交易中的机器学习:理论、模型、实践和算法交易 - 页 49

 
那么,你如何通过光谱成分来寻找近似性?
 
mytarmailS:
那么如何通过光谱成分来搜索近似度呢?

你不能。

严格来说,频谱分析是非常不适用于金融时间序列 的。你看,非常多。因为它需要静止的数据,而金融时间序列不是这样的。

有一些特别成功(似乎)的解决方案的例子。网站上有瓦迪姆-顺子,他似乎已经成功地做到了这样的事情。

 

来自这里的 评论。

越来越多的数据科学家喜欢R

他们的第三次年度量化商业专业人士调查的结果已经公布。

你喜欢使用:SAS、R或Python?

开源工具总体上占主导地位。SAS(付费)在拥有16年以上经验的专业人员中获得成功,而那些拥有5年以下经验的人则更喜欢R。R也是拥有博士和硕士学历的分析专业人士的主要选择。

对这两种用途给出了更多的图表。

SAR。

数据来自 revolutionanalytics网站。它属于微软,微软不仅维护R系统的免费部分,而且还开发付费工具。

 
桑桑尼茨-弗门科

没有。

1 ) 严格来说,光谱分析非常 不适用于金融时间序列。你看,非常多。因为它需要静止的数据,而金融时间序列并不是这样。

2 )有一些特别成功(看起来)的解决方案的例子。这个网站上有瓦迪姆-顺子,他似乎已经成功地做到了这样的事情。

1)任何 函数 可以被分解为傅里叶谐波级数,见ANY.....

ANY 函数基本上只有三个数组的参数可以完全描述ANY 函数,而且与其他测量方法相比是最客观的--振幅、相位、频率.....。

无意冒犯,但如果你不理解这个问题,你就不应该以老师的身份进入这个问题,学生的角色是合适的,但不是老师......再次,无意冒犯。

2)我认识的所有使用神经网络成功预测市场的人,都以这样或那样的方式使用傅里叶进行预测器的预处理或价格的近似。

=================================

这个问题仍然是相关的....

 

这里甚至有这个不苟言笑的孩子在说话,从第10分钟开始看。

https://www.youtube.com/watch?v=KUdWTnyeBxo&list=PLDCR37g8W9nFO5bPnL91WF28V5L9F-lJL&index=3

AIML-4-4-3 Kernel Trick
AIML-4-4-3 Kernel Trick
  • 2015.01.17
  • www.youtube.com
Смотрите другие видео этого курса, выполняйте упражнения и изучайте интеллектуальные системы и машинное обучение на нашем сайте! https://ulearn.azurewebsites...
 
mytarmailS:

1)任何 函数 可以被分解为一系列的傅里叶谐波,见ANY.....

ANY 函数基本上只有三个数组的参数可以完全描述ANY 函数,而且与其他测量方法相比是最客观的--振幅、相位、频率.....。

无意冒犯,但如果你不理解这个问题,你就不应该以老师的身份进入这个问题,学生的角色在这里是合适的,但不是老师......再次,无意冒犯。

2)我认识的所有使用神经网络成功预测市场的人,都以这样或那样的方式使用傅里叶进行预测器的预处理或价格的近似。

=================================

这个问题仍然是相关的....

你不明白 "静止性 "的含义。

好运。

 
桑桑尼茨-弗门科

你不理解 "静止性 "一词的含义。

好运。

OMG....
 
mytarmailS:

1)任何 函数 可以被分解为一系列的傅里叶谐波,见ANY.....

ANY 函数基本上只有三个数组的参数可以完全描述ANY 函数,而且与其他测量方法相比是最客观的--振幅、相位、频率.....。

无意冒犯,但如果你不理解这个问题,你就不应该以老师的身份进入这个问题,学生的角色在这里是合适的,但不是老师......再次,无意冒犯。

2)我认识的所有使用神经网络成功预测市场的人,都以这样或那样的方式使用傅里叶进行预测器的预处理或价格的近似。

=================================

这个问题仍然是相关的....

你的说法已经让人厌烦了。他们自己不把什么实用的东西,但你还是要求别人的解释,这是不够的。这里没有免费的东西!

而SS是对的。你可以运用这个方法,甚至是迎面而来的,得到一个数字。但它在样本之外不会起作用。
 
mytarmailS:

1)任何 函数 可以被分解为一系列的傅里叶谐波,见ANY.....

如果愿意,任何函数都可以被分解(如果没人反对,甚至可以通过肛门切掉扁桃体),但只有周期性的函数才能从分解中完全恢复过来。即非周期性函数,虽然被分解为傅里叶级数,但已知是不正确的,因为它们不能在周期边缘被完全恢复,最大精度将只在周期的中间。当向后重建时,周期边缘将总是收敛到零谐波的值。
 

有一个问题:是否可以通过振幅、相位和频率来衡量函数之间的相似性?

就是这样!!!。我对其他事情不感兴趣...

关于傅里叶的其他内容都是CC的回答的结果,与我的问题无关。