Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 2527
Alım-satım fırsatlarını kaçırıyorsunuz:
- Ücretsiz alım-satım uygulamaları
- İşlem kopyalama için 8.000'den fazla sinyal
- Finansal piyasaları keşfetmek için ekonomik haberler
Kayıt
Giriş yap
Gizlilik ve Veri Koruma Politikasını ve MQL5.com Kullanım Şartlarını kabul edersiniz
Hesabınız yoksa, lütfen kaydolun
Şimdi bu çok daha ilginç
Genelde piyasanın bir zaman serisi olduğu görüşünden vazgeçebilir ve nihayet piyasa analizinde bir atılım yapabilir..
Müdahale etmez. Modern finansal matematikte, sürekli ve ayrık zaman türlerine sahip yaklaşımlar tamamen birleştirilmiştir. Gördüğüm sorun, bu bilimin açıkça yayınlanan özel uygulamalarının ticaret ihtiyaçlarımıza yetersiz şekilde uyarlanmış olmasıdır.
değiştirmeyin: bana bir şeye itiraz etmeye çalışıyorsunuz - hala kendinizden bahsediyorsunuz ... sadece zaman serileri hakkında ... (ve kimse örnekleme yöntemlerini iptal etmedi) ...
fiyat uzun süre zamana bağlı değil, bakış açımı bir kereden fazla ifade ettim (ve kopyalamayacağım) ... genel olarak, DL'de otokorelasyona girebileceğiniz yer, size gösterdim . .. ve X ve Y için ne ücret alacaksınız ve hangi bağımlılıkları modellemek için - ayrıca 10. kez yazıyorum - geliştiricinin takdirine bağlı olarak ...
Modelinizi geliştirmiyorum - fiyatın zaman içindeki davranışını kanıtlamam gerekmiyor... herhangi bir disiplinden bir kelime) ... MO-th'e dahil olan mühendisler (burada olmayanlar) yine de anlayacaklar. otokorelasyon tartışmasının darlığı (anlaşılmaz konuşmalar uğruna) bir trendde bile, hatta kenelerde bile, model çok daha geniş bir açıdan ve pirelerinizin (otokorelasyon) tırmanabileceği ufuklardan daha geniş eğitim ufuklarında inşa edilmişse. .. Derin Öğrenme bunun içindir (her şeyi hesaba katmak için)
Evet, kelimeleri kendi tecrübemle değiştirdim. Beni Affet lütfen. eğer kırgınsa.
Aradaki fark, ilk durumda, ACF'nin tüm olası zaman noktası çiftleri için dikkate alınması ve ikinci durumda, zaman noktalarından birinin t2=n sabitlenmesi ve birçok zaman noktası çiftinin dikkate alınmamasıdır ( örneğin , bir çift t1=1, t2=2). Genel olarak, ACF iki bağımsız değişkenin bir işlevidir. Yalnızca durağan süreçler için ACF, bir t=t1-t2 (gecikme) argümanının bir fonksiyonu olarak düşünülebilir.
Örnek ACF her zaman sürecin belirli bir sayısal örneğinde (uygulamasında) hesaplanır ve her zaman bir argümanın (gecikme değeri) bir fonksiyonu olarak ortaya çıkar. SB'nin uygulanması için örnek ACF'nin ACF'si için bir tahmin olmamasının ana nedeni budur)
Bir çift zaman noktası t1 ve t2 için ACF'yi hesaplarken (kesinlik için t1 < t2 olsun), aslında ACF'nin örnek değerini n= t2 örnek uzunluğu ve t2-t1 gecikmesi ile hesapladığımızı düşünmüyor musunuz? . t2 zamanında bulunan bir gözlemci için, zaman serisi t2 uzunluğunda bir örnekle temsil edilir. Gözlemci t2 zamanından sonra ne olacağını bilemez.
Tamamen asılsız olmamak için, işte gerçek piyasa oto korelasyonlarına ilişkin gözlemlerim:
Sırasıyla 1, 3 ve 6 eleman ile kaydırılan son 50 elemanın her değeri için gözlem penceresi.
Pearson katsayısı ile -1 ile 1 arasında ölçüm sonuçları.
İlk ekranda, bu analize göre, örneğin, bir mum ölçeğinde sabit bir negatif otokorelasyon olduğu söylenebilir (pozitif bir değerden sonra negatif bir tane vardır ve bunun tersi de geçerlidir)
3 mum ölçeğinde, gözlem noktasında aynıydı, ancak daha az kararlıydı, ancak 6 mum ölçeğinde tam tersine bir mini trend vardı.
Ve ikincisinde, her şey tamamen farklı (sayılara dikkat edin)
Ama bu, nedense herkesin sevmediği bir zaman serisi ve genel olarak aptal olduğumu biliyorum ve hiçbir şey anlamıyorum. Bu ekran görüntüsüyle kimseyi kırmak veya öğretmek istemiyorum. Ve dahası, sizi bu tür hesaplamalara göre bir şey tahmin etmeye teşvik etmiyorum.
Bir çift zaman noktası t1 ve t2 için ACF'yi hesaplarken (kesinlik için t1 < t2 olsun), aslında ACF'nin örnek değerini n= t2 örnek uzunluğu ve t2-t1 gecikmesi ile hesapladığımızı düşünmüyor musunuz? . t2 zamanında bulunan bir gözlemci için, zaman serisi t2 uzunluğunda bir örnekle temsil edilir. Gözlemci t2 zamanından sonra ne olacağını bilemez.
Ancak, t3, t3>t2 zamanındaki bir gözlemci, t1 ve t2 zamanları arasındaki korelasyonla pekala ilgilenebilir. Ve ACF(t) = sqrt((nt)/n) formülünüz ona hesaplama fırsatı vermiyor (sadece n'yi t3 ile değiştirmeniz gerekiyor).
Seri durağan ise ACF(t1, t2) = ACF(t2-(t2-t1), t2) = ACF(t3-(t2-t1), t3), ancak genel olarak ikinci eşitlik tutmaz. Burada durağan olmamanın, gözlemcinizin zamanın hangi noktasında olduğuna bağlılığın varlığı olduğunu söyleyebiliriz ( zamanda tekdüze olmama).
Bir kooperatifi nasıl karıştırırsınız, aynı zamanda kendi çıkarlarınızı nasıl sürdürürsünüz? Teoride, nihai (ve potansiyel olarak ortak) amaç, karlı bir sistem yaratmaktır. Herkesin tek bir veri parçasıyla çalışması için bir seçenek olarak. İşte ~ 4 aylık bazı enstrümanların verileri. Bu veriler üzerinde > 7, (komisyon 4.4, 5 basamaklı) bir matematiksel beklenti elde etmenin mümkün olduğu bilinmektedir. Sistem önceki 1,5 yıl için kar vermeli, ancak daha sonra daha fazlasını vermeli.
Ancak, t3, t3>t2 zamanındaki bir gözlemci, t1 ve t2 zamanları arasındaki korelasyonla pekala ilgilenebilir. Ve ACF(t) = sqrt((nt)/n) formülünüz ona hesaplama fırsatı vermiyor (sadece n'yi t3 ile değiştirmeniz gerekiyor).
Seri durağan ise ACF(t1, t2) = ACF(t2-(t2-t1), t2) = ACF(t3-(t2-t1), t3), ancak genel olarak ikinci eşitlik tutmaz. Burada durağan olmamanın, gözlemcinizin zamanın hangi noktasında bulunduğuna (zamanda tekdüze olmama) bağlılığının varlığı olduğunu söyleyebiliriz.
Ama nasıl olmaz. verir! t3, t3 > t2 zamanındaki bir arkeolog, t2 uzunluğunda eski kayıtları (örneğin, 3 bin yıllık bir amfora üzerinde) ortaya çıkarabilir . Ve örneğin, t1 ve t2 anları arasındaki korelasyonu hesaplamak istiyor. Bunu benim formülümle yapmak harika: ACF(t) = sqrt((nt)/n), burada n= t2, t=t2-t1. Tam olarak çünkü, aslında, numune uzunluğu n= t2 ve gecikme t2-t1 ile numune ACF'yi sayacaktır. t3 anının sizin tarafınızdan yapay olarak girildiğini hissediyorsunuz.
Ama nasıl olmaz. verir! t3, t3 > t2 zamanındaki bir arkeolog, t2 uzunluğunda eski kayıtları (örneğin, 3 bin yıllık bir amfora üzerinde) ortaya çıkarabilir . Ve örneğin, t1 ve t2 anları arasındaki korelasyonu hesaplamak istiyor. Ve bunu benim formülümle yapmak harika: ACF(t) = sqrt((nt)/n), burada n= t2, t=t2-t1. Tam olarak çünkü, aslında, örnek ACF örneğini n=t2 örnek uzunluğu ve t2-t1 gecikme ile hesaplayacaktır. t3 zamanının sizin tarafınızdan suni olarak tanıtıldığını hissediyorsunuz.
Aslında, aynı iki argüman işlevine geldiniz, ancak yalnızca onu hesaplamak için algoritmanın oldukça sanatsal bir açıklamasıyla)
t3 anı çok doğaldır ve t4 , t4>t3 momenti de gereklidir, bunun için t3) anında bir tahmin yapılır.
Aslında, aynı iki argüman işlevine geldiniz, ancak yalnızca onu hesaplamak için algoritmanın oldukça sanatsal bir açıklamasıyla)
t3 anı çok doğaldır ve t4 , t4>t3 momenti de gereklidir, bunun için t3) anında bir tahmin yapılır.
ACF SB fenomenini aşağıdaki konumlardan değerlendirmeyi öneriyorum. SB'nin genel popülasyonu için (sonsuz uzunluktaki örnekler) ACF = const = 1. Sonlu uzunluk n olan bir örnek için, 1/sqrt(n) düzeyinde tipik bir hatayla ACF'nin bir tahminini elde edebiliriz. ACF(t) = sqrt((nt)/n) = sqrt(1- t/n) tahminini veren bu sıranın hatasıdır.
ACF SB fenomenini aşağıdaki konumlardan değerlendirmeyi öneriyorum. Genel popülasyon SB için (sonsuz uzunluktaki örnekler) ACF = const = 1 . Sonlu uzunluk n'lik bir örnek için, 1/sqrt(n) düzeyinde tipik bir hatayla ACF'nin bir tahminini elde edebiliriz. ACF(t) = sqrt((nt)/n) = sqrt(1- t/n) tahminini veren bu sıranın hatasıdır.
Artık bir SB değil, sürekli uygulamaları olan bir süreç olacak)
Kolmogorov ve Viner mezarlarından kalkıp bizi sopalarla dövene kadar harika tartışmamızı tamamlamak için bir yanıt önerisinde bulunuyorum)