정규 분포 가격으로 성공적으로 거래할 수 있습니다. 우리는 평균값(중앙값) 근처에서 가격을 찾을 확률이 멀리 있는 것보다 높다는 것을 알고 있습니다. 즉, 중앙값 방향으로 거래합니다. 가격 예측이라고 할 수 있지만 성공적인 거래를 위해 시장 모델, 회귀 또는 신경망이 필요하지 않습니다.
정규 분포 가격으로 성공적으로 거래할 수 있습니다. 우리는 평균값(중앙값) 근처에서 가격을 찾을 확률이 멀리 있는 것보다 높다는 것을 알고 있습니다. 즉, 중앙값 방향으로 거래합니다. 가격 예측이라고 할 수 있지만 성공적인 거래를 위해 시장 모델, 회귀 또는 신경망이 필요하지 않습니다.
상관 관계 및 회귀 이론의 모든 주요 조항은 연구 중인 데이터의 정규 분포를 가정하여 개발되었습니다. 입력 매개변수(가격)에 정규 분포가 있습니까?
가격에 도달하고 알려진 기능 클래스의 계산된 값으로 작업할 때까지 초기 데이터의 정규 분포 요구 사항은 의미를 잃습니다. 이 단계에서는 관찰 데이터로 작업하지 않기 때문입니다. 나는 당신의 우려를 이해하지만 지금은 침착할 수 있습니다. 우리는 통계법을 위반하지 않습니다.
정규 분포 가격으로 성공적으로 거래할 수 있습니다. 우리는 평균값(중앙값) 근처에서 가격을 찾을 확률이 멀리 있는 것보다 높다는 것을 알고 있습니다. 즉, 중앙값 방향으로 거래합니다. 가격 예측이라고 할 수 있지만 성공적인 거래를 위해 시장 모델, 회귀 또는 신경망이 필요하지 않습니다.
정규 분포 가격으로 성공적으로 거래할 수 있습니다. 우리는 평균값(중앙값) 근처에서 가격을 찾을 확률이 멀리 있는 것보다 높다는 것을 알고 있습니다. 즉, 중앙값 방향으로 거래합니다. 가격 예측이라고 할 수 있지만 성공적인 거래를 위해 시장 모델, 회귀 또는 신경망이 필요하지 않습니다.
당신은 자신과 모순됩니다. 중앙값은 이러한 경우 회귀의 결과입니다!
중앙값은 다음과 같이 계산됩니다.
m = 합( x[i] )/N
나는 여기에 어떤 퇴보도 보이지 않는다.
젠장, 무슨 엄청난 광기야...
문제가 무엇입니까? 대화는 랜덤 워크가 아닌 정규 분포 가격에 관한 것이었습니다. 이는 두 가지 다른 것입니다.
중앙값은 다음과 같이 계산됩니다.
m = 합( x[i] )/N
나는 여기에 어떤 퇴보도 보이지 않는다.
여기서 회귀를 보려면 재귀적 재계산을 위해 변환하는 것으로 충분합니다.
(그리고 그것은 중앙값이 아닙니다. btw ;)
중앙값은 다음과 같이 계산됩니다.
m = 합( x[i] )/N
나는 여기에 어떤 퇴보도 보이지 않는다.
보이지 않는다고 해서 사용 가능한 관측 데이터 를 회귀 분석 하여 동일한 결과를 얻을 수 있다는 의미는 아닙니다. 그건 그렇고, RMS는 3.85%의 오류로 정규 분포의 법칙 자체를 만족스럽게 설명합니다.
보이지 않는다고 해서 사용 가능한 관측 데이터를 회귀 분석하여 동일한 결과를 얻을 수 있다는 의미는 아닙니다. 그건 그렇고, RMS는 3.85%의 오류로 정규 분포의 법칙 자체를 만족스럽게 설명합니다.
회귀 모델 을 어떤 것에 맞출 수 있다고 해서 꼭 그래야 하는 것은 아닙니다.
상관 관계 및 회귀 이론의 모든 주요 조항은 연구 중인 데이터의 정규 분포를 가정하여 개발되었습니다. 입력 매개변수(가격)에 정규 분포가 있습니까?
회귀 모델을 어떤 것에 맞출 수 있다고 해서 꼭 그래야 하는 것은 아닙니다.
글쎄, 그것은 필요하지 않습니다 :)