TL;DR: Нет На просторах Сети полным полно материалов, мануалов, готовых решений, сборок и прочего добра, посвященного прогнозированию цен на криптовалютные и традиционные биржевые активы, пахнущего быстрыми и легкими доходами с минимумом усилий. И хоть пишут их разные люди, с разными подходами, на разных платформах и с разными парадигмами, у...
即使没有基本数据的数字化,除了价格,还有成交量、未平仓合约、价格和成交量水平、时间参数--时段、季节等等。 新闻,似乎已经被数字化了......。
尝试将这些数据的数字化和会计逻辑系统化。我不是一开始就明白的)从数字上看,股票交易指数、总收入、国家的中央银行利率、预测的总数字、机构估计、信用评级、行业数字、国家之间的贸易额......。那你是如何使用的呢? 技术分析 是一首独立的歌曲...从根本上说。
酷,我去看看...
而这是科学家们已经在做的事情....
通过主成分法(PCA)对系列进行划分
在一个大小为10的滑动窗口中的报价
有8个组成部分
该算法将成分分为变化慢的和变化快的,以及重要的和不重要的,并将它们分类。
分解(任何傅里叶、小波、普卡)的最强属性是可加性
也就是说,如果我把所有的组件pc1+pc2+...+pc8加在一起,我得到的回报是相同的价格。
现在想一想,如果我们用同样的指标而不是组件,并把它们加在一起,我们会得到什么? 正是我们在神经网络的输出中得到的,当我们在一个随机数上训练它时)
试想一下,通过这样的分解可以产生多少个特征
你可以过滤数据,找到并提取不必要的(不良成分)。
你可以改变组件并把它们放回去,或者只留下它们
你可以让组件走得更快或更慢,或改变其振幅。
你可以相对于每一个组件进行分析,或者分析其中的两个或三个组件。
你可以分别预测各部分,在总的预测中加总(它们是相加的)。
预测一个组件与另一个组件的关系
有可能...
你可以...
有可能...
可以...
你可以...
这就是科学家在想弄清一些事情时的做法。
只是一个在真实市场中作为指标工作的神经网络,并很好地预测了资产运动。另外我还有一个实验性的,试图提供入口。 这里是过去10小时的最后四个信号,所有信号都是公开的。
干得好!!你增加了哪些新东西?
尝试将这些数据的数字化和会计逻辑系统化。我没有马上明白)从数字上看,股票交易指数、总收入、国家的中央银行利率、预测的总数字、机构估计、信用评级、行业数字、国家之间的贸易额......。那你是如何使用的呢? 技术分析 是一首独立的歌曲...从根本上说。
哈博的好文章:神经网络会梦见电钱吗?
我不建议读它,我为自己保留了这个链接
分解(任何傅里叶、小波、普卡)的强大属性是可加性
这是任何线性分解的一个属性。如果你不能拿回信号,那么分解就错了。逻辑问题。任何模拟都可以分解成正弦波。这里的目的可能是不同的。隔离,按外部影响的标准来分离价格运动。那么它就有意义了。而且出现了对价格行为和预测进行更有意义的分析的可能性。
这是任何线性分解的一个属性。如果你不能拿回信号,那么分解就错了。这是一个逻辑问题。任何模拟信号都可以分解成正弦波。这里的目的可能是不同的。隔离,按外部影响的标准来分离价格运动。那么它就有意义了。而且出现了对价格行为和预测进行更有意义的分析的可能性。
它是什么意思?
那么,首先,数字化的基本数据立即成为技术分析的对象。
我们对技术面和基本面有不同的定义。基本=真实的数据,用社会既定的标准表示。Gasprom的资产负债表是基本数据。股票销售 和报价是技术性的。没有说服力,按照我的理解解释。
它知道什么?
价格走势是由许多因素决定的,分离出主要因素,并通过分解将其与价格走势联系起来。事实上,这就是工作中所做的事情。据我所知,相同类型的价格变化是通过对其分解的选择来区分和分离的。如果你不知道这些因素的本质,你可能不了解它们,但了解有可能确定并考虑到这些因素,你就会有很多理解。
干得好!!你增加了哪些新东西?