交易中的机器学习:理论、模型、实践和算法交易 - 页 2849

 
Aleksey Vyazmikin #:

nx 是相同元素的个数。如果 nx 大于 1,它怎么可能小于 1 呢?

例如,5:1 = (5,4,3,2,1),1:5 = (1,2,3,4,5)。

Aleksey Vyazmikin#:

这篇文章总体上强调,在应用方法本身之前,你需要知道分布情况。

与 matstat 中的通常做法一样--从样本中构建经验模拟。比如用平均值代替期望值,用频率代替概率,或者用 ECDF 代替 CDF。

 
Aleksey Nikolayev #:

粗略地说,你不是懒得砍树,而是懒得磨斧头。

风险函数是 R

曲线靠近水平线的部分与直方图中的凹点相对应,由于与分区(如直方图)没有联系,因此可以更精确地确定这些部分。例如,我在研究 "之 "字形膝盖的高度分布时就使用了这种方法。

很抱歉可能误解了您的问题。
Huber 函数可以被视为风险函数吗?
它的计算方法似乎与您在 R 上显示的一样。
据我所知,它只定义了 10%的排放百分位数。
Huber 损失函数可以被用作风险函数吗?

还是来自另一个主题?
 
Aleksey Nikolayev #:

例如 5:1 = (5,4,3,2,1),1:5 = (1,2,3,4,5)

与 matstat 中的通常情况一样--从样本中构建一个经验类比。如用平均值代替期望值,用频率代替概率,或用 ECDF 代替 CDF。

好了,我已经绘制了图表,该如何处理呢?

如果 x 是样本中元素的数量,我该如何使用直方图?

附加的文件:
 
Aleksey Vyazmikin #:

如果 x 是样本中的元素个数,又如何绘制直方图呢?

X 应该是按升序排序的样本(在你的例子中是列高)。函数应该从 0 到 log(nx) 递增。例如,如果nx=5, 那么 y=( log(5/5), log (5/4), log( 5/3), log( 5/2), log( 5/ 1))


 
Roman #:

还是来自另一部歌剧?

绝对不同。你说的是损失函数的一种变体,而我们说的是累积危险函数。

 
mytarmailS #:
强化训练呢?

用什么强化?

总之,你不会有任何智力,只有一个自律神经系统的模型,而这......

也许你还能练习一些条件反射......

智慧在哪里?抽象程度在哪里?精神分裂在哪里?

你的人工智能中的这些东西在哪里?

 
Aleksey Nikolayev #:

对于 X,应该有一个按升序排序的样本(在你的例子中是列高)。函数应从 0 到 log(nx) 递增。例如,如果nx=5, 那么 y=( log(5/5), log (5/4), log( 5/3), log( 5/2), log( 5/ 1))


重要说明!

是这样吗?

如何转换直方图?

附加的文件:
 
Aleksey Vyazmikin #:

重要说明!

是这样吗?

那如何转换直方图?

嗯,你已经可以看到水平部分了。同样令人不安的是,这里的最大样本是 400,而之前是 60 左右。也许你应该取 log(X) 而不是 X,之前已经从样本中剔除了零值--这将使你能够更详细地看到 X 的小值区域。

总之,我不知道你的任务是什么。这个方法只回答了你的一个具体问题--如何将最高的 "栅栏 "和最低的 "树 "分开。水平截面 的起点(或与曲线其余部分的平均坡度相比接近水平)是最高的栅栏,而这样截面的终点是最低的树。这一段本身没有点或很少有点,因此我们可以忽略它们。

 
Aleksey Nikolayev #:

现在你可以看到水平部分了。同样令人不安的是,这里的最大样本是 400,而之前是 60 左右。也许你应该取 log(X) 而不是 X,之前已经从样本中剔除了零值--这将让你更详细地看到 X 的小值区域。

我已经对 X 进行了转换,但还是不明白你看到了什么,以及如何自动定义坐标以选择所需的范围。

你能说出 "平缓图形 "开始的具体坐标吗?在第一个平缓图形之前,有一个水平图形,然后以一个锐角运动--这已经不算数了--还是什么?

Aleksey Nikolayev#

无论如何,我不知道您的问题出在哪里。这个方法只回答了你的一个具体问题--如何把最高的 "栅栏 "和最低的 "树 "分开。水平线段 的起点(或与曲线其余部分的平均坡度相比接近水平)是最高的栅栏,而这样的线段的终点是最低的树。这一段本身没有点或很少有点,因此我们可以忽略它们。

我们的目标是找到描述序列性质的预测因子。

附加的文件:
 
Aleksey Vyazmikin #:

X 也进行了转换,但我还是不明白你看到了什么,以及如何自动定义坐标来选择所需的范围。

你能说出 "平缓图形 "开始的具体坐标吗?在第一个平缓图形之前,有一个水平图形,然后以一个急剧的角度移动--这不算数了吗?

我们的目标是找到描述序列性质的预测因子。

在第一幅图中,明显的水平图形是从 2.4 到 3。

举例来说,如果这是 "之 "字形膝盖高度的样本,那么这就是在第一级击穿时进场并在第二级获利的机会。

举例来说,如果这是一个套利机会生命周期的样本,那么最好进入那些存活到第一级的股票。

没有力量、时间或愿望去考虑究竟如何使用这条曲线。我已经说过很多次,我反对在论坛上 "联合工作 "的想法。我认为只有对个别理论问题进行肤浅的讨论才有好处。