Та же возвратность тоже является установленным свойством ценовых рядов
시장 분포가 Parreto-Levi 형태라는 사실이 그것이 반복적이라는 것을 의미하지는 않습니다. 동일한 HMT에 따르면 정보 흐름의 불균등성 은 변동성의 클러스터링을 결정하며, 이는 차례로 정규 분포를 초과하는 수익의 작은 백분율 변화의 누적 증가를 수반합니다. 그러나 이 모든 것이 재발을 말하는 것은 아닙니다. 단순히 정보가 없으므로(외부 영향) 거래가 없으므로(시장이 균형 상태에 있음) 움직임이 없으며 움직임 자체가 없다고 해서 가격이 다시 돌아올 준비가 된 것은 아닙니다.
시장 분포가 Parreto-Levi 형태라는 사실이 그것이 반복적이라는 것을 의미하지는 않습니다. 동일한 HMT에 따르면 정보 흐름의 불균등성은 변동성의 클러스터링을 결정하며, 이는 차례로 정규 분포를 초과하는 수익률의 작은 백분율 변화의 축적을 증가시킵니다. 그러나 이 모든 것이 재발을 말하는 것은 아닙니다. 단순히 정보가 없으므로(외부 영향) 거래가 없으므로(시장이 균형 상태에 있음) 움직임이 없으며 움직임 자체가 없다고 해서 가격이 다시 돌아올 준비가 된 것은 아닙니다.
층간 통신이 집중된 고층 빌딩에서 가격의 움직임을 엘리베이터의 움직임과 비교할 수 있는지 궁금해 한 사람이 있습니까? "bar", "TF", "trend", "flat", "levels", "trends", ....의 개념을 사용하여 리프트의 위치를 예측할 수 있습니까?
yosuf : 층간 통신이 집중된 고층 빌딩에서 가격의 움직임을 엘리베이터의 움직임과 비교할 수 있는지 궁금해 한 사람이 있습니까? "bar", "TF", "trend", "flat", "levels", "trends", ....의 개념을 사용 하여 리프트의 위치를 예측할 수 있습니까?
faa1947 : 고정적이지 않은 프로세스에 대한 모델을 구축하는 것은 의미가 없지만, 우리는 이를 받아들이고 구축하지만 일관되게 문제를 단순화합니다. 비정상 프로세스에서 추세와 같은 일부 부분을 분리하고 나머지가 무엇인지 확인합니다. 그런 다음 다음 단계를 수행합니다. 목표는 나머지에 대해 정상 프로세스를 얻는 것이며 이는 예측의 안정성을 보장하기 위해서만 수행됩니다.
이 정보 프로세스를 정지 상태로 가져오고 테스트한 다음 적어도 모든 계량 경제학 을 한 번에 적용하는 것을 막을 수 있는 것은 없습니다.
이 경우 시장이 과거 가격(반환)으로 돌아가고자 하는 바람을 의미하는 것으로 이해했습니다.
반환 - 영어에서 번역된 수익성 은 우리의 의미에서 기간 t에 대한 가격의 백분율 변화를 의미합니다.
반환 - 영어에서 번역 된 반환 또는 반환을 의미하며 시장의 맥락에서 과거 가격으로 돌아가려는 시장의 욕구로 해석 될 수 있습니다.
return의 개념을 함축할 때는 "yield" 또는 "returns"라는 단어를 사용하는 것이 좋고, return을 함축할 때는 return이라고 하는 것이 좋습니다.
맞습니다. 재발은 일반적으로 과거 가격으로 돌아가려는 시장의 욕구로 이해되지만 문헌은 그것과 아무 관련이 없습니다. 움직임을 계속하고 방향을 바꿀 특정한 확률(또는 원하는 경우 빈도)이 있을 뿐이며 후자가 짧은 시간에 우세하다는 것은 널리 알려진 사실입니다.
아마도 그렇게. 그러나 X[t]-X[t-1]과 같은 일련의 수익을 작성하면 이는 거의 보이지 않습니다. 나는 반환, 증가, 반환이라는 단어를 사용합니다. 이들은 모두 차별화된 일련의 가격입니다.
부호 변화 방향의 확률 왜곡은 미미하며 중요하지 않습니다. 그러나 종속 변수 사이의 조건부 엔트로피를 계산하고 둘 이상의 시차에 대해 반환하면 결과 그림에 모든 불규칙성이 고려되어 엔트로피가 감소합니다.
나는 시간당 데이터에 대해 NN을 훈련하려고 시도했고 가장 유익한 시차(42개 변수, 시차 1, 2, 23, 23, 25, ... 479, 480, 481)만 사용했습니다. 불행히도 결과는 그다지 좋지 않습니다. 분위수 예측 정확도는 약 30-40%입니다. 신경망이 불규칙성을 출력으로 변환할 수 있었지만 종속성은 예측에 충분하지 않습니다. 전체 문제는 독립 변수가 시차 1, 2, 24....에 대해 상호 정보를 제공하고 영점 막대에 대한 총 정보량이 정말 적다는 것입니다. 우리는 일일 및 더 높은 기간을 옵션으로 취하는 방법에 대해 생각할 필요가 있습니다.
Mathemat : 이 정보 프로세스를 정지 상태로 가져오고 테스트한 다음 적어도 모든 계량 경제학을 한 번에 적용하는 것을 막을 수 있는 것은 없습니다.
이해가 잘 안됩니다.
계량 경제학은 고정되지 않은 프로세스에서 작동하며 대략적인 알고리즘은 게시물에 설명되어 있습니다. non-stationarity는 non-stationarity로 인해 어떤 TS추정(PF,drawdowns,drawdowns, 및 기타)는 허구이며 그러한 영역은 차량이 차고를 병합할 미래의 kotir에 나타날 것입니다.
경제 데이터 측정 과학 - 계량 경제학은 다른 매우 존경받는 과학과 다르지만 별도의 독립적 인 과학이며 일관되게 행동하고 각 중간 결과를 모델 형태로 고정하고 고정 잔차를 얻으려고 노력하며 추정치를 제공합니다. 고정되지 않은 시장에서 일할 때 미래 TS의 안정성.
이것은 EURUSD 및 세 가지 지표(직선, 지수 평활, Hodrick-Prescott 필터)에 대한 예와 함께 여기 에 표시됩니다.
여러분, 경제 데이터를 측정하기 위해 별도의 과학을 사용하고, 대학 교과서 "경제학"을 읽기에 너무 게으르다는 이유로 이웃 과학에서 무언가를 귀로 끌어 들이려고하지 마십시오. 우리나라에는 2000년도 교과서가 있는데, 10년 넘게 대학에서는 '정보의존'이라는 말도 안되는 헛소리를 하지 않고 과학에서 경제 데이터를 측정하는 전문가를 배출하고 있다.
계량 경제학은 고정되지 않은 프로세스에서 작동하며 대략적인 알고리즘은 게시물에 설명되어 있습니다. non-stationarity는 non-stationarity로 인해 어떤 TS추정(PF,drawdowns,drawdowns, 및 기타)는 허구이며 그러한 영역은 차량이 차고를 병합할 미래의 kotir에 나타날 것입니다.
경제 데이터 측정 과학 - 계량 경제학은 다른 매우 존경받는 과학과 다르지만 별도의 독립적 인 과학이며 일관되게 행동하고 각 중간 결과를 모델 형태로 고정하고 고정 잔차를 얻으려고 노력하며 추정치를 제공합니다. 고정되지 않은 시장에서 일할 때 미래 TS의 안정성.
이것은 EURUSD 및 세 가지 지표(직선, 지수 평활, Hodrick-Prescott 필터)에 대한 예와 함께 여기 에 표시됩니다.
여러분, 경제 데이터를 측정하기 위해 별도의 과학을 사용하고, 대학 교과서 "경제학"을 읽기에 너무 게으르다는 이유로 이웃 과학에서 무언가를 귀로 끌어 들이려고하지 마십시오. 우리나라에는 2000년도 교과서가 있는데, 10년 넘게 대학에서는 '정보의존'이라는 말도 안되는 헛소리를 하지 않고 과학에서 경제 데이터를 측정하는 전문가를 배출하고 있다.
그리고 일반적으로 함께 살자.
그건 그렇고, 나는 당신의 기사를 읽었습니다. 이것은 귀중한 기사이며 비정상성 문제가 잘 해결되었습니다. 그리고 재무 데이터의 비정형성이 현실적이고 시급한 문제라는 데 동의합니다. 신경망이 이 현상에 민감하고 적절하게 훈련되지 않았기 때문에 몇 달 동안 신경망을 마스터할 때 원래 시계열의 정상성을 개선하기 위해 다양한 유형의 변환을 시도했습니다. 더 정확하게 말하면, 출력 데이터의 오류 밀도가 고르지 않은 것으로 판명되어 실제로는 강한 드로우다운이 발생합니다(그러나 모델의 일반적인 양수 ME 사용).
그냥 무슨 일이 일어나는지 보기 위해 원시 데이터(완전히 원시가 아니라 차별화된 시리즈)를 시도하는 동안이라고 가정해 보겠습니다. 나는 교과서를 읽지 않았지만 계량 경제학의 중요성을 결코 감소시키지 않습니다.
시간이 되면 내 데이터 전처리 버전을 게시할 것입니다. 이 버전은 육안으로 보면 더 고정된 계열을 생성하지만 고정성에 대한 테스트는 수행하지 않았습니다.
Та же возвратность тоже является установленным свойством ценовых рядов
시장 분포가 Parreto-Levi 형태라는 사실이 그것이 반복적이라는 것을 의미하지는 않습니다. 동일한 HMT에 따르면 정보 흐름의 불균등성 은 변동성의 클러스터링을 결정하며, 이는 차례로 정규 분포를 초과하는 수익의 작은 백분율 변화의 누적 증가를 수반합니다. 그러나 이 모든 것이 재발을 말하는 것은 아닙니다. 단순히 정보가 없으므로(외부 영향) 거래가 없으므로(시장이 균형 상태에 있음) 움직임이 없으며 움직임 자체가 없다고 해서 가격이 다시 돌아올 준비가 된 것은 아닙니다.
그러나 이 모든 것은 주제에서 벗어났습니다.
시장 분포가 Parreto-Levi 형태라는 사실이 그것이 반복적이라는 것을 의미하지는 않습니다. 동일한 HMT에 따르면 정보 흐름의 불균등성은 변동성의 클러스터링을 결정하며, 이는 차례로 정규 분포를 초과하는 수익률의 작은 백분율 변화의 축적을 증가시킵니다. 그러나 이 모든 것이 재발을 말하는 것은 아닙니다. 단순히 정보가 없으므로(외부 영향) 거래가 없으므로(시장이 균형 상태에 있음) 움직임이 없으며 움직임 자체가 없다고 해서 가격이 다시 돌아올 준비가 된 것은 아닙니다.
그러나 이 모든 것은 주제에서 벗어났습니다.
이 경우 시장이 과거 가격(반환)으로 돌아가고자 하는 바람을 의미하는 것으로 이해했습니다.
반환 - 영어에서 번역된 수익성 은 우리의 의미에서 기간 t에 대한 가격의 백분율 변화를 의미합니다.
반환 - 영어에서 번역된 반환은 시장의 맥락에서 과거 가격으로 돌아가려는 시장의 욕구로 해석될 수 있는 반환 또는 반환을 의미합니다.
return의 개념을 함축할 때는 "yield" 또는 "returns"라는 단어를 사용하는 것이 좋고, return을 함축할 때는 return이라고 하는 것이 좋습니다.
이 경우 시장이 과거 가격(반환)으로 돌아가고자 하는 바람을 의미하는 것으로 이해했습니다.
반환 - 영어에서 번역된 수익성 은 우리의 의미에서 기간 t에 대한 가격의 백분율 변화를 의미합니다.
반환 - 영어에서 번역 된 반환 또는 반환을 의미하며 시장의 맥락에서 과거 가격으로 돌아가려는 시장의 욕구로 해석 될 수 있습니다.
return의 개념을 함축할 때는 "yield" 또는 "returns"라는 단어를 사용하는 것이 좋고, return을 함축할 때는 return이라고 하는 것이 좋습니다.
층간 통신이 집중된 고층 빌딩에서 가격의 움직임을 엘리베이터의 움직임과 비교할 수 있는지 궁금해 한 사람이 있습니까? "bar", "TF", "trend", "flat", "levels", "trends", ....의 개념을 사용 하여 리프트의 위치를 예측할 수 있습니까?
쉽게, 보통 1층에 불이 켜져 있어요!
이 경우 시장이 과거 가격(반환)으로 돌아가고자 하는 바람을 의미하는 것으로 이해했습니다.
반환 - 영어에서 번역된 수익성 은 우리의 의미에서 기간 t에 대한 가격의 백분율 변화를 의미합니다.
반환 - 영어에서 번역 된 반환 또는 반환을 의미하며 시장의 맥락에서 과거 가격으로 돌아가려는 시장의 욕구로 해석 될 수 있습니다.
return의 개념을 함축할 때는 "yield" 또는 "returns"라는 단어를 사용하는 것이 좋고, return을 함축할 때는 return이라고 하는 것이 좋습니다.
아마도 그렇게. 그러나 X[t]-X[t-1]과 같은 일련의 수익을 작성하면 이는 거의 보이지 않습니다. 나는 반환, 증가, 반환이라는 단어를 사용합니다. 이들은 모두 차별화된 일련의 가격입니다.
부호 변화 방향의 확률 왜곡은 미미하며 중요하지 않습니다. 그러나 종속 변수 사이의 조건부 엔트로피를 계산하고 둘 이상의 시차에 대해 반환하면 결과 그림에 모든 불규칙성이 고려되어 엔트로피가 감소합니다.
나는 시간당 데이터에 대해 NN을 훈련하려고 시도했고 가장 유익한 시차(42개 변수, 시차 1, 2, 23, 23, 25, ... 479, 480, 481)만 사용했습니다. 불행히도 결과는 그다지 좋지 않습니다. 분위수 예측 정확도는 약 30-40%입니다. 신경망이 불규칙성을 출력으로 변환할 수 있었지만 종속성은 예측에 충분하지 않습니다. 전체 문제는 독립 변수가 시차 1, 2, 24....에 대해 상호 정보를 제공하고 영점 막대에 대한 총 정보량이 정말 적다는 것입니다. 우리는 일일 및 더 높은 기간을 옵션으로 취하는 방법에 대해 생각할 필요가 있습니다.
이 정보 프로세스를 정지 상태로 가져오고 테스트한 다음 적어도 모든 계량 경제학을 한 번에 적용하는 것을 막을 수 있는 것은 없습니다.
이해가 잘 안됩니다.
계량 경제학은 고정되지 않은 프로세스에서 작동하며 대략적인 알고리즘은 게시물에 설명되어 있습니다. non-stationarity는 non-stationarity로 인해 어떤 TS추정(PF,drawdowns,drawdowns, 및 기타)는 허구이며 그러한 영역은 차량이 차고를 병합할 미래의 kotir에 나타날 것입니다.
경제 데이터 측정 과학 - 계량 경제학은 다른 매우 존경받는 과학과 다르지만 별도의 독립적 인 과학이며 일관되게 행동하고 각 중간 결과를 모델 형태로 고정하고 고정 잔차를 얻으려고 노력하며 추정치를 제공합니다. 고정되지 않은 시장에서 일할 때 미래 TS의 안정성.
이것은 EURUSD 및 세 가지 지표(직선, 지수 평활, Hodrick-Prescott 필터)에 대한 예와 함께 여기 에 표시됩니다.
여러분, 경제 데이터를 측정하기 위해 별도의 과학을 사용하고, 대학 교과서 "경제학"을 읽기에 너무 게으르다는 이유로 이웃 과학에서 무언가를 귀로 끌어 들이려고하지 마십시오. 우리나라에는 2000년도 교과서가 있는데, 10년 넘게 대학에서는 '정보의존'이라는 말도 안되는 헛소리를 하지 않고 과학에서 경제 데이터를 측정하는 전문가를 배출하고 있다.
그리고 일반적으로 함께 살자.
이해가 잘 안됩니다.
계량 경제학은 고정되지 않은 프로세스에서 작동하며 대략적인 알고리즘은 게시물에 설명되어 있습니다. non-stationarity는 non-stationarity로 인해 어떤 TS추정(PF,drawdowns,drawdowns, 및 기타)는 허구이며 그러한 영역은 차량이 차고를 병합할 미래의 kotir에 나타날 것입니다.
경제 데이터 측정 과학 - 계량 경제학은 다른 매우 존경받는 과학과 다르지만 별도의 독립적 인 과학이며 일관되게 행동하고 각 중간 결과를 모델 형태로 고정하고 고정 잔차를 얻으려고 노력하며 추정치를 제공합니다. 고정되지 않은 시장에서 일할 때 미래 TS의 안정성.
이것은 EURUSD 및 세 가지 지표(직선, 지수 평활, Hodrick-Prescott 필터)에 대한 예와 함께 여기 에 표시됩니다.
여러분, 경제 데이터를 측정하기 위해 별도의 과학을 사용하고, 대학 교과서 "경제학"을 읽기에 너무 게으르다는 이유로 이웃 과학에서 무언가를 귀로 끌어 들이려고하지 마십시오. 우리나라에는 2000년도 교과서가 있는데, 10년 넘게 대학에서는 '정보의존'이라는 말도 안되는 헛소리를 하지 않고 과학에서 경제 데이터를 측정하는 전문가를 배출하고 있다.
그리고 일반적으로 함께 살자.
그건 그렇고, 나는 당신의 기사를 읽었습니다. 이것은 귀중한 기사이며 비정상성 문제가 잘 해결되었습니다. 그리고 재무 데이터의 비정형성이 현실적이고 시급한 문제라는 데 동의합니다. 신경망이 이 현상에 민감하고 적절하게 훈련되지 않았기 때문에 몇 달 동안 신경망을 마스터할 때 원래 시계열의 정상성을 개선하기 위해 다양한 유형의 변환을 시도했습니다. 더 정확하게 말하면, 출력 데이터의 오류 밀도가 고르지 않은 것으로 판명되어 실제로는 강한 드로우다운이 발생합니다(그러나 모델의 일반적인 양수 ME 사용).
그냥 무슨 일이 일어나는지 보기 위해 원시 데이터(완전히 원시가 아니라 차별화된 시리즈)를 시도하는 동안이라고 가정해 보겠습니다. 나는 교과서를 읽지 않았지만 계량 경제학의 중요성을 결코 감소시키지 않습니다.
시간이 되면 내 데이터 전처리 버전을 게시할 것입니다. 이 버전은 육안으로 보면 더 고정된 계열을 생성하지만 고정성에 대한 테스트는 수행하지 않았습니다.