따라서 분기를 의도한 방향으로 되돌리고 싶습니다. 주님, 당신의 도움으로 여기에서 기존 클러스터 접근 방식의 강점과 약점 식별시장 예측 과 개요 새로운, 아마도 더 유망한 접근 방식.
나는 손가락으로 설명합니다 (모르는 사람들을 위해) - 시장과 관련하여 클러스터 접근 방식은 무엇입니까?
그러나 먼저 시장의 역학에 대해.
가격이 발생할 수 있습니다 크고 정말 예측할 수 없는(일반 인구의 경우) 점프 (1) 강력한 이벤트(중요 뉴스: 경제 규제, 대격변, 주요 비즈니스 및 정치 행사 등). 동시에 일어난다. 시간에 따른 시뮬레이션 유도 진동 완화 ~1/N에 비례합니다. 하지만 말하자면, 시장은 또한 "자신의 삶"(자기 조직의 과정이 일어나는 곳)을 삽니다. (2) 자신의 것(외부 영향에 의해 야기되지 않음)과 때로는 그 이하의 점프를 경험합니다. 다른 이완법칙으로 특징지어짐 제곱미터(1/N), 이는 ~1/N 이완보다 훨씬 더 자주 발생하므로 우리에게는 이상하지 않지만 시장은 주로자체 법률에 따라 기능합니다.
첫 번째 유형의 점프 또한 즉시 발생하지 않습니다 (결국 많은 사람들이 형성에 관여합니다). 강력한 이벤트가 발생하는 순간부터 그로 인해 급증하는 순간까지 고정되는 견적 기록의 일부에 몇 가지 특정 특성을 부과합니다. 점프 이전의 역사 섹션 두 번째 유형, 특히 포함하다 그 자체로 일부 특정 기능(시장의 잠재적인 상승 및 다음 불안정한 균형 상태에서 하락).
이제 클러스터링입니다.
따라서 초기 가설 은 가격 상승 이전에 작은 세그먼트가 있다는 것입니다. 후속 점프에 대한 정보가 인코딩된 견적의 기록(여기에 포함된 볼륨의 기록 포함).
다음으로 순전히 기술적인 부분입니다. 도입 우주 특정 매개변수 또는 상태, 예: (1) 양초 패턴 형태의 사소한 기하학적 이미지 또는 (2) 이 섹션(시계열)의 푸리에 분해에 의해 얻은 다양한 주파수 모드의 공간, 또는 (3) 직교 벨벳의 관점에서 스펙트럼으로 확장 기능(섹션이 짧기 때문에 훨씬 더 좋습니다) 또는 (4) 다른 직교 함수 등의 관점에서 스펙트럼으로 확장
그럼 찍은거야 거대한 - 통계적으로 그러한 (이전 점프) 세그먼트의 상당한 세트를 분석하고 그들을 충전재 이 상태 공간. 그리고 만약 그들은 일부에 상당히 집중될 것입니다 이 공간의 위치(그리고 점프에 선행하지 않는 나머지 히스토리 세그먼트는 거기에 도달하지 않음), 다음을 수행할 수 있는 원하는 클러스터(또는 첫 번째 및 두 번째 유형의 클러스터 집합)가 됩니다. 예측.
프로세스가 비 Markovian이기 때문에 다음 점프에 대한 정보는 모든 기록에 인코딩됩니다. 실제로 이것은 다음을 의미합니다. 거대한 데이터 아카이브에 대한 슬라이딩 관찰 창에서 프로세스의 평균 분산을 취하면 이 분산은 실질적으로 일정합니다. 감소하기 시작하면 점프를 기다립니다. 나는 이 방향으로 일했지만 이것이 매우 자원 집약적인 작업이라는 것을 깨달았습니다.
지수 시간 간격으로 따옴표의 시계열에 의사 상태를 먼저 도입하여 브라운 모션 모델로 전환하는 것이 더 쉽습니다. 저것들. 비 마르코프 프로세스를 마르코프 프로세스로 변환합니다. 이것을 완전히 할 수는 없지만 확산 방정식이 작동하기 시작합니다.
나는 스레드를 읽기 시작했고 첫 단어부터 당신에게 올바른 방향, 즉 ClusterDelta가 주어졌습니다. 시장의 무작위 과정, 통계 및 기타 쓰레기에 대해 쓰는 나머지는 고정되지 않은 시리즈의 측면에서만 시장을 알고 있습니다. 이것은 시장에 대한 그들의 지식이 끝나는 곳이며 불행히도 제한적입니다. 그러나 동시에 그들은 시장의 일부만 알고 시장에 대해 자신 있게 결론을 내리기 시작합니다.
그리고 결국, 가격이 돌아오기 전에 전제 조건과 패턴이 가격 외에 거래량, 델타 및 OI도 관련된 클러스터에서 정확하게 더 젊은 시간대에 형성될 것이라는 일은 결코 일어나지 않을 것입니다. 이 정보가 향후 가격 상승의 원동력임이 밝혀졌다. 그러나 그들은 이것을 어떻게 압니까, stat.lyudishkam. 통계 매개변수, 시세, 분포, 마르코프 및 비마르코프 법칙 외에도 ... 그들은 단순히 울창한 숲의 나무를 통해 볼 수 없지만 시장이 실제로 무엇이며 시장을 주도하는 것은.......
"ClusterDelta" 프로젝트 에서는 반전 패턴이나 지속 패턴 등의 분석을 진행하고 있습니다. 거기에서도 모든 것이 매끄럽고 모호하지 않지만 적어도 그러한 통계보다 한 발 앞서 나갈 수 있는 약간의 기회입니다. 사람들. 왜요? 예, 가격 형성의 인과 관계 모델에 따르면 거래량과 델타가 미래 가격 변동의 원인이기 때문입니다. 가장 중요한 것은 올바르게 해석하는 것입니다 .....
나는 스레드를 읽기 시작했고 첫 단어부터 당신에게 올바른 방향, 즉 ClusterDelta가 주어졌습니다. 시장의 무작위 과정, 통계 및 기타 쓰레기에 대해 쓰는 나머지는 고정되지 않은 시리즈의 측면에서만 시장을 알고 있습니다. 이것은 시장에 대한 그들의 지식이 끝나는 곳이며 불행히도 제한적입니다. 그러나 동시에 그들은 시장의 일부만 알고 시장에 대해 자신 있게 결론을 내리기 시작합니다.
그리고 결국, 가격이 돌아오기 전에 전제 조건과 패턴이 가격 외에 거래량, 델타 및 OI도 관련된 클러스터에서 정확하게 더 젊은 시간대에 형성될 것이라는 일은 결코 일어나지 않을 것입니다. 이 정보가 향후 가격 상승의 원동력임이 밝혀졌다. 그러나 그들은 이것을 어떻게 압니까, stat.lyudishkam. 통계 매개변수, 시세, 분포, 마르코프 및 비마르코프 법칙 외에도 ... 그들은 단순히 울창한 숲의 나무를 통해 볼 수 없지만 시장이 실제로 무엇이며 시장을 주도하는 것은.......
"ClusterDelta" 프로젝트에서는 반전 패턴이나 지속 패턴 등의 분석을 진행하고 있습니다. 거기에서도 모든 것이 매끄럽고 모호하지 않지만 적어도 그러한 통계보다 한 발 앞서 나갈 수 있는 약간의 기회입니다. 사람들. 왜요? 예, 가격 형성의 인과 관계 모델에 따르면 거래량과 델타가 미래 가격 변동의 원인이기 때문입니다. 가장 중요한 것은 올바르게 해석하는 것입니다 .....
감사합니다. ClusterDelta를 잊지 않았습니다. 이 접근 방식에 대해 생각해 봅시다.
따라서 분기를 의도한 방향으로 되돌리고 싶습니다. 주님, 당신의 도움으로 여기에서 기존 클러스터 접근 방식의 강점과 약점 식별 시장 예측 과 개요 새로운, 아마도 더 유망한 접근 방식.
나는 손가락으로 설명합니다 (모르는 사람들을 위해) - 시장과 관련하여 클러스터 접근 방식은 무엇입니까?
그러나 먼저 시장의 역학에 대해.
가격이 발생할 수 있습니다 크고 정말 예측할 수 없는(일반 인구의 경우) 점프 (1) 강력한 이벤트(중요 뉴스: 경제 규제, 대격변, 주요 비즈니스 및 정치 행사 등). 동시에 일어난다. 시간에 따른 시뮬레이션 유도 진동 완화 ~1/N에 비례합니다. 하지만 말하자면, 시장은 또한 "자신의 삶"(자기 조직의 과정이 일어나는 곳)을 삽니다. (2) 자신의 것(외부 영향에 의해 야기되지 않음)과 때로는 그 이하의 점프를 경험합니다. 다른 이완법칙으로 특징지어짐 제곱미터 (1/ N ), 이는 ~1/N 이완보다 훨씬 더 자주 발생하므로 우리에게는 이상하지 않지만 시장은 주로 자체 법률에 따라 기능합니다.
첫 번째 유형의 점프 또한 즉시 발생하지 않습니다 (결국 많은 사람들이 형성에 관여합니다). 강력한 이벤트가 발생하는 순간부터 그로 인해 급증하는 순간까지 고정되는 견적 기록의 일부에 몇 가지 특정 특성을 부과합니다. 점프 이전의 역사 섹션 두 번째 유형, 특히 포함하다 그 자체로 일부 특정 기능(시장의 잠재적인 상승 및 다음 불안정한 균형 상태에서 하락).
이제 클러스터링입니다.
따라서 초기 가설 은 가격 상승 이전에 작은 세그먼트가 있다는 것입니다. 후속 점프에 대한 정보가 인코딩된 견적의 기록(여기에 포함된 볼륨의 기록 포함).
다음으로 순전히 기술적인 부분입니다. 도입 우주 특정 매개변수 또는 상태, 예: (1) 양초 패턴 형태의 사소한 기하학적 이미지 또는 (2) 이 섹션(시계열)의 푸리에 분해에 의해 얻은 다양한 주파수 모드의 공간, 또는 (3) 직교 벨벳의 관점에서 스펙트럼으로 확장 기능(섹션이 짧기 때문에 훨씬 더 좋습니다) 또는 (4) 다른 직교 함수 등의 관점에서 스펙트럼으로 확장
그럼 찍은거야 거대한 - 통계적으로 그러한 (이전 점프) 세그먼트의 상당한 세트를 분석하고 그들을 충전재 이 상태 공간. 그리고 만약 그들은 일부에 상당히 집중될 것입니다 이 공간의 위치(그리고 점프에 선행하지 않는 나머지 히스토리 세그먼트는 거기에 도달하지 않음), 다음을 수행할 수 있는 원하는 클러스터(또는 첫 번째 및 두 번째 유형의 클러스터 집합)가 됩니다. 예측.
프로세스가 비 Markovian이기 때문에 다음 점프에 대한 정보는 모든 기록에 인코딩됩니다. 실제로 이것은 다음을 의미합니다. 거대한 데이터 아카이브에 대한 슬라이딩 관찰 창에서 프로세스의 평균 분산을 취하면 이 분산은 실질적으로 일정합니다. 감소하기 시작하면 점프를 기다립니다.
나는 이 방향으로 일했지만 이것이 매우 자원 집약적인 작업이라는 것을 깨달았습니다.
지수 시간 간격으로 따옴표의 시계열에 의사 상태를 먼저 도입하여 브라운 모션 모델로 전환하는 것이 더 쉽습니다. 저것들. 비 마르코프 프로세스를 마르코프 프로세스로 변환합니다. 이것을 완전히 할 수는 없지만 확산 방정식이 작동하기 시작합니다.
모두.
나는 스레드를 읽기 시작했고 첫 단어부터 당신에게 올바른 방향, 즉 ClusterDelta가 주어졌습니다. 시장의 무작위 과정, 통계 및 기타 쓰레기에 대해 쓰는 나머지는 고정되지 않은 시리즈의 측면에서만 시장을 알고 있습니다. 이것은 시장에 대한 그들의 지식이 끝나는 곳이며 불행히도 제한적입니다. 그러나 동시에 그들은 시장의 일부만 알고 시장에 대해 자신 있게 결론을 내리기 시작합니다.
그리고 결국, 가격이 돌아오기 전에 전제 조건과 패턴이 가격 외에 거래량, 델타 및 OI도 관련된 클러스터에서 정확하게 더 젊은 시간대에 형성될 것이라는 일은 결코 일어나지 않을 것입니다. 이 정보가 향후 가격 상승의 원동력임이 밝혀졌다. 그러나 그들은 이것을 어떻게 압니까, stat.lyudishkam. 통계 매개변수, 시세, 분포, 마르코프 및 비마르코프 법칙 외에도 ... 그들은 단순히 울창한 숲의 나무를 통해 볼 수 없지만 시장이 실제로 무엇이며 시장을 주도하는 것은.......
"ClusterDelta" 프로젝트 에서는 반전 패턴이나 지속 패턴 등의 분석을 진행하고 있습니다. 거기에서도 모든 것이 매끄럽고 모호하지 않지만 적어도 그러한 통계보다 한 발 앞서 나갈 수 있는 약간의 기회입니다. 사람들. 왜요? 예, 가격 형성의 인과 관계 모델에 따르면 거래량과 델타가 미래 가격 변동의 원인이기 때문입니다. 가장 중요한 것은 올바르게 해석하는 것입니다 .....
나는 스레드를 읽기 시작했고 첫 단어부터 당신에게 올바른 방향, 즉 ClusterDelta가 주어졌습니다. 시장의 무작위 과정, 통계 및 기타 쓰레기에 대해 쓰는 나머지는 고정되지 않은 시리즈의 측면에서만 시장을 알고 있습니다. 이것은 시장에 대한 그들의 지식이 끝나는 곳이며 불행히도 제한적입니다. 그러나 동시에 그들은 시장의 일부만 알고 시장에 대해 자신 있게 결론을 내리기 시작합니다.
그리고 결국, 가격이 돌아오기 전에 전제 조건과 패턴이 가격 외에 거래량, 델타 및 OI도 관련된 클러스터에서 정확하게 더 젊은 시간대에 형성될 것이라는 일은 결코 일어나지 않을 것입니다. 이 정보가 향후 가격 상승의 원동력임이 밝혀졌다. 그러나 그들은 이것을 어떻게 압니까, stat.lyudishkam. 통계 매개변수, 시세, 분포, 마르코프 및 비마르코프 법칙 외에도 ... 그들은 단순히 울창한 숲의 나무를 통해 볼 수 없지만 시장이 실제로 무엇이며 시장을 주도하는 것은.......
"ClusterDelta" 프로젝트에서는 반전 패턴이나 지속 패턴 등의 분석을 진행하고 있습니다. 거기에서도 모든 것이 매끄럽고 모호하지 않지만 적어도 그러한 통계보다 한 발 앞서 나갈 수 있는 약간의 기회입니다. 사람들. 왜요? 예, 가격 형성의 인과 관계 모델에 따르면 거래량과 델타가 미래 가격 변동의 원인이기 때문입니다. 가장 중요한 것은 올바르게 해석하는 것입니다 .....