Introduction This is the second article of a series focusing on causal inference methods and applications. In Part 1, we discussed when and why causal models can help with different business problems. We also provided fundamentals for causal inference analysis and compared a few popular Python packages for causal analysis. In this article, we...
再仔细看了一下--我发现我有些错了。他们从原始系列中制作了一系列滑动的非线性度量（他们写了分形维度和李亚普诺夫指数）。这个新系列他们认为（基于实际观察）与SB类似。他们在未来用类似于蒙特卡洛的方法对这个系列进行乘法，并取一个与初始集最接近的变体。
秘密是将初始系列转化为系列指标的具体转化，更重要的是--反向转化。
总的来说，所有这些看起来都很可疑（首先是结果的表述风格），并没有引起对这个问题进一步研究的欲望。
它也似乎太漂亮和模糊了--有些东西不符合要求。此外，这些系列在统计特征上是相似的。
虽然对你来说很可笑，但这正是你在做的事情......
让我解释一下...
我的意思是，如果能将市场（非稳态）数据创建成一个模型 （稳态的、简化的、示范性的、保留我们需要的结构） 的"转换器"就好了 ， 这个模型 可以表示为一个正弦波的
世界上所有的科学家都这样做，以了解一个复杂的过程，建立一个模型，研究这个模型，预测这个模型，但不是过程本身，这是世界惯例，每个人都这样做，除了受过最低水平培训的工程师，他们相信AMO会做所有的事情...
你的意思就更清楚了。当然，这并没有让它变得更有用。
首先，当你拿着报价，任何报价，并对其进行处理时，你已经在处理一个模型，而不是像你所说的那样，处理复杂过程本身。
那么关于其余的引文衍生品，就不用说了)
你对MO学者的贬低性评论更说明了你的训练水平低。
当然，它并没有变得更有用。
顺便说一句，我也没有。
首先--当你拿着报价，任何报价，并用它们做一些事情时，你已经在处理一个模型，而不是像你所说的，一个复杂的过程本身。
哇，谢谢你......有谁声称过其他的吗？
你对MO族人的贬低，更说明了你的训练水平低下。
右图，右图.....
============
接下来呢，你有什么要说的吗？还是说我们要陈述显而易见的事实并作出主观判断？
接下来，你有什么要说的吗？还是我们在陈述显而易见的事实并作出主观判断？
那么显而易见的是，两三个正弦波甚至不能正确地近似于长时期的价格。好吧，你不同意吗？
好吧，我们也来谈谈模式--我有一个想法--通过玩家网络的市场模式。
粗略看来是这样的（我将尝试用国防部的 术语来表示它）。
有N个主体玩家，根据一些属性进行分类--交易量、交易频率、在位时间长短、买卖倾向、获取信息和速度、攻击性 等等。
市场（工具价格）被模拟为主体参与者之间交换的结果（简化杯）。有一个环境，它是定期新闻和相对随机事件的提供者，玩家对其作出反应，环境在玩家之间传递信息。
我希望这一点能得到普遍理解。我不记得在模型实施方面有类似的研究-出版物，这是可以理解的，因为只有在获得大量真实数据的情况下才能取得实际效果。
但作为一个研究的模式，我认为它是相当合适的。对于机器学习方法的解释--创造性的空间，显然我们不能用简单的架构在这里做，我们需要开发一些特别的东西。
那么显而易见的是，两个或三个正弦波甚至不能正确地近似于长时期的价格。好吧，你不同意吗？
好吧，我们也来谈谈模式--我有一个想法--通过玩家网络的市场模式。
粗略看来是这样的（我将尝试用国防部的 术语来表示它）。
有N个主体玩家，根据一些特征进行分类--交易量、交易频率、持仓时间长短、买入卖出的倾向、获取信息和速度、攻击性 等等。
市场（工具价格）被模拟为主体参与者之间交换的结果（简化杯）。有一个环境，它是定期新闻和相对随机事件的提供者，玩家对其作出反应，环境在玩家之间传递信息。
我希望这一点能得到普遍理解。我不记得在模型实施方面有类似的研究-出版物，这是可以理解的，因为只有在获得大量真实数据的情况下才能取得实际的结果。
但作为一个研究的模式，我认为它是相当合适的。对于机器学习方法中的解释--创造性的空间，显然，简单的架构在这里是不够的，必须开发一些特别的东西。
基于代理的模型？在现代经济科学中，有很多这样的东西。在我看来，对市场的哲学理解是一件好事。
我不确定这种方法（在创建交易策略的意义上）是否会有任何实际用途。
基于代理的模型？在现代经济科学中，有很多这样的情况。我认为这是对市场哲学思考的好东西。
我不确定从这种方法中获得任何实际效用的可能性（在创建交易策略的意义上）。
是的，科学的经济和（密切的）社会学的描述，这样的模型很久以前从研究所我记得。关于交易的问题，根据最近MO的成就，似乎问题不在于它不能应用，那些有资源的人--不会从它那里得到适当的好处，他们是好的，因为他们是。发烧友们还没有达到，他们会消化各种GPT-3和其他突破性的东西，也许有人会达到他们，并在此指定一些发展路线。
另一个困难是，球员的行为有很多非理性，特别是在趋势的关键转折点，这很难用目前的模型来可靠地模拟。
ap.另一个想法是--以预测价格走势为目标并不总是正确的，它是如此原始。我们可以接受有关价格运动的信息，并从中得出长期结论。
一个有希望的方法似乎是因果推理。大型IT公司对这一主题的开发相当积极。有图书馆。
有关于该主题的文章
做一个计算器，通过选择并找到最好的一个。是的，我记得很久以前在研究所里对这种模式进行了科学的经济和（密切）社会学描述。关于交易，根据最近MO的成就，似乎不是不能申请，而那些有资源的人--不会从中获得必要的产出，他们到目前为止都是正确的。发烧友们还没有达到，他们会消化各种GPT-3和其他突破性的东西，也许有人会达到他们，并在此指定一些发展路线。
另一个困难是，玩家的行为有很多非理性，特别是在趋势的关键转折点，这很难用目前的模型来可靠地模拟。
ap.另一个想法是--以预测价格走势为目标并不总是正确的，它是如此原始。你可以从价格走势中获得有关球员状态的信息，从这里你已经可以做出长期的结论，不断地更新。
在我看来，主要问题在于选择了描述市场中最大的参与者--国家的行为的方法。他们（1）强烈地影响着市场，（2）他们的行为在时间上有很大的变化，（3）他们在市场上行动的目的往往是在市场本身之外的，而且我们对其知之甚少，（4）有许多状态，他们可以以非常不同的方式（对市场而言）相互作用。在数学上，结果是一个复杂的、不稳定的和开放的系统。
问题不在于不可能想到这样一个系统的模型，而在于有可能想到太多不同的模型，甚至可能在结论上相互矛盾）。
一个有希望的方法似乎是因果推理。大型IT公司对这一主题的开发相当积极。有图书馆。
有关于该主题的文章
做一个计算器，通过选择并找到最好的一个。这是最初的方法的另一面。顺便说一下，医学上任何东西的RCT都扼杀了医学技术，而不是可重复的安慰剂））。
按行为或条件的任务是找到因果关系）。
ap.另一个想法是，预测价格走势并不总是一个好主意，这太原始了。你可以从价格走势中获得有关球员状态的信息，并从中得出长期的结论，这些信息是不断更新的。
这是一个好的和正确的想法。只是也许不是球员的状态，而是影响球员的原因的状态。尽管也许这只是下一步。