측치(x1, y1), ..., (xn, yn)에서 pH를 추정하기 위해 요약됩니다. 미래 예측을 사용합니다.예를 들어, P(x) = xTθ *인 경우, 즉 F가 선형 함수라고 가정하면 v * 또는 n을 추정하기 위해 고전적 최소 제곱 추정이 사용됩니다. θLS ∈argmin θ∈Rd n X i = 1 (Yi -xt i Q) 2 (1)
이것은 지점 작성자의 첫 번째 게시물에서 가져온 것입니다. 하지만 얼마나 비뚤어진. 그건 그렇고, 수동으로 입력하지 않고 pdf 형식에서 번역기에 텍스트를 삽입하는 방법을 아는 사람이 아무도 없습니까?
KR 이 전략은 실제 데이터 추적에 대해 실행할 때 60일 이내에 투자를 거의 두 배로 늘릴 수 있습니다. I. 베이지안 회귀 문제.회귀 질문을 고려하십시오. 1^r^n에 대해 n개의 학습 레이블이 지정된 데이터 포인트(Xi, Yi)가 주어지고 Xi ∈ Rd, y ∈ R이 일부 고정된 q ≥ 1에 대해 제공됩니다. 목표는 이 학습 데이터를 사용하여미지수를 예측하는 것입니다. 주어진 x ∈Rd에 대해 레이블 y ∈R.고전적인 접근.비모수 통계(예: [3] 참조)의 표준 접근 방식은 다음 형식의 모델을 가정하는 것입니다. 레이블이 지정된 데이터는 y = f(x) + ?어디 ?잡음을 나타내는 독립 확률 변수이며, 일반적으로 평균이 0이고 (정규화된) 분산이 1인 가우스로 가정됩니다. 회귀는 n개의 관측치(x1, y1), ..., (xn, yn)에서 pH를 추정하기 위해 요약됩니다. 그리고 미래 예측을 사용합니다.예를 들어, P(x) = xTθ *인 경우, 즉 F가 선형 함수라고 가정하면 v * 또는 n을 추정하기 위해 고전적 최소 제곱 추정이 사용됩니다. θLS ∈argmin θ∈Rd n X i = 1 (Yi -xt i Q) 2 (1)
이것은 지점 작성자의 첫 번째 게시물에서 가져온 것입니다. 하지만 얼마나 비뚤어진. 그건 그렇고, 수동으로 입력하지 않고 pdf 형식에서 번역기에 텍스트를 삽입하는 방법을 아는 사람이 아무도 없습니까?
글쎄, 그럼 너 스스로 목을 매야지, 빌어먹을 징징거림, 이해가 안 가? ...... 패자? 이익을 위해 거래하는 방법을 모르십니까? 당신은 여기 포럼에서 무엇을 하고 있습니까???? 공장에 가서 너트 갈거나 다른 일을 ..
나는 이미 이것을 말했습니다 .. 만약 내가 거래에서 돈을 버는 것이 가능하다고 믿지 않는다면(일반적으로 증권 거래소에서 반드시 forex는 아님), 나는 이 포럼을 다시는 방문하지 않을 것입니다 !!....무엇을 위해? ?
하지만 .. 벌 수 있고 .... 견적 .... 지속적으로 안정적으로 ... 몇 년 동안 ... %는 크지 않지만 (나는 현실주의자이기 때문에) 하지만 나는 ... 잘 ... 그래서 뭐? 질문이 있으신가요?
네, 어떻게든 고생하셨습니다. 그들은 이름과 헤로인을 부르기 시작했습니다. 이것은 포럼 프로필이 아닙니다. 무엇을 위한 삶인가? 인류 최초의 책에 기록되어 있습니다. 다른 책들은 그저 이야기일 뿐입니다.
진정한 신자들은 스스로를 끌어 올렸다)) ...... 토라와 새로운 z에 관한 것이 아닙니다. 연설? 그들이 최초의 책이 아니고, 더욱이 가장 중요하지 않은 책이라면 .... 더군다나 가장 흥미롭고 똑똑하지 않은 책이라면 ... 성경은 형편없어요.....
흥미로운 자료입니다.
한 가지 중요한 참고 사항: 저자는 선형 회귀 및 ANOVA의 경우 데이터가 정규 분포를 따른다고 가정합니다. 이것은 많은 사람들이 생각하지 않고 반복하는 매우 광범위하고 잘못된 진술입니다. 실제로 우리는 모델 오류의 정규 분포 가정에 대해 이야기하고 있습니다. 데이터 자체가 정상이 아닐 수 있습니다.
가격 시리즈 및 증분의 경우 조건 3a,3b가 충족되지 않습니다. 분산은 매일 다르며 오류는 상관 관계가 있습니다 ...
분기 작성자의 첫 번째 게시물에는 pdf 형식의 수식이 포함된 설명이 있습니다. 적절한 번역을 찾으십시오. https://www.mql5.com/go?http://arxiv.org/pdf/1410.1231.pd
그리고 어려움은 무엇입니까? 구글 번역 잘... :)
베이지안 회귀, 선형 회귀 , 신경망, 진화 알고리즘 ..... 어, 빨판 사회가 시장에 얼마나 부유한지 .... 그리고 전문가들이 자신의 과학적 모델을 믿는 바보가 있다는 것을 기뻐하는 방법 .... .......)
시장이 단순한 것이라는 것이 여전히 명확하지 않다는 것이 얼마나 놀라운 일인가... 복잡한 알고리즘 - 단순히 관련성이 없기 때문에 망쳐 버립니다 ...
그러나 아니요 -- 계속하십시오. 수학을 자위하지 않고 저항 지지 수준을 끌어내고, 잘못된 돌파를 모니터링하고, 포지션을 수집하고 축적하고..... 나머지는 대부분의 포럼에 알려지지 않은 사람들에게 더 좋습니다( 이것은 ATM에서 지폐를 받는 것입니다)
우리는 날아가고 당신은 기어다닌다 바보야..........
커뮤니티에 형평성을 제시하는 것이 남아 있습니다.
어쩌면 당신은 정말 뛰어난 직관적인 트레이더일 것입니다...
한 교수가 말했듯이 "기본 이론을 하려면 매우 멍청해야 합니다." 흥미롭고 장기적으로 이익을 약속한다면 그 이유는 무엇입니까?
구글 번역:
KR 이 전략은 실제 데이터 추적에 대해 실행할 때 60일 이내에 투자를 거의 두 배로 늘릴 수 있습니다.
I. 베이지안 회귀 문제. 회귀 질문을 고려하십시오. 1^r^n에 대해 n개의 학습 레이블이 지정된 데이터 포인트(Xi, Yi)가 주어지고 Xi ∈ Rd, y ∈ R이 일부 고정된 q ≥ 1에 대해 제공됩니다. 목표는 이 학습 데이터를 사용하여 미지수를 예측하는 것입니다. 주어진 x ∈Rd에 대해 레이블 y ∈R. 고전적인 접근. 비모수 통계(예: [3] 참조)의 표준 접근 방식은 다음 형식의 모델을 가정하는 것입니다. 레이블이 지정된 데이터는 y = f(x) + ? 어디 ? 잡음을 나타내는 독립 확률 변수이며, 일반적으로 평균이 0이고 (정규화된) 분산이 1인 가우스로 가정됩니다. 회귀는 n개의 관측치(x1, y1), ..., (xn, yn)에서 pH를 추정하기 위해 요약됩니다. 미래 예측을 사용합니다. 예를 들어, P(x) = xTθ *인 경우, 즉 F가 선형 함수라고 가정하면 v * 또는 n을 추정하기 위해 고전적 최소 제곱 추정이 사용됩니다. θLS ∈argmin θ∈Rd n X i = 1 ( Yi -xt i Q) 2 (1)
이것은 지점 작성자의 첫 번째 게시물에서 가져온 것입니다. 하지만 얼마나 비뚤어진. 그건 그렇고, 수동으로 입력하지 않고 pdf 형식에서 번역기에 텍스트를 삽입하는 방법을 아는 사람이 아무도 없습니까?
PS F 일반적으로 이 MQL 커뮤니티의 주제와 방언에 익숙한 사람의 번역을 원합니다.
구글 번역:
KR 이 전략은 실제 데이터 추적에 대해 실행할 때 60일 이내에 투자를 거의 두 배로 늘릴 수 있습니다.
I. 베이지안 회귀 문제. 회귀 질문을 고려하십시오. 1^r^n에 대해 n개의 학습 레이블이 지정된 데이터 포인트(Xi, Yi)가 주어지고 Xi ∈ Rd, y ∈ R이 일부 고정된 q ≥ 1에 대해 제공됩니다. 목표는 이 학습 데이터를 사용하여 미지수를 예측하는 것입니다. 주어진 x ∈Rd에 대해 레이블 y ∈R. 고전적인 접근. 비모수 통계(예: [3] 참조)의 표준 접근 방식은 다음 형식의 모델을 가정하는 것입니다. 레이블이 지정된 데이터는 y = f(x) + ? 어디 ? 잡음을 나타내는 독립 확률 변수이며, 일반적으로 평균이 0이고 (정규화된) 분산이 1인 가우스로 가정됩니다. 회귀는 n개의 관측치(x1, y1), ..., (xn, yn)에서 pH를 추정하기 위해 요약됩니다. 그리고 미래 예측을 사용합니다. 예를 들어, P(x) = xTθ *인 경우, 즉 F가 선형 함수라고 가정하면 v * 또는 n을 추정하기 위해 고전적 최소 제곱 추정이 사용됩니다. θLS ∈argmin θ∈Rd n X i = 1 ( Yi -xt i Q) 2 (1)
이것은 지점 작성자의 첫 번째 게시물에서 가져온 것입니다. 하지만 얼마나 비뚤어진. 그건 그렇고, 수동으로 입력하지 않고 pdf 형식에서 번역기에 텍스트를 삽입하는 방법을 아는 사람이 아무도 없습니까?
PS F 일반적으로 이 MQL 커뮤니티의 주제와 방언에 익숙한 사람의 번역을 원합니다.