交易中的机器学习:理论、模型、实践和算法交易 - 页 770 1...763764765766767768769770771772773774775776777...3399 新评论 forexman77 2018.03.26 13:32 #7691 马克西姆-德米特里耶夫斯基。一阶自回归系数与一阶自相关系数相吻合,但它们似乎并不吻合。 嗯,在左边的图中,你可以看到,但由于某些原因,图表本身是不同的。顺便说一下,我试着在Python上弄清楚ARIMA算法,但看着它是如何通过跳转十几个include文件来计算的,我感到很累。 也许,我怎样才能抓住整个算法,所有的东西是如何安排的呢? Maxim Dmitrievsky 2018.03.26 13:34 #7692 forexman77:顺便说一下,我试着用Python理解ARIMA算法,看到它是如何通过十几个插件文件进行计算跳转的,就觉得很累。 也许你能抓住整个算法,所有东西都是如何安排的?我应该读一下理论,我不知道,我自己没有编码--有人告诉我那里没有鱼,所以我不会再进一步 :) forexman77 2018.03.26 13:36 #7693 马克西姆-德米特里耶夫斯基。还有一件事--在非稳态图上应用acf是没有用的。但为什么没有用呢? 你可以看到它的趋势)为此目的,只有一个平滑的perl可以做到。 Maxim Dmitrievsky 2018.03.26 13:37 #7694 forexman77:为什么没有用,你可以看到它的趋势)只是为了这个目的,平滑的ATR可以是合适的。或一个普通的Macdac :) Maxim Dmitrievsky 2018.03.26 13:40 #7695 forexman77:该模型用于查看残差是否是自相关的,那么噪声是正常的,这意味着模型的建立是正确的。如果残差不是自相关的,噪音仍然存在,这意味着模型是正常的。 作为一个指标,它的作用不大 forexman77 2018.03.26 13:41 #7696 马克西姆-德米特里耶夫斯基。也许你应该读一个更好的理论,我不知道,我自己没有编码--有人告诉我那里没有鱼,所以我不进去 :)我也听你说过。只有在回顾了所有的理论和片段后,才得出结论,一个和一个一样的,作为一个诗句背诵的说,像鹦鹉。 但在实践中,没有人可以做出并展示一个算法)形成的意见,很多人不明白他们在谈论什么。 如果你想检查,你应该把它全部装入测试器并检查。在用R和Python计算每条数据时,你会感到很累,另外你还得 "玩 "参数。 Maxim Dmitrievsky 2018.03.26 13:45 #7697 forexman77:我也已经从你那里听到了这个消息。只有在看了所有的理论和视频之后,我才得出结论,一个相同的东西,比如背诵的诗句,他们像鹦鹉一样说。 但在实践中,没有人可以做出并展示一个算法)形成的意见,很多人不明白他们在谈论什么。 如果你想检查算法,你应该把它全部装入测试器并进行检查。但是,在用R和Python计算每个条形图时,你会感到很累,另外你还得 "玩 "参数。是的,但如果人们告诉我,我相信他们......))我想他们会的。 arima适用于预测定期周期、季节性销售和其他东西。市场有先验的非周期性周期(也许在一些不断增长的指数上会有一些影响)。 forexman77 2018.03.26 13:46 #7698 到目前为止,我对ARIMA的理解已经足够从计算AIC开始了,有不同的设置。而为了计算AIC,你需要得到Log-Likelihood,如果我理解正确的话,就是最大似然函数。但是,有些东西对R有点不适用。 forexman77 2018.03.26 13:48 #7699 马克西姆-德米特里耶夫斯基。arima的工作是预测周期性循环、季节性销售和其他无稽之谈。在市场上,周期是先验的非周期性的(好吧,也许对一些不断增长的指数会有一些影响)。但是,这又是 "人们所说的")。在我自己检查之前,我不相信它,另外我还会自己做一些补充,但为此我需要了解一切是如何运作的。顺便说一下,在加密货币上有很多机器学习的例子。为什么,因为其中有一个先验的趋势,所以它在那里也是有效的。 一旦他们打破趋势,所有这些 "智能学习 "就会停止工作。但是,IO中可能有一些真理,你应该寻找它....。 Maxim Dmitrievsky 2018.03.26 13:51 #7700 forexman77: 我对ARIMA的理解足以让我开始用不同的设置来计算AIC。为了计算AIC,我们需要得到Log-Likelihood,如果我理解正确的话,是最大似然的函数。但是,有些事情在R中并不顺利。盈余上没有源代码吗? 要复制和粘贴,然后边做边想。 我为了自己弄清楚,已经筋疲力尽了,直到我找到了一个有解释的适当来源,而且还没有完全完成。 1...763764765766767768769770771772773774775776777...3399 新评论 您错过了交易机会: 免费交易应用程序 8,000+信号可供复制 探索金融市场的经济新闻 注册 登录 拉丁字符(不带空格) 密码将被发送至该邮箱 发生错误 使用 Google 登录 您同意网站政策和使用条款 如果您没有帐号,请注册 可以使用cookies登录MQL5.com网站。 请在您的浏览器中启用必要的设置,否则您将无法登录。 忘记您的登录名/密码? 使用 Google 登录
一阶自回归系数与一阶自相关系数相吻合,但它们似乎并不吻合。
嗯,在左边的图中,你可以看到,但由于某些原因,图表本身是不同的。
顺便说一下,我试着在Python上弄清楚ARIMA算法,但看着它是如何通过跳转十几个include文件来计算的,我感到很累。
也许,我怎样才能抓住整个算法,所有的东西是如何安排的呢?
顺便说一下,我试着用Python理解ARIMA算法,看到它是如何通过十几个插件文件进行计算跳转的,就觉得很累。
也许你能抓住整个算法,所有东西都是如何安排的?
我应该读一下理论,我不知道,我自己没有编码--有人告诉我那里没有鱼,所以我不会再进一步 :)
还有一件事--在非稳态图上应用acf是没有用的。
但为什么没有用呢? 你可以看到它的趋势)为此目的,只有一个平滑的perl可以做到。
为什么没有用,你可以看到它的趋势)只是为了这个目的,平滑的ATR可以是合适的。
或一个普通的Macdac :)
该模型用于查看残差是否是自相关的,那么噪声是正常的,这意味着模型的建立是正确的。
如果残差不是自相关的,噪音仍然存在,这意味着模型是正常的。
作为一个指标,它的作用不大
也许你应该读一个更好的理论,我不知道,我自己没有编码--有人告诉我那里没有鱼,所以我不进去 :)
我也听你说过。只有在回顾了所有的理论和片段后,才得出结论,一个和一个一样的,作为一个诗句背诵的说,像鹦鹉。
但在实践中,没有人可以做出并展示一个算法)形成的意见,很多人不明白他们在谈论什么。
如果你想检查,你应该把它全部装入测试器并检查。在用R和Python计算每条数据时,你会感到很累,另外你还得 "玩 "参数。
我也已经从你那里听到了这个消息。只有在看了所有的理论和视频之后,我才得出结论,一个相同的东西,比如背诵的诗句,他们像鹦鹉一样说。
但在实践中,没有人可以做出并展示一个算法)形成的意见,很多人不明白他们在谈论什么。
如果你想检查算法,你应该把它全部装入测试器并进行检查。但是,在用R和Python计算每个条形图时,你会感到很累,另外你还得 "玩 "参数。
是的,但如果人们告诉我,我相信他们......))我想他们会的。
arima适用于预测定期周期、季节性销售和其他东西。市场有先验的非周期性周期(也许在一些不断增长的指数上会有一些影响)。
arima的工作是预测周期性循环、季节性销售和其他无稽之谈。在市场上,周期是先验的非周期性的(好吧,也许对一些不断增长的指数会有一些影响)。
但是,这又是 "人们所说的")。在我自己检查之前,我不相信它,另外我还会自己做一些补充,但为此我需要了解一切是如何运作的。
顺便说一下,在加密货币上有很多机器学习的例子。为什么,因为其中有一个先验的趋势,所以它在那里也是有效的。
一旦他们打破趋势,所有这些 "智能学习 "就会停止工作。但是,IO中可能有一些真理,你应该寻找它....。
我对ARIMA的理解足以让我开始用不同的设置来计算AIC。为了计算AIC,我们需要得到Log-Likelihood,如果我理解正确的话,是最大似然的函数。但是,有些事情在R中并不顺利。
盈余上没有源代码吗? 要复制和粘贴,然后边做边想。
我为了自己弄清楚,已经筋疲力尽了,直到我找到了一个有解释的适当来源,而且还没有完全完成。