실제로 Erlang 흐름인 현재 틱 흐름을 지수 흐름으로 변환하여 다시 동일하지만 이미 분명히 왜곡된 흐름이 되도록 하는 이유는 무엇입니까?
동의합니다. 여기에 오류가 있습니다. 존재하는 틱 스트림으로 작업하고 인공 소스 스트림이 아닌 이 자연 소스 스트림에서 추가 변환을 수행해야 합니다.
따라서 변환 알고리즘은 다음과 같습니다.
1. 초기 틱 흐름을 가져오지만 모든 틱을 읽는 것은 아니지만 매초마다 시간 간격 및 증분에 대해 얻은 분포를 봅니다.
2. ... 매 세 번째 눈금을 읽습니다. 분포를 보십시오.
삼. ...
시간 간격의 분포가 확률 밀도 함수 의 공식을 만족하는 명확하고 뚜렷한 Erlang 흐름을 얻을 때까지 증분 분포는 점점 더 정규 분포에 가까워질 것입니다.
그것이 내가 할 일이며 결과에 대해 말씀드리겠습니다.
관심을 가져주셔서 감사합니다.
매 n번째 틱마다 2번째, 3번째 등을 읽으면 실제로 종가에서 범위 막대 차트를 얻을 수 있습니다.
그리고 이미 이 차트의 분포를 업로드했습니다.
처음부터 중앙 피크가 감소하고 흐려지기 시작하여 정상에 가까워 지지만 분포는 이중 모드로 분기됩니다.
동시에 프로세스를 이해하기 위해서는 가장자리에서 이를 연구할 필요가 있으며 가장자리 표시기는 n=1에 대해 대수 정규 분포에 대한 근사값을 가지며 n의 성장에 따라 더 가깝습니다. n=100이면 바이모달이 있습니다. 이것은 분포가 항상 bimodal이라는 것을 의미합니다. 작은 n의 이산성 때문에 서로 겹치고 그림이 명확하지 않습니다.
A_K2의 특징은 체계적인 접근과 세부 사항에 대한 완전한 부족입니다. 전체에 대한 비전이 없다면 세부 사항은 무엇입니까?
게다가.
진심으로 A_K2가 뭔가를 했으면 좋겠다. 그러나 그의 게시물로 판단하면 이번에는 백지입니다.
항상 진보, 과학, 기술은 단순한 형태(설명)에서 더 복잡한 형태로 이동했습니다. 그리고 이미 간단한 것들이 잘 작동했다고 말해야 합니다.
자동차를 디자인 한 적이 없다면 Mercedes와 함께 디자인을 시작하는 것은 가망이 없습니다. Zhiguli와 같은 단순한 것으로 시작해야합니다. 작동 원리는 Mercedes와 동일하지만 모든 것이 훨씬 간단합니다. 그리고 Zhigul이 가면 점진적으로 개선하고 현대화하고 복잡하게 만들고 Merce 수준으로 가져올 수 있습니다. 15년 전 한국 자동차의 모습을 기억하십시오. 눈물 없이는 볼 수 없을 것입니다.
유추해 보면 A_K2가 다시 Mercedes를 설계하기로 한 것 같습니다.) 지난 4개월 동안 이미 최소한 Zhigul을 구축하는 것이 가능했습니다. 설계를 위해 과학은 특별히 필요하지 않지만 충분한 기술 솔루션입니다.)
존재하는 틱 스트림으로 작업하고 인공 소스 스트림이 아닌 이 자연 소스 스트림에서 추가 변환을 수행해야 합니다.
나는 이미 이것에 대해 당신에게 썼지만 분명히 내 투표가 충분하지 않습니다. 당신의 "진짜 틱"은 평범하지 않은 것입니다. 나는 이 "DDE" 뒤에 무엇이 있는지 모르지만 그것은 외환 거래가 일반적으로 주는 지저분한 쓰레기가 아닙니다. 적어도 틱은 평소보다 10배 덜 자주 발생합니다. 이것은 이미 놀라운 일입니다. 히스토그램의 첫 번째 포켓은 1초가 아니라 ~200ms여야 합니다.
공백을 과거 값으로 채우지 않고 가늘게하지 않고 마지막으로 허용 된 몇 천 틱을 csv에 넣으십시오. 그리고 아마도 나 이외의 다른 누군가가 여기에서 테스트를 수행하고 이러한 값이 평소보다 거래에 훨씬 더 적합하다고 말할 것입니다. 그리고 아마도 이 주제의 집단적인 마음은 십여 줄의 mql 코드로 성배 를 만드는 방법을 알려줄 것입니다.
감사합니다. 다음은 지난 1000 audcad 입찰 값에 대한 이득 분포와 자기 상관을 비교한 것입니다. 맨 윗줄은 틱입니다. 맨 아래는 터미널에 있는 것입니다. 차이가 있지만 그래프에서 어느 것이 더 나은지 판단하는 방법을 모르겠습니다. 나는 당신의 히스토그램 피크가 터미널과 같이 단축되지 않는 것을 좋아합니다.
일부 고정성 테스트:
당신의 틱 -
> Box.test(pricesDiff, lag= 20 , type= "Ljung-Box" )
Box-Ljung test
data: pricesDiff
X-squared = 39.466 , df = 20 , p- value = 0.005832
> adf.test(pricesDiff, alternative = "stationary" )
Augmented Dickey-Fuller Test
data: pricesDiff
Dickey-Fuller = - 11.556 , Lag order = 9 , p- value = 0.01
alternative hypothesis: stationary
> kpss.test(pricesDiff)
KPSS Test for Level Stationarity
data: pricesDiff
KPSS Level = 0.44326 , Truncation lag parameter = 7 , p- value = 0.05851
그리고 터미널에 있는 사람들:
Box-Ljung test
data: pricesDiff
X-squared = 29.181 , df = 20 , p- value = 0.08426
> adf.test(pricesDiff, alternative = "stationary" )
Augmented Dickey-Fuller Test
data: pricesDiff
Dickey-Fuller = - 10.252 , Lag order = 9 , p- value = 0.01
alternative hypothesis: stationary
> kpss.test(pricesDiff)
KPSS Test for Level Stationarity
data: pricesDiff
KPSS Level = 0.3404 , Truncation lag parameter = 7 , p- value = 0.1
Box-Ljung 테스트의 p-값은 10배 더 낮으므로 멋진 것입니다.
그리고 가장 중요한 것은 틱이 기억력이 있는 과정이라는 점입니다. 이는 매우 비마르코비안적입니다. 숫자로 표현하는 방법을 모르지만 제 모델에서는 진드기가 일반 진드기보다 예측하기 쉽습니다.
만약 그렇다면, 분명히, 모든 사람은 내가 가지고 있는 것과 같은 불연속적인 인용문 흐름에서 작업해야 하고 그게 전부입니다. 안 그래?
나도 한 달 전에 같은 생각을 했다. 로그 분포(또는 파스칼)가 있으므로 이를 좋게 만들기 위해 얇게 하여 이것을 얻고 싶었습니다. 몇 주 후 "p를 0.72 대신 0.71로 변경하면 괜찮을 것입니다." - 기분이 좋지 않았습니다. 모두 룰렛이지 과학이 아닙니다.
가격 인상의 분포와 시간의 일시 중지는 결과일 뿐입니다. 가장 중요한 것은 고정된 비마코비안 프로세스를 얻는 것입니다. 그리고 더 고정적이고 비-마르코비안일수록 더 좋습니다. 나는 이것이 정확히 비-마르코비안 정상성을 요구하는 첫 번째 필수 변환이며, 여기서 어떤 분포를 얻을 것인지는 더 이상 중요하지 않다고 생각합니다. 이 비-마르코비안 고정성을 달성하는 방법 - 잘 모르겠지만 올바른 방법인 것 같습니다.
그런 다음 이러한 얇아진 시리즈의 경우 거래 전략에 따라 2차 변형을 시도할 수 있습니다. 모델에 대해 원하는 대로 수익률에 감마를 달성하려면 입력하십시오. 여기에서 변형은 이미 전략에 따라 달라지며, 두 번째 Thinning 대신 기능을 생성하고 뉴런을 훈련시킬 수 있습니다.
추신 - " 비 마르코프 고정성 "은 그러한 속성에 대한 순전히 개인적인 모독적인 이름입니다. 과학에서는 아마도 다르게 불릴 것입니다.
오늘의 마지막 포스팅.
그래서. Novaja가 한 번 던진 가장 불타는 질문:
실제로 Erlang 흐름인 현재 틱 흐름을 지수 흐름으로 변환하여 다시 동일하지만 이미 분명히 왜곡된 흐름이 되도록 하는 이유는 무엇입니까?
동의합니다. 여기에 오류가 있습니다. 존재하는 틱 스트림으로 작업하고 인공 소스 스트림이 아닌 이 자연 소스 스트림에서 추가 변환을 수행해야 합니다.
따라서 변환 알고리즘은 다음과 같습니다.
1. 초기 틱 흐름을 가져오지만 모든 틱을 읽는 것은 아니지만 매초마다 시간 간격 및 증분에 대해 얻은 분포를 봅니다.
2. ... 매 세 번째 눈금을 읽습니다. 분포를 보십시오.
삼. ...
시간 간격의 분포가 확률 밀도 함수 의 공식을 만족하는 명확하고 뚜렷한 Erlang 흐름을 얻을 때까지 증분 분포는 점점 더 정규 분포에 가까워질 것입니다.
그것이 내가 할 일이며 결과에 대해 말씀드리겠습니다.
관심을 가져주셔서 감사합니다.
이것은 가설과 여러 점을 기반으로 한 수년간의 고통스러운 연구의 시작에 불과합니다.
그리고 결론은 무엇입니까 - 유형의 성배
전체 ppc...
오늘의 마지막 포스팅.
그래서. Novaja가 한 번 던진 가장 뜨거운 질문은 다음과 같습니다.
실제로 Erlang 흐름인 현재 틱 흐름을 지수 흐름으로 변환하여 다시 동일하지만 이미 분명히 왜곡된 흐름이 되도록 하는 이유는 무엇입니까?
동의합니다. 여기에 오류가 있습니다. 존재하는 틱 스트림으로 작업하고 인공 소스 스트림이 아닌 이 자연 소스 스트림에서 추가 변환을 수행해야 합니다.
따라서 변환 알고리즘은 다음과 같습니다.
1. 초기 틱 흐름을 가져오지만 모든 틱을 읽는 것은 아니지만 매초마다 시간 간격 및 증분에 대해 얻은 분포를 봅니다.
2. ... 매 세 번째 눈금을 읽습니다. 분포를 보십시오.
삼. ...
시간 간격의 분포가 확률 밀도 함수 의 공식을 만족하는 명확하고 뚜렷한 Erlang 흐름을 얻을 때까지 증분 분포는 점점 더 정규 분포에 가까워질 것입니다.
그것이 내가 할 일이며 결과에 대해 말씀드리겠습니다.
관심을 가져주셔서 감사합니다.
매 n번째 틱마다 2번째, 3번째 등을 읽으면 실제로 종가에서 범위 막대 차트를 얻을 수 있습니다.
그리고 이미 이 차트의 분포를 업로드했습니다.
처음부터 중앙 피크가 감소하고 흐려지기 시작하여 정상에 가까워 지지만 분포는 이중 모드로 분기됩니다.
동시에 프로세스를 이해하기 위해서는 가장자리에서 이를 연구할 필요가 있으며 가장자리 표시기는 n=1에 대해 대수 정규 분포에 대한 근사값을 가지며 n의 성장에 따라 더 가깝습니다. n=100이면 바이모달이 있습니다. 이것은 분포가 항상 bimodal이라는 것을 의미합니다. 작은 n의 이산성 때문에 서로 겹치고 그림이 명확하지 않습니다.
따라서 귀하의 연구 벤처는 자전거의 발명품입니다.
아니요, 당신은 그런 코끼리를 팔 수 없습니다.
A_K2의 특징은 체계적인 접근과 세부 사항에 대한 완전한 부족입니다. 전체에 대한 비전이 없다면 세부 사항은 무엇입니까?
게다가.
진심으로 A_K2가 뭔가를 했으면 좋겠다. 그러나 그의 게시물로 판단하면 이번에는 백지입니다.
항상 진보, 과학, 기술은 단순한 형태(설명)에서 더 복잡한 형태로 이동했습니다. 그리고 이미 간단한 것들이 잘 작동했다고 말해야 합니다.
자동차를 디자인 한 적이 없다면 Mercedes와 함께 디자인을 시작하는 것은 가망이 없습니다. Zhiguli와 같은 단순한 것으로 시작해야합니다. 작동 원리는 Mercedes와 동일하지만 모든 것이 훨씬 간단합니다. 그리고 Zhigul이 가면 점진적으로 개선하고 현대화하고 복잡하게 만들고 Merce 수준으로 가져올 수 있습니다. 15년 전 한국 자동차의 모습을 기억하십시오. 눈물 없이는 볼 수 없을 것입니다.
유추해 보면 A_K2가 다시 Mercedes를 설계하기로 한 것 같습니다.) 지난 4개월 동안 이미 최소한 Zhigul을 구축하는 것이 가능했습니다. 설계를 위해 과학은 특별히 필요하지 않지만 충분한 기술 솔루션입니다.)
존재하는 틱 스트림으로 작업하고 인공 소스 스트림이 아닌 이 자연 소스 스트림에서 추가 변환을 수행해야 합니다.
나는 이미 이것에 대해 당신에게 썼지만 분명히 내 투표가 충분하지 않습니다.
당신의 "진짜 틱"은 평범하지 않은 것입니다. 나는 이 "DDE" 뒤에 무엇이 있는지 모르지만 그것은 외환 거래가 일반적으로 주는 지저분한 쓰레기가 아닙니다. 적어도 틱은 평소보다 10배 덜 자주 발생합니다. 이것은 이미 놀라운 일입니다. 히스토그램의 첫 번째 포켓은 1초가 아니라 ~200ms여야 합니다.
공백을 과거 값으로 채우지 않고 가늘게하지 않고 마지막으로 허용 된 몇 천 틱을 csv에 넣으십시오. 그리고 아마도 나 이외의 다른 누군가가 여기에서 테스트를 수행하고 이러한 값이 평소보다 거래에 훨씬 더 적합하다고 말할 것입니다. 그리고 아마도 이 주제의 집단적인 마음은 십여 줄의 mql 코드로 성배 를 만드는 방법을 알려줄 것입니다.
그리고 당신은 정말로 아무것도 변경할 필요가 없습니까? 난 믿지 않아!!!!!!!! 그래서 흥미롭지 않습니다.
빅 데이터 처리의 원칙은 항상 최대 정보를 가진 소스 데이터로 작업하되, 정보 손실 없이 다른 메트릭을 추가하거나 압축하는 것입니다.
정보를 덮어 쓰기 시작하면 그러한 알고리즘의 가치와 적절성이 즉시 떨어지는 것이 분명합니다.
그러나 우리는 6개월 전에 그 이유에 대해 논의했습니다. 브로커 마다 틱 흐름이 다르면 기본 작업은 이를 하나의 보편적인 형식으로 가져오는 것입니다. 아니다?
하나는 다른 하나와 모순되지 않습니다.
보편적 인 형태는 동일한 틱 흐름으로 가져와야한다는 것을 전혀 의미하지 않습니다 ...감사합니다. 다음은 지난 1000 audcad 입찰 값에 대한 이득 분포와 자기 상관을 비교한 것입니다. 맨 윗줄은 틱입니다. 맨 아래는 터미널에 있는 것입니다. 차이가 있지만 그래프에서 어느 것이 더 나은지 판단하는 방법을 모르겠습니다. 나는 당신의 히스토그램 피크가 터미널과 같이 단축되지 않는 것을 좋아합니다.
일부 고정성 테스트:
당신의 틱 -
그리고 터미널에 있는 사람들:
Box-Ljung 테스트의 p-값은 10배 더 낮으므로 멋진 것입니다.
그리고 가장 중요한 것은 틱이 기억력이 있는 과정이라는 점입니다. 이는 매우 비마르코비안적입니다. 숫자로 표현하는 방법을 모르지만 제 모델에서는 진드기가 일반 진드기보다 예측하기 쉽습니다.
예측 가능성을 평가하는 다른 테스트가 있는지 궁금합니다.
Alexander의 파일 01AUDCAD_Real 14400에서 틱 사이의 거리(이산도 1초)
만약 그렇다면, 분명히, 모든 사람은 내가 가지고 있는 것과 같은 불연속적인 인용문 흐름에서 작업해야 하고 그게 전부입니다. 안 그래?
나도 한 달 전에 같은 생각을 했다. 로그 분포(또는 파스칼)가 있으므로 이를 좋게 만들기 위해 얇게 하여 이것을 얻고 싶었습니다. 몇 주 후 "p를 0.72 대신 0.71로 변경하면 괜찮을 것입니다." - 기분이 좋지 않았습니다. 모두 룰렛이지 과학이 아닙니다.
가격 인상의 분포와 시간의 일시 중지는 결과일 뿐입니다. 가장 중요한 것은 고정된 비마코비안 프로세스를 얻는 것입니다. 그리고 더 고정적이고 비-마르코비안일수록 더 좋습니다. 나는 이것이 정확히 비-마르코비안 정상성을 요구하는 첫 번째 필수 변환이며, 여기서 어떤 분포를 얻을 것인지는 더 이상 중요하지 않다고 생각합니다.
이 비-마르코비안 고정성을 달성하는 방법 - 잘 모르겠지만 올바른 방법인 것 같습니다.
그런 다음 이러한 얇아진 시리즈의 경우 거래 전략에 따라 2차 변형을 시도할 수 있습니다. 모델에 대해 원하는 대로 수익률에 감마를 달성하려면 입력하십시오. 여기에서 변형은 이미 전략에 따라 달라지며, 두 번째 Thinning 대신 기능을 생성하고 뉴런을 훈련시킬 수 있습니다.
추신 - " 비 마르코프 고정성 "은 그러한 속성에 대한 순전히 개인적인 모독적인 이름입니다. 과학에서는 아마도 다르게 불릴 것입니다.
Alexander의 파일 01AUDCAD_Real 14400에서 틱 사이의 거리(이산도 1초)
몇 페이지 전의 차트로 판단하면 피크가 0에서 1로 이동했습니다. 아마도 거래되는 쌍(audcad 및 cadjpy)에 따라 다를 것입니다.
제 생각에는 이것이 r=2, p=0.5, q=0.5인 Pascal 분포입니다.
그런 매개변수를 사용하여 R에서 Pascal을 그리려고 했으나 일치하지 않았습니다. 그러나 일반적으로 r, p, q 대신 다른 지정이 있습니다. 아마도 내가 뭔가를 망쳤을 것입니다.