交易中的机器学习：理论、模型、实践和算法交易 - 页 770

新评论
 
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？

 
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 :)

 
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。

 
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 :)

 
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

 
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。

 
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）。

 
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。
 
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....。

 
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