分析模式的最重要的统计学特征，并选择一种交易方法。 - 页 3

新评论
 
Aliaksandr Hryshyn:

你也可以使用百分位数，它更容易计算，你需要更多的数据，所以没有意外......

给出了挖掘地点的方向）。虽然，你可以做很多事情....


我将阅读有关百分数的文章，谢谢 )
 
Alexander Laur:

直觉告诉我，这个几率将接近50%。:)

是什么，有什么感觉？
 
Alexander Laur:


可能是经验。:)


哦，有多少奇妙的发现
启蒙的精神
和经验，[儿子]困难的错误。
还有天才，[悖论]朋友。
[还有机会，发明之神]
 

在代码库中查找我的最近的邻居指标。该方法非常简单。你设置当前模式的长度，从历史中寻找类似的模式（例如，使用相关性作为模式之间的距离），通过加权他们各自的预测，从过去的模式预测未来的价格行为。这与聚类，或RBF，或SVM，或GRNN基本相同。这完全取决于你如何衡量当前模式与过去类似模式之间的距离。阅读关于GRNN和贝叶斯。那里的预测理论是用统计分布 来描述的。关于GRNN和上述预测方法有很多文章，而这一切都可以归结为一个简单的公式。


预测 y = SUM y[k]*exp(-d[k]/2s^2) / SUM exp(-d[k]/2s^2)


其中y[k]是第k个过去的模式，d[k]是第k个模式到当前模式的距离。如果距离有高斯分布，那么d[k]=（x-x[k]）^2。对于一个任意的（超高斯）分布，d[k]=|x-x[k]|^p，其中你选择p取决于你是想给最近的邻居更多的权重（大p），还是像社会主义那样给所有邻居几乎相同的权重（小p）。如果p=0，我们就有完全的社会主义。

在熟悉了最近的邻居和GRNN之后，下一个明显的问题出现了。如果考虑到时间轴的扭曲（即过去的模式可能看起来像当前的模式，但在时间上被拉伸或压缩），如何测量当前模式和过去模式之间的距离。这就是问题所在。

 
Vladimir:

这就是问题所在。


我已经吃过那条狗了，现在的问题是不同的。也许这不太合适 :)

但你的出版物非常有趣，谢谢，我会看看的。

 
Vladimir:

如果考虑到时间轴的失真（即过去的模式可能看起来像当前的模式，但在时间上被拉长或压缩）。这就是狗被埋葬的地方。

作为这一声明的结果--这只狗目前没有被发现，只是由于计算资源 的限制。

这似乎是一个矛盾：如果你有尽可能多的计算资源，任何狗都可以被揭开。就像，任何问题的解决只取决于可用的计算资源的数量。

总的来说，说起来，这种逻辑很奇怪。因此，当他们说 "狗被埋在那里"，间接地抱怨目前计算的不可溶性时，我们可以肯定地说，那里没有狗。

 
fxsaber:

作为这一声明的结果--这只狗目前没有被解锁，只是因为计算资源 数量的限制。

这似乎是一个矛盾：如果有多少计算资源就有多少计算资源，那么任何狗都可以被解锁。就像，任何问题的解决只取决于可用的计算资源的数量。

总的来说，说起来，这种逻辑很奇怪。因此，当他们说 "狗被埋在那里"，间接地抱怨目前计算的不可溶性时，我们可以肯定地说，那里没有狗。


所有这些都是通过仿生变换完成的......它需要最少的资源......用正确的方法
 
Maxim Dmitrievsky:

所有这些都是通过仿生变换完成的......而且需要最少的资源......用正确的方法

圣杯 没能成功--方法不够称职!

这句话变得如此流行的原因是什么？

 
fxsaber:

圣杯没能成功--方法不够称职!

这句话变得如此流行的原因是什么？


好吧，魔鬼总是在细节中......需要的不是圣杯，但至少是有用的东西 :)

问题是人们不知道他们在做什么，我想......以及为了什么？

 
Vladimir:

预测 y = SUM y[k]*exp(-d[k]/2s^2) / SUM exp(-d[k]/2s^2)


其中y[k]是第k个过去的模式，d[k]是第k个模式到当前模式的距离。如果距离有高斯分布，那么d[k]=（x-x[k]）^2。对于一个任意的（超高斯）分布，d[k]=|x-x[k]|^p，其中你选择p取决于你是想给最近的邻居更多的权重（大p），还是像社会主义那样给所有邻居几乎相同的权重（小p）。如果p=0，我们就有完全的社会主义。

在熟悉了最近的邻居和GRNN之后，下一个明显的问题出现了。如果考虑到时间轴的扭曲（即过去的模式可能看起来像当前的模式，但在时间上被拉伸或压缩），如何测量当前模式和过去模式之间的距离。这就是问题所在。

你是否尝试过做冲突分析？也就是说，函数不应该是时间上的价格p = x(i)，而是二维的f = z(i, p)。距离d是由两个坐标来计算的。而其他公式也是如此。
1234567
新评论