Чем больше я узнаю людей, тем больше мне нравится моя собака. В предыдущих сериях постов для начинающих из ремикса книги Генри Гарнера « Clojure для исследования данных » (Clojure for Data Science) на языке Python мы рассмотрели методы описания выборок с точки зрения сводных статистик и методов статистического вывода из них параметров...
1）也许 "动态范围 "是非常简单的--2个MAs相交的点--重要的是要正确地掌握周期......只有OTFs看50和200...但对于大数据分析来说，更有利的MA时期可以通过神经网络记忆找到（在其他伴随因素的情况下）。印象中
原来一切都很简单
MA是一种机械性的排列组合
你需要分析性平滑 （y-cap-模型中的对齐值）...最好使用指数依赖性（因为趋势中有减速和加速阶段），而不是功率依赖性（它只考虑到加速）...对于非线性依赖，例如，动态系列分析（这！可能只是作为充分的统计研究中的一个附加方法，但动态分析从未成为主要方法）。
(我想我在什么地方看到过关于微分的建议，取决于1s和2s的差异=>多项式程度的选择--找不到了）...
类似这样的东西（来自Shmoylova在 "统计理论 "中的内容）
一般来说，为了不过早地跳出趋势，我们应该以某种方式进行全面的因素、相关和回归分析，然后才进行动态分析，以了解主要趋势的加速、减速和逆转。并以某种方式通过sklearn来做，只有在这之后，ML的输出才应该被绘制在牛/熊/保持的超平面上。否则的话，佣金会侵蚀存款。而且我不喜欢50/50或甚至25/50/25的概率...和充分的资金管理和风险管理
愚蠢的标志集没有考虑到干扰
也许是尤金-法马在他的论文中，但我不确定。
为了使急剧上升的资产在不同时期具有可比性，需要使用对数，例如，比特币在不同年份会有非常不同的波动性，这使我们想到并把一些相对变化作为衡量波动性的标准。
他们还声称，对数可以缓解异方差，使回归模型残差的分布更对称，更正常一些，反正实际上大家还在敲打这个问题......😉
我同意，这是一个不愉快的情况，因为这样你必须回到价格的对数，因为经纪人不允许用对数交易，嘿嘿......
为了使快速增长的资产在不同时期具有可比性，需要使用对数，例如，比特币在不同年份会有非常不同的波动性，这使得我们发明并采取一些相对变化作为波动性的衡量标准。
他们还声称，对数可以缓解异方差，使回归模型残差的分布更对称，更正常一些，反正实际上大家还在敲打这个问题......😉
我同意，在一般情况下，这是一个不愉快的情况，因为这样你就必须把对数倒过来，因为经纪人不允许你用价格的对数进行交易，嘿嘿......
在我看来，使用对数是很自然的--这很自然。）同样，与利息相关的直觉应该是有效的--事实上，连续的利率是计算出来的（如果你取价格的增量对数并除以时间）。
而不同的资产（在我看来） 最容易通过对数价格减少到一个共同的分母，然后通过平均对数价差进行规范化。
还有人认为，对数可以减轻异 方差。
我同意，在一般情况下，这是一个不愉快的情况，因为这样你就必须把对数倒过来。
我认为使用对数是很自然的--这很自然。）同样，与利息相关的直觉应该是有效的--事实上，连续的利率是计算出来的（通过取价格的增量对数并除以时间）。
所以直觉表明，从业者（而不是理论家）拿走了远期点，以便在期货中拥有一个当前的价格（而在现货中，时间根本不在价格中），而没有时间的利率分析是指示性的，当它们也是浮动的（或交换到浮动）...如果你不了解（衍生）资产的定价，原始的数学转换只会破坏模型。- 了解过程是任何建模的首要条件。
实践和理论之间的区别是双向的。实践之后，新的理论通常刚刚开始。理论和实践是两条腿，需要轮流、同样积极地移动，才能达到预期目标。
好话
好话