交易中的机器学习:理论、模型、实践和算法交易 - 页 723

 
马克西姆-德米特里耶夫斯基

教师培训原则上不适合处理非平稳过程,所有书中都写到了这一点。

在任何地方都有 对金融系列应用深网的理由吗?)

 
贝尔福德

在任何地方都有 对金融行适用深网的理由吗)?

至少有一个证据,那就是这个主题,论坛上最聪明的人在这个主题中打破了

 
桑桑尼茨-弗门科

哪里写着与老师一起训练需要静止性?

你所谓的kamalaniya已经被证明了很多次,山一样的出版物,但没有老师的行业,根本就没有什么培训。

耶稣,无处不在,比如说在某人最喜欢的海金。

在我的例子中,我展示了NS的无力推断。

我所说的kamlanie总是损失了关于变换的信息,那么通过它就不可能重建非平稳的BP,因为它对初始条件和小的波动非常敏感。

但我并没有说服任何人,这只是我的观点。

关于没有老师的问题,我现在不能说什么,不知道是什么地方。

 
马克西姆-德米特里耶夫斯基


在我的例子中,我显示了NS的无力推断

你的例子是你个人能力或能力的证明,而且只在当前时刻。你的例子与NS的一般能力无关,因为证明不是基于例子的,而现有的证明是由例子来检验的。

我所说的kamlaning总是损失了 关于变换的信息,那么通过它就不可能重建不稳定的VR回来,因为它对初始条件和小波动非常敏感。

你对这个问题并不熟悉,因为它正好相反。此外,处理非平稳数列的想法是数列的分化,而不是转换。

 
桑桑尼茨-弗门科

在我的例子中,我显示了NS的无力推断

你的例子是你个人能力或能力的证明,而且只在当前时刻。你的例子与NS的一般能力无关,因为证明不是基于例子的,而现有的证明是由例子来检验的。

我所说的kamlaning总是损失了 关于变换的信息,那么通过它就不可能重建不稳定的VR回来,因为它对初始条件和小波动非常敏感。

你对这个问题并不熟悉,因为情况正好相反。此外,处理非平稳数列的想法是数列的DIVISION,而不是转换。

不要再自作聪明了,给我看看信号。

不可能从一个构建的模型中恢复一个不确定的构建的BP,因为这个过程是非平稳的。

也就是说,从本质上讲,NS应该能够通过向他人学习来预测任何随机行走时间表
 
Maxim Dmitrievsky:

不要再自作聪明了,把信号显示出来

从建立的模型中不可能重建真实的BP,因为这个过程是非稳态的。

阅读GARCH。

该模型是由时间序列 返回的,而不是反过来。虽然有一种反向模式,称为 "模拟",当BP从具有指定参数的模型中生成,然后用于测试真实模型。 但这是一种测试,可以测试模型在不同类型的趋势、不同变体的方差行为及其分布上的行为。这是一个不同的模型测试的想法,这里根本没有讨论。

 

我现在就说。

先生们!这个话题早已经枯竭了。

你知道为什么吗?你们甚至没有人试图与报价流的强度合作。那里只是坐着臭名昭著的非稳态性,这几乎不可能转化为稳态泊松流,但在计算中必须考虑到。

你的投入充满了垃圾。你想要什么?

递增 的速度工作,正如伟大的费曼所遗留的那样,在他面前,你们所有人都像月亮。就这样吧!
 

你只用了NS,而且只用了其中一个变体,就把所有的机器学习都归纳到这里。

除了NS之外,还有数百个机器学习模型,在caret shell下有200多个模型。除了那个最初的数据准备,除了那个模型评估--你对一切都有一个非常有限的想法,因为你把自己限制在外面某个农家的工具上。


PS。

没有老师的学习原则上不能在交易中应用,因为总是有老师。它可能被掩盖为有增援的NS,但必然有一个原则。

 
桑桑尼茨-弗门科

阅读GARCH。

模型是由时间序列产生的,而不是反过来的。虽然有一种反向模式,称为 "模拟",即从具有给定参数的模型中生成BP,然后用来测试真实模型。 但这种测试可以测试模型在不同种类的趋势、不同变化的方差行为及其分布上的行为。这是一个非常不同的模型测试的想法,这里根本就没有讨论。

我们应该相互约定,只有在事先提供报告的情况下,才能给别人提供建议,好吗?

否则,这只是一种观点,是数百种观点中的一种。

我做了一些事情,然后写下我的结果和我的意见,我不强迫任何人做任何事情。

 
马克西姆-德米特里耶夫斯基

我们应该相互同意给别人提供建议,只有当我们事先给出一个报告时,才可以,好吗?

否则,它只是一种意见,是数百种意见中的一种。

以上我提出了成千上万人的单一意见,我不仅可以用货币对交易领域的出版物,还可以用现成的软件包支持它。

如果你具体指的是GARCH,Matlab的工具箱"Econometrics"就是GARCH。