交易中的机器学习：理论、模型、实践和算法交易 - 页 2720

[Aleksey Vyazmikin]

Maxim Dmitrievsky #:
开个玩笑，我会写一篇文章详细介绍的。在这里很快就会消失的。

诶，这样我就又没有竞争优势了，可悲啊.....

[Aleksey Nikolayev]

Maxim Dmitrievsky #:

而 "非时间序列 "的说法更是无稽之谈。

不过，其中还是有常识的。我们的初始时间是连续的，而在时间序列中是离散的（根据定义）。

只有离散时间才有可能进行实质性工作。但是，过渡到离散时间可以有不同的方式，不一定非要在相等的时间间隔内进行。任何自定义的 "事件 "都有可能过渡到离散时间。我个人更倾向于使用 "马尔科夫时刻 "这个术语，因为它反映了一个主要问题--不需要展望未来。但是，如果有人想把它称为 "事件"，只要他在解释时不混淆，我欢迎他这样做。

[Maxim Dmitrievsky]

Aleksey Nikolayev #:

不过，这其中还是有常识的。在我们的例子中，初始时间是连续的，而在时间序列中，初始时间是离散的（根据定义）。

只有离散时间才能进行实质性工作。但是，向离散时间过渡的方式多种多样，不一定非要在相等的时间间隔内进行。任何自定义的 "事件 "都有可能过渡到离散时间。我个人更倾向于使用 "马尔科夫时刻 "这个术语，因为它反映了一个主要问题--不需要展望未来。但是，如果有人想把它称为 "事件"，只要他在解释时不混淆，我们欢迎他这样做。

好吧，有时间框架的离散化，为什么要把它复杂化呢。我按 "条件 "或 "事件 "定制了一些，用手机上的粗体字体，同样是废话。

就像 Prada 的书籍和其他方式一样。

我不知道如何证明任何超采样 vp 对提高预测能力都没有任何帮助。也许我错了。

[Maxim Dmitrievsky]

Aleksey Vyazmikin #:

诶，那我又没有竞争优势了，悲伤.....。

关键在于你如何运用它，因为总是有选择的。

[Maxim Dmitrievsky]

还有市场时间，根据 Mandelsprot 的说法，它是一种离散的时间，等同于一个事件--滴答声

[Aleksey Nikolayev]

Maxim Dmitrievsky #:
好吧，我们可以按时间段来区分，为什么要复杂化呢？我按 "条件 "或 "事件 "定制了一些，手机上有粗体字，同样的废话

就像普拉达的书和其他方法一样。

我不知道怎样才能证明 vr 的超采样对提高预测能力毫无帮助。也许我错了。

总的来说，我同意。如果不着眼于未来，任何有意义的离散化都不可能有太大改善。这只是个人偏好的问题。

[Maxim Kuznetsov]

所有的摇摆不定都有可能是因为 "结果应该是什么 "的不确定性--每个人对目标的理解都不一样。没有目标，也没有中间结果。有的只是意见的交流和意义的探寻。

---

请允许我引用该主题中的原始信息：

交易中的机器学习：理论、实践、交易及其他。

他几乎无所不谈;-)我还没听说过绝对的 "MO 只适用于这种特定方式，没有其他方式，其他都是异端邪说"。

[mytarmailS]

如果你连诋毁它都做不到，那你这么多年都在做什么？

[mytarmailS]

另一段精彩视频

https:// youtu.be/Zk7dvwrVE0k

[Maxim Dmitrievsky]

mytarmailS #:
另一段精彩视频

https:// youtu.be/Zk7dvwrVE0k

典型的 IT 布道者，用亲切的声音温暖用户群。

通过提及信仰来扩大目标受众，从而让被引导的大众产生认同感和信任感，然后上瘾。

如果有人认为这很有品位，那就值得一试。