You do not need to be a Data Scientist to know this feeling: this is the winter season, you open the tap on “hot” in the morning and it takes a few seconds (sometimes more) before the water goes from cold to the desired temperature. The reason is obvious: the hot water needs time to flow from the boiler to reach your hands. And, said...
正规化绝非易事）。
还有利率及相关问题，尤其是隔夜利率。美联储加息后，欧洲也必须加息，但有太多外国（对欧洲而言）资金在欧洲 "过夜"。8 小时后，这些钱将在下一个地方过夜。他们都将分得一杯羹（贴现率也是 GDP 的货币化，即相当一部分滞后的 GDP 将白白飞走）。
所有这一切都应一次性投入 MO、NNN，而不是指望它能从酒吧/潜在历史中识别、分类和训练自己。
新的蜡烛线 出现后，我们调整（移动窗口）并再次预测下一根蜡烛线，等等。 。
交易系统 - 13 年 - 在此期间，作者向自己证明了：
价格序列的非平稳性....
价格中的确定性成分和噪音 试图将其纳入回归方程（在 EViews 中）。
3 年后，我得到了结论（据称发明了一辆自行车）：
我们有一个原始的回归模型。结果表明，在样本内，它的利润系数远大于 10。在样本外，它略大于 1，这一点值得商榷。该模型的构建是 "正确的"。
所使用的模型有一个想法：我们将确定性成分分离出来，并在其中加入噪音
5 年后，我决定应用一种新的高科技工具（随机森林）来实现同样的伪预测，这就是所谓的模型......顺便说一句，森林是非常耗费资源的算法（就 RAM 而言）。
使用参数 "反转之间的距离 "等于 0.0035 美元的 ZigZag 来构建目标变量。
时隔 8 年，修改了措辞--"创建了一个关于制定 MT4/5 与 R 连接的技术规范的主题"。
虽然 R 和 MetaTrader 4 终端之间的交互库可在 CodeBase: mt4R for new MQL4.https://www.mql5.com/en/code/11112 中找到。
但除了classDist 和 entropy 之外，他无法从新库中连接任何东西...
他还在大肆宣扬他的工具、他的伪 "模型"，并告诉大家如何 live....另一个 人要求大家闭嘴，第三个 人则宣传第一个人，讲述第二个人的恐怖故事，梦想第一个人在第二个人的背景下会变得更好，与第二个人合二为一....。其余的人根本不在乎......
已经 13 年了（只是面孔变了）--没有工作自行车，只有关于 它的童话故事--"这篇文章对初学者和有经验的交易者 都有用"......全靠口号，全靠口号......而不是逻辑和证据（不是他们缺乏证据）。
你本 可以先思考一下（运用知识+经验），这样你就不必为了一些事先就行不通的东西而去研究工具（和迹象）了......而不是写了 13 年的垃圾--给它起个 "文章 "的伪标题......即使是抄写，也比这些文章以及伪同事和非同事在伪研究中的伪经验交流包含更多的真理......本质上
===
品牌名称？--他们所能做的就是推翻他们的交易玩具 比银行间市场利率更重要的假设
当我们试图创建金融市场的交易系统时，我们必须不断地在未知的领域中一步一步地前进，一米一米地获得一些还不够充分的知识。
这种情况屡见不鲜，总有人能够迈出或尝试迈出新的一步，犯了错误，改进后再次前进。
但是，总有一些人，极其聪明，受过百科全书式的教育，左右逢源。
但是
事实证明，这些人不仅没有能力根据自己的知识进行任何综合，而且根本不理解他们所说的话的含义。
在我学习的时候，我们组 25 人中有 6 个这样的人。他们都有红色文凭，但却完全无法实现任何设计想法，哪怕是最原始的设计想法。
后来，我在工作的研究所里也看到了这样的人。
他们是聪明的傻瓜。
尽管在过去的 30 年里，这些人的思想已经堕落，但他们仍然存活下来，并继续分析他人，而不是创造自己的思想。
这些聪明的傻瓜比非科学家更无药可救，教他们是不可能的，他们已经知道了一切，带着学者的神情，他们开车，开车胡说八道。
一步一步，征服了一米又一米的知识...带着学者的神情，他们滔滔不绝，胡说八道。
这就是问题所在，每个字都是如此就像抛硬币--它就那样落下--每个人都是傻瓜，而你却不知道如何处理米（......）。你的结论的质量 是显而易见的
支持桑尼奇再训练和口吃窗口的奇特说明
https://medium.com/towards-data-science/ai-in-industry-why-you-should-synchronize-features-in-time-series-f8a2e831f87