자기 상관 및 확률 밀도 함수의 형태에 대한 잔차 분석. 물론 R^2도 마찬가지입니다. 이것은 원칙적으로 일반적으로 허용되는 시계열 예측 방법입니다.
이것은 시작에 불과하며 상식적으로 완전한 것은 아닙니다. 이것은 단지 사용법의 예일 뿐이지만 여기 에 완전히 표시됩니다. 세 가지 분석 그룹: 계수, 잔차 및 안정성. 모순을 조정하면 목표가 예측이고 다른 모든 것이 중간 결과이기 때문에 항상 예측 오류인 추정치를 얻을 수 있습니다.
네, 저는 학문적 연구를 한 번도 해본 적이 없다고 생각합니다. 일반적으로 작업에는 시간과 노력이 부족하므로 더 짧은 방법을 사용합니다. 여러(2개 이상) 예측 모델을 만들고 잔차 분석을 수행한 다음 균형 잡힌 평가를 기반으로 하나의 모델을 선택합니다. 여러 잔차의 정확도와 품질. 나는 시간이 있으면 예측자의 신뢰도 추정치를 철저히 조사할 수 있다는 데 동의합니다.
그건 그렇고, 예측 변수의 정확성과 안정성에 대한 훌륭하고 상대적으로 노동력이 적게 드는 테스트는 교차 검증입니다. 훈련 및 검증 기간이 여러 번 선택되어 결국 전체 원본 시리즈가 작은 세그먼트로 나뉘고 각 세그먼트가 검증 세트.
네, 저는 학문적 연구를 한 번도 해본 적이 없다고 생각합니다. 일반적으로 작업에는 시간과 노력이 부족하므로 더 짧은 방법을 사용합니다. 여러(2개 이상) 예측 모델을 만들고 잔차 분석을 수행한 다음 균형 잡힌 평가를 기반으로 하나의 모델을 선택합니다. 여러 잔차의 정확도와 품질. 나는 시간이 있으면 예측자의 신뢰도 추정치를 철저히 조사할 수 있다는 데 동의합니다.
그건 그렇고, 예측 변수의 정확성과 안정성에 대한 훌륭하고 상대적으로 노동력이 적게 드는 테스트는 교차 검증입니다. 훈련 및 검증 기간이 여러 번 선택되어 결국 전체 원본 시리즈가 작은 세그먼트로 나뉘고 각 세그먼트가 검증 세트.
아주 오래전에 나는 내 자신의 경험에서 얻은 다음과 같은 조언을 합니다. 30년 동안, 특히 현재로서는 주제 영역을 마스터하는 가장 생산적인 방법은 이 주제 영역에 초점을 맞춘 기성품 패키지를 가져오는 것입니다. EViews를 언급했지만 이것이 유일한 패키지는 아닙니다. 이 패키지는 우리 대학에서 공부할 때 사용됩니다. 패키지와 함께 다음을 받게 됩니다.
수백만 명의 전문 프로그램 사용자가 실행 가능하고 검증한 엄청난 수
분석 계획
분석의 완전성
사용된 알고리즘이 가져온 참조 목록입니다.
경험과 지평을 얻은 후에는 개선 사항으로 이동할 수 있습니다. 그러나 이러한 개선 사항은 해당 주제 영역에 대한 체계적인 지식을 기반으로 할 것이며 Peters 또는 위의 일부와 같이 Ptolemy와 같은 다른 사람을 끌어들이는 일은 일어나지 않을 것입니다.
아주 오래 전에 나는 내 자신의 경험에서 얻은 다음과 같은 조언을 합니다. 30년 동안, 특히 현재로서는 주제 영역을 마스터하는 가장 생산적인 방법은 이 주제 영역에 초점을 맞춘 기성품 패키지를 가져오는 것입니다. EViews를 언급했지만 이것이 유일한 패키지는 아닙니다. 이 패키지는 우리 대학에서 공부할 때 사용됩니다. 패키지와 함께 다음을 받게 됩니다.
수백만 명의 전문 프로그램 사용자가 실행 가능하고 검증한 엄청난 수
분석 계획
분석의 완전성
사용된 알고리즘을 가져온 참조 목록입니다.
경험과 지평을 얻은 후에는 개선 사항으로 이동할 수 있습니다. 그러나 이러한 개선 사항은 해당 주제 영역에 대한 체계적인 지식을 기반으로 할 것이며 Peters 또는 위의 일부와 같이 Ptolemy와 같은 다른 사람을 끌어들이는 일은 일어나지 않을 것입니다.
죄송하지만 가장 중요한 것은 문제와 결론에 대한 올바른 설명입니다. 예를 들어 " 지표의 진단 "에 관한 기사와 지표가 유용한지 아닌지에 대한 잔차를 기반으로 한 결론 등을 작성했습니다. - 사실이 아닙니다(임하). 지표가 전체 시리즈에서 예측하거나 심지어 유용해야 한다는 것은 사실이 아닙니다. 수익을 내기 위해 가격을 지속적으로 예측할 필요는 없으며 비교적 드문 경우에만 가능합니다. 어떤 의미에서 예측. 별도의 가격 변동이 예상되는 것이 아니라 시스템의 견고성과 과거 통계의 반복이 예상됩니다. 그리고 예측하는 것은 지표가 아니라 시스템 전체입니다.
완전히 동의하지 않습니다. 모든 TS는 항상 인식 여부를 예측합니다. TS 작업의 빈도에 따라 미래 에 대한 결정을 내리기 위한 분석이 수행됩니다. 이러한 결정은 미래 시장 행동에 대한 예측을 기반으로 합니다.
예측할 필요는 없지만 지속적으로 예측할 필요는 없습니다 :) 별도의 이산 순간에만, 전체 시리즈에 대한 지표의 잔차를 확인하는 것은 실제로 시리즈를 지속적으로 예측하는 능력을 확인합니다
faa1947 :
예측되는 별도의 가격 변동이 아니라 시스템의 견고성
강건성은 예측이 아니라 구축되며, 예측 오차로 설계 결과를 추정합니다. 오차 분산이 일정에 가까우면 시스템이 안정적입니다.
단일 거래의 결과는 중요하지 않지만 많은 거래에 대한 통계는 중요합니다. 실생활에서 그것은 우리에게 유리한 백 테스트 통계와 적어도 부분적으로 일치해야 합니다. 따라서 시스템 관리에 돈을 줄 때 베팅은 정확히 이것에 있습니다. 우리에게 유리한 통계가 유지된다는 것입니다 (체계적인 접근 방식으로). 그리고 이것이 견고함이다.
아마도 그렇게. 그러나 우리가 X[t]-X[t-1] 형식의 일련의 반환을 만들 때 이것은 거의 보이지 않습니다. 나는 반환, 증가, 반환이라는 단어를 사용합니다. 이들은 모두 차별화된 일련의 가격입니다.
이것은 쉽게 확인되며 문헌적 논쟁이 필요하지 않습니다. :). 그건 그렇고, 당신은이 포럼에서 그것에 대해 찾을 수 있습니다.
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.
다시 한 번, 효과의 강도는 TF에 따라 다르지만 임의의 틱에서 생성된 H1이 실제 재발이 있는 틱에서 생성된 H1과 유사할까요?
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.
처음부터 나는 이 기술이 예측에 적합하고 쓸모가 없는 종속성을 느낀다고 가정했습니다. 변동성과 관련하여 여기에서 그러한 가정을 지지하는 몇 가지 증거를 얻을 수 있습니다. 즉, 이러한 "정보 제공" 지연은 예측에 쓸모없는 정보로 막힐 수 있습니다.
일반적으로 게시물이 계속해서 공중에 매달려 있다는 사실로 판단하면이 주제에 대한 내 시간은 이미 갔거나 아직 오지 않았습니다. :). 분수대를 쉬게 할 시간입니다 :).
처음부터 나는 이 기술이 예측에 적합하고 쓸모가 없는 종속성을 느낀다고 가정했습니다. 변동성과 관련하여 여기에서 그러한 가정을 지지하는 몇 가지 증거를 얻을 수 있습니다. 즉, 이러한 "정보 제공" 지연은 예측에 쓸모없는 정보로 막힐 수 있습니다.
이것도 충분히 이해했습니다. 가격 변화 신호 의 유익한 신호를 찾는 수준으로 작업이 더 복잡해졌습니다. 그리고 필요한 정보 지연이 하루 중 시간 프레임에 주기적으로 나타나는 것으로 판명되면(나는 이것이 사실이라고 생각합니다), 0 막대에서 가격 움직임의 방향에 대한 총 정보는 매우 작을 것입니다...
확인하겠습니다. 그런 다음 남아 있습니다. 일일 막대를 탐색하려고 시도하고 아마도 몇 주 동안은 여전히 통계적으로 유의미한 것으로 판명될 수 있습니다. 그러나 유익한 시차도 거기에서 순환한다면, 슬프게도 시차만 사용하는 아이디어는 효과가 없을 것이라고 생각합니다. 그런 다음 지표를 시험해 볼 수 있습니다.
그건 그렇고, 정확히 내가 계획한 것입니다. 그러나 내가 확인할 때까지 분수는 멈추지 않을 것입니다.
"즉, 이러한 "정보 제공" 지연은 예측에 쓸모없는 정보로 막힐 수 있습니다."
"쓸모없는 정보"란 무엇을 의미합니까? 변동성은 우리의 친구가 아닙니다. 노이즈 성분도 있습니다. 나는 당신이 매립지에서 방법을 쓰기로 일찍 결정했다고 생각합니다. 어떤 도구든 사용할 수 있어야 합니다. 저는 아직 배우는 중이므로 칼로리보다 물이 더 많습니다.
나는 이미 제안했습니다 : 지표와 그것이 나타내는 목표를 배치하십시오. 한 가지 조건은 Echel의 공식에 따라야 하고 매개변수를 사용할 기회가 있어야 한다는 것입니다. 목표는 또한 구체적이어야 합니다. 예를 들어 가격이 최대 6바까지 내려가거나 가격이 현재 가격을 10포인트 초과합니다 . 데이터를 실행하고 정보 엔트로피 측면에서 최적인 지표 매개변수 세트를 제공하겠습니다.
Avals : 실생활에서 그것은 우리에게 유리한 백 테스트 통계와 적어도 부분적으로 일치해야 합니다.
"유리한"을 희망하거나 이 "유리한"에 대한 숫자 표현을 갖습니다. 위에서 계산 된 값 중 하나를 명명했습니다. 예측 오차의 분산 변화는 5 %를 초과해서는 안됩니다. 그러나 이것이 안정적인 시스템의 유일한 요구 사항은 아닙니다. 백 테스트는 변경되지 않을 것이라는 희망을 줄 뿐입니다.
faa1947 : "유리한"을 희망하거나 이 "유리한"에 대한 숫자 표현을 갖습니다. 위에서 계산 된 값 중 하나를 명명했습니다. 예측 오차의 분산 변화는 5 %를 초과해서는 안됩니다. 그러나 이것이 안정적인 시스템의 유일한 요구 사항은 아닙니다. 백 테스트는 변경되지 않을 것이라는 희망을 줄 뿐입니다.
예, 견고성을 평가하는 방법이 있습니다.
주제 및 귀하의 기사와 관련하여: 긍정적인 MO로 전체 가격 범위를 고정된 형태로 가져오는 방법은 항상 시장에 있는 수익성 있고 강력한 반전 시스템을 만드는 것입니다. 이는 실제 시리즈와 랜덤 워크를 구별하는 방법에도 적용됩니다. 저것들. 사실, 수표를 통과할 지표와 SB와 실제 시리즈를 구별하는 기준은 이 시스템의 알고리즘입니다. 따라서 무작위로 취한 지표 또는 상호 정보의 방법이 시장 시세에 대한 그러한 알고리즘이 되기를 바라는 것은 순진한 생각입니다. 이것은 순전히 우연에 의해서만 일어날 수 있습니다.
효율적인 시장 이론은 계량 경제학에서 고려되지 않습니다 . 그녀의 모든 가정은 시장이 효율적이지 않다는 사실에 근거합니다. 계량 경제학에는 Markowitz와 그의 변호인과 그들의 효율적인 포트폴리오가 포함되지 않습니다. 계량 경제학은 100년 이상 존재했으며 Peters, Mandelbrot 및 기타 사람들에 의해 논박 된 적이 없습니다.
예측을 한 단계 앞서 실증하고 몇 단계 앞서 예측이 치명적인 악화의 이유를 보여주는 것은 계량 경제학입니다.
문제는 mai(macro.ek.indicators)가 주기적으로 무게 등을 주름지게 할 수 있다는 것입니다. ... + 전체 분석에 사용할 수 있는 짧은 기간 ...
자기 상관 및 확률 밀도 함수의 형태에 대한 잔차 분석. 물론 R^2도 마찬가지입니다. 이것은 원칙적으로 일반적으로 허용되는 시계열 예측 방법입니다.
이것은 시작에 불과하며 상식적으로 완전한 것은 아닙니다. 이것은 단지 사용법의 예일 뿐이지만 여기 에 완전히 표시됩니다. 세 가지 분석 그룹: 계수, 잔차 및 안정성. 모순을 조정하면 목표가 예측이고 다른 모든 것이 중간 결과이기 때문에 항상 예측 오류인 추정치를 얻을 수 있습니다.
네, 저는 학문적 연구를 한 번도 해본 적이 없다고 생각합니다. 일반적으로 작업에는 시간과 노력이 부족하므로 더 짧은 방법을 사용합니다. 여러(2개 이상) 예측 모델을 만들고 잔차 분석을 수행한 다음 균형 잡힌 평가를 기반으로 하나의 모델을 선택합니다. 여러 잔차의 정확도와 품질. 나는 시간이 있으면 예측자의 신뢰도 추정치를 철저히 조사할 수 있다는 데 동의합니다.
그건 그렇고, 예측 변수의 정확성과 안정성에 대한 훌륭하고 상대적으로 노동력이 적게 드는 테스트는 교차 검증입니다. 훈련 및 검증 기간이 여러 번 선택되어 결국 전체 원본 시리즈가 작은 세그먼트로 나뉘고 각 세그먼트가 검증 세트.
네, 저는 학문적 연구를 한 번도 해본 적이 없다고 생각합니다. 일반적으로 작업에는 시간과 노력이 부족하므로 더 짧은 방법을 사용합니다. 여러(2개 이상) 예측 모델을 만들고 잔차 분석을 수행한 다음 균형 잡힌 평가를 기반으로 하나의 모델을 선택합니다. 여러 잔차의 정확도와 품질. 나는 시간이 있으면 예측자의 신뢰도 추정치를 철저히 조사할 수 있다는 데 동의합니다.
그건 그렇고, 예측 변수의 정확성과 안정성에 대한 훌륭하고 상대적으로 노동력이 적게 드는 테스트는 교차 검증입니다. 훈련 및 검증 기간이 여러 번 선택되어 결국 전체 원본 시리즈가 작은 세그먼트로 나뉘고 각 세그먼트가 검증 세트.
아주 오래전에 나는 내 자신의 경험에서 얻은 다음과 같은 조언을 합니다. 30년 동안, 특히 현재로서는 주제 영역을 마스터하는 가장 생산적인 방법은 이 주제 영역에 초점을 맞춘 기성품 패키지를 가져오는 것입니다. EViews를 언급했지만 이것이 유일한 패키지는 아닙니다. 이 패키지는 우리 대학에서 공부할 때 사용됩니다. 패키지와 함께 다음을 받게 됩니다.
수백만 명의 전문 프로그램 사용자가 실행 가능하고 검증한 엄청난 수
분석 계획
분석의 완전성
사용된 알고리즘이 가져온 참조 목록입니다.
경험과 지평을 얻은 후에는 개선 사항으로 이동할 수 있습니다. 그러나 이러한 개선 사항은 해당 주제 영역에 대한 체계적인 지식을 기반으로 할 것이며 Peters 또는 위의 일부와 같이 Ptolemy와 같은 다른 사람을 끌어들이는 일은 일어나지 않을 것입니다.
아주 오래 전에 나는 내 자신의 경험에서 얻은 다음과 같은 조언을 합니다. 30년 동안, 특히 현재로서는 주제 영역을 마스터하는 가장 생산적인 방법은 이 주제 영역에 초점을 맞춘 기성품 패키지를 가져오는 것입니다. EViews를 언급했지만 이것이 유일한 패키지는 아닙니다. 이 패키지는 우리 대학에서 공부할 때 사용됩니다. 패키지와 함께 다음을 받게 됩니다.
수백만 명의 전문 프로그램 사용자가 실행 가능하고 검증한 엄청난 수
분석 계획
분석의 완전성
사용된 알고리즘을 가져온 참조 목록입니다.
경험과 지평을 얻은 후에는 개선 사항으로 이동할 수 있습니다. 그러나 이러한 개선 사항은 해당 주제 영역에 대한 체계적인 지식을 기반으로 할 것이며 Peters 또는 위의 일부와 같이 Ptolemy와 같은 다른 사람을 끌어들이는 일은 일어나지 않을 것입니다.
죄송하지만 가장 중요한 것은 문제와 결론에 대한 올바른 설명입니다. 예를 들어 " 지표의 진단 "에 관한 기사와 지표가 유용한지 아닌지에 대한 잔차를 기반으로 한 결론 등을 작성했습니다. - 사실이 아닙니다(임하). 지표가 전체 시리즈에서 예측하거나 심지어 유용해야 한다는 것은 사실이 아닙니다. 수익을 내기 위해 가격을 지속적으로 예측할 필요는 없으며 비교적 드문 경우에만 가능합니다. 어떤 의미에서 예측. 별도의 가격 변동이 예상되는 것이 아니라 시스템의 견고성과 과거 통계의 반복이 예상됩니다. 그리고 예측하는 것은 지표가 아니라 시스템 전체입니다.
PS 어쨌든, 기사는 유용합니다, 감사합니다 :)
예를 들어 " 지표의 진단 "에 관한 기사와 지표가 유용한지 아닌지에 대한 잔차를 기반으로 한 결론 등을 작성했습니다. - 사실이 아닙니다(임하). 지표가 전체 시리즈에 대해 예측하거나 심지어 유용해야 한다는 것은 얼마나 잘못된 일입니까?
나는 기사의 목적이 접근 방식 전체, 말하자면 기능적 완전성의 방법론을 보여주는 것이기 때문에 기사가 어느 정도 압박을 받아 작성되었다는 데 동의합니다.
수익을 내기 위해 가격을 지속적으로 예측할 필요가 없으며 비교적 드문 경우에만
완전히 동의하지 않습니다. 모든 TS는 항상 인식 여부를 예측합니다. TS 작업의 빈도에 따라 미래 에 대한 결정을 내리기 위한 분석이 수행됩니다. 이러한 결정은 미래 시장 행동에 대한 예측을 기반으로 합니다.
예측되는 별도의 가격 변동이 아니라 시스템의 견고성
강건성은 예측이 아니라 구축되며, 예측 오차로 설계 결과를 추정합니다. 오차 분산이 일정에 가까우면 시스템이 안정적입니다.
그리고 예측하는 것은 지표가 아니라 시스템 전체입니다.
당연히. 이 기사에서는 시스템이 하나의 지표로 구성되어 있다고 가정합니다. 이렇게 단순화해도 기사가 너무 복잡해졌습니다.
기사에 대해 자세히 논의하고 싶다면 적절한 주제로 이동할 것을 제안합니다. 아마도 다른 사람들이 참여할 것입니다. 이 주제에는 여전히 다른 주제가 있습니다.
수익을 내기 위해 가격을 지속적으로 예측할 필요가 없으며 비교적 드문 경우에만
완전히 동의하지 않습니다. 모든 TS는 항상 인식 여부를 예측합니다. TS 작업의 빈도에 따라 미래 에 대한 결정을 내리기 위한 분석이 수행됩니다. 이러한 결정은 미래 시장 행동에 대한 예측을 기반으로 합니다.
예측되는 별도의 가격 변동이 아니라 시스템의 견고성
강건성은 예측이 아니라 구축되며, 예측 오차로 설계 결과를 추정합니다. 오차 분산이 일정에 가까우면 시스템이 안정적입니다.
아마도 그렇게. 그러나 우리가 X[t]-X[t-1] 형식의 일련의 반환을 만들 때 이것은 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.
처음부터 나는 이 기술이 예측에 적합하고 쓸모가 없는 종속성을 느낀다고 가정했습니다. 변동성과 관련하여 여기에서 그러한 가정을 지지하는 몇 가지 증거를 얻을 수 있습니다. 즉, 이러한 "정보 제공" 지연은 예측에 쓸모없는 정보로 막힐 수 있습니다.
일반적으로 게시물이 계속해서 공중에 매달려 있다는 사실로 판단하면이 주제에 대한 내 시간은 이미 갔거나 아직 오지 않았습니다. :). 분수대를 쉬게 할 시간입니다 :).
처음부터 나는 이 기술이 예측에 적합하고 쓸모가 없는 종속성을 느낀다고 가정했습니다. 변동성과 관련하여 여기에서 그러한 가정을 지지하는 몇 가지 증거를 얻을 수 있습니다. 즉, 이러한 "정보 제공" 지연은 예측에 쓸모없는 정보로 막힐 수 있습니다.
이것도 충분히 이해했습니다. 가격 변화 신호 의 유익한 신호를 찾는 수준으로 작업이 더 복잡해졌습니다. 그리고 필요한 정보 지연이 하루 중 시간 프레임에 주기적으로 나타나는 것으로 판명되면(나는 이것이 사실이라고 생각합니다), 0 막대에서 가격 움직임의 방향에 대한 총 정보는 매우 작을 것입니다...
확인하겠습니다. 그런 다음 남아 있습니다. 일일 막대를 탐색하려고 시도하고 아마도 몇 주 동안은 여전히 통계적으로 유의미한 것으로 판명될 수 있습니다. 그러나 유익한 시차도 거기에서 순환한다면, 슬프게도 시차만 사용하는 아이디어는 효과가 없을 것이라고 생각합니다. 그런 다음 지표를 시험해 볼 수 있습니다.
그건 그렇고, 정확히 내가 계획한 것입니다. 그러나 내가 확인할 때까지 분수는 멈추지 않을 것입니다.
"즉, 이러한 "정보 제공" 지연은 예측에 쓸모없는 정보로 막힐 수 있습니다."
"쓸모없는 정보"란 무엇을 의미합니까? 변동성은 우리의 친구가 아닙니다. 노이즈 성분도 있습니다. 나는 당신이 매립지에서 방법을 쓰기로 일찍 결정했다고 생각합니다. 어떤 도구든 사용할 수 있어야 합니다. 저는 아직 배우는 중이므로 칼로리보다 물이 더 많습니다.
나는 이미 제안했습니다 : 지표와 그것이 나타내는 목표를 배치하십시오. 한 가지 조건은 Echel의 공식에 따라야 하고 매개변수를 사용할 기회가 있어야 한다는 것입니다. 목표는 또한 구체적이어야 합니다. 예를 들어 가격이 최대 6바까지 내려가거나 가격이 현재 가격을 10포인트 초과합니다 . 데이터를 실행하고 정보 엔트로피 측면에서 최적인 지표 매개변수 세트를 제공하겠습니다.
실생활에서 그것은 우리에게 유리한 백 테스트 통계와 적어도 부분적으로 일치해야 합니다.
"유리한"을 희망하거나 이 "유리한"에 대한 숫자 표현을 갖습니다. 위에서 계산 된 값 중 하나를 명명했습니다. 예측 오차의 분산 변화는 5 %를 초과해서는 안됩니다. 그러나 이것이 안정적인 시스템의 유일한 요구 사항은 아닙니다. 백 테스트는 변경되지 않을 것이라는 희망을 줄 뿐입니다.
예, 견고성을 평가하는 방법이 있습니다.
주제 및 귀하의 기사와 관련하여: 긍정적인 MO로 전체 가격 범위를 고정된 형태로 가져오는 방법은 항상 시장에 있는 수익성 있고 강력한 반전 시스템을 만드는 것입니다. 이는 실제 시리즈와 랜덤 워크를 구별하는 방법에도 적용됩니다. 저것들. 사실, 수표를 통과할 지표와 SB와 실제 시리즈를 구별하는 기준은 이 시스템의 알고리즘입니다. 따라서 무작위로 취한 지표 또는 상호 정보의 방법이 시장 시세에 대한 그러한 알고리즘이 되기를 바라는 것은 순진한 생각입니다. 이것은 순전히 우연에 의해서만 일어날 수 있습니다.
효율적인 시장 이론은 계량 경제학에서 고려되지 않습니다 . 그녀의 모든 가정은 시장이 효율적이지 않다는 사실에 근거합니다. 계량 경제학에는 Markowitz와 그의 변호인과 그들의 효율적인 포트폴리오가 포함되지 않습니다. 계량 경제학은 100년 이상 존재했으며 Peters, Mandelbrot 및 기타 사람들에 의해 논박 된 적이 없습니다.
예측을 한 단계 앞서 실증하고 몇 단계 앞서 예측이 치명적인 악화의 이유를 보여주는 것은 계량 경제학입니다.
문제는 mai(macro.ek.indicators)가 주기적으로 무게 등을 주름지게 할 수 있다는 것입니다. ... + 전체 분석에 사용할 수 있는 짧은 기간 ...
글쎄요, 물론 동의합니다. 분석에 fa가 있어야합니다 ...