Matstat 计量经济学 Matan - 页 11 1...456789101112131415161718...38 新评论 Алексей Тарабанов 2021.05.14 20:25 #101 Aleksey Nikolayev:应课题组的要求,我将继续讲述最大可能性的原则。为简洁起见,我将使用英文术语MLE(最大似然估计)。根据定义,似然是联合分布的密度。对于一个大小为N的样本,它是一个数字N维空间的数字函数。此外,它还取决于要确定(估计)的参数。因此,问题出现了--这种功能从何而来?答案是 "随缘"),因为不可能涵盖所有的各种方式。 可信度是指落在置信区间 内的概率。那么什么是可信度呢?简单的说,没有联合分布的密度。 Aleksey Nikolayev 2021.05.14 20:41 #102 Алексей Тарабанов:可信度是指落在置信区间 内的概率。什么是可信度?简单的说,没有联合分布的密度。 对你来说,密度的概念到底有什么困难? Dmitry Fedoseev 2021.05.14 22:35 #103 像往常一样--首先是正态性,然后是静止性,然后...像往常一样... 哦,顺便说一下,不是每个人都把高斯噪声称为白色。白的就是白的,高斯的就是高斯的。 Maxim Dmitrievsky 2021.05.14 22:42 #104 实际上,我还没有看到在量子出版物中提到使用SB和其他噪音来创造任何可交易的东西,除了用于测试的模拟。而这种方法被公认为是无效的。好吧,也是为了模拟一些不真实的东西,与真实的东西进行比较,表明它与眼睛相似,但绝对没有用。商人习惯于更现实地思考,并在真正的地方寻找东西。计量经济学 非常有用,它可以预测正弦波,很容易被机器学习取代。而且还没有人想出用什么来取代机器学习。在这一点上,我们可以结束对这一主题的所有哲学思考,因为它是无益的,没有任何结果😁一般来说,学习SB和计量经济学的人的发展大致如下:Coolibin -> 计量经济学家 -> Coolibin/econometrician = 实验家Coolibin Alexander_K2 2021.05.14 23:37 #105 Доктор:阅读你的论著,你实际上已经证明,无论怎样的抽搐操作都不会改变行的持久性。(笑) 恭喜你。 持久性与此有什么关系?我根本就没有提到这个词...医生,我很抱歉,但你比我想象的还要笨....。这是关于最大限度地保存系列的结构,而结构是负责的,正如我们所知,结构,非熵(或熵)。 事实表明,用M1及以上的方法工作,与用没有拆迁的维纳过程工作没有区别。而且应该采用与处理蜱 虫和稀薄蜱虫时完全不同的方法。 人们报告说,通过某些调整,术士方法获得了成功.... 他们有自己的聚会,而你在其中是相当多余的,因为你什么都不懂。 你根本不应该碰市场,你不喜欢它,它也不喜欢你。 我就不和你说了。 Roman 2021.05.15 02:36 #106 Aleksey Nikolayev:3)标准版的MLE。 常常被用作MLE的定义,但这过于缩小了方法的适用性。 使用的假设是,样本中的所有随机变量 a)都是独立的, b)具有相同的单变量分布,密度为p(x,a),,其中a是要估计的参数。 那么似然函数L=p(x1,a)*p(x2,a)*...*p(xn,a),其中n是样本大小。 将样本(第一种意义上的)代入x的,得到L=L(a),并寻找L达到最大值的amax。 请注意,我们可以最大化LL(a)=log(L(a))而不是L(a),因为对数是一个单调的函数,而且很方便地用加法代替了乘法。举个例子,考虑指数分布 p(x,a)=a*exp(-a*x),log(p(x,a))=log(a)-a*x,,导数由参数d(log(p(x,a))/da=1/a-x。 因此,我们需要解决方程1/a-x1+1/a-x2+...+1/a-xn=0-> amax=n/(x1+x2+...+xn)。4)下次我将介绍如何获得最小化模块之和的方法,而不是MNC)因此,我们将分布中心最大化? 基本上是零西格玛? 或者说,最大值不会总是接近零西格玛? 关于交易、自动交易系统和策略测试的论坛 Matstat-Econometrics-Matan Alexei Tarabanov, 2021.05.14 22:25 可信度是指落在置信区间 内的概率。那么什么是可信度呢?简单来说,如果没有联合分布密度。 那它是一样的吗? 变量来自正态分布的概率==最大似然? [删除] 2021.05.15 04:51 #107 Alexander_K2:而且,关于计量经济学、matstat和matan(天哪,什么名字!),我支持Automat--只有在个人掌握了物理过程的情况下,这种胡言乱语才适用。否则都是胡言乱语,不值得关注。阿门。无意冒犯。 他们不明白这一点。更重要的是,他们根本不了解物理学。这对他们来说没有用。 让我们放过他们吧。让他们嬉戏吧。我们要看。 denis.eremin 2021.05.15 05:56 #108 Maxim Dmitrievsky: 事实上,除了用于测试的模拟,我还没有看到在量化出版物中提到使用SB和其他噪音来创造任何可交易的东西。而这种方法被公认为是无效的。好吧,也是为了模拟一些不真实的东西,与真实的东西进行比较,表明它与眼睛相似,但绝对没有用。商人习惯于更现实地思考,并在真正的地方寻找东西。计量经济学 非常有用,它可以预测正弦波,很容易被机器学习取代。而且还没有人想出用什么来取代机器学习。在这一点上,我们可以结束对这一主题的所有哲学思考,因为它是无益的,没有任何意义😁 一般来说,SB和计量经济学研究的发展大致如下:库里宾 -> 计量经济学家 -> 库里宾/计量经济学家=实验家库里宾 没有一个量子会公布一个工作模型或方法。一般来说,他们在被录用时都会签署一份NDA。 他们发表的东西要么不再起作用,要么从未起作用,但在理论上是有趣的。 Aleksey Nikolayev 2021.05.15 06:18 #109 Roman:那么,我们是在最大限度地提高分布的中心吗? 或者说,最大值不会总是在零西格玛 附近? 忘记正态分布)不要永远忘记它,只是暂时忘记它)它不断出现,但实际上有很多分布,包括表格和未命名的分布)。 MLE的意义在于,我们有无数个由参数 "编号 "的模型。根据实验的结果(数字意义上的抽样),我们从中选择可能性最大的那一个。概率(分布密度)是一个基本的理论家概念(直接来自科学公理),人们只能习惯于它的应用,而不试图通过其他不太基本的概念来解释。 MLE方法是如此基本,以至于它甚至已经迁移到机器学习中(连同性状和反应的联合分布的隐含概念) ) 这就留下了一个问题,即用哪种参数化的模型系列来工作。这个问题通常是实际的,取决于有关的对象。 Roman: 那它是一样的吗? 来自正态分布的变量的概率==最大似然? 置信区间 来自于参数的区间估计领域,在这个领域中,人们并没有找到参数的特定值,而是找到它以一定概率落入的区间。例如,每个人都只考虑赫斯特的数值,并且非常高兴它不等于0.5。但事实上,必须证明赫斯特很有可能落入一个不包含0.5的区间。这通常是一个大问题)。 MLE是来自参数的点估计领域。这个问题略有不同,但与前一个问题一样,其解决方案依赖于联合抽样分布的概念(在第二种意义上)。因此,"我知道置信区间,但我不知道联合分布密度 "的说法包括两个相互排斥的说法) 我建议你一个一个地去研究这些方法,而不是把它们弄得不可理喻。 Maxim Dmitrievsky 2021.05.15 06:54 #110 denis.eremin:没有一个量子会公布一个工作模型或方法。一般来说,他们在被雇佣时签署了一份NDA。他们发表的东西要么不再起作用,要么从未起作用,但在理论上是有趣的。 这并没有使第一个论题失效。并公布了相当的工作模式。 1...456789101112131415161718...38 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
应课题组的要求,我将继续讲述最大可能性的原则。为简洁起见,我将使用英文术语MLE(最大似然估计)。
根据定义,似然是联合分布的密度。对于一个大小为N的样本,它是一个数字N维空间的数字函数。此外,它还取决于要确定(估计)的参数。
因此,问题出现了--这种功能从何而来?答案是 "随缘"),因为不可能涵盖所有的各种方式。
可信度是指落在置信区间 内的概率。那么什么是可信度呢?简单的说,没有联合分布的密度。
可信度是指落在置信区间 内的概率。什么是可信度?简单的说,没有联合分布的密度。
对你来说,密度的概念到底有什么困难?
像往常一样--首先是正态性,然后是静止性,然后...像往常一样...
哦,顺便说一下,不是每个人都把高斯噪声称为白色。白的就是白的,高斯的就是高斯的。
阅读你的论著,你实际上已经证明,无论怎样的抽搐操作都不会改变行的持久性。(笑) 恭喜你。
持久性与此有什么关系?我根本就没有提到这个词...医生,我很抱歉,但你比我想象的还要笨....。这是关于最大限度地保存系列的结构,而结构是负责的,正如我们所知,结构,非熵(或熵)。
事实表明,用M1及以上的方法工作,与用没有拆迁的维纳过程工作没有区别。而且应该采用与处理蜱 虫和稀薄蜱虫时完全不同的方法。
人们报告说,通过某些调整,术士方法获得了成功....
他们有自己的聚会,而你在其中是相当多余的,因为你什么都不懂。
你根本不应该碰市场,你不喜欢它,它也不喜欢你。
我就不和你说了。
3)标准版的MLE。
常常被用作MLE的定义,但这过于缩小了方法的适用性。
使用的假设是,样本中的所有随机变量
a)都是独立的,
b)具有相同的单变量分布,密度为p(x,a),
,其中a是要估计的参数。
那么似然函数L=p(x1,a)*p(x2,a)*...*p(xn,a),其中n是样本大小。
将样本(第一种意义上的)代入x的,得到L=L(a),并寻找L达到最大值的amax。
请注意,我们可以最大化LL(a)=log(L(a))而不是L(a),因为对数是一个单调的函数,而且很方便地用加法代替了乘法。
举个例子,考虑指数分布 p(x,a)=a*exp(-a*x),log(p(x,a))=log(a)-a*x,
,导数由参数d(log(p(x,a))/da=1/a-x。
因此,我们需要解决方程1/a-x1+1/a-x2+...+1/a-xn=0-> amax=n/(x1+x2+...+xn)。
4)下次我将介绍如何获得最小化模块之和的方法,而不是MNC)
因此,我们将分布中心最大化? 基本上是零西格玛?
或者说,最大值不会总是接近零西格玛?
关于交易、自动交易系统和策略测试的论坛
Matstat-Econometrics-Matan
Alexei Tarabanov, 2021.05.14 22:25
可信度是指落在置信区间 内的概率。那么什么是可信度呢?简单来说,如果没有联合分布密度。
变量来自正态分布的概率==最大似然?
而且,关于计量经济学、matstat和matan(天哪,什么名字!),我支持Automat--只有在个人掌握了物理过程的情况下,这种胡言乱语才适用。否则都是胡言乱语,不值得关注。
阿门。
无意冒犯。
他们不明白这一点。更重要的是,他们根本不了解物理学。这对他们来说没有用。
让我们放过他们吧。让他们嬉戏吧。我们要看。
事实上,除了用于测试的模拟,我还没有看到在量化出版物中提到使用SB和其他噪音来创造任何可交易的东西。而这种方法被公认为是无效的。好吧,也是为了模拟一些不真实的东西,与真实的东西进行比较,表明它与眼睛相似,但绝对没有用。商人习惯于更现实地思考,并在真正的地方寻找东西。计量经济学 非常有用,它可以预测正弦波,很容易被机器学习取代。而且还没有人想出用什么来取代机器学习。在这一点上,我们可以结束对这一主题的所有哲学思考,因为它是无益的,没有任何意义😁
没有一个量子会公布一个工作模型或方法。一般来说,他们在被录用时都会签署一份NDA。
他们发表的东西要么不再起作用,要么从未起作用,但在理论上是有趣的。
那么,我们是在最大限度地提高分布的中心吗?
或者说,最大值不会总是在零西格玛 附近?
忘记正态分布)不要永远忘记它,只是暂时忘记它)它不断出现,但实际上有很多分布,包括表格和未命名的分布)。
MLE的意义在于,我们有无数个由参数 "编号 "的模型。根据实验的结果(数字意义上的抽样),我们从中选择可能性最大的那一个。概率(分布密度)是一个基本的理论家概念(直接来自科学公理),人们只能习惯于它的应用,而不试图通过其他不太基本的概念来解释。
MLE方法是如此基本,以至于它甚至已经迁移到机器学习中(连同性状和反应的联合分布的隐含概念) )
这就留下了一个问题,即用哪种参数化的模型系列来工作。这个问题通常是实际的,取决于有关的对象。
那它是一样的吗?
来自正态分布的变量的概率==最大似然?置信区间 来自于参数的区间估计领域,在这个领域中,人们并没有找到参数的特定值,而是找到它以一定概率落入的区间。例如,每个人都只考虑赫斯特的数值,并且非常高兴它不等于0.5。但事实上,必须证明赫斯特很有可能落入一个不包含0.5的区间。这通常是一个大问题)。
MLE是来自参数的点估计领域。这个问题略有不同,但与前一个问题一样,其解决方案依赖于联合抽样分布的概念(在第二种意义上)。因此,"我知道置信区间,但我不知道联合分布密度 "的说法包括两个相互排斥的说法)
我建议你一个一个地去研究这些方法,而不是把它们弄得不可理喻。
没有一个量子会公布一个工作模型或方法。一般来说,他们在被雇佣时签署了一份NDA。
他们发表的东西要么不再起作用,要么从未起作用,但在理论上是有趣的。