있다. 나는 이미 그것들을 여러 번 당신에게 가져왔고 나는 반복하지 않을 것입니다. 당신이 그들을보고 싶지 않거나 그들을보고 싶지 않다면, 나는 당신을 도울 수 없습니다.
여기 아무도 당신에게 아무것도 증명하지 않으며 이것을 할 의무가 없음을 이해하십시오. 당신은 나에게 당신에게 설명을 부탁했고, 나는 시도했지만 당신은 이해하지 못했습니다. 아아, 이 잔인한 세상에서 모든 것이 그렇게 단순하지는 않습니다. 모든 것이 한 번에 주어지는 것은 아니며 특정 지식 기반이 필요합니다.
있다. 나는 이미 그것들을 여러 번 당신에게 가져왔고 나는 반복하지 않을 것입니다. 당신이 그들을보고 싶지 않거나 그들을보고 싶지 않다면, 나는 당신을 도울 수 없습니다.
여기 아무도 당신에게 아무것도 증명하지 않으며 이것을 할 의무가 없음을 이해하십시오. 당신은 나에게 당신에게 설명을 부탁했고, 나는 시도했지만 당신은 이해하지 못했습니다. 아아, 이 잔인한 세상에서 모든 것이 그렇게 단순하지는 않습니다. 모든 것이 한 번에 주어지는 것은 아니며 특정 지식 기반이 필요합니다.
그리고 무엇을, 급습이 아니라 동적 시스템 이론의 틀 내에서 특정 지식 기반을 가지고 가격을 예측할 수 있었습니까?
내 생각에 좋은 TS를 구축하는 것은 예측 없이는 불가능합니다. 확률이 1이 아니라 0.62라고 가정해 보겠습니다. 즉, 100개 중 62개의 거래에서 SL=TR로 시장에 진입하면 다음을 얻습니다. 보장된 이익.
예측 없이는 불가능합니다. 그렇지 않으면 깊은 웅덩이와 같습니다.
저자는 예측의 개념을 우주 높이까지 확장한 다음 시장에서 거래자가 하는 모든 것이 그의 예측이지만 나쁜 TS도 예측을 기반으로 하거나 이 개념을 지표 시스템으로 좁혔지만 좋은 TS는 예측 없이 가능하며, 초기 예측 없이 비 지표 시스템의 이름을 지정하는 방법에 대해 생각하고 생각했습니다. - SYMMETRIC)))), 아니면 이미 이름이 있을 수 있습니다 ??? 일반적으로 MTS를 속성별로 분류한 사람이 있습니까?
내가 "예"라고 대답하면 이 포럼의 게시물을 전혀 철회할 때까지 증거를 볼 것을 요구할 것입니다 :) 그래서 저는 "아니오"라고 대답할 것입니다.
"무엇에 대답해야 할지"에 대한 당신의 합리화는 진실을 인정하는 데 도움이 되는 강화일 뿐입니다. 당신이나 이 포럼의 그 누구도, Anishchenko도, 창립자도 가격 예측에 대해 긍정적인 결과를 얻지 못했습니다. 생각하는 방법을 모르는 잔인한 세상이 그러합니다. 그는 곡식을 찾기 위해 모든 것을 닭처럼 노로 젓습니다. 그리고 당신이해야 할 일은 분명히 어리석은 노를 저어주지 않기 위해 동적 시스템 이론의 적용 한계에 대해 읽는 것입니다.
그렇다면 내가 제일 먼저 국회에서 이룬 모든 성과를 쓰레기통에 버리고 프라이벌 학생으로 등록 하겠다 ! 바로 지금(음, 거의, 바로 지금) 저는 Forex Flows 와 Kalman 필터의 울부짖음에 대한 스레드를 다시 읽기 시작할 것입니다.
유감스럽게도 나는 아마도 이것을 할 필요가 없을 것입니다. 그리고 그 이유가 곧 밝혀지길 바랍니다.
선형 회귀 및 신경망에 반대할 필요가 없으며 각각의 방법에는 고유한 장점과 단점이 있습니다. 예를 들어, 신경망은 더 부드러운 신호 모델을 제공하고 더 나은 위상 특성으로그러나 선형 회귀는 학습보다 훨씬 더 안정적인 신호를 제공합니다. 그림은 신경망과 선형 회귀를 사용하여 동일한 소스 데이터에 대한 모델링의 예를 보여줍니다. 모델 훈련에 대한 인용 범위는 5월 20일부터 6월 10일까지이며, 이 구간의 환율 변동 범위는 1.54에서 1.6까지입니다. 노란색과 분홍색 신호는 동일한 입력 데이터에 대해 훈련된 신경망이지만 다른 목적 함수의 경우 빨간색과 파란색은 선형 회귀이며 동일한 데이터 및 신경망과 동일한 목적 함수에 대해 훈련됩니다. 하나의 목적 함수에 대해 노란색과 빨간색, 다른 하나에 대해 각각 분홍색과 파란색. 그림 1은 훈련이 발생한 범위 내의 그래프를 보여줍니다. 그림 2에서 훈련 범위를 벗어난 그래프는 그림 2에서 볼 수 있듯이 8월 8일부터 신경망의 모델이 큰 오류를 제공하기 시작했습니다. 훈련은 2개월이면 충분했기 때문입니다. 훈련 작업의 하한선이 1.54였음에도 불구하고 비율은 1.52 아래로 떨어졌습니다. 그림 3은 10월 13일까지 인용 부호가 있는 차트를 보여줍니다. 신경망 기반 모델은 강한 왜곡을 보인 반면 선형 회귀 기반 모델은 크게 변화된 시장에서 재교육 없이 안정성을 유지했음을 알 수 있습니다. 저는 신경망과 선형 회귀를 모두 결합하여 각 방법의 단점을 완화하고 장점을 강화합니다.
선형 회귀 및 신경망에 반대할 필요가 없으며 각각의 방법에는 고유한 장점과 단점이 있습니다.
내가 당신과 논쟁합니까?
물론 방법의 비교는 작업의 맥락에서 수행되어야 합니다. 예를 들어 나에게는 각 단계의 예측과 함께 한 단계 앞서는 예측이 적절합니다. 이러한 상황에서 국회는 아마도 경쟁에서 벗어났을 것입니다.
당신이 제공한 데이터는 흥미롭습니다. 불행히도 사진의 품질은 우수하지 않으며 사진에서 아무것도 볼 수 없거나 심지어 불가능합니다. 가능하면 두 번째 무화과의 첫 번째 1/3을 주십시오. 확대해서 - 마지막 NN 최적화의 경계에 가까운 영역에서 움직임의 품질을보고 싶습니다. 가격 증분 및 이동 평균 좌표에서 예측 클라우드 형태로 보다 유익한 형태로 데이터를 표시하는 것도 가능합니다(이 항목의 3페이지 참조).
있다. 나는 이미 그것들을 여러 번 당신에게 가져왔고 나는 반복하지 않을 것입니다. 당신이 그들을보고 싶지 않거나 그들을보고 싶지 않다면, 나는 당신을 도울 수 없습니다.
여기 아무도 당신에게 아무것도 증명하지 않으며 이것을 할 의무가 없음을 이해하십시오. 당신은 나에게 당신에게 설명을 부탁했고, 나는 시도했지만 당신은 이해하지 못했습니다. 아아, 이 잔인한 세상에서 모든 것이 그렇게 단순하지는 않습니다. 모든 것이 한 번에 주어지는 것은 아니며 특정 지식 기반이 필요합니다.
있다. 나는 이미 그것들을 여러 번 당신에게 가져왔고 나는 반복하지 않을 것입니다. 당신이 그들을보고 싶지 않거나 그들을보고 싶지 않다면, 나는 당신을 도울 수 없습니다.
여기 아무도 당신에게 아무것도 증명하지 않으며 이것을 할 의무가 없음을 이해하십시오. 당신은 나에게 당신에게 설명을 부탁했고, 나는 시도했지만 당신은 이해하지 못했습니다. 아아, 이 잔인한 세상에서 모든 것이 그렇게 단순하지는 않습니다. 모든 것이 한 번에 주어지는 것은 아니며 특정 지식 기반이 필요합니다.
그리고 무엇을, 급습이 아니라 동적 시스템 이론의 틀 내에서 특정 지식 기반을 가지고 가격을 예측할 수 있었습니까?
내 생각에 좋은 TS를 구축하는 것은 예측 없이는 불가능합니다. 확률이 1이 아니라 0.62라고 가정해 보겠습니다. 즉, 100개 중 62개의 거래에서 SL=TR로 시장에 진입하면 다음을 얻습니다. 보장된 이익.
예측 없이는 불가능합니다. 그렇지 않으면 깊은 웅덩이와 같습니다.
저자는 예측의 개념을 우주 높이까지 확장한 다음 시장에서 거래자가 하는 모든 것이 그의 예측이지만 나쁜 TS도 예측을 기반으로 하거나 이 개념을 지표 시스템으로 좁혔지만 좋은 TS는 예측 없이 가능하며, 초기 예측 없이 비 지표 시스템의 이름을 지정하는 방법에 대해 생각하고 생각했습니다. - SYMMETRIC)))), 아니면 이미 이름이 있을 수 있습니다 ??? 일반적으로 MTS를 속성별로 분류한 사람이 있습니까?
그리고 무엇을, 급습이 아니라 동적 시스템 이론의 틀 내에서 특정 지식 기반을 가지고 가격을 예측할 수 있었습니까?
내가 "예"라고 대답하면 이 포럼의 게시물을 전혀 철회할 때까지 증거를 볼 것을 요구할 것입니다 :) 그래서 저는 "아니오"라고 대답할 것입니다.
내가 "예"라고 대답하면 이 포럼의 게시물을 전혀 철회할 때까지 증거를 볼 것을 요구할 것입니다 :) 그래서 저는 "아니오"라고 대답할 것입니다.
"무엇에 대답해야 할지"에 대한 당신의 합리화는 진실을 인정하는 데 도움이 되는 강화일 뿐입니다. 당신이나 이 포럼의 그 누구도, Anishchenko도, 창립자도 가격 예측에 대해 긍정적인 결과를 얻지 못했습니다. 생각하는 방법을 모르는 잔인한 세상이 그러합니다. 그는 곡식을 찾기 위해 모든 것을 닭처럼 노로 젓습니다. 그리고 당신이해야 할 일은 분명히 어리석은 노를 저어주지 않기 위해 동적 시스템 이론의 적용 한계에 대해 읽는 것입니다.
그렇다면 내가 제일 먼저 국회에서 이룬 모든 성과를 쓰레기통에 버리고 프라이벌 학생으로 등록 하겠다 ! 바로 지금(음, 거의, 바로 지금) 저는 Forex Flows 와 Kalman 필터의 울부짖음에 대한 스레드를 다시 읽기 시작할 것입니다.
유감스럽게도 나는 아마도 이것을 할 필요가 없을 것입니다. 그리고 그 이유가 곧 밝혀지길 바랍니다.
선형 회귀 및 신경망에 반대할 필요가 없으며 각각의 방법에는 고유한 장점과 단점이 있습니다. 예를 들어, 신경망은 더 부드러운 신호 모델을 제공하고 더 나은 위상 특성으로 그러나 선형 회귀는 학습보다 훨씬 더 안정적인 신호를 제공합니다. 그림은 신경망과 선형 회귀를 사용하여 동일한 소스 데이터에 대한 모델링의 예를 보여줍니다. 모델 훈련에 대한 인용 범위는 5월 20일부터 6월 10일까지이며, 이 구간의 환율 변동 범위는 1.54에서 1.6까지입니다. 노란색과 분홍색 신호는 동일한 입력 데이터에 대해 훈련된 신경망이지만 다른 목적 함수의 경우 빨간색과 파란색은 선형 회귀이며 동일한 데이터 및 신경망과 동일한 목적 함수에 대해 훈련됩니다. 하나의 목적 함수에 대해 노란색과 빨간색, 다른 하나에 대해 각각 분홍색과 파란색. 그림 1은 훈련이 발생한 범위 내의 그래프를 보여줍니다. 그림 2에서 훈련 범위를 벗어난 그래프는 그림 2에서 볼 수 있듯이 8월 8일부터 신경망의 모델이 큰 오류를 제공하기 시작했습니다. 훈련은 2개월이면 충분했기 때문입니다. 훈련 작업의 하한선이 1.54였음에도 불구하고 비율은 1.52 아래로 떨어졌습니다. 그림 3은 10월 13일까지 인용 부호가 있는 차트를 보여줍니다. 신경망 기반 모델은 강한 왜곡을 보인 반면 선형 회귀 기반 모델은 크게 변화된 시장에서 재교육 없이 안정성을 유지했음을 알 수 있습니다. 저는 신경망과 선형 회귀를 모두 결합하여 각 방법의 단점을 완화하고 장점을 강화합니다.
선형 회귀 및 신경망에 반대할 필요가 없으며 각각의 방법에는 고유한 장점과 단점이 있습니다.
내가 당신과 논쟁합니까?
물론 방법의 비교는 작업의 맥락에서 수행되어야 합니다. 예를 들어 나에게는 각 단계의 예측과 함께 한 단계 앞서는 예측이 적절합니다. 이러한 상황에서 국회는 아마도 경쟁에서 벗어났을 것입니다.
당신이 제공한 데이터는 흥미롭습니다. 불행히도 사진의 품질은 우수하지 않으며 사진에서 아무것도 볼 수 없거나 심지어 불가능합니다. 가능하면 두 번째 무화과의 첫 번째 1/3을 주십시오. 확대해서 - 마지막 NN 최적화의 경계에 가까운 영역에서 움직임의 품질을보고 싶습니다. 가격 증분 및 이동 평균 좌표에서 예측 클라우드 형태로 보다 유익한 형태로 데이터를 표시하는 것도 가능합니다(이 항목의 3페이지 참조).
불행히도 사진의 품질은 우수하지 않으며 사진에서 아무것도 볼 수 없거나 심지어 불가능합니다.
사진을 클릭하면 원본 크기로 표시됩니다.
Pilligrim 에 대한 질문이 있습니다. 이 모델의 입력 벡터는 무엇이며 출력은 무엇입니까? 이 데이터가 없으면 이 도면은 아무 의미가 없습니다.
사진을 클릭하면 원본 크기로 표시됩니다.
아니, 인상적이지 않습니다. 다시 그리자.