이해하는 것 같습니다. 1단계 - 해당 분포와 같은 클록 사이에 임의의 일시 중지가 있는 나만의 클록 생성기를 만드십시오. 각 주기에서 - 현재 입찰/매도 가격을 가져와서 시계열을 만듭니다. 2단계 - 아직 이해가 되지 않습니다. 생각해봐야 합니다. 나는 그러한 시계열을 거래할 수 없을 것입니다. 이것은 이미 HFT입니다.
2단계는 무작위 프로세스가 찔린 마우스일 가능성이 큽니다. 프로세스가 평균 한계를 넘어서면 기계로 다시 돌아가는 거래가 있습니다 ... 아마도 간단한 용어로 ..
나는 이 매개변수가 가우스 분포 매개변수에 대한 현재 확률 분포 매개변수의 비율로 계산되는 시스템의 네겐트로피 계수라고 절대적으로 확신합니다.
따라서 가설 - K=1, 즉 푸아송 프로세스로 실제 틱 흐름을 모델링할 때 시스템 네젠트로피 계수는 올바르게 계산되지만 다른 경우에는 그렇지 않습니다.
이론적으로 기존 실제 프로세스를 조정하여 Erlang 분포에서 k-->의 경우와 같이 무한대로 정규 분포에 가깝게 하는 것이 가능하지만 전체로 받아들이는 것은 불가능합니다. , 그러나 이 분포의 일부가 정상인 경향이 있는 부분으로서 거래 강도 계수를 정확하게 계산하기 위해 전체 프로세스를 대체하는 것처럼 투영합니다. Cauchy의 출품자가 여전히 앉아있는 Erlang의 "꼬리". 결국, 내가 이해하는 한, 당신의 모든 성공은 이 계수의 적용에 기인할 수 있습니다. 틀 렸으면 고쳐줘.
이론적으로 기존 실제 프로세스를 정상에 가깝게 조정할 수 있습니까? k -->가 Erlang 분포에서 무한대인 경우와 동일하지만 전체로서가 아니라 일부로, 여기서 일부 이 분포는 정상적인 경향이 있으며, 거래 강도 계수를 정확하게 계산하기 위해 전체 프로세스를 대체하는 것처럼 투영하는 경향이 있습니다. 코시는 여전히 앉아 있다. 결국, 내가 이해하는 한, 당신의 모든 성공은 이 계수의 적용에 기인할 수 있습니다. 틀 렸으면 고쳐줘.
솔직히 K > 1의 경우는 고려하지 않았지만 아마 그래야 할 것 같습니다. 확실히 뭔가가 있어야합니다.
변호하기 위해 내 목표는 가능한 한 빨리 문제를 해결하여 지갑을 즉시 보충하기 시작하는 것이라고 말할 것입니다.
Erlang 흐름(이미 K=1 !!!!!에 있음)에서만 작업이 좋은 결과를 가져온다는 것을 깨닫자마자 나는 물리학과 수학보다 돈에 대해 더 많이 생각하기 시작했습니다. 아아, 시아버지와 아내가 부추긴 인간의 나약함도 내 안에 내재되어 있습니다 ...
따라서 K>1인 경우는 누군가에게 좋은 평가를 받을 뿐만 아니라 무한한 이익을 얻을 수 있기를 바랍니다.
이해하는 것 같습니다.
1단계 - 해당 분포와 같은 클록 사이에 임의의 일시 중지가 있는 나만의 클록 생성기를 만드십시오. 각 주기에서 - 현재 입찰/매도 가격을 가져와서 시계열을 만듭니다.
2단계 - 아직 이해가 되지 않습니다. 생각해봐야 합니다. 나는 그러한 시계열을 거래할 수 없을 것입니다. 이것은 이미 HFT입니다.
2단계는 무작위 프로세스가 찔린 마우스일 가능성이 큽니다. 프로세스가 평균 한계를 넘어서면 기계로 다시 돌아가는 거래가 있습니다 ... 아마도 간단한 용어로 ..
Erlang 분포의 계수 K를 사용하여 거래의 정직성을 판단할 수 있다는 것을 올바르게 이해하고 있습니까?
대부분 인프라의 품질에 관한 것입니다.))
Erlang 분포의 계수 K를 사용하여 거래의 정직성을 판단할 수 있다는 것을 올바르게 이해하고 있습니까?
약간의 구체적인 유머:
k가 많을수록 좋습니다.))) k=1이면 이것은 순수 지수, 푸아송 과정이며 일반적으로 모든 것이 매우 나쁩니다. 이것은 매우 나쁨과 평균, 아마도 이익과 드립을 비교하기 시작할 때입니다)))
k가 많을수록 좋습니다.))) k=1이면 이것은 순수 지수, 푸아송 과정이며 일반적으로 모든 것이 매우 나쁩니다. 이것은 매우 나쁨과 평균, 아마도 이익과 드립을 비교하기 시작할 때입니다)))
신경망 및 예측 문제 해결의 경우 - 예, k가 많을수록 좋습니다.
내 의견은 그대로입니다. 트레이더가 사용하는 모델에 따라 매개변수 k를 강제로 선택해야 합니다. 나는 k=1이다.
K=1 매개변수가 필요한 또 다른 이유가 있습니다. 푸아송 스트림 에뮬레이션.
그리고 이러한 이유는 추세/평면을 담당하는 신비한 매개변수를 사용해야 하기 때문입니다.
나는 이 매개변수가 가우스 분포 매개변수에 대한 현재 확률 분포 매개변수의 비율로 계산되는 시스템 네겐트로피 계수라고 절대적으로 확신합니다.
따라서 가설 - K=1, 즉 푸아송 프로세스로 실제 틱 흐름을 모델링할 때 시스템 네젠트로피 계수는 올바르게 계산되지만 다른 경우에는 그렇지 않습니다.
신경망 및 예측 문제 해결의 경우 - 예, k가 많을수록 좋습니다.
내 의견은 그대로입니다. 트레이더가 사용하는 모델에 따라 매개변수 k를 강제로 선택해야 합니다. 나는 k=1이다.
Alexander는 결국 k=1이 필요한 이유, 즉 현재 상태와 후유증이 없는 상태의 차이를 계산하는 데 동의하지 않습니다. 이 차이에 대해 세션 간의 역학을 보여주는 거래 계수를 계산합니다.
Alexander는 결국 k=1이 필요한 이유, 즉 현재 상태와 후유증이 없는 상태의 차이를 계산하는 데 동의하지 않습니다. 이 차이에 대해 세션 간의 역학을 보여주는 거래 계수를 계산합니다.
그것도 물론입니다.
따라서 실제 틱 스트림과 에뮬레이션 간의 이러한 차이는 두 가지 경우에 필요합니다.
1. 거래 강도 계산(해결됨)
2. 네겐트로피 계산하기 (진행중...)
K=1 매개변수가 필요한 또 다른 이유가 있습니다. 푸아송 스트림 에뮬레이션.
그리고 이러한 이유는 추세/평면을 담당하는 신비한 매개변수를 사용해야 하기 때문입니다.
나는 이 매개변수가 가우스 분포 매개변수에 대한 현재 확률 분포 매개변수의 비율로 계산되는 시스템의 네겐트로피 계수라고 절대적으로 확신합니다.
따라서 가설 - K=1, 즉 푸아송 프로세스로 실제 틱 흐름을 모델링할 때 시스템 네젠트로피 계수는 올바르게 계산되지만 다른 경우에는 그렇지 않습니다.
이론적으로 기존 실제 프로세스를 조정하여 Erlang 분포에서 k-->의 경우와 같이 무한대로 정규 분포에 가깝게 하는 것이 가능하지만 전체로 받아들이는 것은 불가능합니다. , 그러나 이 분포의 일부가 정상인 경향이 있는 부분으로서 거래 강도 계수를 정확하게 계산하기 위해 전체 프로세스를 대체하는 것처럼 투영합니다. Cauchy의 출품자가 여전히 앉아있는 Erlang의 "꼬리". 결국, 내가 이해하는 한, 당신의 모든 성공은 이 계수의 적용에 기인할 수 있습니다. 틀 렸으면 고쳐줘.
이론적으로 기존 실제 프로세스를 정상에 가깝게 조정할 수 있습니까? k -->가 Erlang 분포에서 무한대인 경우와 동일하지만 전체로서가 아니라 일부로, 여기서 일부 이 분포는 정상적인 경향이 있으며, 거래 강도 계수를 정확하게 계산하기 위해 전체 프로세스를 대체하는 것처럼 투영하는 경향이 있습니다. 코시는 여전히 앉아 있다. 결국, 내가 이해하는 한, 당신의 모든 성공은 이 계수의 적용에 기인할 수 있습니다. 틀 렸으면 고쳐줘.
솔직히 K > 1의 경우는 고려하지 않았지만 아마 그래야 할 것 같습니다. 확실히 뭔가가 있어야합니다.
변호하기 위해 내 목표는 가능한 한 빨리 문제를 해결하여 지갑을 즉시 보충하기 시작하는 것이라고 말할 것입니다.
Erlang 흐름(이미 K=1 !!!!!에 있음)에서만 작업이 좋은 결과를 가져온다는 것을 깨닫자마자 나는 물리학과 수학보다 돈에 대해 더 많이 생각하기 시작했습니다. 아아, 시아버지와 아내가 부추긴 인간의 나약함도 내 안에 내재되어 있습니다 ...
따라서 K>1인 경우는 누군가에게 좋은 평가를 받을 뿐만 아니라 무한한 이익을 얻을 수 있기를 바랍니다.
솔직히 K > 1의 경우는 고려하지 않았지만 아마 그래야 할 것 같습니다. 확실히 뭔가가 있어야합니다.
변호하기 위해 내 목표는 가능한 한 빨리 문제를 해결하여 지갑을 즉시 보충하기 시작하는 것이라고 말할 것입니다.
Erlang 흐름(이미 K=1 !!!!!에 있음)에서만 작업이 좋은 결과를 가져온다는 것을 깨닫자마자 나는 물리학과 수학보다 돈에 대해 더 많이 생각하기 시작했습니다. 아아, 시아버지와 아내가 부추긴 인간의 나약함도 내 안에 내재되어 있습니다 ...
따라서 K>1인 경우는 누군가에게 좋은 평가를 받을 뿐만 아니라 무한한 이익을 얻을 수 있기를 바랍니다.
k -->를 무한대로 사용하면 정규 분포의 유사체를 얻을 수 있습니다. 하지만 저는 다른 방식으로 제안합니다. 그런 k를 찾는 것이 아니라 지금 여기에서 꼬리에 있는 잔류물을 변환하는 것이지만 우리는 ' 도로에서 지연된 결과로 얻을 수 있습니다.
당신과 나는 같은 것에 대해 이야기하고있을 수 있습니다. 당신 만 네겐트로피 쪽에서, 나는 얼랑 쪽에서 왔습니다.