交易中的机器学习：理论、模型、实践和算法交易 - 页 357

新评论
 
马克西姆-德米特里耶夫斯基。


你可能会看到一个周期性的模式。

用傅里叶分解它（在R中是2-3行），绘制它，你就不会看到任何周期性。这是一个平滑的光谱。

试试自相关函数。 再次沉默，但如果有周期性模式，应该会出来。

 
尤里-阿索连科。

用傅里叶分解它（在R中是2-3行），绘制它，你就不会看到任何周期性。这是一个平滑的光谱。

再次尝试使用自相关函数，但如果存在循环行为，应该会出现。


我认为我们可以一次性教给国家统计局，用这些直方图喂养几个不同的时期。 它将考虑较大和较小的变化，大的将是一个趋势成分，小的--输入信号

然后在考虑到当前图表和它们与布林的关系的情况下转换信号。科学实验的方法，简而言之

 
马克西姆-德米特里耶夫斯基。


随着foyles 1期的到来，它将是这样的：)

而且你可以看到一个周期性的模式


一个固定的系列。并去除异常值--标准程序
 
迪米特里。
静止的行。排放物被清除 - 标准程序

也要考虑到排放问题，LSTM应该能够应付
 
有没有人知道这个问题的答案：NS与非稳态输入的关系如何？
 
马克西姆-德米特里耶夫斯基。


我认为，要一次性教给NS，用这些柱状图喂养几个不同的时期，它将考虑到较大和较小的变化，大的将是趋势成分，小的将是进入的信号。

然后在考虑到当前图表和它们与布林的关系的情况下转换信号。总结一下，作为一条经验法则

我已经学会了如何在交易中使用布林信号。那么培训就会更充分。
 
桑桑尼茨-弗门科。
有没有人知道这个问题的答案：NS如何对待非静止的入口？

不好吗？)
 
桑桑尼茨-弗门科。
有谁知道这个问题的答案：NS是如何指代非稳态输入的？
我想说得更具体一些。我可以给出两个相反的答案）。
 
尤里-阿索连科。
我想，在教授NS之前，先模拟一下，看看其中是否有什么值得借鉴的地方。那么培训就会更加充分。


这里的一切都很清楚，极值宣布反转，特别是短的极值，一个反持久的系列是明显的--一个新的高峰之后是一个新的低谷（在小周期的指标中）。

相反的情况是在一个具有较大周期的指标中，系列看起来是持续的，一个新的最大值之后是一个新的最大值，即你可以识别长期趋势，同时，系列是静止的，你可以找到（大约）趋势的终点。

我读了很多书，不是吗？

工作算法：我们定义趋势并按其工作，在反生存系列上进行输入，以增加获胜的概率。同时，如果具有大周期的指标接近均值极值，我们将交易条目改为相反，如果趋势开始改变的话
 
马克西姆-德米特里耶夫斯基。


这里的一切都很清楚，极值是反转的信号，尤其是短周期的反转，一个反持久的系列是存在的--一个新的高峰之后是一个新的低谷（在小周期的指标中）。

长周期指标的情况则相反，该系列看起来是持续的，一个新的高点之后是一个新的高点，也就是说，有可能确定长期趋势，同时该系列是静止的，人们可以找到（大约）趋势的终点

我读过很多书，是吗？

(酷。)反持久性的是什么？

一个新的高点（可能是一个低点） 之后是一个新的高点-- 是的，我也经历过，这些图表都很熟悉。你模拟--而那里什么都没有--空空如也。也许你会很幸运。

1...350351352353354355356357358359360361362363364...3399
新评论