Mathemat : 2 Prival: Kalman은 귀하의 말대로 다국적 기업을 기반으로 구축되었음을 기억합니다. 이제 레이더 데이터(가우스에 따라 분산된 오류 포함)에서는 잘 작동하지만 시장 데이터에서는 더 나쁜 이유가 명확해졌습니다. Kalman이 가우스 데이터에 이상적인 주된 이유는 오차 함수(이 경우 제곱 편차의 합)가 가우스 분포에 이상적이기 때문입니다. 다른 분포 및 함수의 경우 오류가 다릅니다. 그리고 멱법칙 꼬리가 있는 분포(무거움)의 경우 목적 함수가 완전히 다르며 최소 제곱은 여기에서 인용되지 않습니다. JMA가 시장에서 Kalman보다 나은 이유입니다.
얼마나 흥미로운가. 글쎄, Alexey, 나는 자작 나무를 내 머리 위로 흔들고 있습니다 :-). 결국 99%의 분쟁은 한 사람이 더 낫다고 말할 때 발생합니다. 그러나 그는 그것이 어떤 의미에서 더 나은지(기준이 어디 + 얼마나 더 나은지) 말하지 않았습니다. 그리고 MA가 훨씬 더 좋고, 최고이며, 훨씬 더 좋습니다 :-). 칼만과 JMA는 나란히 누워 있지 않습니다.
한 사람이 다른 사람보다 낫다고 말하는 것과 같습니다. 그러나 무엇을 말하지 마십시오 (기준이 없습니다). 첫 번째 사람이 보드카를 더 잘 마시고 두 번째 사람이 새총으로 개척자들을 더 잘 쏘았다고 가정해 보겠습니다. 문제는 어느 것이 더 낫습니까?
결국 JMA는 당신과 나를 위한 블랙박스입니다. 그리고 칼만 필터는 다음을 포함해야 합니다.
1. 관찰 모델(신호 모델 + 노이즈 모델).
2. 측정 모델(측정 오차 모델).
그리고 솔루션은 2차 손실 함수가 있는 최소 제곱을 기반으로 합니다. 입력된 사전 데이터 및 얻은 측정값을 기반으로 합니다. 그리고 그러한 목적 오차 함수는 가우스뿐만 아니라 모든 대칭 분포 법칙 에 대해 작동한다는 점에 주목하고 싶습니다.
수학 그리고 이제 질문입니다. 분석된 프로세스가 균일한 잡음을 갖는 정현파 잡음이고 측정이 비정상 포아송 법칙의 적용을 받는다고 가정합니다. 이 모든 모델은 칼만 필터에 내장되어 있으며, 새로운 측정값이 도착하면 내장된 모든 사전 데이터에 따라 최소 제곱(2차 손실 함수)에 의한 최적의 추정값(이 야생 혼합물의)을 찾았습니다.
JMA 블랙박스는 어디, 어디가 좋을까요?
칼만 필터에 Forex(신호 + 노이즈)와 100% 일치하는 모델과 적절한 측정 모델(비동기식 전문가 평가 시스템)을 넣으면 지옥 같은 기계가 될 것입니다.
Z.Y. 관찰 및 측정 노이즈 모델은 무엇이든 될 수 있습니다. 가장 중요한 것은 거기에 있는 것과 일치한다는 것입니다.
확신, 프라이벌 . 이것은 Jurik이 분명히 무언가를 숨기거나 의도적으로 제품을 내밀고 있음을 의미합니다. 그럼에도 불구하고 왜 최소 제곱, 그리고 편차 모듈의 합이 아닌 이유는 무엇입니까? 최소제곱법이 분석적으로 더 편리하기 때문입니까?
추신: 신경망 에 대한 오랜 연구와 관련하여 적절한 손실 함수에 대해 궁금했던 기억이 있습니다(목적 함수가 있음). 그리고 어떻게든 그는 제곱합이 오차 분포 법칙(여기서는 가우시안)에 대한 특정 가설과 정확히 직접적으로 관련되어 있다는 것을 추론하거나 어디에서 읽었는지 읽었습니다. 내 연구에서 함수를 모듈의 합으로 변경했을 때(즉, 오류의 사전 분포를 지수로 변경) 예측 품질이 약간 향상되었지만 크게 향상되지는 않았습니다.
Prival, Mathemat, 다시 자극을 줄까 두렵지만 다시 반복해야 합니다. 따옴표에 노이즈가 거의 없습니다. 이것이 입력 신호입니다. 수학적 통계 도구를 사용하려고 합니다(필터링은 동일함). 어떤 통계? 통계, 분포 법칙, 다른 차수의 순간은 확률 변수(과정)를 나타냅니다. 진드기가 붙으면 신호입니까 아니면 소음입니까? 나는 그 신호를 확인한다, 왜냐하면 이 데이터에 따라 매수 또는 매도 명령을 내릴 수 있으며 실행됩니다(기타 일반 조건에서). 네, 다음 가격 값이 어떻게 될지 예측하기 어렵기 때문에, 식별하고 외삽하고 예측할 수 있는 랜덤 성분과 비랜덤 성분이 있다고 가정하고 싶습니다 . 그리고 그것은 무작위가 아니라 단순히 알려지지 않았습니다. 또는 원하는 경우 추가 구성 요소로 나누지 않고 모두 무작위입니다. 무엇을 분리할 것인가? 동일한 칼만 필터를 사용하면 부드러운 분석 기능의 형태로 지정한 모델에 의해 정의된 잘 정의된 구성요소를 걸러낼 수 있습니다. 당신은 그녀를 알고? 나 아니야. 당신은 시장의 동적 속성을 식별하고 물리적 비유를 적용하려고 합니다. 그것도 헛된 것입니다. 실제 관성을 나타내는 간격뿐만 아니라 그림보다 진폭이 더 큰 1분 양초를 찾을 수 있습니다. .
가격 값이 무작위라는 가설을 수락하면 수학적 통계 방법을 사용하여 값을 조사하는 것이 가능합니다. 이 수학 외오랫동안 참여했습니다. 결과는 뚱뚱한 꼬리이며 이는 다시 실용적인 전망이 없음을 의미합니다.
그러나 챔피언십의 "피아니스트"와 리더의 긍정적 인 결과는 어떻습니까? 그들은 방법론적 패러다임을 확장할 필요성에 대해 이야기하고 있을 뿐입니다. 기술적(그리고 기본적) 분석의 요소를 MTS에 "밀어넣는" 것이 필요하지만 직접적으로 이전 "고전적" 레시피에 따라가 아니라 베이지안 접근 방식을 기반으로 작업 모델을 필터링한 후입니다. 이러한 정보의 양에 "수동으로" 대처하는 것은 어렵지만 누군가가 대처합니다. 결론은 로봇을 훈련시키는 것입니다.
나는 이미 MQL에서 확률적 네트워크를 만들었지만, 지금까지는 1.5보다 큰 이익 계수로 작동하도록 가르칠 수 없었습니다. 교사는 다소 약합니다 :-). 추신: 가격에 노이즈가 없다는 주장을 확인하는 또 다른 예입니다. 노이즈 측정에 대해 이야기할 때 측정된 양의 실제 값에서 측정 데이터의 무작위 편차를 의미합니다. 예를 들어, 레이더(전문가용 :-))는 105의 범위 값을 제공했고 실제 값은 100이었고 다음 측정에서는 101 대신 99 등이었습니다. 오차 분포는 일반적으로 정상입니다. 예를 들어 가격이 도착하면 1.2567이 실제 값이고 오류는 0입니다! 어떤 소음에 대해 이야기하고 있습니까?
Prival, Mathemat, 다시 자극을 줄까 두렵지만 다시 반복해야 합니다. 따옴표에 노이즈가 거의 없습니다. 이것이 입력 신호입니다.
성가심 없음, rsi , 정상적인 토론. 일반적으로 나는 당신에게 동의합니다. 따옴표 안의 소음은 특정 해석, 모델 내에서만 볼 수 있습니다. 오류에 대해 이야기할 때 일반적으로 예측 또는 근사 오류에 대해 이야기합니다.
Prival 은 관찰 및 측정 오류에 대해 이야기합니다. 이것은 그의 전문 분야에서 매우 자연스러운 일입니다. 그러나 이것들은 완전히 다른 오류입니다. 그럼에도 불구하고이 관점은 내 의견으로는 인공적이지만 생명에 대한 권리가 있습니다. Prival , 화내지 마세요. 하지만 100MHz 샘플링 속도를 실제로 어떻게 구현할지는 아직 모르겠습니다.
재무 시리즈 처리에 통계적 방법을 적용할 때 나는 여전히 가능한 위험을 평가하는 맥락에서만 이점을 볼 수 있으며 그 이상은 아닙니다.
...그림보다 진폭이 큰 1분 양초와 실제 관성이 없음을 나타내는 간격을 찾을 수 있습니다.
Prival, Mathemat, 다시 자극을 줄까 두렵지만 다시 반복해야 합니다. 따옴표에 노이즈가 거의 없습니다. 이것이 입력 신호입니다.
rsi 무슨 말씀을 하시는 겁니까, 반대로 다시 토론을 해주셔서 정말 기쁩니다. 결국, 당신은 비즈니스에 대해 이야기하고 생각하게 만듭니다. 그리고 갑자기 내가 잘못(또는 말)을 했다면 나 자신과 모든 사람에게 즉시 사과합니다. 여기서 수학자는 나에게 그런 명령을 내렸고(장군들은 쉬고 있다 :-)), 그는 나에게 팔굽혀펴기를 하라고 강요했다 :-). 그리고 아무것도 살아 있지 않습니다. 나는 그를 볼 것입니다. 나는 그를 형제처럼 껴안을 것입니다. 그리고 당신은 나에게 노란색 바지, MT4의 NA, 마술사 zababahat입니다. 클로트처럼.
소음에 관해서는, 나는 항상 나 자신에 대해 생각합니다. 나는 다음을했다. 나는 일주일 동안 견적을 받아 이 흐름의 모든 구성 요소를 분석하기 시작했습니다. 먼저 추이를 뺀 다음 변동을 뺍니다. 그리고 각각의 절차가 끝난 후 잔해를 살펴보았습니다. 모두 선택했을 때 잔상에는 노이즈가 있었지만 가우시안은 없었습니다. 약간의 이상한 소음 +-1 pip 및 다른 것은 없습니다. 2-5 pips에 1 간격을 더한 몇 가지 드문 이상값은 40점이었습니다(특히 좋은 간격이 있는 주를 찾고 있음). 앉아서 생각해보니 이 소음에 대한 설명을 찾은 것 같습니다. 아마도 이것은 측정 노이즈일 가능성이 높습니다. ADC의 관점에서 인용문을 보면(양자화 및 샘플링 노이즈) 연속 프로세스를 디지털화하면 물리적으로 존재하는 것처럼 보입니다. 그래서 나는 거기에 잡음이 없다는 것이 아마도 옳다고 생각합니다. 그것은 순수한 신호입니다. 그러나 한 가지 뉘앙스가 있습니다. 그것은 나를 쉬게하지 않습니다 :-(.
이것은 그의 전문 분야의 관점에서 매우 자연스러운 일입니다. 그러나 이것은 완전히 다른 오류입니다. 그럼에도 불구하고이 관점은 내 의견으로는 인공적이지만 생명에 대한 권리가 있습니다. Prival , 화내지 마세요. 하지만 100MHz 샘플링 속도를 실제로 어떻게 구현할지는 아직 모르겠습니다.
나는 어떤 식으로든 100MHz를 할 수 없습니다. 불가능합니다(그렇지 않으면 이미 초콜릿에 빠져 있을 것입니다 :-)). 이 상황을 조금이라도 개선할 수 있는 유일한 방법은 일반 DC에서와 동일하게 수행하는 것입니다. 최대 수의 견적 제공자를 선택하고 이 흐름을 직접 처리해야 합니다(그리고 촛불이 아니라 일정한 확률의 타원을 구축). 결국 우리는 DC가 제공하는 데이터에 따라 거래(매수, 매도)를 체결할 의무가 있습니다. 하지만 매수, 매도에 대한 결정을 내리기 위해 이 DC의 데이터만 사용할 의무는 없으며 견적을 전혀 사용할 수 없습니다 :-)
편차 모듈의 합계입니다. 내가 틀리지 않았다면 이 접근 방식을 사용하면 평가가 편향되거나 지지할 수 없습니다. 정확히 기억은 안 나지만 실수할까봐 두렵지만 평가의 힘이 있는 것입니다. 2차가 아닌 것을 선택할 수 있지만. 원칙적으로 가장 중요한 것은 중간(이상적인 관찰자)에서 오류가 더 중요한 방향을 결정하는 것입니다. 하나는 정육면체에 대해 정사각형이라고 가정해 보겠습니다. 이것은 의사 결정의 통계 이론에서 나온 것입니다. (책 Wald. "통계적 의사결정 규칙"에 관한 내용이 있는 것처럼). 책이 필요한 사람이 있으면 게시할 수 있습니다.
모델은 확률적 미분 시스템으로 표현되어야 합니다. 방정식. 그리고 주요 조건은 필터링된 프로세스에 적합해야 한다는 것입니다. 이것이 정확한 한계입니다.
Z.Y. Mathemat 는 저를 화나게 하고 싶었습니다 :-), 당신은 기다릴 수 없습니다. 내가 존경하는 사람들은 그것을 할 수 없습니다. 그가 회의에서 내 악수를하지 않고 코냑 (그를 위해 길고 신중하게 보관 된)을 버리고 먼저 내가 뭔가를 잘못했다고 생각하는 경우에만. 그리고 물을 가지고 갑니다 :-)
동일한 칼만 필터를 사용하면 부드러운 분석 기능의 형태로 지정한 모델에 의해 정의된 잘 정의된 구성요소를 걸러낼 수 있습니다. 당신은 그녀를 알고? 나 아니야. 당신은 시장의 동적 속성을 식별하고 물리적 비유를 적용하려고 합니다. 그것도 헛된 것입니다. 실제 관성을 나타내는 간격뿐만 아니라 그림보다 진폭이 더 큰 1분 양초를 찾을 수 있습니다. .
나는 갭 포인트에서 모든 것이 나쁘고 아마도 관성이 없다는 것에 동의합니다. 그리고 우리는 어떤 식으로든 모든 간격을 제거할 수 없습니다(나는 이것이 샘플링 속도와 분석된 프로세스 사이의 불일치 때문이라고 가정했습니다. 이는 아무 모순도 없는 것 같습니다). 그러나 공백이 하루 24시간 전부는 아닙니다. ACF 분석은 프로세스가 상관되어 있고 상관 시간이 있으므로 프로세스를 예측할 수 있음을 보여줍니다. 결국 이것은 물리적 과정과 거의 직접적인 유추입니다. 비행기는 즉시 회전할 수 없고, 질량이 간섭하고, 관성이 있고, 과정을 예측할 수 있기 때문입니다. 상관관계가 있습니다. 이것이 없었다면 NS는 IMMO가 작동하지 않았을 것입니다.
그러나 챔피언십의 "피아니스트"와 리더의 긍정적 인 결과는 어떻습니까? 그들은 단지 방법론적 패러다임을 확장할 필요성에 대해 이야기하고 있습니다. 기술적(그리고 기본적) 분석의 요소를 MTS에 "밀어넣는" 것이 필요하지만 직접적으로 이전 "고전적" 레시피에 따라가 아니라 베이지안 접근 방식을 기반으로 작업 모델을 필터링한 후입니다. 이러한 정보의 양을 "수동으로" 처리하는 것은 어렵지만 누군가는 처리할 수 있습니다. 결론은 로봇을 훈련시키는 것입니다.
결과는 고무적입니다. 포기하지 마십시오(마팅게일과 Wiener 공정에 대해 이야기하는 경제학자는 쓰러집니다). 내가 오래된 "고전적인" 레시피를 따르고 있는지는 모르겠습니다. 아무리 찾아봐도 시세 분석에 칼만 필터 를 실제로 적용한 결과를 찾을 수 없었습니다. 그들은 존재하지 않거나 그 반대의 경우도 마찬가지입니다. 그것을 구현할 수 있었던 사람은 그의 결과를 조심스럽게 숨겼습니다. 결국 Bayes에 따라 작업 모델을 선택하는 것이 매우 중요합니다. 그렇지 않으면 작동하지 않습니다. 수동으로 하려고 하는데 어렵긴 한데 재미있네요. 나는 결정이 어떻게 내려지는지 알려지지 않은 알고리즘을 신뢰하지 않습니다. 나는 그들에게 마음이 없습니다.
칼만 필터는 실생활에서 거의 구현되지 않습니다. 선험적 정보와 사후적 정보가 있을 때 가장 강력한 추정치가 선택될 때 잘 알려진 베이지안 솔루션과 같이 이상적인 것으로 간주될 수 있습니다.
2 Prival: Kalman은 귀하의 말대로 다국적 기업을 기반으로 구축되었음을 기억합니다. 이제 레이더 데이터(가우스에 따라 분산된 오류 포함)에서는 잘 작동하지만 시장 데이터에서는 더 나쁜 이유가 명확해졌습니다. Kalman이 가우스 데이터에 이상적인 주된 이유는 오차 함수(이 경우 제곱 편차의 합)가 가우스 분포에 이상적이기 때문입니다. 다른 분포 및 함수의 경우 오류가 다릅니다. 그리고 멱법칙 꼬리가 있는 분포(무거움)의 경우 목적 함수가 완전히 다르며 최소 제곱은 여기에서 인용되지 않습니다. JMA가 시장에서 Kalman보다 나은 이유입니다.
얼마나 흥미로운가. 글쎄, Alexey, 나는 자작 나무를 내 머리 위로 흔들고 있습니다 :-). 결국 99%의 분쟁은 한 사람이 더 낫다고 말할 때 발생합니다. 그러나 그는 그것이 어떤 의미에서 더 나은지(기준이 어디 + 얼마나 더 나은지) 말하지 않았습니다. 그리고 MA가 훨씬 더 좋고, 최고이며, 훨씬 더 좋습니다 :-). 칼만과 JMA는 나란히 누워 있지 않습니다.
한 사람이 다른 사람보다 낫다고 말하는 것과 같습니다. 그러나 무엇을 말하지 마십시오 (기준이 없습니다). 첫 번째 사람이 보드카를 더 잘 마시고 두 번째 사람이 새총으로 개척자들을 더 잘 쏘았다고 가정해 보겠습니다. 문제는 어느 것이 더 낫습니까?
결국 JMA는 당신과 나를 위한 블랙박스입니다. 그리고 칼만 필터는 다음을 포함해야 합니다.
1. 관찰 모델(신호 모델 + 노이즈 모델).
2. 측정 모델(측정 오차 모델).
그리고 솔루션은 2차 손실 함수가 있는 최소 제곱을 기반으로 합니다. 입력된 사전 데이터 및 얻은 측정값을 기반으로 합니다. 그리고 그러한 목적 오차 함수는 가우스뿐만 아니라 모든 대칭 분포 법칙 에 대해 작동한다는 점에 주목하고 싶습니다.
수학 그리고 이제 질문입니다. 분석된 프로세스가 균일한 잡음을 갖는 정현파 잡음이고 측정이 비정상 포아송 법칙의 적용을 받는다고 가정합니다. 이 모든 모델은 칼만 필터에 내장되어 있으며, 새로운 측정값이 도착하면 내장된 모든 사전 데이터에 따라 최소 제곱(2차 손실 함수)에 의한 최적의 추정값(이 야생 혼합물의)을 찾았습니다.
JMA 블랙박스는 어디, 어디가 좋을까요?
칼만 필터에 Forex(신호 + 노이즈)와 100% 일치하는 모델과 적절한 측정 모델(비동기식 전문가 평가 시스템)을 넣으면 지옥 같은 기계가 될 것입니다.
Z.Y. 관찰 및 측정 노이즈 모델은 무엇이든 될 수 있습니다. 가장 중요한 것은 거기에 있는 것과 일치한다는 것입니다.
확신, 프라이벌 . 이것은 Jurik이 분명히 무언가를 숨기거나 의도적으로 제품을 내밀고 있음을 의미합니다. 그럼에도 불구하고 왜 최소 제곱, 그리고 편차 모듈의 합이 아닌 이유는 무엇입니까? 최소제곱법이 분석적으로 더 편리하기 때문입니까?
추신: 신경망 에 대한 오랜 연구와 관련하여 적절한 손실 함수에 대해 궁금했던 기억이 있습니다(목적 함수가 있음). 그리고 어떻게든 그는 제곱합이 오차 분포 법칙(여기서는 가우시안)에 대한 특정 가설과 정확히 직접적으로 관련되어 있다는 것을 추론하거나 어디에서 읽었는지 읽었습니다. 내 연구에서 함수를 모듈의 합으로 변경했을 때(즉, 오류의 사전 분포를 지수로 변경) 예측 품질이 약간 향상되었지만 크게 향상되지는 않았습니다.
칼만 필터에 Forex(신호 + 노이즈)와 100% 일치하는 모델과 적절한 측정 모델(비동기식 전문가 평가 시스템)을 넣으면 지옥 같은 기계가 될 것입니다.
Z.Y. 관찰 및 측정 노이즈의 모델은 무엇이든 될 수 있습니다. 가장 중요한 것은 거기에 있는 것과 일치한다는 것입니다.
신호 자체의 모델에 제한이 있습니까?
북풍 으로
고맙습니다. 그러나 "우리는 시장의 수명에 대한 간단하고 상당히 일관된 개념이 필요합니다." 이것은 우리 자신의 개발 또는 동일한 Shiryaev가 설명하는 것과 같은 일부 방법의 사용을 의미합니까?
... 제곱합은 오류 분포(여기서는 가우시안)에 대한 특정 가설과 정확히 직접 관련됩니다.
Prival, Mathemat, 다시 자극을 줄까 두렵지만 다시 반복해야 합니다. 따옴표에 노이즈가 거의 없습니다. 이것이 입력 신호입니다. 수학적 통계 도구를 사용하려고 합니다(필터링은 동일함). 어떤 통계? 통계, 분포 법칙, 다른 차수의 순간은 확률 변수(과정)를 나타냅니다. 진드기가 붙으면 신호입니까 아니면 소음입니까? 나는 그 신호를 확인한다, 왜냐하면 이 데이터에 따라 매수 또는 매도 명령을 내릴 수 있으며 실행됩니다(기타 일반 조건에서). 네, 다음 가격 값이 어떻게 될지 예측하기 어렵기 때문에, 식별하고 외삽하고 예측할 수 있는 랜덤 성분과 비랜덤 성분이 있다고 가정하고 싶습니다 . 그리고 그것은 무작위가 아니라 단순히 알려지지 않았습니다. 또는 원하는 경우 추가 구성 요소로 나누지 않고 모두 무작위입니다. 무엇을 분리할 것인가? 동일한 칼만 필터를 사용하면 부드러운 분석 기능의 형태로 지정한 모델에 의해 정의된 잘 정의된 구성요소를 걸러낼 수 있습니다. 당신은 그녀를 알고? 나 아니야. 당신은 시장의 동적 속성을 식별하고 물리적 비유를 적용하려고 합니다. 그것도 헛된 것입니다. 실제 관성을 나타내는 간격뿐만 아니라 그림보다 진폭이 더 큰 1분 양초를 찾을 수 있습니다. .
가격 값이 무작위라는 가설을 수락하면 수학적 통계 방법을 사용하여 값을 조사하는 것이 가능합니다. 이 수학 외 오랫동안 참여했습니다. 결과는 뚱뚱한 꼬리이며 이는 다시 실용적인 전망이 없음을 의미합니다.
그러나 챔피언십의 "피아니스트"와 리더의 긍정적 인 결과는 어떻습니까? 그들은 방법론적 패러다임을 확장할 필요성에 대해 이야기하고 있을 뿐입니다. 기술적(그리고 기본적) 분석의 요소를 MTS에 "밀어넣는" 것이 필요하지만 직접적으로 이전 "고전적" 레시피에 따라가 아니라 베이지안 접근 방식을 기반으로 작업 모델을 필터링한 후입니다. 이러한 정보의 양에 "수동으로" 대처하는 것은 어렵지만 누군가가 대처합니다. 결론은 로봇을 훈련시키는 것입니다.
나는 이미 MQL에서 확률적 네트워크를 만들었지만, 지금까지는 1.5보다 큰 이익 계수로 작동하도록 가르칠 수 없었습니다. 교사는 다소 약합니다 :-).
추신: 가격에 노이즈가 없다는 주장을 확인하는 또 다른 예입니다.
노이즈 측정에 대해 이야기할 때 측정된 양의 실제 값에서 측정 데이터의 무작위 편차를 의미합니다. 예를 들어, 레이더(전문가용 :-))는 105의 범위 값을 제공했고 실제 값은 100이었고 다음 측정에서는 101 대신 99 등이었습니다. 오차 분포는 일반적으로 정상입니다. 예를 들어 가격이 도착하면 1.2567이 실제 값이고 오류는 0입니다! 어떤 소음에 대해 이야기하고 있습니까?
Prival, Mathemat, 다시 자극을 줄까 두렵지만 다시 반복해야 합니다. 따옴표에 노이즈가 거의 없습니다. 이것이 입력 신호입니다.
성가심 없음, rsi , 정상적인 토론. 일반적으로 나는 당신에게 동의합니다. 따옴표 안의 소음은 특정 해석, 모델 내에서만 볼 수 있습니다. 오류에 대해 이야기할 때 일반적으로 예측 또는 근사 오류에 대해 이야기합니다.
Prival 은 관찰 및 측정 오류에 대해 이야기합니다. 이것은 그의 전문 분야에서 매우 자연스러운 일입니다. 그러나 이것들은 완전히 다른 오류입니다. 그럼에도 불구하고이 관점은 내 의견으로는 인공적이지만 생명에 대한 권리가 있습니다. Prival , 화내지 마세요. 하지만 100MHz 샘플링 속도를 실제로 어떻게 구현할지는 아직 모르겠습니다.
재무 시리즈 처리에 통계적 방법을 적용할 때 나는 여전히 가능한 위험을 평가하는 맥락에서만 이점을 볼 수 있으며 그 이상은 아닙니다.
네, 그리고 2000년에 198포인트 길이의 5분짜리 오레가 있습니다. 누가 더 크니?
Prival, Mathemat, 다시 자극을 줄까 두렵지만 다시 반복해야 합니다. 따옴표에 노이즈가 거의 없습니다. 이것이 입력 신호입니다.
rsi 무슨 말씀을 하시는 겁니까, 반대로 다시 토론을 해주셔서 정말 기쁩니다. 결국, 당신은 비즈니스에 대해 이야기하고 생각하게 만듭니다. 그리고 갑자기 내가 잘못(또는 말)을 했다면 나 자신과 모든 사람에게 즉시 사과합니다. 여기서 수학자는 나에게 그런 명령을 내렸고(장군들은 쉬고 있다 :-)), 그는 나에게 팔굽혀펴기를 하라고 강요했다 :-). 그리고 아무것도 살아 있지 않습니다. 나는 그를 볼 것입니다. 나는 그를 형제처럼 껴안을 것입니다. 그리고 당신은 나에게 노란색 바지, MT4의 NA, 마술사 zababahat입니다. 클로트처럼.
소음에 관해서는, 나는 항상 나 자신에 대해 생각합니다. 나는 다음을했다. 나는 일주일 동안 견적을 받아 이 흐름의 모든 구성 요소를 분석하기 시작했습니다. 먼저 추이를 뺀 다음 변동을 뺍니다. 그리고 각각의 절차가 끝난 후 잔해를 살펴보았습니다. 모두 선택했을 때 잔상에는 노이즈가 있었지만 가우시안은 없었습니다. 약간의 이상한 소음 +-1 pip 및 다른 것은 없습니다. 2-5 pips에 1 간격을 더한 몇 가지 드문 이상값은 40점이었습니다(특히 좋은 간격이 있는 주를 찾고 있음). 앉아서 생각해보니 이 소음에 대한 설명을 찾은 것 같습니다. 아마도 이것은 측정 노이즈일 가능성이 높습니다. ADC의 관점에서 인용문을 보면(양자화 및 샘플링 노이즈) 연속 프로세스를 디지털화하면 물리적으로 존재하는 것처럼 보입니다. 그래서 나는 거기에 잡음이 없다는 것이 아마도 옳다고 생각합니다. 그것은 순수한 신호입니다. 그러나 한 가지 뉘앙스가 있습니다. 그것은 나를 쉬게하지 않습니다 :-(.
나는 어떤 식으로든 100MHz를 할 수 없습니다. 불가능합니다(그렇지 않으면 이미 초콜릿에 빠져 있을 것입니다 :-)). 이 상황을 조금이라도 개선할 수 있는 유일한 방법은 일반 DC에서와 동일하게 수행하는 것입니다. 최대 수의 견적 제공자를 선택하고 이 흐름을 직접 처리해야 합니다(그리고 촛불이 아니라 일정한 확률의 타원을 구축). 결국 우리는 DC가 제공하는 데이터에 따라 거래(매수, 매도)를 체결할 의무가 있습니다. 하지만 매수, 매도에 대한 결정을 내리기 위해 이 DC의 데이터만 사용할 의무는 없으며 견적을 전혀 사용할 수 없습니다 :-)
편차 모듈의 합계입니다. 내가 틀리지 않았다면 이 접근 방식을 사용하면 평가가 편향되거나 지지할 수 없습니다. 정확히 기억은 안 나지만 실수할까봐 두렵지만 평가의 힘이 있는 것입니다. 2차가 아닌 것을 선택할 수 있지만. 원칙적으로 가장 중요한 것은 중간(이상적인 관찰자)에서 오류가 더 중요한 방향을 결정하는 것입니다. 하나는 정육면체에 대해 정사각형이라고 가정해 보겠습니다. 이것은 의사 결정의 통계 이론에서 나온 것입니다. (책 Wald. "통계적 의사결정 규칙"에 관한 내용이 있는 것처럼). 책이 필요한 사람이 있으면 게시할 수 있습니다.
북풍
어떤 제한 사항이 있는지 조금 이해하지 못했습니다. 질문을 명확히하십시오.
모델은 확률적 미분 시스템으로 표현되어야 합니다. 방정식. 그리고 주요 조건은 필터링된 프로세스에 적합해야 한다는 것입니다. 이것이 정확한 한계입니다.
Z.Y. Mathemat 는 저를 화나게 하고 싶었습니다 :-), 당신은 기다릴 수 없습니다. 내가 존경하는 사람들은 그것을 할 수 없습니다. 그가 회의에서 내 악수를하지 않고 코냑 (그를 위해 길고 신중하게 보관 된)을 버리고 먼저 내가 뭔가를 잘못했다고 생각하는 경우에만. 그리고 물을 가지고 갑니다 :-)
나는 갭 포인트에서 모든 것이 나쁘고 아마도 관성이 없다는 것에 동의합니다. 그리고 우리는 어떤 식으로든 모든 간격을 제거할 수 없습니다(나는 이것이 샘플링 속도와 분석된 프로세스 사이의 불일치 때문이라고 가정했습니다. 이는 아무 모순도 없는 것 같습니다). 그러나 공백이 하루 24시간 전부는 아닙니다. ACF 분석은 프로세스가 상관되어 있고 상관 시간이 있으므로 프로세스를 예측할 수 있음을 보여줍니다. 결국 이것은 물리적 과정과 거의 직접적인 유추입니다. 비행기는 즉시 회전할 수 없고, 질량이 간섭하고, 관성이 있고, 과정을 예측할 수 있기 때문입니다. 상관관계가 있습니다. 이것이 없었다면 NS는 IMMO가 작동하지 않았을 것입니다.
그러나 챔피언십의 "피아니스트"와 리더의 긍정적 인 결과는 어떻습니까? 그들은 단지 방법론적 패러다임을 확장할 필요성에 대해 이야기하고 있습니다. 기술적(그리고 기본적) 분석의 요소를 MTS에 "밀어넣는" 것이 필요하지만 직접적으로 이전 "고전적" 레시피에 따라가 아니라 베이지안 접근 방식을 기반으로 작업 모델을 필터링한 후입니다. 이러한 정보의 양을 "수동으로" 처리하는 것은 어렵지만 누군가는 처리할 수 있습니다. 결론은 로봇을 훈련시키는 것입니다.
결과는 고무적입니다. 포기하지 마십시오(마팅게일과 Wiener 공정에 대해 이야기하는 경제학자는 쓰러집니다). 내가 오래된 "고전적인" 레시피를 따르고 있는지는 모르겠습니다. 아무리 찾아봐도 시세 분석에 칼만 필터 를 실제로 적용한 결과를 찾을 수 없었습니다. 그들은 존재하지 않거나 그 반대의 경우도 마찬가지입니다. 그것을 구현할 수 있었던 사람은 그의 결과를 조심스럽게 숨겼습니다. 결국 Bayes에 따라 작업 모델을 선택하는 것이 매우 중요합니다. 그렇지 않으면 작동하지 않습니다. 수동으로 하려고 하는데 어렵긴 한데 재미있네요. 나는 결정이 어떻게 내려지는지 알려지지 않은 알고리즘을 신뢰하지 않습니다. 나는 그들에게 마음이 없습니다.
칼만 필터는 실생활에서 거의 구현되지 않습니다. 선험적 정보와 사후적 정보가 있을 때 가장 강력한 추정치가 선택될 때 잘 알려진 베이지안 솔루션과 같이 이상적인 것으로 간주될 수 있습니다.
이 같은.
나와 Mathemat 그리고 다른 누군가는 이 소음을 진드기에서 보았습니다. 또한, 틱은 +-1 핍이 연속보다 역방향으로 움직일 확률이 더 높다는 것을 보여줍니다. 불행히도 이 패턴은 스프레드 내부에 있습니다. 그리고 네, 그녀는 키가 작습니다.
하지만 가공 후 등장했다는 사실이 흥미롭다.