" RNG(정상 값)의 경우 평균과 분산을 예측할 수 있습니다. 이를 위해 분포를 연구합니다." 분산과 평균이 일정할 것이라는 사실에도 불구하고 질문에 직접 대답했습니다.
모순이 없습니다.
RNG 증분의 경우 평균 증분 예측이 가능하며 이는 0과 같은 상수입니다. 여러 RNG 가격(여러 증분의 적분, "임의 워크"이기도 함)의 경우 이는 50/50을 의미합니다. 거래 방향 예측 및 수익 기회가 없습니다. 다음 현재 증분에 대한 예측(A_K2가 작성한 대로)도 0에 몇 가지 표준 편차를 더하거나 빼는데, 이는 실제로 사용되지 않습니다.
그러나 RNG 증분은 단순화된 가격 모델이며 기본이고 근사치입니다.
RNG와 달리 실제 가격 증분에는 이전 가격에 대한 다음 항목의 종속성이 있습니다. 거래 방향에 대한 예측이 50/50과 크게 다른 상황이 있습니다. 귀하의 임무는 가격 증분에서 그러한 상황을 찾는 것이며 RNG에서는 단순히 정의에 의해 존재하지 않습니다.
RNG 증분의 경우 평균 증분 예측이 가능하며 이는 0과 같은 상수입니다. 여러 RNG 가격(여러 증분의 적분, "임의 워크"이기도 함)의 경우 이는 50/50을 의미합니다. 거래 방향 예측 및 수익 기회가 없습니다. 다음 현재 증분에 대한 예측(A_K2가 작성한 대로)도 0에 몇 가지 표준 편차를 더하거나 빼는데, 이는 실제로 사용되지 않습니다.
그러나 RNG 증분은 단순화된 가격 모델이며 기본이고 근사치입니다.
RNG와 달리 실제 가격 증분에는 이전 가격에 대한 다음 항목의 종속성이 있습니다. 거래 방향에 대한 예측이 50/50과 크게 다른 상황이 있습니다. 귀하의 임무는 가격 증분에서 그러한 상황을 찾는 것이며 RNG에서는 단순히 정의에 의해 존재하지 않습니다.
정규 분포에서 절대값의 편차가 3*RMS보다 작을 확률은 0.9973입니다. 즉, 편차의 절대값이 표준편차의 3배를 초과할 확률은 매우 작아 0.0027=1-0.9973에 이른다. 이것은 0.27%의 경우에만 발생할 수 있음을 의미합니다.
실제로 연구 중인 랜덤 변수의 분포를 알 수 없지만 조건이 충족되면 연구된 변수가 정상적으로 분포하고 그렇지 않으면 정규 분포가 아니므로 VR을 증명하지만 다음과 같이 VR에서 정규성을 달성하면 일부 비선형 변환의 결과인 경우 이 규칙을 사용하지 않는 이유는 무엇입니까?
편차가 아니라 하나의 증분입니다. 그러나 A_K2는 하나의 증분을 거래하지 않고 많은 연속 증분으로 구성된 SMA와의 편차를 거래합니다. 이러한 편차의 경우 고유한 분포를 구축하고 확률을 계산해야 합니다. 그리고 결국 거래 중에 SMA 자체가 이동하기 때문에 종가 가 이익으로 판명되는지 여부는 여전히 큰 문제입니다. 좋은 점은 거래 중에 진입 가격과의 편차 분포를 구축해야 하며 정상보다 균일에 훨씬 더 가까울 것이라고 가정합니다.
요컨대, 흐름과 배포에 대한 이 모든 스팸은 무슨 일이 일어나고 있는지 조금도 이해하지 못한 순수한 과학적 물입니다) 우리 목적을 위한 정상은 ... 음, 정상이라는 점을 제외하고는 아무 것도 의미하지 않습니다)
노바자 :
이것은 0.27%의 경우에만 발생할 수 있음을 의미합니다.
네. 그러나 가격이 SMA로 다시 돌아올 것이라는 결론은 절대적으로 따르지 않습니다(또한 진입 가격에서 수익을 내기에 충분할 만큼 반환할 수 있도록 더 많이). 가격은 오랫동안 같은 위치에 머물고 더 멀리 갈 수 있으며 SMA는 그것을 따라 잡을 것이며 배포판에서 이것을 볼 수 없습니다. 반품 확률도 별도로 고려해야 합니다. 그러나 간단한 TS를 작성하고 기록에서 실행하는 것이 훨씬 쉽습니다.
그것에 대해 생각한다면? 모든 정보가 모델에 의해 선택되었는지 이해하기 위해 잔차가 분석됩니다. 소음이라면 모든 것이 정상입니다. 추세와 계절은 등분산성을 위해 죽고, 주기는 예측을 위해 남습니다. 주기적인 주기 없음 - 예측 없음(예상 제외).
시장에서는 주기가 비주기적이므로 ARIMA는 작동하지 않지만 프로세스 메모리를 완전히 죽일 수 없고 다음 변동성 값이 이전 것
Alexander는 ARCH 효과(과정 기억, 마르코비안, 뚱뚱한 꼬리)를 죽이는 방법을 제안했으며 그의 내러티브는 어떤 식으로든 틀리거나 터무니없다고 할 수 없습니다.
시장이 지속적으로 움직이고 있다면 진폭, 위상 및 주파수가 변경되고 있기 때문에 추세 제거는 도움이 되지 않습니다. 이 모든 것은 프로세스의 역사에서 가능하지만 시장에 존재하는 관성은 단기적으로 이 접근 방식을 해결할 수 있다고 믿어집니다. 그러나 규칙이 변경되면 역사적 적합이 분기됩니다. 현실에서. Erlang 흐름(Palm 흐름)에 의해 VR을 얇게 하는 형태로 프로세스의 비정상성 문제를 해결하기 위한 대안적 접근 방식을 얻을 가능성이 발생하며, 다른 대안적 옵션도 가능합니다.
신호가 고정적이고 주기적이라면 신호를 종료할 필요가 없습니다. 이것은 성배, 나머지 소음에 대해 조정
신호가 정적인 경우. 노이즈가 훨씬 더 좋으며 NA가 전혀 필요하지 않습니다.
실제로 어떤 종류의 신호인지 - 저자는 전혀 관심이 없습니다. 그의 목표는 노이즈가 다음 신호 값을 정확하게 예측할 수 있기를 희망하여 노이즈 성분을 분리하는 것입니다. )))
도대체 뭔 개소리야? 이러한 시리즈는 쉽게 예측할 수 있습니다.
그건 그렇고, 여기에 VR 예측에 대한 리뷰 기사도 있습니다. 여기에서 추세, 순환 및 기타 신호 구성 요소를 제거한 후 노이즈 구성 요소를 분리하고 분석하는 것이 좋습니다...
https://pokrovka11.files.wordpress.com/2011/12/emetrix_time_series.pdf
상식이란 무엇인가...
VR을 RNG로 전환하면 원칙적으로 무언가를 얻을 기회가 박탈됩니다)
" RNG(정상 값)의 경우 평균과 분산을 예측할 수 있습니다. 이를 위해 분포를 연구합니다." 분산과 평균이 일정할 것이라는 사실에도 불구하고 질문에 직접 대답했습니다.
이론에서 실제로의 전환에 대한 합당한 끝: 신호 없음, 정상적인 모델 없음, 팸 계정 없음. 그들은 또한 다운을 불렀습니다))
우리는 Alexander III를 기다리고 있습니다 - 그는 우리를 실망시키지 않을 것입니다)
" RNG(정상 값)의 경우 평균과 분산을 예측할 수 있습니다. 이를 위해 분포를 연구합니다." 분산과 평균이 일정할 것이라는 사실에도 불구하고 질문에 직접 대답했습니다.
모순이 없습니다.
RNG 증분의 경우 평균 증분 예측이 가능하며 이는 0과 같은 상수입니다. 여러 RNG 가격(여러 증분의 적분, "임의 워크"이기도 함)의 경우 이는 50/50을 의미합니다. 거래 방향 예측 및 수익 기회가 없습니다. 다음 현재 증분에 대한 예측(A_K2가 작성한 대로)도 0에 몇 가지 표준 편차를 더하거나 빼는데, 이는 실제로 사용되지 않습니다.
그러나 RNG 증분은 단순화된 가격 모델이며 기본이고 근사치입니다.
RNG와 달리 실제 가격 증분에는 이전 가격에 대한 다음 항목의 종속성이 있습니다. 거래 방향에 대한 예측이 50/50과 크게 다른 상황이 있습니다. 귀하의 임무는 가격 증분에서 그러한 상황을 찾는 것이며 RNG에서는 단순히 정의에 의해 존재하지 않습니다.
에를랑 분포로 난수의 계열을 예측하는 것은 불가능하다는 형식의 노골적인 다운리즘에 직면하여 나는 영원히 포럼을 떠날 수밖에 없다.
Alexander, 개인적으로, 예를 들어, 나는 당신이 그것에 대해 알기도 전에 내가 갔던 고의적으로 잘못된 길에 주의를 환기시킴으로써 당신에게 수년간의 연구 시간을 절약하려고 노력하고 있습니다.
따라서 "포럼을 영원히 떠나는 것"은 자신에게만 해를 끼치는 것입니다.
알렉산더 3세를 기다립니다 :)
모순이 없습니다.
RNG 증분의 경우 평균 증분 예측이 가능하며 이는 0과 같은 상수입니다. 여러 RNG 가격(여러 증분의 적분, "임의 워크"이기도 함)의 경우 이는 50/50을 의미합니다. 거래 방향 예측 및 수익 기회가 없습니다. 다음 현재 증분에 대한 예측(A_K2가 작성한 대로)도 0에 몇 가지 표준 편차를 더하거나 빼는데, 이는 실제로 사용되지 않습니다.
그러나 RNG 증분은 단순화된 가격 모델이며 기본이고 근사치입니다.
RNG와 달리 실제 가격 증분에는 이전 가격에 대한 다음 항목의 종속성이 있습니다. 거래 방향에 대한 예측이 50/50과 크게 다른 상황이 있습니다. 귀하의 임무는 가격 증분에서 그러한 상황을 찾는 것이며 RNG에서는 단순히 정의에 의해 존재하지 않습니다.
정규 분포에서 절대값의 편차가 3*RMS보다 작을 확률은 0.9973입니다. 즉, 편차의 절대값이 표준편차의 3배를 초과할 확률은 매우 작아 0.0027=1-0.9973에 이른다. 이것은 0.27%의 경우에만 발생할 수 있음을 의미합니다.
실제로 연구 중인 랜덤 변수의 분포를 알 수 없지만 조건이 충족되면 연구된 변수가 정상적으로 분포하고 그렇지 않으면 정규 분포가 아니므로 VR을 증명하지만 다음과 같이 VR에서 정규성을 달성하면 일부 비선형 변환의 결과인 경우 이 규칙을 사용하지 않는 이유는 무엇입니까?
정규 분포에서 절대값의 편차가 3*RMS보다 작을 확률은 0.9973입니다.
편차가 아니라 하나의 증분입니다. 그러나 A_K2는 하나의 증분을 거래하지 않고 많은 연속 증분으로 구성된 SMA와의 편차를 거래합니다. 이러한 편차의 경우 고유한 분포를 구축하고 확률을 계산해야 합니다. 그리고 결국 거래 중에 SMA 자체가 이동하기 때문에 종가 가 이익으로 판명되는지 여부는 여전히 큰 문제입니다. 좋은 점은 거래 중에 진입 가격과의 편차 분포를 구축해야 하며 정상보다 균일에 훨씬 더 가까울 것이라고 가정합니다.
요컨대, 흐름과 배포에 대한 이 모든 스팸은 무슨 일이 일어나고 있는지 조금도 이해하지 못한 순수한 과학적 물입니다) 우리 목적을 위한 정상은 ... 음, 정상이라는 점을 제외하고는 아무 것도 의미하지 않습니다)
이것은 0.27%의 경우에만 발생할 수 있음을 의미합니다.
그것에 대해 생각한다면? 모든 정보가 모델에 의해 선택되었는지 이해하기 위해 잔차가 분석됩니다. 소음이라면 모든 것이 정상입니다. 추세와 계절은 등분산성을 위해 죽고, 주기는 예측을 위해 남습니다. 주기적인 주기 없음 - 예측 없음(예상 제외).
시장에서는 주기가 비주기적이므로 ARIMA는 작동하지 않지만 프로세스 메모리를 완전히 죽일 수 없고 다음 변동성 값이 이전 것
Alexander는 ARCH 효과(과정 기억, 마르코비안, 뚱뚱한 꼬리)를 죽이는 방법을 제안했으며 그의 내러티브는 어떤 식으로든 틀리거나 터무니없다고 할 수 없습니다.
시장이 지속적으로 움직이고 있다면 진폭, 위상 및 주파수가 변경되고 있기 때문에 추세 제거는 도움이 되지 않습니다. 이 모든 것은 프로세스의 역사에서 가능하지만 시장에 존재하는 관성은 단기적으로 이 접근 방식을 해결할 수 있다고 믿어집니다. 그러나 규칙이 변경되면 역사적 적합이 분기됩니다. 현실에서. Erlang 흐름(Palm 흐름)에 의해 VR을 얇게 하는 형태로 프로세스의 비정상성 문제를 해결하기 위한 대안적 접근 방식을 얻을 가능성이 발생하며, 다른 대안적 옵션도 가능합니다.