예를 들어 1,000,000틱 샘플의 분포가 불안정하고(내 지수 시간에 이러한 볼륨을 수집할 수 없음) 시간이 지남에 따라 분산이 변경되면 내 경우에는 사용할 수 없습니다. 산술 평균도 아니고 가중 평균도 아닙니다.
중앙값이 남습니다.
중앙값을 기준으로 채널을 구축해야 합니다. 그래서 무엇?
이 불안정성은 비정상성의 결과일 수 있습니다(반드시 그런 것은 아니지만 대부분 그럴 가능성이 있음). 비정상성의 경우 샘플 값(모멘트, 분위수 등)은 대부분 의미가 없습니다. 내가 orver의 기초에 대해 쓴 것은 헛되지 않았습니다. 샘플 값은 일반적으로 균등하게 분포된 여러 확률 변수에 대해 계산됩니다. 고정적이지 않은 증분의 경우 다르게 분포됩니다(정의에 따라).
여기 내가 생각하는 것이 있습니다.
예를 들어 1,000,000틱 샘플의 분포가 불안정하고(내 지수 시간에 이러한 볼륨을 수집할 수 없음) 시간이 지남에 따라 분산이 변경되면 내 경우에는 사용할 수 없습니다. 산술 평균도 아니고 가중 평균도 아닙니다.
중앙값이 남습니다.
중앙값을 기준으로 채널을 구축해야 합니다. 그래서 무엇?
이 불안정성은 비정상성의 결과일 수 있습니다(반드시 그런 것은 아니지만 대부분 그럴 가능성이 있음). 비정상성의 경우 샘플 값(모멘트, 분위수 등)은 대부분 의미가 없습니다. 내가 orver의 기초에 대해 쓴 것은 헛되지 않았습니다. 샘플 값은 일반적으로 균등하게 분포된 여러 확률 변수에 대해 계산됩니다. 고정적이지 않은 증분의 경우 다르게 분포됩니다(정의에 따라).
얘들 아, 역 자기 상관 (회귀)을 취하고 이미 증분을 구축하고 오류, 분포를 살펴보고 NN을 훈련하거나 마음이 원하는 것이 필요합니다.
효율적 시장 이론과 프랙탈 시장 이론의 유일한 차이점은 시리즈가 자기회귀가 아니라 역전된다는 것입니다. 자기회귀. 여기에서 기억이 나오며, 그러한 시리즈가 예측됩니다.
또한 반전될 수 있습니다. 자기회귀. n차, 여기에서는 Erlang 데시메이션도 적절할 수 있습니다.
그리고 전리품의 톤을 잘라
내가 휴가에서 돌아올 때 나는 지표를 끝낼 것이다. 그러나 게으르지 말고 스스로하십시오. 책 어디에도 이것에 대해 쓰여 있지 않습니다. 즉, 기회가 있음을 의미합니다. :)
얘들 아, 역 자기 상관 (회귀)을 취하고 이미 증분을 구축하고 오류, 분포를 살펴보고 NN을 훈련하거나 마음이 원하는 것이 필요합니다.
효율적 시장 이론과 프랙탈 시장 이론의 유일한 차이점은 시리즈가 자기회귀가 아니라 역전된다는 것입니다. 자기회귀. 여기에서 기억이 나오며, 그러한 시리즈가 예측됩니다.
또한 반전될 수 있습니다. 자기회귀. n차, 여기에서는 Erlang 데시메이션도 적절할 수 있습니다.
그리고 전리품의 톤을 잘라
내가 휴가에서 돌아올 때 나는 지표를 끝낼 것이다. 그러나 게으르지 말고 스스로하십시오. 책 어디에도 이것에 대해 쓰여 있지 않습니다. 즉, 기회가 있음을 의미합니다. :)
역 자기회귀 흐름(IAF)을 의미합니까?
역 자기회귀 흐름(IAF)을 의미합니까?
불행히도 나는 이름을 모른다
읽을 필요가 있습니다. 샘플이 2개의 동일한 부분으로 나뉘면 첫 번째 부분이 반전되고 akf 또는 autoreg로 간주됩니다. 값으로 (지연 값은 두 번째 샘플에서 가져옴) 예
샘플에서 가장 작은 오류를 검색할 때 창 크기가 변경되어야 합니다. 4점을 취하고, 2로 나누고, 거울 이미지에서 두 번째 조각을 뒤집고, 상관 관계를 계산하고, 6점을 취한 다음, 8 등을 취합니다. 창이 클수록 상관 관계가 높을수록 거래 시리즈가 더 흥미로워집니다.
불행히도 나는 이름을 모른다
읽을 필요가 있습니다. 샘플이 2개의 동일한 부분으로 나뉘면 첫 번째 부분이 반전되고 akf 또는 autoreg로 간주됩니다. 값으로 (지연 값은 두 번째 샘플에서 가져옴) 예
샘플에서 가장 작은 오류를 검색할 때 창 크기가 변경되어야 합니다. 4점을 취하고, 2로 나누고, 거울 이미지에서 두 번째 조각을 뒤집고, 상관 관계를 계산하고, 6점을 취한 다음, 8 등을 취합니다. 창이 클수록 상관 관계가 높을수록 거래 시리즈가 더 흥미로워집니다.
당신은 망상입니까?
의미?
불행히도 나는 이름을 모른다
읽을 필요가 있습니다. 샘플이 두 부분으로 나뉘면 첫 번째 부분이 거울로 바뀌고 acf 또는 autoreg로 간주됩니다. 그럼 네
분명히 이것은 다른 것이지만 신경망 분야에서도 마찬가지입니다.
그래도 가격 계열을 고정된 프로세스로 줄일 방법은 없다고 생각합니다. 오히려 기존의 것을 비통계에 맞게 조정할 필요가 있다. 처리 방법(예: 불일치 문제)
또한 샘플링 ACF(샘플링 분포, 모멘트 등)는 고정 프로세스에서만 의미가 있습니다. Non-stationarity의 경우 TS와 같은 문제가 발생합니다.분명히 이것은 다른 것이지만 신경망 분야에서도 마찬가지입니다.
그래도 가격 계열을 고정된 프로세스로 줄일 방법은 없다고 생각합니다. 오히려 기존의 것을 비통계에 맞게 조정할 필요가 있다. 처리 방법(예: 불일치 문제)
전체 시리즈는 아마도 불가능하며 개별 조각은 "나쁜"을 제거하여 이 방법을 통해 그러한 상태로 가져올 수 있습니다.
하지만 나중에 끝내고 발명한 용어로 설명하는 것보다 보는 것이 더 쉽습니다. :)
또한 샘플링 ACF(샘플링 분포, 모멘트 등)는 고정 프로세스에서만 의미가 있습니다. Non-stationarity의 경우 TS와 같은 문제가 발생합니다.
정지된 과정에 대한 탐색은 그래프 자체와 반전된 부분과의 공적분을 통해 발생합니다. 실패한 플롯은 건너뛰고 거래가 수행되지 않습니다.
그러나 나는 새로운 엔티티를 발명하는 데 지쳤습니다. :) 그런 다음 지표에서 먼저 시연하겠습니다.
가격에 대한 또 다른 변태
이런 직업의 이상향을 간단히 설명하자면...?
아, 아!
내가 가게에 가서 아무 이유도 없이 가격이 얼마나 더 비싸거나 싸게 되었는지 알아내기 시작했다고 가정해 봅시다. // 더 나쁜 것은 - 가격표에서 fibo를 가져옵니다.
나는 진술합니다 - 나는 과거를 평가했습니다.
이 분석을 통해 예측할 가능성은 거의 없습니다. 맞죠?