국회 대안에 대한 문구는 명확하지 않습니다. 왜 이런 결론에 이르렀습니까? 그리고 시장에서 결정론의 조건이 당신에게 중요하지 않은 이유는 무엇입니까? 그리고 막대 사이에 연결이 없는 이유는 무엇입니까? 막대 기록이 아닌 경우 실제 거래를 위해 어떤 데이터를 사용합니까?
막대 사이에 통계적으로 유의한 종속성이 존재하는지에 대한 선형 모델의 틀 내에서 많은 통계 연구를 수행했습니다. 결과는 다음과 같습니다.
1. 종속성이 있습니다.
2. TF가 감소함에 따라 기존 종속성이 증가합니다.
3. 기존 종속성이 약합니다(DC 커미션을 중단한다는 의미에서).
결론: 막대 사이에는 의미 있는 연결이 없습니다(위에서 언급한 의미에서).
연구를 위해 비선형 AR 모델을 사용하지 않았습니다. 두 가지 이유가 있습니다. 첫째, 그것들은 내가 이해하기에는 너무 복잡합니다. 두 번째 - 간접 데이터는 막대 사이에 비선형 관계가 없음을 나타냅니다. 이 모든 것이 "보편적 근사치"인 NS로의 전환을 위한 동기로 작용했습니다.
나는 시장의 결정론에 대해 이해하지 못했다. 만약 시장이 완전히 비결정적이라면 이것은 효율적인 시장 가설에 찬성할 것이며, 이는 이 포럼에서 우리의 존재와 반대입니다.
국회 대안에 대한 문구는 명확하지 않습니다. 왜 이런 결론에 이르렀습니까? 그리고 시장에서 결정론의 조건이 당신에게 중요하지 않은 이유는 무엇입니까? 그리고 막대 사이에 연결이 없는 이유는 무엇입니까? 막대 기록이 아닌 경우 실제 거래를 위해 어떤 데이터를 사용합니까?
막대 사이에 통계적으로 유의한 종속성이 존재하는지에 대한 선형 모델의 틀 내에서 많은 통계 연구를 수행했습니다. 결과는 다음과 같습니다.
1. 종속성이 있습니다.
2. TF가 감소함에 따라 기존 종속성이 증가합니다.
3. 기존 종속성이 약합니다(DC 커미션을 중단한다는 의미에서).
결론: 막대 사이에는 의미 있는 연결이 없습니다(위에서 언급한 의미에서).
연구를 위해 비선형 AR 모델을 사용하지 않았습니다. 두 가지 이유가 있습니다. 첫째, 그것들은 내가 이해하기에는 너무 복잡합니다. 두 번째 - 간접 데이터는 막대 사이에 비선형 관계가 없음을 나타냅니다. 이 모든 것이 "보편적 근사치"인 NS로의 전환을 위한 동기로 작용했습니다.
나는 시장의 결정론에 대해 이해하지 못했다. 만약 시장이 완전히 비결정적이라면 이것은 효율적인 시장 가설에 찬성할 것이며, 이는 이 포럼에서 우리의 존재와 반대입니다.
예측을 위해 가격 시리즈의 수직 분석을 사용합니다.
나는 이것이 "신경망"의 도움으로 시장의 실제 느낌보다 더 많은 감정이라고 믿습니다. 더 조심하십시오. 아바타에 묘사 된 영웅의 운명이 근본적으로 가능한 위험을 경고하기를 바랍니다.
감정에 대해서는 당신이 옳을 가능성이 높지만 언젠가 "아바타의 영웅"의 운명은 우리 모두가 공유할 것입니다.
감정에 대해서는 당신이 옳을 가능성이 높지만 언젠가 "아바타의 영웅"의 운명은 우리 모두가 공유할 것입니다.
그러나 일부는 나중에 발생하기를 원합니다.
그러나 일부는 나중에 발생하기를 원합니다.
참여합니다 :-) 서두를 필요가 없습니다.
중성자에게
그리고 한 시대의 주기에서 예측 오류를 취합니까? 아니면 이 두 가지 다른 절차가 동일한 차트에 있습니까?
네, 하지만 저는 외부에서 통계를 수집합니다.
실험에서 알 수 있듯이 네트워크 재훈련의 위험은 항상 존재하며 최적의 훈련 에포크 수를 항상 시각적으로 제어해야 합니다. 또한 EURUSD 시간당 시계에 대한 테스트 샘플(교육에 참여하지 않음)에 대한 네트워크 교육 품질의 종속성을 구축했습니다.
![]()
단일 퍼셉트론의 입력 d 의 수가 증가함에 따라 예측 품질이 증가함을 알 수 있습니다(최소 파란색 점). 그러나 이 과정은 점근적으로 일정한 경향이 있으며 퍼셉트론 입력의 최대 수를 제한하는 것이 합리적입니다.
단일 퍼셉트론의 입력 d의 수가 증가함에 따라 예측 품질이 증가함을 알 수 있습니다(최소 파란색 점). 그러나 이 과정은 점근적으로 일정한 경향이 있으며 퍼셉트론 입력의 최대 수를 제한하는 것이 합리적입니다.그런데 어떤 이유로 입력 수가 증가하면 학습 오류가 증가하고 점근적으로 1에 접근합니다.