Stanislav Korotky : 합류 분석을 고정하려고 했습니까? 저것들. 함수는 가격 대 시간 p = x(i)가 아니라 2차원 f = z(i, p)여야 합니다. 거리 d는 두 좌표에서 고려됩니다. 그리고 다른 공식은 동일합니다.
아니요, 해보지는 않았지만 흥미롭습니다. 결국 우리 뇌가 왜곡된 이미지를 인지할 수 있다는 원리에 따라 시간축에 따른 왜곡(선형 왜곡인 패턴의 압축이나 늘어남뿐만 아니라 비선형 왜곡도 포함)을 고려해야 한다고 판단했다. 물건과 사람, 심지어 캐리커처, 즉 시각 피질에서와 같이 우리를 구성하는 패턴, 회전, 크기 조정 등을 분할합니다. 그러나 그는 그것에 거의 시간을 할애하지 않았습니다. 가장 복잡한 수학적 모델에 따르면 시장에서의 거래는 50/50이 될 것입니다.
아니요, 해보지는 않았지만 흥미롭습니다. 결국 우리 뇌가 왜곡된 이미지를 인지할 수 있다는 원리에 따라 시간축에 따른 왜곡(선형 왜곡인 패턴의 압축이나 늘어남뿐만 아니라 비선형 왜곡도 포함)을 고려해야 한다고 판단했다. 물건과 사람, 심지어 캐리커처, 즉 시각 피질에서와 같이 우리를 구성하는 패턴, 회전, 크기 조정 등을 분할합니다. 그러나 그는 그것에 거의 시간을 할애하지 않았습니다. 가장 복잡한 수학적 모델에 따르면 시장에서의 거래는 50/50이 될 것입니다.
아니요, 해보지는 않았지만 흥미롭습니다. 결국 우리 뇌가 왜곡된 이미지를 인지할 수 있다는 원리에 따라 시간축에 따른 왜곡(선형 왜곡인 패턴의 압축이나 늘어남뿐만 아니라 비선형 왜곡도 포함)을 고려해야 한다고 판단했다. 물건과 사람, 심지어 캐리커처, 즉 시각 피질에서와 같이 우리를 구성하는 패턴, 회전, 크기 조정 등을 분할합니다. 그러나 그는 그것에 거의 시간을 할애하지 않았습니다. 가장 복잡한 수학적 모델에 따르면 시장에서의 거래는 50/50이 될 것입니다.
프로젝트는 분기별 예측을 어떻게 수행하고 있습니까? - 브랜치가 오랫동안 업데이트되지 않은 것 같습니다.
아니요, 해보지는 않았지만 흥미롭습니다. 결국 우리 뇌가 왜곡된 이미지를 인지할 수 있다는 원리에 따라 시간축에 따른 왜곡(선형 왜곡인 패턴의 압축이나 늘어남뿐만 아니라 비선형 왜곡도 포함)을 고려해야 한다고 판단했다. 물건과 사람, 심지어 캐리커처, 즉 시각 피질에서와 같이 우리를 구성하는 패턴, 회전, 크기 조정 등을 분할합니다. 그러나 그는 그것에 거의 시간을 할애하지 않았습니다. 가장 복잡한 수학적 모델에 따르면 시장에서의 거래는 50/50이 될 것입니다.
시간을 고려해야 합니다. 그렇습니다. 예를 들어, 나는 이것을합니다 - 나는 선형적으로 시간에 따른 패턴의 유사성 평가를 줄입니다. 저것들. 패턴 유사도가 0(전혀 유사하지 않음)에서 1(완전히 유사)로 추정되는 경우 평가 외에도 특정 상수에 패턴 사이의 막대 수를 곱한 값을 뺍니다. 거기에서 어떤 종류의 왜곡이 일어나고 있는지 모르지만 패턴이 서로 멀어질수록 패턴이 100% 보장되는 "유사성"을 잃을수록.
패턴의 유사성은 매우 까다로운 평가입니다. 여기에서는 인터넷에서 첫 번째 공식을 밀어낼 수 없으며 직접 확인해야 합니다. 수식을 확인하는 방법도 어렵고 이해하기 어렵지만 일부 수식은 전면 테스트에서 병합되고 다른 수식은 병합되지 않습니다 :)
This demo trains a Convolutional Neural Network on the MNIST digits dataset in your browser, with nothing but Javascript. The dataset is fairly easy and one should expect to get somewhere around 99% accuracy within few minutes. I used this python script to parse the original files into batches of images that can be easily loaded into page DOM...
Andrey Dik : 프로젝트는 분기별 예측을 어떻게 수행하고 있습니까? - 브랜치가 오랫동안 업데이트되지 않은 것 같습니다.
나는 거기에 나의 현재 예측을 넣을 것이다. 마지막은 2달전. 다음은 새로운 GDP 데이터가 발표되는 4월 말에 있을 것입니다. 지금까지 모든 예측은 현실에 가깝습니다. 거기에 두 가지 모델이 있는데 하나는 다른 것보다 더 보수적입니다. 보수적 모델에 따르면 다음 GDP 성장률은 지난 분기에 발표된 성장률보다 낮을 것입니다. 또 다른 모델은 더 높은 성장을 예측합니다. 3주 후에 우리는 어느 것이 더 정확한지 알게 될 것입니다. 내 주요 목표는 경기 침체를 피하는 것이지만 현재로서는 어떤 모델에서도 볼 수 없습니다.
그래프 조각이 있다고 가정해 보겠습니다. 거래를 시작하는 가장 최적의 방법을 (역사에 대해) 알아낼 필요가 있습니다. 구매처, 판매처, 기타 구매처, 마감 장소 등. 그러나 패턴이 다를 수 있다는 점을 고려해야 하며 위험을 최소화하면서 모든 패턴에 대해 포지션을 여는 장소를 계산하는 가장 효과적인 방법을 선택해야 합니다. 패턴에 대해 여러 거래가 있을 수 있습니다. 또 다른 중요한 조건이 있습니다. 패턴은 특정 범위 내에서 변할 수 있습니다. 예를 들어 20%씩 변한다고 가정해 보겠습니다. 즉, 처음에는 하나의 패턴이 표시되고 다음 막대에서는 주요 특성이 동일하게 유지되었지만 이미 다소 변경되었습니다(그러나 항상 전체 패턴과 모든 후속 변경 사항을 관찰할 것입니다). 즉, 더 많은 오류 요인을 도입해야 합니다.
이 작업을 수행하는 가장 좋은 방법에 대한 아이디어가 있습니까? 다양한 확률적 특성과 가격 수준을 계산하는 것이 가능합니다. 어떻게 할까요?
흥미롭게도, 토론 중 하나에서 당신은 고전적 기술 분석의 사용이 비효율적이라고 말하면서 열렬한 반대였습니다. 이 분석을 기반으로 한 수동 거래의 자동화는 인식되지 않았습니다. 이제 "수동" 기술 분석을 자동화하려는 시도에 불과한 가격 형성에 대한 효과적인 알고리즘 인식 방법을 만드는 문제를 해결하고 있습니다. 이상하네요. 왜 최근까지 알고리즘 거래에서 이 접근 방식을 강력하게 거부했습니까? (오프 주제에 대해 죄송합니다).
흥미롭게도, 토론 중 하나에서 당신은 고전적 기술 분석의 사용이 비효율적이라고 말하면서 열렬한 반대였습니다. 이 분석을 기반으로 한 수동 거래의 자동화는 인식되지 않았습니다. 이제 "수동" 기술 분석을 자동화하려는 시도에 불과한 가격 형성에 대한 효과적인 알고리즘 인식 방법을 만드는 문제를 해결하고 있습니다. 이상하네요. 왜 최근까지 알고리즘 거래에서 이 접근 방식을 강력하게 거부했습니까? (오프 주제에 대해 죄송합니다).
여기에는 고전적인 기술적 분석이 없습니다. 자산 수익률에 대한 다중 프랙탈 모델이 있습니다(예, 예, 저도 있습니다. 제가 방금 생각해낸 것이 아닙니다). 이 모델은 통계 모델에 기인할 수 있습니다. 특정한 고정된 패턴은 없지만 패턴으로 표현할 수 있는 예측의 형태로 결과가 있을 뿐 그 이상은 아니다.
합류 분석을 고정하려고 했습니까? 저것들. 함수는 가격 대 시간 p = x(i)가 아니라 2차원 f = z(i, p)여야 합니다. 거리 d는 두 좌표에서 고려됩니다. 그리고 다른 공식은 동일합니다.
아니요, 해보지는 않았지만 흥미롭습니다. 결국 우리 뇌가 왜곡된 이미지를 인지할 수 있다는 원리에 따라 시간축에 따른 왜곡(선형 왜곡인 패턴의 압축이나 늘어남뿐만 아니라 비선형 왜곡도 포함)을 고려해야 한다고 판단했다. 물건과 사람, 심지어 캐리커처, 즉 시각 피질에서와 같이 우리를 구성하는 패턴, 회전, 크기 조정 등을 분할합니다. 그러나 그는 그것에 거의 시간을 할애하지 않았습니다. 가장 복잡한 수학적 모델에 따르면 시장에서의 거래는 50/50이 될 것입니다.
아니요, 해보지는 않았지만 흥미롭습니다. 결국 우리 뇌가 왜곡된 이미지를 인지할 수 있다는 원리에 따라 시간축에 따른 왜곡(선형 왜곡인 패턴의 압축이나 늘어남뿐만 아니라 비선형 왜곡도 포함)을 고려해야 한다고 판단했다. 물건과 사람, 심지어 캐리커처, 즉 시각 피질에서와 같이 우리를 구성하는 패턴, 회전, 크기 조정 등을 분할합니다. 그러나 그는 그것에 거의 시간을 할애하지 않았습니다. 가장 복잡한 수학적 모델에 따르면 시장에서의 거래는 50/50이 될 것입니다.
머신 비전은 이것을 잘 처리해야 합니다. 나중에 할게요.
아니요, 해보지는 않았지만 흥미롭습니다. 결국 우리 뇌가 왜곡된 이미지를 인지할 수 있다는 원리에 따라 시간축에 따른 왜곡(선형 왜곡인 패턴의 압축이나 늘어남뿐만 아니라 비선형 왜곡도 포함)을 고려해야 한다고 판단했다. 물건과 사람, 심지어 캐리커처, 즉 시각 피질에서와 같이 우리를 구성하는 패턴, 회전, 크기 조정 등을 분할합니다. 그러나 그는 그것에 거의 시간을 할애하지 않았습니다. 가장 복잡한 수학적 모델에 따르면 시장에서의 거래는 50/50이 될 것입니다.
아니요, 해보지는 않았지만 흥미롭습니다. 결국 우리 뇌가 왜곡된 이미지를 인지할 수 있다는 원리에 따라 시간축에 따른 왜곡(선형 왜곡인 패턴의 압축이나 늘어남뿐만 아니라 비선형 왜곡도 포함)을 고려해야 한다고 판단했다. 물건과 사람, 심지어 캐리커처, 즉 시각 피질에서와 같이 우리를 구성하는 패턴, 회전, 크기 조정 등을 분할합니다. 그러나 그는 그것에 거의 시간을 할애하지 않았습니다. 가장 복잡한 수학적 모델에 따르면 시장에서의 거래는 50/50이 될 것입니다.
시간을 고려해야 합니다. 그렇습니다. 예를 들어, 나는 이것을합니다 - 나는 선형적으로 시간에 따른 패턴의 유사성 평가를 줄입니다. 저것들. 패턴 유사도가 0(전혀 유사하지 않음)에서 1(완전히 유사)로 추정되는 경우 평가 외에도 특정 상수에 패턴 사이의 막대 수를 곱한 값을 뺍니다. 거기에서 어떤 종류의 왜곡이 일어나고 있는지 모르지만 패턴이 서로 멀어질수록 패턴이 100% 보장되는 "유사성"을 잃을수록.
패턴의 유사성은 매우 까다로운 평가입니다. 여기에서는 인터넷에서 첫 번째 공식을 밀어낼 수 없으며 직접 확인해야 합니다. 수식을 확인하는 방법도 어렵고 이해하기 어렵지만 일부 수식은 전면 테스트에서 병합되고 다른 수식은 병합되지 않습니다 :)
패턴의 유사성 - 컴퓨터 작동 방식에 대한 흥미로운 예. 전망 :)
http://cs.stanford.edu/people/karpathy/convnetjs/demo/mnist.html
프로젝트는 분기별 예측을 어떻게 수행하고 있습니까? - 브랜치가 오랫동안 업데이트되지 않은 것 같습니다.
나는 거기에 나의 현재 예측을 넣을 것이다. 마지막은 2달전. 다음은 새로운 GDP 데이터가 발표되는 4월 말에 있을 것입니다. 지금까지 모든 예측은 현실에 가깝습니다. 거기에 두 가지 모델이 있는데 하나는 다른 것보다 더 보수적입니다. 보수적 모델에 따르면 다음 GDP 성장률은 지난 분기에 발표된 성장률보다 낮을 것입니다. 또 다른 모델은 더 높은 성장을 예측합니다. 3주 후에 우리는 어느 것이 더 정확한지 알게 될 것입니다. 내 주요 목표는 경기 침체를 피하는 것이지만 현재로서는 어떤 모델에서도 볼 수 없습니다.
우리는 여기를 보지 않았습니다. 아마도 뭔가 보일 것입니다 .... Keldysh의 이름을 딴 라이브러리 http://library.keldysh.ru/preprint.asp?id=2016-7 Orlov
감사합니다, 안부
그래프 조각이 있다고 가정해 보겠습니다. 거래를 시작하는 가장 최적의 방법을 (역사에 대해) 알아낼 필요가 있습니다. 구매처, 판매처, 기타 구매처, 마감 장소 등. 그러나 패턴이 다를 수 있다는 점을 고려해야 하며 위험을 최소화하면서 모든 패턴에 대해 포지션을 여는 장소를 계산하는 가장 효과적인 방법을 선택해야 합니다. 패턴에 대해 여러 거래가 있을 수 있습니다. 또 다른 중요한 조건이 있습니다. 패턴은 특정 범위 내에서 변할 수 있습니다. 예를 들어 20%씩 변한다고 가정해 보겠습니다. 즉, 처음에는 하나의 패턴이 표시되고 다음 막대에서는 주요 특성이 동일하게 유지되었지만 이미 다소 변경되었습니다(그러나 항상 전체 패턴과 모든 후속 변경 사항을 관찰할 것입니다). 즉, 더 많은 오류 요인을 도입해야 합니다.
이 작업을 수행하는 가장 좋은 방법에 대한 아이디어가 있습니까? 다양한 확률적 특성과 가격 수준을 계산하는 것이 가능합니다. 어떻게 할까요?
흥미롭게도, 토론 중 하나에서 당신은 고전적 기술 분석의 사용이 비효율적이라고 말하면서 열렬한 반대였습니다. 이 분석을 기반으로 한 수동 거래의 자동화는 인식되지 않았습니다. 이제 "수동" 기술 분석을 자동화하려는 시도에 불과한 가격 형성에 대한 효과적인 알고리즘 인식 방법을 만드는 문제를 해결하고 있습니다. 이상하네요. 왜 최근까지 알고리즘 거래에서 이 접근 방식을 강력하게 거부했습니까? (오프 주제에 대해 죄송합니다).
흥미롭게도, 토론 중 하나에서 당신은 고전적 기술 분석의 사용이 비효율적이라고 말하면서 열렬한 반대였습니다. 이 분석을 기반으로 한 수동 거래의 자동화는 인식되지 않았습니다. 이제 "수동" 기술 분석을 자동화하려는 시도에 불과한 가격 형성에 대한 효과적인 알고리즘 인식 방법을 만드는 문제를 해결하고 있습니다. 이상하네요. 왜 최근까지 알고리즘 거래에서 이 접근 방식을 강력하게 거부했습니까? (오프 주제에 대해 죄송합니다).
여기에는 고전적인 기술적 분석이 없습니다. 자산 수익률에 대한 다중 프랙탈 모델이 있습니다(예, 예, 저도 있습니다. 제가 방금 생각해낸 것이 아닙니다). 이 모델은 통계 모델에 기인할 수 있습니다. 특정한 고정된 패턴은 없지만 패턴으로 표현할 수 있는 예측의 형태로 결과가 있을 뿐 그 이상은 아니다.
MMDA는 일반화된 브라운 운동을 설명합니다.