交易中的机器学习：理论、模型、实践和算法交易 - 页 2525

[Доктор]

秘密#:
这是给SB的。我们需要它来做什么？)

要明白，在真正的BP和SB之间的差异上是可以赚钱的。并寻找这些差异））。

[secret]

医生#:

要明白，在真正的BP和SB之间的差异上赚钱是可能的。并寻找这些差异））。

论坛上有一半的人也在SB上 "赚钱"，一鸣惊人)

[Доктор]

LenaTrap#:

在真正的市场上？就个人而言，我坚持这样的某种哲学。

*但我真的不想讨论它，因为没有证据，讨论假设是没有用的。

在20世纪90年代前半期，有大量的科学论文试图使用构建的动态混沌理论来预测金融时间序列。其基本思想是，从时间序列的实现中重构一个动态系统，并将其用于预测。然后，不知何故，出版物的流量变得稀少了。

[Доктор]

秘密#:
一半的论坛也是在SB上 "挣钱 "的，一鸣惊人)

你难道没有注意到，"意外流浪者 "的数量已经减少。即使是亚历山大也没有被我的挑衅所迷惑））。

[Aleksey Nikolayev]

医生#:

如果你不介意的话，我还想重写ACF(t)=sqrt((n-t)/n)，其中n是样本量。

例如，如果1<=t1<=t2<n，那么ACF（t1,t2）=sqrt（t1/t2）。

另外，我更习惯于假设时间（样本量）对SB来说 是无限的，因为许多有用的问题（达到水平的概率相同）在这种假设下更容易解决。

[Aleksey Nikolayev]

医生#:

在20世纪90年代前半期，有大量的科学论文试图使用构建的动态混沌理论来预测金融时间序列。其基本思想是，从时间序列的实现中重建一个动态系统，并将其用于预测。然后，不知何故，出版物的流量变得稀少了。

我记得彼得斯有一本关于这个问题的书，他计算了一些市场的吸引子的维度。它似乎相当大，这让人怀疑结果的统计意义。

[Доктор]

Aleksey Nikolayev#:

你只有样本中最后一个值与所有其他值的相关性。

这就是ACF的经典定义。

Aleksey Nikolayev#:

例如，如果1<=t1<=t2<n，那么ACF（t1,t2）=sqrt（t1/t2）。此外，对于SB来说，我更习惯于假设时间（样本量）是无限的，因为许多有用的问题（达到水平的概率相同）在这种假设下更容易解决。

顺便说一下，对反驳的回应："这个公式的得出，是出于体育的兴趣）它对赚钱几乎没有用处。"

[Доктор]

Aleksey Nikolayev#:

我记得彼得斯有一本关于这个问题的书，他计算了一些市场的吸引子维度。它似乎相当大，这让你怀疑结果的统计意义。

是的，"资本市场的混乱和秩序"。已经有很多出版物了。但一切都没有安定下来。

[secret]

医生#:

顺便回答一下反驳："这个公式正在推导，出于体育的兴趣）它对赚钱几乎没有用。"

级别提高？还是级别降低？)

[Доктор]

secret#:
levels up or levels down?)

这个问题当然应该向阿列克谢提出。但我会回答 "随便"。我假设问题是，SB的行进路径与sqrt(t)成正比。