交易中的机器学习：理论、模型、实践和算法交易 - 页 1508

[Ilya Antipin]

mytarmailS:

伊莉娅顾问怎么样了？

我对圣杯感到失望。与我的理论计算和假设有很大偏差。我受到马克西姆同名文章的启发，研究所谓的长记忆或长距离依赖 现象。我写了一个 基于ARFIMA 的指标。 作者声称它比ARIMA 有更好的预测能力。

[Yuriy Asaulenko]

伊利亚-安提平。

失望。与我的理论计算和假设有很大偏差。马克西姆的同名文章激励我研究所谓的长记忆或长距离依赖 现象。

没有这样的事情，你不必担心这个问题。

[Maxim Dmitrievsky]

伊利亚-安提平。

我对圣杯感到失望。与我的理论计算和假设有很大偏差。马克西姆的同名文章激励我研究所谓的长记忆或长距离依赖 现象。我写了一个 基于ARFIMA 的指标。 在作者看来，它比ARIMA 有更好的预测能力。

LRD在波浪中漂浮，过滤掉高en的区域是有意义的，那么预测就有意义了，对于一个小的角度。并选择一个窗口。

链子对集群不好吗？ 我已经差不多了，我会把它们改写成mql来玩，让它们成为我的武器库

[mytarmailS]

伊利亚-安提平。

我对圣杯感到失望。

那么，你有没有试过我抛出的带链子的指标？ 还是你只在价格上做了手脚？

[Maxim Dmitrievsky]

印象深刻、养尊处优的心理学家最好不要看

[sibirqk]

马克西姆-德米特里耶夫斯基。

印象深刻、养尊处优的心理学家最好不要看

怎么样！？德罗比舍夫斯基从系统化的homenid头骨，已经转移到关于他们的内容（头骨是指）的主题的哲学研究。 出乎意料的是!我非常高兴地观看了它，谢谢。

Pyssy：看来他对阿诺金和切尔尼戈夫斯卡娅的桂冠意犹未尽。

[Maxim Dmitrievsky]

sibirqk:

怎么样！？德罗比舍夫斯基从霍梅尼德头骨的系统化转为对其内容（事实上是头骨）的哲学思考。出乎意料的是!我非常高兴地观看了它，谢谢。

Pyssy：看起来他没有从阿诺金和切尔尼戈夫斯卡娅那里得到任何和平。

我不能认真对待那些当他们不理解某些东西时，他们总是来找上帝，或者他们在信徒的感情面前如此卑躬屈膝的人。阿诺金似乎是个理智的人，但当他开始思考高大上的东西时......关于第二个问题我就不说了 :))

[Aleksey Vyazmikin]

马克西姆-德米特里耶夫斯基。

印象深刻的养尊处优的心理学家最好不要看

好惊讶，不知道人形古猿/人类现在被认为是现代猿人的祖先（58:18）。

从材料上看，感觉是符合历史的:)不幸的是，这种推理是软弱无力和自相矛盾的，但作为一种观点--随它去吧。

在我看来，类似的研究应该得到亚种DNA变化分析的支持，并分离出为物种发展服务的新突变--那么它对我来说会更有趣。

至于 "条件反射"，一个人在日常生活中经常不假思索地做出决定，包括在重要问题上，罗伯特-西亚尔迪尼的一本书《影响心理学》很有意思。那里也没有完全涵盖这个主题，但有知识和有兴趣的人为了他们的目的而收集的技术很有意思。

[Maxim Dmitrievsky]

你去吧，我告诉过你：（心理学家要求从化石遗骸中提取DNA，像恐龙一样古老。

[Vladimir Perervenko]

马克西姆-德米特里耶夫斯基。
那么电路呢，你的性能用完了吗？

有了链子，一切都变得模糊不清了。我取了一个EURUSD/M20的logreturn，用 "lambertW "对其进行了 "调整"（图片在此）。 我用两种状态训练模型（更好的状态，作者说是5）。下面你将看到代码和图片。

require(LambertW)
set.seed(12358)
y1 <- diff(log(pr$close), 3)*100
out <- Gaussianize(y1, return.tau.mat = TRUE)
x1 <- get_input(y1, c(out$tau.mat[, 1]))  #  same as out$input
#---
 States <- 2 L
#set.seed(12358)
 param0 <- matrix(c(0.1, 0.05, -1, -0.1, -0.05, 1), States, 3 L, byrow = TRUE)
gamma0 <- ldhmm.gamma_init(m = States)
h <- ldhmm(m = States, param = param0, gamma = gamma0, stationary = TRUE)

mod <- ldhmm.mle(h, x1)
dc <- ldhmm.decoding(mod, x1)
post <- t(as.matrix([e-mail]))
#predStates <- cbind(post[,1:States])
prStat <- apply(post, 1, function(x) which.max(x))
Stat <- [e-mail]

mod@param
mod@delta
floor(mod@gamma*10000)/100
ldhmm.ld_stats(mod)


> mod@param
               mu      sigma    lambda
[1,] -0.001182310 0.09119015 0.4625385
[2,]  0.001808756 0.04114724 0.6977260
> mod@delta
[1] 0.4189323 0.5810677
> floor(mod@gamma*10000)/100
      [,1]  [,2]
[1,] 93.79  6.20
[2,]  4.47 95.52
> ldhmm.ld_stats(mod)
             mean         sd kurtosis
[1,] -0.001182310 0.05256228 2.142325
[2,]  0.001808756 0.02542165 2.465665

我们来画一下信号和报价

par(mfrow = c(2,1))
matplot(tail(post, 300), t = "l", col = c(1,2,4,5))
abline(h = 0.5, col = 2)
plot(tail(pr$close, 300), t = "l")
par(mfrow = c(1,1))