non-stationary(그러나 piecewise-stationary) SB의 사용은 상당히 의미가 있습니다. 트렌드와 그 변화에 적합합니다. 예를 들어, 회랑에 있는 가격의 경우 다른 것이 필요합니다(예: 종속성이 있고 0이 아닌 ACF가 있는 고정). 예, orver가 일종의 통합 가격 모델을 제공할 가능성은 거의 없습니다.
그러나 다른 한편으로 는 불확실성에 대처할 다른 의미 있는 방법이 없습니다 .
당신은 잘못 알고 있습니다. 그러한 " 불확실성을 다루는 의미 있는 방법 "이 있습니다.
그러나 당신은 TViMS 프레임워크에 묶여 있고 이 복도에서 뛰어내릴 수 없으며 함정에 빠졌습니다. 그리고 이것은 당신에게 복도 밖 세상이 얼마나 다양한지 알 수 있는 기회를 제공하지 않습니다.
non-stationary(그러나 piecewise-stationary) SB의 사용은 상당히 의미가 있습니다. 트렌드와 그 변화에 적합합니다. 예를 들어, 회랑에 있는 가격의 경우 다른 것이 필요합니다(예: 종속성이 있고 0이 아닌 ACF가 있는 고정). 예, orver가 일종의 통합 가격 모델을 제공할 가능성은 거의 없습니다.
그러나 당신은 TViMS 프레임워크에 묶여 있고 이 복도에서 뛰어내릴 수 없으며 함정에 빠졌습니다. 그리고 이것은 당신에게 복도 밖 세상이 얼마나 다양한지 알 수 있는 기회를 제공하지 않습니다.
철학적 관점에서 보면 당신이 옳습니다. 이론가가 연구한 무작위성은 불확실성의 일반적인 개념의 매우 특별한 경우입니다. 예를 들어, 게임의 토리이 또는 역학 시스템 이론에서 완전히 다른 유형의 불확실성이 고려됩니다. 그러나 의미 있는 문제를 해결하는 순간 이러한 영역의 많은 기본 방법은 본질적으로 확률론적입니다. TI의 Nash 평형 또는 DS의 확률적 DE입니다.
철학적 관점에서 보면 당신이 옳습니다. 이론가가 연구한 무작위성은 불확실성의 일반적인 개념의 매우 특별한 경우입니다. 예를 들어, 게임의 토리이 또는 역학 시스템 이론에서 완전히 다른 유형의 불확실성이 고려됩니다. 그러나 의미 있는 문제를 해결하는 순간 이러한 영역의 많은 기본 방법 은 본질적 으로 확률론적입니다 . TI의 Nash 평형 또는 DS의 확률적 DE입니다.
아니 정말. 자연이 아니라 설명 에 따라 무언가에서 시작할 수 있습니다. 그리고 전혀 같지 않습니다. 그러나 문제의 본질을 탐구하지 않으면 말씀하신 그대로 같습니다.
예를 들어 적응형 시스템을 생성할 때 간섭의 영향을 고려해야 합니다. 간섭의 영향은 알 수 없고 무엇이든 될 수 있습니다(최대 및 최소 허용 오차 내). 알려지지 않았고 더욱 그렇습니다. 시스템을 구축할 때 나에게 편리한 간섭 분배를 수락 (할당)합니다. 시스템의 간섭을 자동으로 보상한다는 점에서 편리합니다. 이것은 수학적 트릭입니다. 궁극적으로 구성된 적응 시스템은 문제를 공식화하는 단계에서 채택된 것뿐만 아니라 모든 분포와 간섭이 있는 상태에서 작동합니다. 그리고 동시에 간섭 분포는 필요하지 않기 때문에 식별되지 않습니다.
TViMS의 프레임워크에서 이 문제는 해결책이 없습니다. 그러나 적응 시스템 이론의 방법으로 그러한 문제는 상당히 해결 가능하며 추가 처리가 가능합니다.
아니 정말. 자연이 아니라 설명 에 따라 무언가에서 시작할 수 있습니다. 그리고 전혀 같지 않습니다. 그러나 문제의 본질을 탐구하지 않으면 말씀하신 그대로 같습니다.
예를 들어 적응형 시스템을 생성할 때 간섭의 영향을 고려해야 합니다. 간섭의 영향은 알 수 없고 무엇이든 될 수 있습니다(최대 및 최소 허용 오차 내). 알려지지 않았고 더욱 그렇습니다. 시스템을 구축할 때 나에게 편리한 간섭 분배를 수락 (할당)합니다. 시스템의 간섭을 자동으로 보상한다는 점에서 편리합니다. 이것은 수학적 트릭입니다. 궁극적으로 구성된 적응 시스템은 문제를 공식화하는 단계에서 채택된 것뿐만 아니라 모든 분포와 간섭이 있는 상태에서 작동합니다. 그리고 동시에 간섭 분포는 필요하지 않기 때문에 식별되지 않습니다.
그러나 확률 이론의 틀 밖에서 확률적 DE(Ito 및 Stratonovich 적분에서 시작) 장치를 구성할 방법이 없습니다. 당신이 말하는 것은 장치를 사용하는 것의 미묘함이지 장치의 생성이 아닙니다.
non-stationary(그러나 piecewise-stationary) SB의 사용은 상당히 의미가 있습니다. 트렌드와 그 변화에 적합합니다. 예를 들어, 회랑에 있는 가격의 경우 다른 것이 필요합니다(예: 종속성이 있고 0이 아닌 ACF가 있는 고정). 예, orver가 일종의 통합 가격 모델을 제공할 가능성은 거의 없습니다.
그러나 다른 한편으로 는 불확실성에 대처할 다른 의미 있는 방법이 없습니다 .
당신은 잘못 알고 있습니다. 그러한 " 불확실성을 다루는 의미 있는 방법 "이 있습니다.
그러나 당신은 TViMS 프레임워크에 묶여 있고 이 복도에서 뛰어내릴 수 없으며 함정에 빠졌습니다. 그리고 이것은 당신에게 복도 밖 세상이 얼마나 다양한지 알 수 있는 기회를 제공하지 않습니다.
당신은 잘못 알고 있습니다. 불확실성을 다루는 의미 있는 방법이 있습니다.
하지만 당신은 TViMS에 묶여 있고, 이 복도에서 뛰어내릴 수 없고, 당신은 함정에 빠졌습니다. 그리고 이것은 당신에게 복도 밖 세상이 얼마나 다양한지 알 수 있는 기회를 제공하지 않습니다.
올렉, 글쎄, 왜, theorver 및 수학적 통계 는 이것에 대처 하지만 세계가 얼마나 다양한지, 나는 또한 알고 싶습니다. 개발이 필요합니다))
"이것"은 무엇을 처리합니까?
"이것"은 무엇을 처리합니까?
불확실성을 다루는 의미 있는 방법, 그래서 텍스트에서.
거래, 자동 거래 시스템 및 거래 전략 테스트에 관한 포럼
이론부터 실습까지
알렉세이 니콜라예프 , 2018.10.31 16:08
non-stationary(그러나 piecewise-stationary) SB의 사용은 상당히 의미가 있습니다. 트렌드와 그 변화에 적합합니다. 예를 들어, 회랑에 있는 가격의 경우 다른 것이 필요합니다(예: 종속성이 있고 0이 아닌 ACF가 있는 고정). 예, orver가 일종의 통합 가격 모델을 제공할 가능성은 거의 없습니다.
그러나 다른 한편으로는 불확실성에 대처할 다른 의미 있는 방법이 없습니다.
거래, 자동 거래 시스템 및 거래 전략 테스트에 관한 포럼
이론부터 실습까지
올렉 아브토마트 , 2018.10.31 16:58
당신은 잘못 알고 있습니다. 불확실성을 다루는 의미 있는 방법이 있습니다.
그러나 당신은 TViMS 프레임워크에 묶여 있고 이 복도에서 뛰어내릴 수 없으며 함정에 빠졌습니다. 그리고 이것은 당신에게 복도 밖 세상이 얼마나 다양한지 알 수 있는 기회를 제공하지 않습니다.
실을 잃어 버렸습니까?
당신은 잘못 알고 있습니다. 불확실성을 다루는 의미 있는 방법이 있습니다.
그러나 당신은 TViMS 프레임워크에 묶여 있고 이 복도에서 뛰어내릴 수 없으며 함정에 빠졌습니다. 그리고 이것은 당신에게 복도 밖 세상이 얼마나 다양한지 알 수 있는 기회를 제공하지 않습니다.
철학적 관점에서 보면 당신이 옳습니다. 이론가가 연구한 무작위성은 불확실성의 일반적인 개념의 매우 특별한 경우입니다. 예를 들어, 게임의 토리이 또는 역학 시스템 이론에서 완전히 다른 유형의 불확실성이 고려됩니다. 그러나 의미 있는 문제를 해결하는 순간 이러한 영역의 많은 기본 방법은 본질적으로 확률론적입니다. TI의 Nash 평형 또는 DS의 확률적 DE입니다.
실을 잃어 버렸습니까?
철학적 관점에서 보면 당신이 옳습니다. 이론가가 연구한 무작위성은 불확실성의 일반적인 개념의 매우 특별한 경우입니다. 예를 들어, 게임의 토리이 또는 역학 시스템 이론에서 완전히 다른 유형의 불확실성이 고려됩니다. 그러나 의미 있는 문제를 해결하는 순간 이러한 영역의 많은 기본 방법 은 본질적 으로 확률론적입니다 . TI의 Nash 평형 또는 DS의 확률적 DE입니다.
아니 정말. 자연이 아니라 설명 에 따라 무언가에서 시작할 수 있습니다. 그리고 전혀 같지 않습니다. 그러나 문제의 본질을 탐구하지 않으면 말씀하신 그대로 같습니다.
예를 들어 적응형 시스템을 생성할 때 간섭의 영향을 고려해야 합니다. 간섭의 영향은 알 수 없고 무엇이든 될 수 있습니다(최대 및 최소 허용 오차 내). 알려지지 않았고 더욱 그렇습니다. 시스템을 구축할 때 나에게 편리한 간섭 분배를 수락 (할당)합니다. 시스템의 간섭을 자동으로 보상한다는 점에서 편리합니다. 이것은 수학적 트릭입니다. 궁극적으로 구성된 적응 시스템은 문제를 공식화하는 단계에서 채택된 것뿐만 아니라 모든 분포와 간섭이 있는 상태에서 작동합니다. 그리고 동시에 간섭 분포는 필요하지 않기 때문에 식별되지 않습니다.
TViMS의 프레임워크에서 이 문제는 해결책이 없습니다. 그러나 적응 시스템 이론의 방법으로 그러한 문제는 상당히 해결 가능하며 추가 처리가 가능합니다.
글쎄요, DS의 확률적 DE는 이론의 한 부분일 뿐입니다.
아니 정말. 자연이 아니라 설명 에 따라 무언가에서 시작할 수 있습니다. 그리고 전혀 같지 않습니다. 그러나 문제의 본질을 탐구하지 않으면 말씀하신 그대로 같습니다.
예를 들어 적응형 시스템을 생성할 때 간섭의 영향을 고려해야 합니다. 간섭의 영향은 알 수 없고 무엇이든 될 수 있습니다(최대 및 최소 허용 오차 내). 알려지지 않았고 더욱 그렇습니다. 시스템을 구축할 때 나에게 편리한 간섭 분배를 수락 (할당)합니다. 시스템의 간섭을 자동으로 보상한다는 점에서 편리합니다. 이것은 수학적 트릭입니다. 궁극적으로 구성된 적응 시스템은 문제를 공식화하는 단계에서 채택된 것뿐만 아니라 모든 분포와 간섭이 있는 상태에서 작동합니다. 그리고 동시에 간섭 분포는 필요하지 않기 때문에 식별되지 않습니다.
그러나 확률 이론의 틀 밖에서 확률적 DE(Ito 및 Stratonovich 적분에서 시작) 장치를 구성할 방법이 없습니다. 당신이 말하는 것은 장치를 사용하는 것의 미묘함이지 장치의 생성이 아닙니다.