交易中的机器学习：理论、模型、实践和算法交易 - 页 2523

[Evgeny Dyuka]

mytarmailS#:

你怎么做你的广播 是第三方服务还是什么？ 它甚至如何工作？

1.拿着这个https://github.com/tvjsx/trading-vue-js

2.你把它上传到你的主机，并添加一个从json文件读取的指标
。

3.在那里运行一个脚本，如果你拉动这个脚本，就会更新这个文件。

4. 在其他地方运行你的神经系统或其他什么东西，当信号到达步骤3的脚本时

---

这不是正确的方案--指标应该通过api接收信号，这对我来说不起作用。

[mytarmailS]

Evgeny Dyuka#:

谢谢你，目前对我来说，这太复杂了。

[Rorschach]

Aleksey Nikolayev#:

是的，从SB的定义来看，未来的所有增量都与现在和过去的数值无关，因此协方差都是零。

不是一个，是随时间j增加的方差。如果我们用d表示白噪声Xi的方差，那么COV（Yj,Yj）=j*d^2。要做到这一点，将Yj表示为X1+...+Xj的总和，并考虑到白噪声的特性，进行计算。

因此，经过替换，ACF=sqrt(min(j,k)/max(j,k))。当然，如果我没有搞乱什么的话）。

我建议在此结束ACF SB的主题，以免让印象特别深刻的实践者紧张)

最小和最大将是+- ∞ ?

[Aleksey Nikolayev]

Rorschach#:

最小和最大将是+- ∞ ?

j>=1, k>=1

例如，j=2，k=8 --> min(j,k)=2，max(j,k)=8 --> ACF(2,8)=sqrt(2/8) =1/2

[Renat Akhtyamov]

Aleksey Nikolayev#:

是的，从SB的定义来看，未来的所有增量都与现在和过去的数值无关，因此协方差都是零。

不是一个，是随时间j增加的方差。如果我们用d表示白噪声Xi的方差，那么COV（Yj,Yj）=j*d^2。要做到这一点，将Yj表示为X1+...+Xj的总和，并考虑到白噪声的特性，进行计算。

因此，经过替换，ACF=sqrt(min(j,k)/max(j,k))。当然，如果我没有搞乱什么的话）。

我建议在此结束ACF SB的主题，以免让印象特别深刻的实践者紧张)

第一次有有趣的事情在支部里开始了，而且很接近；)

插图将，以了解这些公式的吸引力是什么？

[Доктор]

Aleksey Nikolayev#:

如果我们用d表示白噪声Xi的方差，那么COV（Yj,Yj）=j*d^2。

对不起，同事，打扰了，但这句话中不是有一个笔误吗？

[Aleksey Nikolayev]

博士#:

抱歉打扰了，同事，但这句话中是不是有一个错别字？

嗯，是的，平方是多余的：COV(Yj,Yj)=j*d（或者我们应该用d^2 表示白噪声方差）。谢谢，同事。最终的ACF公式不受影响，但用同一个字母表示方差和标准差以及分散度，语气相当不好。

[LenaTrap]

说实话，我根本无法理解什么。

p.s 也许一些超级聪明的数学家会怜悯我并解释这里发生了什么？

[secret]

已经算上市场的ACF)

[Valeriy Yastremskiy]

LenaTrap#:

说实话，我根本无法理解什么。

p.s 也许一些超级聪明的数学家会怜悯我并解释这里发生了什么？

如果你没有学习过几年的理论家，就很难解释。