关于误差应该如何分配。我也不认为这很重要）我明白为什么计量经济学家希望误差是白噪声：零摩--误差中没有趋势，有限方差--误差不会增长到不可预测的大小，使得对有用信号（确定性成分）的评估毫无意义。但它还没有来到行业。一个简单的止损设置能够切断不需要的尾巴，限制交易的回报分布的方差。也就是说，只要不干扰模型质量评价的标准，噪音可以是任何东西。如果对信号/噪声的估计在信号和噪声分布之前都是一样的，我们可以定性地估计模型，这就是我们现阶段需要的。 imha
关于误差应该如何分配。我也不认为这很重要）我明白为什么计量经济学家希望误差是白噪声：零摩--误差中没有趋势，有限方差--误差不会增长到不可预测的大小，使得对有用信号（确定性成分）的评估毫无意义。但它还没有来到行业。一个简单的止损设置能够切断不需要的尾巴，限制交易的回报分布的方差。也就是说，只要不干扰模型质量评价的标准，噪音可以是任何东西。如果信号/噪声估计在信号和噪声分布之前并不重要，我们可以定性地估计模型，这就是我们在这个阶段所需要的。 imha
但是，如果你做中间过滤，因为你应该。
什么都不应该做，咄咄怪事。如果你故意修剪导数，你会得到修剪后的导数，这并不奇怪。如果你不修剪，你就会得到未受割礼。
而如果只是为了让系统适应自己的分析方法而丢掉冷冻信息，那将是一个死胡同--特别是对于交易系统来说：我们需要获得可靠的实时信号信息，而过滤会引入一个群体延迟，也会切断小波频谱的高频部分--正是提供良好可检测边缘的那一半。
简而言之，在平滑之后，你可以尽情地检测一个信号，甚至可靠地找到它，但这些信息在获得它的那一刻实际上是毫无价值的。这就是为什么我坚决反对任何形式的预先过滤，我们应该用干净的报价来工作。
没有任何东西跟上，咄。如果你故意修剪导数，你会得到修剪后的导数，这并不奇怪。而如果你不修剪，你就会得到不修剪。
而如果只是为了适应自己的分析方法而丢掉冷冻信息，那将是一个死胡同--特别是对于交易系统来说：获得可靠的实时信号信息是很重要的，而过滤会引入一个群体延迟，也会切断小波频谱的高频部分--正是提供良好可检测边缘的那一半。
简而言之，在平滑之后，你可以尽情地检测一个信号，甚至可靠地找到它，但这些信息在获得它的那一刻实际上是毫无价值的。这就是为什么我坚决反对任何形式的预先过滤，我们应该用干净的报价来工作。
嗯，你不应该，所以你不应该...这是你的观点。我也不打算与之争论。
但在这种情况下，谈论衍生品是不正确的。
前10个欧元兑美元衍生品的数据。
这组数字不是导数!
泰勒级数对差值d1, d2, ...d8.
英镑兑美元日报
1）没有中间差分过滤
2）带中间差分过滤的
也就是说，有点像猜中分数的百分比，以递增的方式...在我看来，这是一项艰巨的任务......不能从这里的噪音下脱身，必须在50-55%的范围内工作。不过我会牢记这一点。
不，把预测方向的 增量加起来，反方向的增量分开。一个除以另一个就是利润系数公式。不仅要考虑到猜测的符号的百分比，还要考虑到增量本身的大小。
这个指标不仅同时考虑了预测误差，也考虑了猜测的信号。即基本上是DSP术语中的信号/噪声（我猜）），因为我对DSP不熟悉）。而且它不需要预测误差的HP，比如通过误差抽筋的估计等。
关于误差应该如何分配。我也不认为这很重要）我明白为什么计量经济学家希望误差是白噪声：零摩--误差中没有趋势，有限方差--误差不会增长到不可预测的大小，使得对有用信号（确定性成分）的评估毫无意义。但它还没有来到行业。一个简单的止损设置能够切断不需要的尾巴，限制交易的回报分布的方差。也就是说，只要不干扰模型质量评价的标准，噪音可以是任何东西。如果对信号/噪声的估计在信号和噪声分布之前都是一样的，我们可以定性地估计模型，这就是我们现阶段需要的。 imha
而且，人们不应该把经典意义上的误差看作是预测和现实之间的差异，而是要考虑到误差的方向。立即进入交易员的真实，在正确的方向上的错误不是错误，而是利润））。即如果预测--增长40点，而它增长了100点，那么就不要严格判断模型）例如，趋势跟踪是基于这种错误--在正确的方向上的弹射。他们用止损来切断亏损区的增量分布，并在不采取止盈的情况下捕捉到许多标点的罕见尖峰。如果你看一下收益的分布，它和误差的分布一样，都远非正常。拟议的PF公式考虑到了这一点。
泰勒级数对差值d1, d2, ...d8.
英镑兑美元日报
1）无中间差异过滤
2）用中间差分过滤法
1.你刚刚证明，如果你削减高阶导数，它将近似于泰勒级数。这对刺猬来说是很明显的。最终有可能将报价过滤到甚至会变成一条直线的程度，那么还有什么更有趣的呢？我们对原始系列感兴趣，而且只感兴趣。
2.这些噱头在实践中是无用的，我重复一遍，因为它们带来的延迟。我们不是在处理函数近似，而是在处理实时检测和预测。在你的图片中，你可以看到过滤后的信号滞后，这是不可接受的，因为进入交易的决定应该在此时此刻做出，而在下一次读出时就已经太晚。因此，唯一的变体是基于使用非线性方法和非线性标准选择局部规律性的预测，这将表明，我们对系统的当前结构和参数的猜测程度。
在我们的案例中，合成最优控制的问题是非标准的，所以电子和雷达书籍中描述的技巧大多不适合。
不，把预测方向的增量值加 起来，反方向的增量值 分开。一个除以另一个，就是一个利润系数公式。不仅是猜测的符号的百分比，而且还考虑到了增量本身的价值
这个数字不仅考虑了预测误差，也考虑了猜测的信号。即基本上是DSP术语中的信号/噪声（可能））），因为我在DSP方面不强）。而且它不需要预测误差的HP，比如通过误差抽筋的估计等。
关于误差应该如何分配。我也不认为这很重要）我明白为什么计量经济学家希望误差是白噪声：零摩--误差中没有趋势，有限方差--误差不会增长到不可预测的大小，使得对有用信号（确定性成分）的评估毫无意义。但它还没有来到行业。一个简单的止损设置能够切断不需要的尾巴，限制交易的回报分布的方差。也就是说，只要不干扰模型质量评价的标准，噪音可以是任何东西。如果信号/噪声估计在信号和噪声分布之前并不重要，我们可以定性地估计模型，这就是我们在这个阶段所需要的。 imha
只有当我们考虑一个不断预测和进行交易的系统时，所有这些才是真的。在实践中，在一分钟图表上每周可能有2-5个条目，也就是说，所做的预测数量少于八分之一的样本数量。
而且，我们不应该把经典意义上的误差看作是预测和现实之间的差异，而是要考虑到误差的方向。立即去交易者的真实，在正确的方向上的错误不是错误，而是利润））。即如果预测--增长40点，而它增长了100点，那么就不要严格判断模型）例如，趋势跟踪是基于这种错误--在正确的方向上的弹射。他们用止损来切断亏损区的增量分布，并在不获利的情况下抓住许多标点的罕见尖峰。如果你看一下收益的分布，它和误差的分布一样，都远非正常。拟议的PF公式考虑到了这一点。
呵，这当然很诱人，但正确的错误回报发生在我们购买之后。我们必须在进入之前评估标准并确定方向。因此，如果我们在输入之前就知道一边的离群值比另一边的离群值更有可能，我们就可以简单地把这个因素纳入我们的系统，并从此使用它。
另外，我错在沿途擦掉了图表：上面画了两个错误。1）内部建模误差，关于这一点，我说过它应该是正常的、不相关的，因为它是模型充分描述系统结构的一个标准（计量经济学 与此无关），2）预测误差，它不应该也不会是正常的，因为输入有那些非常不可预测的异常值。而这甚至是一件好事，因为否则即使是我们的潜在收益也可能被保证为0。
但是好吧...我不打算改变你的想法...随你的便吧...
但在我看来，你似乎并不熟悉优化控制合成的任务--我在这里指的不是测试者的 "优化器"。
泰勒级数对差值d1, d2, ...d8.
为了应用泰勒级数展开，该函数必须是无限可微的。
然而，各种随机漫步（包括那些具有高阶不可预测时刻的随机漫步）并不是可微的。而价格与随机漫步很相似 :)
为了应用泰勒级数展开，该函数必须是无限可微的。
然而，各种随机漫步（包括那些具有不可预测的高阶时刻的随机漫步）并不是可微的。而价格与随机漫步相当相似 :)
很对。这就是为什么我们不应该谈论衍生品，而是谈论增量。获得的增量与导数的接近程度可以用泰勒级数来估计，即把获得的增量正式替换为泰勒级数中出现的导数。由此产生的对系列的估计间接地表明了近似的质量。