Matstat 计量经济学 Matan - 页 20 1...131415161718192021222324252627...38 新评论 Roman 2021.05.16 10:25 #191 Aleksey Nikolayev:优化的标准方法是将目标乘以减数,最大化变成最小化(反之亦然)。我已经试图向你解释,如果误差是高斯分布,那么ISC==MLE。如果误差按拉普拉斯分布,那么MNC==MLE==MLE最小模数法。你可以自己计算出当MLE==MLE 时,Huber的 误差分布类型。在实验中,误差分布的类型要么是通过一些额外的考虑知道的,要么是通过实验选择的(通常是以一个合适的损失函数的形式)。 显然我第一次没有明白,现在我明白了)),谢谢你。 pribludilsa 2021.05.16 10:34 #192 Aleksey Nikolayev: 对你的知识印象深刻。你在外汇中赚钱了吗?你有一个个人网站吗?你会把钱拿去管理吗? Aleksey Nikolayev 2021.05.16 11:50 #193 pribludilsa:对你的知识印象深刻。你在外汇中赚钱了吗?你有一个个人网站吗?你拿钱做管理吗? 谢谢,但知识很一般--只有基础知识,但或多或少有些扎实。 我不知道如何赚钱。有时甚至是外汇) 我没有干扰器和信号,因为我独自工作(我喜欢这样)。我确信,仅凭我自己的力量,实际上是不可能创建一个在资本方面具有良好规模的系统。 Maxim Dmitrievsky 2021.05.16 11:53 #194 持续或反持续的增量也可以是随机的,所以赫斯特也没有说什么可预测性。是否与SB不同并无区别。SB只是随机性的一个特例,"正常 "的随机性。一般来说,分布的形状说明不了可预测性,我不知道该在那里寻找什么。 Maxim Dmitrievsky 2021.05.16 12:02 #195 Roman:要继续这个话题。 这里有很多人提到数据变薄。 有一种方法叫做PCA(主成分分析),它是降低数据 维度同时损失最少 信息的主要方法之一。 有人研究过这种方法吗?对其适用性有什么结论吗? 我知道,通过这种方法,资产选择会变薄。但我不知道如何在不损失维度的情况下对数据集进行减薄。 在我看来,瘦身的主要问题是降维。就是说,样本变成了不同的大小。 在一个简单的案例中,有来自同一所大学的讲师的建议,不要从一个集合中扔掉一个元素,而用例如邻近元素的平均值来代替它。 至少在简单的方法中,异常值就是这样被移除的。但要注意的是,还有其他的方法,这一点没有解释。 因此,PCA作为一种瘦身的想法,可以很好地研究。P.S. 聪明的网站链接,甚至可以找到类似主题的文章 哦,怎么会)) 一个无用的练习,在新的数据上,如果不是正弦波,组件会 "跳跃"。 也就是说,PSA是一种在子样本上进行拟合的方法,而且是一种线性拟合。 这不是一个寻找模式的方法。 Roman 2021.05.16 12:55 #196 Maxim Dmitrievsky:徒劳的练习,如果不是正弦波,有了新的数据,组件就会 "跳跃"。因此,PSA是一种在子样本上进行拟合的方法,而且是一种线性拟合。这不是一个寻找模式的方法。 马克西姆,到目前为止我还没有深入研究这个方法,我不能说什么。 我刚刚看了莫斯科证券交易所组织的研讨会的录像,,经纪人和各种研究人员如极客等分享了他们的经验、演讲等。 我听说过这种方法,它被用来为进一步的模型选择资产。 他表明,这种方法是有效的,并能带来某种增长。 我把他的文章看成是一个想法,可能它没有发挥作用。,但任何人都可能感兴趣并找到利润。 在YouTube上继续。 Maxim Dmitrievsky 2021.05.16 13:07 #197 Roman:马克西姆,我还没有接触过这种方法,所以我不能说什么。 我刚刚看了莫斯科证券交易所组织的研讨会的录像,,经纪人和各种研究人员如极客等都在分享他们的经验、演讲等。 我听说过这种方法,它被用来为进一步的模型选择资产。 他表明,这种方法是有效的,并能带来某种增长。 我也听说过这种方法是一种想法,也许它是不可行的。,但谁有兴趣,可能会找到应用的感觉。 Drimmer在这里有一篇文章,应用PSA来建立投资组合。但后来他推荐大家到工厂去 :) Roman 2021.05.16 13:24 #198 Maxim Dmitrievsky: Drimmer在这里有一篇文章,应用PSA来建立投资组合。但后来他推荐大家到工厂去 :) 也许建议是因为没有人明白什么?;) Maxim Dmitrievsky 2021.05.16 13:34 #199 Roman:也许建议是因为没有人明白什么?;) 由于相当客观的原因。固定的投资组合只在当下起作用,在新的数据上,如果没有正确的技能,事情就会被打破。 Victor Klenov 2021.05.16 13:54 #200 Roman:马克西姆,我还没有接触过这种方法,所以我不能说什么。 我刚刚看了莫斯科证券交易所组织的研讨会的录音,,经纪人和各种研究人员如极客等分享了他们的经验、演讲等。 我听说过这种方法,它被用来为进一步的模型选择资产。 他表明,这种方法是有效的,并能带来某种增长。 我把他的文章看成是一个想法,可能它没有发挥作用。,但任何人都可能感兴趣并找到利润。在YouTube上继续。 不要这样说话,兄弟。 1...131415161718192021222324252627...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
优化的标准方法是将目标乘以减数,最大化变成最小化(反之亦然)。
我已经试图向你解释,如果误差是高斯分布,那么ISC==MLE。如果误差按拉普拉斯分布,那么MNC==MLE==MLE最小模数法。你可以自己计算出当MLE==MLE 时,Huber的 误差分布类型。
在实验中,误差分布的类型要么是通过一些额外的考虑知道的,要么是通过实验选择的(通常是以一个合适的损失函数的形式)。
显然我第一次没有明白,现在我明白了))
,谢谢你。
对你的知识印象深刻。你在外汇中赚钱了吗?你有一个个人网站吗?你会把钱拿去管理吗?
对你的知识印象深刻。你在外汇中赚钱了吗?你有一个个人网站吗?你拿钱做管理吗?
谢谢,但知识很一般--只有基础知识,但或多或少有些扎实。
我不知道如何赚钱。有时甚至是外汇)
我没有干扰器和信号,因为我独自工作(我喜欢这样)。我确信,仅凭我自己的力量,实际上是不可能创建一个在资本方面具有良好规模的系统。
要继续这个话题。
这里有很多人提到数据变薄。
有一种方法叫做PCA(主成分分析),它是降低数据 维度同时损失最少 信息的主要方法之一。
有人研究过这种方法吗?对其适用性有什么结论吗?
我知道,通过这种方法,资产选择会变薄。但我不知道如何在不损失维度的情况下对数据集进行减薄。
在我看来,瘦身的主要问题是降维。就是说,样本变成了不同的大小。
在一个简单的案例中,有来自同一所大学的讲师的建议,不要从一个集合中扔掉一个元素,而用例如邻近元素的平均值来代替它。
至少在简单的方法中,异常值就是这样被移除的。但要注意的是,还有其他的方法,这一点没有解释。
因此,PCA作为一种瘦身的想法,可以很好地研究。
P.S. 聪明的网站链接,甚至可以找到类似主题的文章
哦,怎么会))
一个无用的练习,在新的数据上,如果不是正弦波,组件会 "跳跃"。
也就是说,PSA是一种在子样本上进行拟合的方法,而且是一种线性拟合。
这不是一个寻找模式的方法。
徒劳的练习,如果不是正弦波,有了新的数据,组件就会 "跳跃"。
因此,PSA是一种在子样本上进行拟合的方法,而且是一种线性拟合。
这不是一个寻找模式的方法。
马克西姆,到目前为止我还没有深入研究这个方法,我不能说什么。
我刚刚看了莫斯科证券交易所组织的研讨会的录像,
,经纪人和各种研究人员如极客等分享了他们的经验、演讲等。
我听说过这种方法,它被用来为进一步的模型选择资产。
他表明,这种方法是有效的,并能带来某种增长。
我把他的文章看成是一个想法,可能它没有发挥作用。
,但任何人都可能感兴趣并找到利润。
在YouTube上继续。
马克西姆,我还没有接触过这种方法,所以我不能说什么。
我刚刚看了莫斯科证券交易所组织的研讨会的录像,
,经纪人和各种研究人员如极客等都在分享他们的经验、演讲等。
我听说过这种方法,它被用来为进一步的模型选择资产。
他表明,这种方法是有效的,并能带来某种增长。
我也听说过这种方法是一种想法,也许它是不可行的。
,但谁有兴趣,可能会找到应用的感觉。
Drimmer在这里有一篇文章,应用PSA来建立投资组合。但后来他推荐大家到工厂去 :)
也许建议是因为没有人明白什么?
;)
也许建议是因为没有人明白什么?
;)
马克西姆,我还没有接触过这种方法,所以我不能说什么。
我刚刚看了莫斯科证券交易所组织的研讨会的录音,
,经纪人和各种研究人员如极客等分享了他们的经验、演讲等。
我听说过这种方法,它被用来为进一步的模型选择资产。
他表明,这种方法是有效的,并能带来某种增长。
我把他的文章看成是一个想法,可能它没有发挥作用。
,但任何人都可能感兴趣并找到利润。
在YouTube上继续。
不要这样说话,兄弟。