? 나는 그것이 동등한 것으로 축소 될 수 있다는 것을 이해하지만 처음에는 영향의 정도 측면에서 반응을 표현하는 것이 더 논리적이지 않습니까?
그건 그렇고, 2차 디퓨라의 선형성은 역학의 고전적인 개념인 작용의 운동량과 라그랑주 함수(에너지)를 쉽게 도입할 수 있도록 합니다. 외부 영향의 불변성 현장에서 에너지 보존 법칙의 특정 유사성에 대해서도 말할 수 있습니다.
그러나 여기서 나는 근본적으로 동의하지 않습니다. 사실, 우리 시스템은 "소멸"에 의해서만 들어오는 에너지를 나가는 에너지로 변환합니다. 반짝이는 용어는 유감입니다. 판매자와 구매자가 거래에 동의하는 순간 들어오는 에너지의 작은 부분이 시스템에서 소산되고 증가된 엔트로피만 남게 됩니다. 더욱이 시스템을 통한 에너지의 흐름, 대략적으로 말하면 거래량은 보존과는 거리가 먼 값이지만 시스템이 존재하게 하는 것은 이 값이다.
매우 다양한 기준과 매우 다른 기준을 제시할 수 있습니다. 그러나 이러한 복수의 기준은 원칙적으로 불일치로 인해 원하는 결과로 이어지지 않습니다.
여기서 모든 것이 중요합니다. 처음 두 점은 잔차를 BGS에 더 가깝게 가져와야 합니다. 이는 모델의 적절성을 의미합니다. 세 번째 요점은 그 자체로 명확하며 오류는 가능한 한 최소화되어야 합니다. 네 번째 - 모델의 과도한 복잡성은 불안정성과 적합성의 냄새를 풍기며, 아마도 예측 품질에 영향을 미칠 것입니다. 어떤 모순도 보이지 않습니다. 각 구성 요소에 대한 중요도 가중치를 올바르게 선택하기만 하면 됩니다.
alsu : 여기서 모든 것이 중요합니다. 처음 두 점은 잔차를 BGS에 더 가깝게 가져와야 합니다. 이는 모델의 적절성을 의미합니다. 세 번째 요점은 그 자체로 명확하며 오류는 가능한 한 최소화되어야 합니다. 네 번째 - 모델의 과도한 복잡성은 불안정성과 적합성의 냄새를 풍기며, 아마도 예측 품질에 영향을 미칠 것입니다. 어떤 모순도 보이지 않습니다. 각 구성 요소에 대한 중요도 가중치를 올바르게 선택하기만 하면 됩니다.
제 생각에는 귀하가 나열한 기준 중 어느 것도
- 모델 잔차의 상관 시간 -> min
- 정규에서 잔차 분포의 차이 -> 최소
- 잔차 벡터의 노름 -> 최소
- 사라지지 않는 모델 매개변수의 수 -> min
모델 적응 측면에서 필요하지도 유용하지도 않습니다.
정규 분포에 대한 조정이 필요한 항목 2는 더욱 그렇습니다. 죄송합니다. 말도 안되는 소리입니다.
어쩌면 더 쉬울 수도 있습니다. 실수는 손실이고 정확한 예측은 수입입니다. 손익을 추정합니다. 저것들. 예를 들어 PF. 저것들. PF 최적화 기준->최대
가능하지만 일부 알고리즘을 사용하여 매개변수를 조정하는 방법에 대해서도 생각해야 합니다.
9000가지 다른 알고리즘이 있지만 순전히 수학적으로는 한 가지 공통점이 있습니다. 최적에 도달하려면 조정 가능한 매개변수에 의해 최적화되는 함수의 기울기를 알아야 합니다. 물론 PF를 기준으로 삼아 실시간으로 모든 도함수를 계산할 수도 있습니다(자동 미분을 사용하면 그렇게 어렵지 않습니다). 그러나 여기에 한 가지 문제가 있습니다. 이윤 요인의 가치는 아시다시피 시끄러운 과정의 특성을 지닌 가격대 자체에 크게 좌우됩니다. 동시에 몇 포인트에 대해 1개의 캔들에 의한 가격 변동은 예측할 수 없는 결과로 1개의 추가 또는 1개의 누락된 거래를 제공할 수 있으며 이는 이익 요소에 직접적으로 크게 영향을 미칩니다(구조 최적화가 필요하다는 것을 잊지 마십시오. 초기에는 모델이 가변 매개변수를 갖는다고 가정하기 때문에 가능한 한 가장 짧은 시간 동안 모델을 사용합니다. 따라서 기준은 매우 매끄럽지 않은 것으로 판명되었으며 이에 대한 최적화 알고리즘은 일종의 로컬 최적에 갇힐 수 있습니다. 이는 가격 변동에 의해서만 발생할 수 있습니다.
그러나 예를 들어 오류 벡터의 표준(포인트 3)에는 이러한 단점이 없습니다. 캔들 1개에서 1포인트씩 가격이 변경되면 패널티 함수가 똑같이 미미하게 변경됩니다. 포인트 1과 2도 여기에 속하며 포인트 4는 가격에 전혀 의존하지 않습니다.
요컨대, 기준은 초기 조건(우리의 경우 최적화 샘플)에 대해 가능한 한 안정적이어야 하며, 그렇지 않으면 알고리즘에 발견된 최적의 전역성에 대한 일종의 검사가 있어야 합니다. 그렇지 않으면 최적화 대신 혼돈이 발생합니다.
정규 분포에 대한 조정이 필요한 항목 2는 더욱 그렇습니다. 이것은 이미 죄송합니다. 말도 안되는 소리입니다.
여기에서 이미 모순됩니다. 프로세스가 신호 + 노이즈로 표시되는 경우 나머지는 이상적으로 정확히 0 정보를 전달하는 정확히 열 노이즈여야 합니다. 일반적으로 이 메시지는 이미 50년 동안 일반적으로 받아들여졌습니다. BGSh(1절과 2절)의 출력에서 수신된 <=> 모델은 결정론적 구성 요소를 적절하게 설명합니다.
그리고 3번 항목에 대해 좀 더 자세히 알려주세요. 최소 오차가 언제부터 적응 측면에서 무용지물이 되었나요???
Alexey, 첫 번째 질문을 합니다. 왜
1) 주가에 의존하지 않는 영구적인 임팩트(알파 임팩트),
2) 주가에 비례하는 임팩트(베타 임팩트),
3) 주가의 파생상품에 비례합니다(감마 영향).
4) 주가의 제곱에 비례(비선형성 도입)(델타 영향).
만약
"외부"만 "재고"에 영향을 미치고 그 반대는 아닙니다.
? 나는 그것이 동등한 것으로 축소 될 수 있다는 것을 이해하지만 처음에는 영향의 정도 측면에서 반응을 표현하는 것이 더 논리적이지 않습니까?
내 생각에 기준은 복합적이어야 하며 다음 요소를 동시에 고려해야 합니다(예: 패널티 기능 사용).
- 모델 잔차의 상관 시간 -> min
- 정규에서 잔차 분포의 차이 -> 최소
- 잔차 벡터의 노름 -> 최소
- 사라지지 않는 모델 매개변수의 수 -> min
이것은 입력 신호 모델을 고려하지 않은 종자용이며, 곧 대머리 개방을 제시합니다)
... 입력 신호 모델을 고려하지 않고 곧 대머리 개방)
그런 유명한 이야기가 무심코 떠오릅니다. 라플라스가 나폴레옹에게 천체 역학의 사본을 선물했을 때 황제는 이렇게 말했습니다. 이에 대해 라플라스는 "나는 이 가설이 필요하지 않았다"고 대답했다고 한다. 자연이 신을 대체했습니다.
;)
"그 가설은 필요 없었어." 자연이 신을 대체했습니다.
내 생각에 기준은 복합적이어야 하며 다음 요소를 동시에 고려해야 합니다(예: 패널티 기능 사용).
- 모델 잔차의 상관 시간 -> min
- 정규에서 잔차 분포의 차이 -> 최소
- 잔차 벡터의 노름 -> 최소
- 사라지지 않는 모델 매개변수의 수 -> min
이것은 입력 신호 모델을 고려하지 않은 종자용이며, 곧 대머리 개방을 제시합니다)
매우 다양한 기준과 매우 다른 기준을 제시할 수 있습니다. 그러나 이러한 복수의 기준은 원칙적으로 불일치로 인해 원하는 결과로 이어지지 않습니다.
Критерий, я так считаю, должен быть составной и учитывать одновременно следующие факторы (например, с помощью штрафной функции):
- время корреляции остатков модели -> min
- отличие распределения остатков от нормального -> min
- норма вектора остатков -> min
- количество параметров модели, не обращающихся в нуль -> min
Это для затравки, без учета модели входного сигнала, которой я скоро присутствующим плешь проем)
어쩌면 더 쉬울 수도 있습니다. 실수는 손실이고 정확한 예측은 수입입니다. 손익을 추정합니다. 저것들. 예를 들어 PF. 저것들. PF 최적화 기준->최대
매우 다양한 기준과 매우 다른 기준을 제시할 수 있습니다. 그러나 이러한 복수의 기준은 원칙적으로 불일치로 인해 원하는 결과로 이어지지 않습니다.
여기서 모든 것이 중요합니다. 처음 두 점은 잔차를 BGS에 더 가깝게 가져와야 합니다. 이는 모델의 적절성을 의미합니다. 세 번째 요점은 그 자체로 명확하며 오류는 가능한 한 최소화되어야 합니다. 네 번째 - 모델의 과도한 복잡성은 불안정성과 적합성의 냄새를 풍기며, 아마도 예측 품질에 영향을 미칠 것입니다. 어떤 모순도 보이지 않습니다. 각 구성 요소에 대한 중요도 가중치를 올바르게 선택하기만 하면 됩니다.
제 생각에는 귀하가 나열한 기준 중 어느 것도
- 모델 잔차의 상관 시간 -> min
- 정규에서 잔차 분포의 차이 -> 최소
- 잔차 벡터의 노름 -> 최소
- 사라지지 않는 모델 매개변수의 수 -> min
모델 적응 측면에서 필요하지도 유용하지도 않습니다.
정규 분포에 대한 조정이 필요한 항목 2는 더욱 그렇습니다. 죄송합니다. 말도 안되는 소리입니다.
어쩌면 더 쉬울 수도 있습니다. 실수는 손실이고 정확한 예측은 수입입니다. 손익을 추정합니다. 저것들. 예를 들어 PF. 저것들. PF 최적화 기준->최대
가능하지만 일부 알고리즘을 사용하여 매개변수를 조정하는 방법에 대해서도 생각해야 합니다.
9000가지 다른 알고리즘이 있지만 순전히 수학적으로는 한 가지 공통점이 있습니다. 최적에 도달하려면 조정 가능한 매개변수에 의해 최적화되는 함수의 기울기를 알아야 합니다. 물론 PF를 기준으로 삼아 실시간으로 모든 도함수를 계산할 수도 있습니다(자동 미분을 사용하면 그렇게 어렵지 않습니다). 그러나 여기에 한 가지 문제가 있습니다. 이윤 요인의 가치는 아시다시피 시끄러운 과정의 특성을 지닌 가격대 자체에 크게 좌우됩니다. 동시에 몇 포인트에 대해 1개의 캔들에 의한 가격 변동은 예측할 수 없는 결과로 1개의 추가 또는 1개의 누락된 거래를 제공할 수 있으며 이는 이익 요소에 직접적으로 크게 영향을 미칩니다(구조 최적화가 필요하다는 것을 잊지 마십시오. 초기에는 모델이 가변 매개변수를 갖는다고 가정하기 때문에 가능한 한 가장 짧은 시간 동안 모델을 사용합니다. 따라서 기준은 매우 매끄럽지 않은 것으로 판명되었으며 이에 대한 최적화 알고리즘은 일종의 로컬 최적에 갇힐 수 있습니다. 이는 가격 변동에 의해서만 발생할 수 있습니다.
그러나 예를 들어 오류 벡터의 표준(포인트 3)에는 이러한 단점이 없습니다. 캔들 1개에서 1포인트씩 가격이 변경되면 패널티 함수가 똑같이 미미하게 변경됩니다. 포인트 1과 2도 여기에 속하며 포인트 4는 가격에 전혀 의존하지 않습니다.
요컨대, 기준은 초기 조건(우리의 경우 최적화 샘플)에 대해 가능한 한 안정적이어야 하며, 그렇지 않으면 알고리즘에 발견된 최적의 전역성에 대한 일종의 검사가 있어야 합니다. 그렇지 않으면 최적화 대신 혼돈이 발생합니다.
정규 분포에 대한 조정이 필요한 항목 2는 더욱 그렇습니다. 이것은 이미 죄송합니다. 말도 안되는 소리입니다.
여기에서 이미 모순됩니다. 프로세스가 신호 + 노이즈로 표시되는 경우 나머지는 이상적으로 정확히 0 정보를 전달하는 정확히 열 노이즈여야 합니다. 일반적으로 이 메시지는 이미 50년 동안 일반적으로 받아들여졌습니다. BGSh(1절과 2절)의 출력에서 수신된 <=> 모델은 결정론적 구성 요소를 적절하게 설명합니다.
그리고 3번 항목에 대해 좀 더 자세히 알려주세요. 최소 오차가 언제부터 적응 측면에서 무용지물이 되었나요???