市场现象 - 页 26

新评论
 
paukas:
惯性是不起作用的 :)

你能详细说明一下这个思想过程吗？

比如说。功是力与位移的乘积。惯性不是一种力，所以它不能发挥作用。因此，惯性是不起作用的 :)

 
paukas:
Gop-stop））。
 
Candid:

你能详细说明一下这个思想过程吗？

比如说。功是力与位移的乘积。惯性不是一种力，所以它不能发挥作用。因此，惯性是不起作用的 :)

课题组的证明是肯定的。

如果它是有效的，那么为什么我没有在福布斯的名单上看到你？ :))

 
Candid:

你能详细说明一下这个思想过程吗？

比如说。功是力与位移的乘积。惯性不是一种力，所以它不能发挥作用。因此，惯性是不起作用的 :)

惯性是一个力的结果，所以它的作用是相对的:)
 
paukas:

课题组的一个委婉的证明。

如果它起作用，那么为什么我在福布斯名单上没有看到你？ :))

思想的惯性。如果它能起作用，我就会从两个冰箱里喝啤酒，什么都不做 :)
 
Candid:
思想的惯性。如果它起作用，我就会从两个冰箱里喝啤酒，什么都不做 :)

我希望我也能这样生活!

我将在突破今天的低点时下单。 也许它将惯性地再走100点。

 
paukas:

我真该死!

我将在突破今天的低点时下单。 也许它只是在惯性中再走100点。

你确定是点子吗？来点薯片加啤酒怎么样？
 
paukas:

我希望我也能像这样生活!

我会下单要求对今天的低点进行分解。 也许它将惯性地再走100点。

我希望我当时能预测到这样的价格!波卡斯预测，又有60个点了！"。- 这就是 "现象"!

:)

 
IgorM:

我应该预测到这样的价格!波卡斯预测，又有60个点了！"。- 他在那里，"现象"!

:)

该怎么做？洞就是洞，但你必须要吃。:))
 
alexeymosc:

我想说几句话。

我觉得这个结果非常令人好奇和意外。(如果我没有理解错的话，红线显示的是差异之和不超过+-λ的累积BP？)甚至非常意外。第二件让我吃惊的事是与价格数据的差异--非常明显。不过，我想问一下，你为合成随机数指定了什么样的分布？

是的，累积的BP（对于这个例子）。再一次（使用了我在另一个主题的帖子，并稍作修改）。

市场模式

经过多次搜索，采用了这个 "具有随机结构的控制系统 "的东西作为市场模型的工作版本。在我看来（虽然不是数学）--这个模型充分地描述了报价过程的所有微妙之处。

其本质是非常简单的。有有限数量的结构来描述输入到输出的转变。每一个这样的结构都意味着一些模型，根据这些模型进行转换。观察到的过程是由结构之间的过渡（切换）形成的。所有这些都显示在下面的图片中。


每个模型都有一组参数，这些参数在每次切换时也可以改变。因此，我假设有两个主要过程，每个过程都有自己的层次结构，每个坐在层次结构中的节点上的元素都有自己的结构。

过程中的相互作用

根据过渡矩阵（推测），这两个过程相互竞争，即有一个 "外部"（当然是传统意义上的）市场的一些系统，在这些过程之间切换报价的产生。稍后，我将更详细地说明，并提及

适应实践。

一切都很好--但不可能准确识别这样的系统。因此，我引入 "组合模型"：A=W(1)MODEL1(参数)+W(2)MODEL2(参数)+....+W(n)MODELn(参数)。其中W(n)是这些模型参与预测的一些权重。由于所发明的转变，可能有可能明确地划分出这些过程。但那是以后的事了。

我在用什么工作？

我不直接从事报价工作--这是一个极其复杂的过程。我介绍了各种棘手的转变，但我所说的也适用于它们。复杂性是不会消失的--它被继承了。你不能简化这个过程。而如果你真的简化了，你就会失去这个过程本身。(也就是说，甚至比我描述的还要复杂一点，但我已经展示了这个现象和一些更有趣的观察)

时间序列的演变分析

基本阶段。在这个阶段，我通过一些标准来确定所有可能的结构。我估计了这些结构之间转换的统计数据。我为这些结构确定了一个过渡频率矩阵。在未来，我正在考虑使用所谓的脉冲神经网络（或波浪网络）。这是一个非常有希望的方向。

算法

(1) 通过对行为的一些假设，对系统在规划水平线上的特定时刻的未来状态进行概率估计。神经网络通过所产生的初始状态的概率评估矩阵p=f(time,cotir)进行爬行，并反过来对入口/出口点的存在做出假设。它可以非常准确地告诉人们在规划范围内是否会有一个入口/出口。剩下的就是要找到它。

(2)发出指令，建立一个准确的预测。它被执行。

- 确定 "开 "的电流结构

- 对未来最可能的结构选择的评估

- 确定未来模型的参数

(3) 运行一个模拟

(4) 然后，神经网络估计组合模型的系数。

我想说的第二件事是关于这个主题的作者的假设--马尔科夫式过渡。我认为可以发现一些非随机性（如果我们坚持使用λ内和λ外增量分离的模型），因为增量存在一些自相关（取模）。而如果要考虑最初提出的模型，在整个数值范围内有低谷，我不知道，我们应该尝试一下。

不是随机性已经被发现了，证明这一点的是Alexey（Mathemat）的广泛研究。我确认他们，一切都正确。但如果不尊重马尔科夫性，那么一切都将变得更加复杂，我们将不得不重新发明它 :o(

1...192021222324252627282930313233...75
新评论