최대값은 2,098비트일 수 있습니다. 이것은 이 특정 데이터 시리즈의 평균 정보입니다. 예를 들어 지연 1의 막대가 0 막대를 완전히 결정하는 경우 상호 정보는 2.098비트와 같습니다.
이 숫자는 무엇입니까? 이것은 정보의 척도입니다) TI에 대한 기사를 읽어야 합니다. 요컨대, 비트는 하나의 특정 값의 자체 정보 공식에 따라 데이터 소스 값의 임의성의 측정값을 반영합니다
I(X) = -log(P(x))*P(x).
예를 하나 더. 우리는 동전을 던지고 두 개의 연속적인 사건 사이의 상호 정보를 고려합니다. 내 기사에서 방송 한 공식에 따르면 상호 정보 I (X; Y) \u003d 0. 그리고 꼬리의 손실이 꼬리 (또는 머리)의 후속 손실을 정확히 나타내면 나는 (X; Y) 1은 "공정한 동전" 데이터 소스의 평균 정보와 같습니다.
알렉세이! 또한 상호 정보를 사용하여 신경망에 대한 의미 있는 입력을 선택합니다. 일반적으로 모델은 52 - 54%의 예측 가능성으로 얻어집니다. 상호 정보가 > 0.1비트일 때 가치 있는 결과를 얻을 수 있을 것 같습니다. 변동성의 경우 그러한 중요한 입력을 찾는 것으로 나타났습니다.
VNG : 누가 5번을 했는지 모르겠습니다 . 그러나 나는 그가 연구하는 동안 매우 흥미로운 결과를 발견했지만 그것을 보지 못했다는 것을 알았습니다.
이 스레드에 있는 내 게시물이 거의 주제에서 벗어난 반칙에 가깝다는 것을 알고 있습니다.
5- hrenfx 에서.
게시물은 정상적이며 주제에 매우 적합합니다. 또한 연구 주제에 대한 TI의 적용 가능성에 대해 여기에서 일부 사람들이 의구심을 갖습니다.
- 스케일을 변경할 때 불변이 있다는 점, 죄송합니다. 이해가 되지 않습니다. 나는 불변성을 스케일링 인자(일반적으로 어떤 숫자나 함수일 수 있음)의 존재로 이해합니다. 이를 곱하면 원래 패턴에 다른 스케일의 새로운 패턴이 생깁니다. 즉, 혼란스러운 데이터 스트림의 구조를 나타내는 아핀 변환입니다. 그런 다음 문제는 그러한 계수를 찾는 것으로 축소됩니다. 패턴이 발견되면 단순히 이 계수를 곱합니다. 또한 이러한 변환은 "위"와 "아래" 모두에서 작동합니다. 그리고 그게 다야.
글쎄요, 그래요. 저는 프랙탈리티에 흥분했습니다. 있지만 완벽하지는 않습니다. 더 정확하게 말하면, 프랙탈 불변성은 이상적이지 않습니다.
- 두 양의 상호 의존성을 조사하면
- 왜 이러는지, 왜 그런 발언을 했는지
어떤 진술 - 이해하지 못했습니다.
- 왜 3-5-30이 아니라 정확히 2
- 정확히 두 가지 수량
여기가 더 명확합니다.
1. 조건부 소스와 조건부 수신자를 가져와서 둘 사이에 최소한 어떤 종류의 종속성이 있는지 알아내려고 하기 때문입니다.
우리는 알파벳을 작성합니다(수익 분포를 분위수로 나눕니다. 저에게는 더 편리합니다. 이름을 딴 것은 약간 다르지만 결과에 실제로 영향을 미치지는 않음), TI를 적용합니다. 통신 채널에 대한 의심이 있습니다. 아마도 시간은 의사 소통의 채널입니다.
예를 들어 238과 같은 막대(숫자는 MT4에서 계산됨) 간의 차이를 수정하면 소스는 시리즈
return(Bars-1), return(Bars-2), ... return(238) (12시간 동안 약 80,000개 값)
흠, 몇 년 동안 나는 Alpari 포럼에 등록하고 싶지 않았지만 오늘은 다른 방법으로 링크의 주제를 읽어야 했지만 오 글쎄요. 나는 이미 말한 것보다 더 잘 할 수 없습니다.
내가 틀렸으면 좋겠지만 당신의 "마법의 오점"은 당신의 머리에 더 많습니다. 채널에 의한 TS는 직관에 의한 TS와 매우 유사합니다. 여기에 충족되지 않은 예측이 있습니다.
나는 수년 동안 다양한 건축물에 대해 수준을 "비틀어 왔고" 제안된 TS에서 그들의 작업이 50/50으로 표시되는 것을 보았고 매우 유사한 결과를 얻었습니다. 우리가 10일 범위의 가격 변동을 취하더라도 역사 또는 가까운 미래에 우연의 일치
Igor, 나는 누군가 또는 무언가를 이상화하는 경향이 없습니다. 하지만 나는 이미 말했다
- 이것은 TSki가 아니며 시장 움직임의 모델입니다. TS를 기반으로 직접 구축해야합니다.
- 저자는 항상 예측에 반대했습니다. 그는 작업의 본질을 한 구절로 표현했습니다. 그들은 반동, 우리는 이전 것으로, 그들은 돌파했습니다. 우리는 다음으로 이동합니다.
- 내가 볼 수있는 한 이것은 예측이 아니라 개인적으로 집중하지 않은 가능한 목표입니다.
- 당신은 제안의 본질을 이해하려고 노력하지 않고 결함을 찾고 있습니다. 당신의 회의론은 내가 이해할 수 있지만 당신은 잘못된 길을 시작했습니다. 먼저 규칙과 구성의 본질을 이해하십시오. 당신을 위해 더 쉽게 만들기 위해 - Vadim의 채널, 이것은 동일한 양초이지만 TF와 관계가 없습니다.
TAdv는 6개의 기준점을 따른 움직임의 발달을 가정합니다. 채널은 TAdv의 포인트 1과 2입니다. 스윙 - TAdv에서 포인트 1,2,3. TAdv의 저자 중 한 명인 Yan도 V Channels와 V Swings의 저자인 Vadim도 누구에게도 아무 것도 증명하지 않고 어느 누구도 설득하지 않습니다. 그들은 엄격하게 정의된 경우에만 여기에 나타나고 여기에는 나타나지 않습니다. 누구에게나 무엇이든 요구하고 광고하지 마십시오. 범람하지 말고 예외적으로 올바르게 행동하십시오. 이것은 확신과 내면의 힘의 지표가 아닙니까? 그들은 단지 비이기적으로 자신의 발전을 돕고 퍼뜨릴 뿐입니다. TAdv는 10년 이상 전에 발표되었으며, VKanaly와 Vswingi는 거짓말을 하는 것이 두렵습니다. 7과 같이 시간의 테스트를 통과했고 많은 추종자를 보유하고 있습니다. 효과를 확인하는 유일한 방법은 직접 살펴보고 성능을 확인하는 것입니다. 아니면 모든 것이 "믿거나 말거나"의 영역에 남을 것입니다.
알렉세이! 또한 상호 정보를 사용하여 신경망에 대한 의미 있는 입력을 선택합니다. 일반적으로 모델은 52 - 54%의 예측 가능성으로 얻어집니다. 상호 정보가 > 0.1비트일 때 가치 있는 결과를 얻을 수 있을 것 같습니다. 변동성의 경우 그러한 중요한 입력을 찾는 것으로 나타났습니다.
오, 중요한 변수 선택 문제에 TI를 적용하는 방법도 배운 사람이 와서 기쁩니다.
당신의 조언이 약간 불완전하거나 무엇입니까? 평균 데이터 소스 정보가 다를 수 있다는 것입니다. 임계값 중요한 상호 정보도 이에 따라 달라집니다. 귀하의 평균 정보 흐름 H(X)는 무엇입니까?
맞습니다. ACF에는 의미가 없습니다.
그리고 상호 정보에서 - 그래야 하기 때문에 거기에 0이고 수백 바의 거리에서도 냄새가 나지 않습니다.
결과를 버리십시오 - 어떻게 생각했는지, 어떤 데이터에 대해 등등.
결과를 버리십시오 - 어떻게 생각했는지, 어떤 데이터에 대해 등등.
나는 계산하지 않았다. 정보. 통계가 있습니다. 데이터 계열 간의 관계에 대한 카이제곱 검정. 조금 있다가 포스팅하겠습니다. 명확하게 하기 위해 추가 설명이 필요합니다.
사실, 그것은 이름이 하는 일에 매우 가깝습니다. 공식조차도 매우 유사합니다.
최대값은 2,098비트일 수 있습니다. 이것은 이 특정 데이터 시리즈의 평균 정보입니다. 예를 들어 지연 1의 막대가 0 막대를 완전히 결정하는 경우 상호 정보는 2.098비트와 같습니다.
이 숫자는 무엇입니까? 이것은 정보의 척도입니다) TI에 대한 기사를 읽어야 합니다. 요컨대, 비트는 하나의 특정 값의 자체 정보 공식에 따라 데이터 소스 값의 임의성의 측정값을 반영합니다
I(X) = -log(P(x))*P(x).
예를 하나 더. 우리는 동전을 던지고 두 개의 연속적인 사건 사이의 상호 정보를 고려합니다. 내 기사에서 방송 한 공식에 따르면 상호 정보 I (X; Y) \u003d 0. 그리고 꼬리의 손실이 꼬리 (또는 머리)의 후속 손실을 정확히 나타내면 나는 (X; Y) 1은 "공정한 동전" 데이터 소스의 평균 정보와 같습니다.
알렉세이! 또한 상호 정보를 사용하여 신경망에 대한 의미 있는 입력을 선택합니다. 일반적으로 모델은 52 - 54%의 예측 가능성으로 얻어집니다. 상호 정보가 > 0.1비트일 때 가치 있는 결과를 얻을 수 있을 것 같습니다. 변동성의 경우 그러한 중요한 입력을 찾는 것으로 나타났습니다.
이 스레드에 있는 내 게시물이 거의 주제에서 벗어난 반칙에 가깝다는 것을 알고 있습니다.
5- hrenfx 에서.
게시물은 정상적이며 주제에 매우 적합합니다. 또한 연구 주제에 대한 TI의 적용 가능성에 대해 여기에서 일부 사람들이 의구심을 갖습니다.
- 스케일을 변경할 때 불변이 있다는 점, 죄송합니다. 이해가 되지 않습니다. 나는 불변성을 스케일링 인자(일반적으로 어떤 숫자나 함수일 수 있음)의 존재로 이해합니다. 이를 곱하면 원래 패턴에 다른 스케일의 새로운 패턴이 생깁니다. 즉, 혼란스러운 데이터 스트림의 구조를 나타내는 아핀 변환입니다. 그런 다음 문제는 그러한 계수를 찾는 것으로 축소됩니다. 패턴이 발견되면 단순히 이 계수를 곱합니다. 또한 이러한 변환은 "위"와 "아래" 모두에서 작동합니다. 그리고 그게 다야.
글쎄요, 그래요. 저는 프랙탈리티에 흥분했습니다. 있지만 완벽하지는 않습니다. 더 정확하게 말하면, 프랙탈 불변성은 이상적이지 않습니다.
- 두 양의 상호 의존성을 조사하면
- 왜 이러는지, 왜 그런 발언을 했는지
어떤 진술 - 이해하지 못했습니다.
- 왜 3-5-30이 아니라 정확히 2
- 정확히 두 가지 수량
여기가 더 명확합니다.
1. 조건부 소스와 조건부 수신자를 가져와서 둘 사이에 최소한 어떤 종류의 종속성이 있는지 알아내려고 하기 때문입니다.
우리는 알파벳을 작성합니다(수익 분포를 분위수로 나눕니다. 저에게는 더 편리합니다. 이름을 딴 것은 약간 다르지만 결과에 실제로 영향을 미치지는 않음), TI를 적용합니다. 통신 채널에 대한 의심이 있습니다. 아마도 시간은 의사 소통의 채널입니다.
예를 들어 238과 같은 막대(숫자는 MT4에서 계산됨) 간의 차이를 수정하면 소스는 시리즈
return(Bars-1), return(Bars-2), ... return(238) (12시간 동안 약 80,000개 값)
수신기 - 행
return(Bars-1 - 238), return(Bars-2 - 238), ... return(0) .
간단히 말해서, 일련의 수익률과 동일한 수익률이 238만큼 자신에 대해 상대적으로 이동했습니다.
ACF를 계산할 수 있습니다. 거의 확실히 0과 같거나 통계적으로 미미하게 다를 것입니다. 네, 이 시리즈 사이에는 중요한 선형 종속성이 없으며 모든 것이 사소하고 물고기가 없습니다.
그러나 우리 Alexei는 ACF를 고려하지 않고 모든 비선형 종속성을 고려합니다. 이를 위해서는 이 두 수량의 공동 분포가 필요합니다. 우리는 그것을 가지고있다. (참고로 ACF를 계산할 때도 필요한데, 그냥 보통은 신경을 안 쓴다.)
그 이름을 딴 사람은 즉시 황소를 뿔로 잡고이 두 줄의 상호 정보를 계산합니다.
나는 두 확률 변수 간의 관계에 대한 카이 제곱 검정을 평가하고 있었습니다.
결과는 매우 유사합니다.
- 두 양의 공동 분포는 표면입니다. 뭐, 우리는 또 다른 현실로 넘어갈까?
예, 우리는 오랫동안 거기에 있었지만 모든 사람이 그것을 이해하는 것은 아닙니다.
지금까지 이 모든 것은 낚싯대 프로젝트일 뿐 , 전혀 물고기가 아닙니다.
흠, 몇 년 동안 나는 Alpari 포럼에 등록하고 싶지 않았지만 오늘은 다른 방법으로 링크의 주제를 읽어야 했지만 오 글쎄요. 나는 이미 말한 것보다 더 잘 할 수 없습니다.
내가 틀렸으면 좋겠지만 당신의 "마법의 오점"은 당신의 머리에 더 많습니다. 채널에 의한 TS는 직관에 의한 TS와 매우 유사합니다. 여기에 충족되지 않은 예측이 있습니다.
나는 수년 동안 다양한 건축물에 대해 수준을 "비틀어 왔고" 제안된 TS에서 그들의 작업이 50/50으로 표시되는 것을 보았고 매우 유사한 결과를 얻었습니다. 우리가 10일 범위의 가격 변동을 취하더라도 역사 또는 가까운 미래에 우연의 일치
Igor, 나는 누군가 또는 무언가를 이상화하는 경향이 없습니다. 하지만 나는 이미 말했다
- 이것은 TSki가 아니며 시장 움직임의 모델입니다. TS를 기반으로 직접 구축해야합니다.
- 저자는 항상 예측에 반대했습니다. 그는 작업의 본질을 한 구절로 표현했습니다. 그들은 반동, 우리는 이전 것으로, 그들은 돌파했습니다. 우리는 다음으로 이동합니다.
- 내가 볼 수있는 한 이것은 예측이 아니라 개인적으로 집중하지 않은 가능한 목표입니다.
- 당신은 제안의 본질을 이해하려고 노력하지 않고 결함을 찾고 있습니다. 당신의 회의론은 내가 이해할 수 있지만 당신은 잘못된 길을 시작했습니다. 먼저 규칙과 구성의 본질을 이해하십시오. 당신을 위해 더 쉽게 만들기 위해 - Vadim의 채널, 이것은 동일한 양초이지만 TF와 관계가 없습니다.
TAdv는 6개의 기준점을 따른 움직임의 발달을 가정합니다. 채널은 TAdv의 포인트 1과 2입니다. 스윙 - TAdv에서 포인트 1,2,3. TAdv의 저자 중 한 명인 Yan도 V Channels와 V Swings의 저자인 Vadim도 누구에게도 아무 것도 증명하지 않고 어느 누구도 설득하지 않습니다. 그들은 엄격하게 정의된 경우에만 여기에 나타나고 여기에는 나타나지 않습니다. 누구에게나 무엇이든 요구하고 광고하지 마십시오. 범람하지 말고 예외적으로 올바르게 행동하십시오. 이것은 확신과 내면의 힘의 지표가 아닙니까? 그들은 단지 비이기적으로 자신의 발전을 돕고 퍼뜨릴 뿐입니다. TAdv는 10년 이상 전에 발표되었으며, VKanaly와 Vswingi는 거짓말을 하는 것이 두렵습니다. 7과 같이 시간의 테스트를 통과했고 많은 추종자를 보유하고 있습니다. 효과를 확인하는 유일한 방법은 직접 살펴보고 성능을 확인하는 것입니다. 아니면 모든 것이 "믿거나 말거나"의 영역에 남을 것입니다.
행운을 빕니다.
알렉세이! 또한 상호 정보를 사용하여 신경망에 대한 의미 있는 입력을 선택합니다. 일반적으로 모델은 52 - 54%의 예측 가능성으로 얻어집니다. 상호 정보가 > 0.1비트일 때 가치 있는 결과를 얻을 수 있을 것 같습니다. 변동성의 경우 그러한 중요한 입력을 찾는 것으로 나타났습니다.
오, 중요한 변수 선택 문제에 TI를 적용하는 방법도 배운 사람이 와서 기쁩니다.
당신의 조언이 약간 불완전하거나 무엇입니까? 평균 데이터 소스 정보가 다를 수 있다는 것입니다. 임계값 중요한 상호 정보도 이에 따라 달라집니다. 귀하의 평균 정보 흐름 H(X)는 무엇입니까?
5- hrenfx 에서.
게시물은 정상적이며 주제에 매우 적합합니다. 또한 연구 주제에 대한 TI의 적용 가능성에 대해 여기에서 일부 사람들이 의구심을 갖습니다.
글쎄요, 그래요. 저는 프랙탈리티에 흥분했습니다. 있지만 완벽하지는 않습니다. 더 정확하게 말하면, 프랙탈 불변성은 이상적이지 않습니다.
어떤 진술 - 이해하지 못했습니다.
여기가 더 명확합니다.
1. 조건부 소스와 조건부 수신자를 가져와서 둘 사이에 최소한 어떤 종류의 종속성이 있는지 알아내려고 하기 때문입니다.
우리는 알파벳을 작성합니다(수익 분포를 분위수로 나눕니다. 저에게는 더 편리합니다. 이름을 딴 것은 약간 다르지만 결과에 실제로 영향을 미치지는 않음), TI를 적용합니다. 통신 채널에 대한 의심이 있습니다. 아마도 시간은 의사 소통의 채널입니다.
예를 들어 238과 같은 막대(숫자는 MT4에서 계산됨) 간의 차이를 수정하면 소스는 시리즈
return(Bars-1), return(Bars-2), ... return(238) (12시간 동안 약 80,000개 값)
수신기 - 행
return(Bars-1 - 238), return(Bars-2 - 238), ... return(0) .
요컨대, 일련의 수익률과 동일한 수익률이 238만큼 자신에 대해 상대적으로 이동했습니다.
ACF를 계산할 수 있습니다. 거의 확실히 0과 같거나 통계적으로 미미하게 다를 것입니다. 네, 이 시리즈 사이에는 중요한 선형 종속성이 없으며 모든 것이 사소하고 물고기가 없습니다.
그러나 우리 Alexei는 ACF를 고려하지 않고 모든 비선형 종속성을 고려합니다. 이를 위해서는 이 두 수량의 공동 분포가 필요합니다. 우리는 그것을 가지고있다. (그런데 ACF를 계산할 때도 필요하지만 모든 사람이 이해하는 것은 아닙니다!)
그 이름을 딴 사람은 즉시 황소를 뿔로 잡고이 두 줄의 상호 정보를 계산합니다.
나는 두 확률 변수 간의 관계에 대한 카이 제곱 검정을 평가하고 있었습니다.
결과는 매우 유사합니다.
예, 우리는 오랫동안 거기에 있었지만 모든 사람이 그것을 이해하는 것은 아닙니다.
지금까지 이 모든 것은 낚싯대 프로젝트일 뿐, 전혀 물고기가 아닙니다.
Alexey에게 감사합니다. 이제 모든 것이 선반에 있습니다.
이 작업의 맥락에서 통신 채널의 특성은 전혀 의미가 없으며 정보 엔트로피를 통해 자동으로 고려됩니다.
흠, 경험은 성공적이었고 내 게시물은 약 5 분 동안 주제에 있었지만 현지 단골이 아닌 쿼트까지 관리했습니다.
어떤 경험이었나요?
그러나 우리 Alexei는 ACF를 고려하지 않고 모든 비선형 종속성을 고려합니다. 이를 위해서는 이 두 수량의 공동 분포가 필요합니다. 우리는 그것을 가지고있다. (참고로 ACF도 계산해야 하는데 평소에 신경을 안쓰고 있어서
잘했다! 우리 Alexei는 시장의 비효율을 위해 존재합니다. 그리고 우리는 이미 이것을 보여주는 실용적인 결과를 얻었지만 고전적인 통계-경제학적 접근의 프리즘 을 통해서는 보이지 않습니다.