在交易中使用神经网络 - 页 30 1...232425262728293031323334353637...40 新评论 EconModel 2013.07.23 11:22 #291 FAGOTT: 我甚至不会对你隐瞒这个残酷的事实，像艺术家对艺术家一样告诉你--现代计量经济学没有预测非平稳序列的方法。只有且仅有静止的和那些可以还原为静止形式的非静止的 并非如此。除了ARIMA之外，还有FARIMA。在没有任何还原的状态空间模型中。GARCH.... 模型。在过去的10年中，有很多变化。请看R软件包列表，不仅可以处理非平稳性问题，而且有现成的代码。 [删除] 2013.07.23 11:25 #292 EconModel: 我们需要定义我们正在处理的对象。神经网络学家哪里有这个定义？ 他们用什么来工作？有层次的，有透视的？ 前提是：我们观察一个不稳定过程的实现，通常最多只对最后30-50个观测值感兴趣。 然后我们决定我们的交易内容。大多数人交易的是一种趋势。我们观察并看到了趋势，并相信 趋势将在未来，而过去与它无关。我们只是相信，过去只是为了建立模型。 这就是最初的前提。 然后还有一些细微的差别。 好吧，这很容易! NS与传入数据、传出数据和网络本身一起工作。 即使对于传统的自回归来说，20-30个观测值也是不够的，更不用说NS了。 如果你使用NS，就没有 "趋势"。 这就是你没有谈到的所有NS EconModel 2013.07.23 11:26 #293 FAGOTT: 好吧，这很容易! NS与传入数据、传出数据和网络本身一起工作。 即使是普通的自回归，20-30个观测值也是不够的，更不用说NS了。 如果你使用NS，就没有 "趋势"。 这就是你没有谈到的所有NS 当然，我指的是钱。而NS是智力远高于平均水平的人的智力玩具。 [删除] 2013.07.23 11:30 #294 EconModel: 并非如此。除了ARIMA之外，还有FARIMA。在没有任何还原的状态空间模型中。GARCH.... 模型。在过去的10年中，有很多变化。请看R软件包列表，不仅可以处理非平稳性问题，而且有现成的代码。 你又把我搞糊涂了!你总是想把我弄糊涂！你是谁？ 我不记得FARIMA了，但GARCH肯定对静止序列有效--我理解它引入了一个必要的静止性条件，而且过程的无条件方差是常数。 也许你是指IGARCH？ EconModel 2013.07.23 11:37 #295 FAGOTT: 你又把我搞糊涂了!你总是想把我弄糊涂！你是谁？ 法里玛 我不记得了。 FARIMA是带有分数积分的ARIMA。赫斯特的同义词，长尾巴。 GARCH是一群人。模拟的残差在几种意义上具有可变的方差。GARCH模拟的残差通常比价差小--可以忽略不计。 Дмитрий 2013.07.23 11:43 #296 EconModel: GARCH对固定行 "有效" Aleksei Morozov 2013.07.23 11:58 #297 EconModel: 也许我不明白什么。 我们将其归类为模式。我们相信，这样的模式在未来一定会出现，我们将能够利用这些知识来进行预测。对吗？ 根据什么？谁证明了根本就会有这样的模式，或者稍有或强烈的改变？ IMHO，如果我们教网络识别手写字母 "a"，那么绝对可以肯定，这个字母将在未来出现，因为它存在于语言中，如果未来大多数人开始用脚写字，仍然会有一个 "a"，只是字体会改变，也许网络将不得不进一步培训。它说的是静止性。 报价原则上是一个非稳态过程，即一直存在某种偏差，在不同时期不同，与稳态部分相当（优越）。这就是问题所在--原文的非稳定性：今天是俄语字母，明天是中文字母。 人们必须寻找信件所反映的客观现实。而这正是神经网络人不做的事。 我认为你不明白。我认为你只是把它弄混了。模式在过去、现在和将来都是如此。我读的第一本书是关于TA的。那是90年代的一份文件。那里描述的所有数字都仍然存在。而技术分析的大多数数字都可以被称为模式。除了 "第一第二 "波（市场冲动）不是一个模式？随着发展到第三个。或者说不是一个发展。或者，例如 "冲动-反弹-冲动-反弹"--加特利的蝴蝶。我的意思是，看看现在的图表，有很多的蝴蝶。而Gartley早在1935年就描述了这种模式。一般来说，在未来很长一段时间内，肯定不能担心模式的存在。 只是我不确定模式是否需要分类。我用单层感知器做了一个关于识别简单模式的实验。感知器学习得很快，并将它们全部识别出来。当然，还有图案花纹的浮动。感知器并不为其所困扰。因此，事实证明，对模式进行分类其实是没有必要的。但也许有必要对模式的 "环境 "进行分类。然后你可能会发现，同一图案的 "邻居 "类在不同的地方是不同的，这种差异应该会影响一些东西。但这只是猜测。我们应该检查... Aleksei Morozov 2013.07.23 12:06 #298 EconModel: 我们需要定义我们正在处理的对象。神经网络学家哪里有这个定义？ 他们用什么来工作？有层次的，有透视的？ 前提是：我们观察一个不稳定过程的实现，通常最多只对最后30-50个观测值感兴趣。 然后我们决定我们的交易内容。大多数人交易的是一种趋势。我们观察并看到了趋势，并相信 趋势将在未来，而过去与它无关。我们只是相信，过去只是为了建立模型。 这就是最初的前提。 然后还有一些细微的差别。 看到这句话。很久以前。我喜欢它。我不记得来源了。"在未来，它将是相同的，只是不同。" solar 2013.07.23 12:35 #299 直觉告诉我，整个争论即将结束--以分形为例。 EconModel 2013.07.23 13:04 #300 Alexey_74: 我认为你不明白。我认为你只是把它弄混了。模式在过去、现在和将来都是如此。我读的第一本书是关于TA的。这是在90年的时候，这个文件。那里描述的所有数字都仍然存在。而技术分析的大多数数字都可以被称为模式。除了 "第一第二 "波（市场冲动）不是一个模式？随着发展到第三个。或者说不是一个发展。或者，例如 "冲动-反弹-冲动-反弹"--加特利的蝴蝶。我的意思是，看看现在的图表，有很多的蝴蝶。而Gartley早在1935年就描述了这种模式。总之，在未来很长一段时间内，肯定不需要担心模式的存在。 但我不确定这种模式是否应该被分类。我用单层感知器做了一个关于识别简单模式的实验。佩珀既学得很快，然后把它们都认出来。当然，还有图案花纹的浮动。感知器并不为其所困扰。因此，事实证明，对模式进行分类其实是没有必要的。但也许有必要对模式的 "环境 "进行分类。然后你可能会发现，同一图案的 "邻居 "类在不同的地方是不同的，这种差异应该会影响一些东西。但这只是猜测。我们必须检查..."头和肩 "是而且将是。以及在TA中已知的其他数千种模式，这些模式在NS中还没有被发现（或没有）。但是，请告诉我，如果右肩 "头肩 "被打破，那么价格将下降的概率是多少，甚至更准确地说，下降方向的置信区间 是多少？ 在计量经济学中--预测置信区间是一个基本问题。而当你试图回答这个问题时，非平稳性就出来了，随之而来的是许多无法用NS解决的问题，因为它们与分类无关。 模式的教学时间为18个小时，并获得学分，主要问题是：你是否理解模式不能用于交易？ 所以我没有什么东西乱七八糟的，而是平躺着，至少在这个里面。 1...232425262728293031323334353637...40 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
我甚至不会对你隐瞒这个残酷的事实，像艺术家对艺术家一样告诉你--现代计量经济学没有预测非平稳序列的方法。只有且仅有静止的和那些可以还原为静止形式的非静止的
我们需要定义我们正在处理的对象。神经网络学家哪里有这个定义？ 他们用什么来工作？有层次的，有透视的？
前提是：我们观察一个不稳定过程的实现，通常最多只对最后30-50个观测值感兴趣。
然后我们决定我们的交易内容。大多数人交易的是一种趋势。我们观察并看到了趋势，并相信 趋势将在未来，而过去与它无关。我们只是相信，过去只是为了建立模型。
这就是最初的前提。
然后还有一些细微的差别。
好吧，这很容易!
NS与传入数据、传出数据和网络本身一起工作。
即使对于传统的自回归来说，20-30个观测值也是不够的，更不用说NS了。
如果你使用NS，就没有 "趋势"。
这就是你没有谈到的所有NS
好吧，这很容易!
NS与传入数据、传出数据和网络本身一起工作。
即使是普通的自回归，20-30个观测值也是不够的，更不用说NS了。
如果你使用NS，就没有 "趋势"。
这就是你没有谈到的所有NS
并非如此。除了ARIMA之外，还有FARIMA。在没有任何还原的状态空间模型中。GARCH.... 模型。在过去的10年中，有很多变化。请看R软件包列表，不仅可以处理非平稳性问题，而且有现成的代码。
你又把我搞糊涂了!你总是想把我弄糊涂！你是谁？
我不记得FARIMA了，但GARCH肯定对静止序列有效--我理解它引入了一个必要的静止性条件，而且过程的无条件方差是常数。
也许你是指IGARCH？
你又把我搞糊涂了!你总是想把我弄糊涂！你是谁？
法里玛 我不记得了。
FARIMA是带有分数积分的ARIMA。赫斯特的同义词，长尾巴。
GARCH是一群人。模拟的残差在几种意义上具有可变的方差。GARCH模拟的残差通常比价差小--可以忽略不计。
也许我不明白什么。
我们将其归类为模式。我们相信，这样的模式在未来一定会出现，我们将能够利用这些知识来进行预测。对吗？
根据什么？谁证明了根本就会有这样的模式，或者稍有或强烈的改变？
IMHO，如果我们教网络识别手写字母 "a"，那么绝对可以肯定，这个字母将在未来出现，因为它存在于语言中，如果未来大多数人开始用脚写字，仍然会有一个 "a"，只是字体会改变，也许网络将不得不进一步培训。它说的是静止性。
报价原则上是一个非稳态过程，即一直存在某种偏差，在不同时期不同，与稳态部分相当（优越）。这就是问题所在--原文的非稳定性：今天是俄语字母，明天是中文字母。 人们必须寻找信件所反映的客观现实。而这正是神经网络人不做的事。
我认为你不明白。我认为你只是把它弄混了。模式在过去、现在和将来都是如此。我读的第一本书是关于TA的。那是90年代的一份文件。那里描述的所有数字都仍然存在。而技术分析的大多数数字都可以被称为模式。除了 "第一第二 "波（市场冲动）不是一个模式？随着发展到第三个。或者说不是一个发展。或者，例如 "冲动-反弹-冲动-反弹"--加特利的蝴蝶。我的意思是，看看现在的图表，有很多的蝴蝶。而Gartley早在1935年就描述了这种模式。一般来说，在未来很长一段时间内，肯定不能担心模式的存在。
只是我不确定模式是否需要分类。我用单层感知器做了一个关于识别简单模式的实验。感知器学习得很快，并将它们全部识别出来。当然，还有图案花纹的浮动。感知器并不为其所困扰。因此，事实证明，对模式进行分类其实是没有必要的。但也许有必要对模式的 "环境 "进行分类。然后你可能会发现，同一图案的 "邻居 "类在不同的地方是不同的，这种差异应该会影响一些东西。但这只是猜测。我们应该检查...
我们需要定义我们正在处理的对象。神经网络学家哪里有这个定义？ 他们用什么来工作？有层次的，有透视的？
前提是：我们观察一个不稳定过程的实现，通常最多只对最后30-50个观测值感兴趣。
然后我们决定我们的交易内容。大多数人交易的是一种趋势。我们观察并看到了趋势，并相信 趋势将在未来，而过去与它无关。我们只是相信，过去只是为了建立模型。
这就是最初的前提。
然后还有一些细微的差别。
看到这句话。很久以前。我喜欢它。我不记得来源了。"在未来，它将是相同的，只是不同。"
我认为你不明白。我认为你只是把它弄混了。模式在过去、现在和将来都是如此。我读的第一本书是关于TA的。这是在90年的时候，这个文件。那里描述的所有数字都仍然存在。而技术分析的大多数数字都可以被称为模式。除了 "第一第二 "波（市场冲动）不是一个模式？随着发展到第三个。或者说不是一个发展。或者，例如 "冲动-反弹-冲动-反弹"--加特利的蝴蝶。我的意思是，看看现在的图表，有很多的蝴蝶。而Gartley早在1935年就描述了这种模式。总之，在未来很长一段时间内，肯定不需要担心模式的存在。
但我不确定这种模式是否应该被分类。我用单层感知器做了一个关于识别简单模式的实验。佩珀既学得很快，然后把它们都认出来。当然，还有图案花纹的浮动。感知器并不为其所困扰。因此，事实证明，对模式进行分类其实是没有必要的。但也许有必要对模式的 "环境 "进行分类。然后你可能会发现，同一图案的 "邻居 "类在不同的地方是不同的，这种差异应该会影响一些东西。但这只是猜测。我们必须检查...
"头和肩 "是而且将是。以及在TA中已知的其他数千种模式，这些模式在NS中还没有被发现（或没有）。但是，请告诉我，如果右肩 "头肩 "被打破，那么价格将下降的概率是多少，甚至更准确地说，下降方向的置信区间 是多少？
在计量经济学中--预测置信区间是一个基本问题。而当你试图回答这个问题时，非平稳性就出来了，随之而来的是许多无法用NS解决的问题，因为它们与分类无关。
模式的教学时间为18个小时，并获得学分，主要问题是：你是否理解模式不能用于交易？
所以我没有什么东西乱七八糟的，而是平躺着，至少在这个里面。