从理论到实践 - 页 570 1...563564565566567568569570571572573574575576577...1981 新评论 Violetta Novak 2018.09.13 09:51 #5691 Alexander_K:嗯,很明显,这是一个Xi-square。这就是差异性。当然,我错了--增量的模数之和与方差成正比。你只需计算增量的总和--我们有一个正态分布。但同样,我们应该怎么做呢?我是否应该在每周的窗口中使用这些水平?我宁愿完全停止在市场上工作--我很无聊,而且我不需要任何钱。除了神经网络之外,我没有想到其他东西...这里有问题,chi-squared下降的速度比指数快(几何 p=0.5),我们这样做:拿拉普拉斯,把左边的指数加到右边,你又得到了指数,我那里有一个公式,某个地方有点接近,某个地方更远,但在零点有一个浸润。这一点并不清楚。 Alexander_K 2018.09.13 10:03 #5692 Novaja:这里有问题,chi-squared下降的速度比指数快(几何p=0.5),我们这样做:我们采取拉普拉斯,把左边的指数加到右边,我们又得到了指数,我那里有一个公式,某个地方有点接近,某个地方更远,只是在零点有一个浸润。这一点并不清楚。在尤金的数据上,可以清楚地看到,无论是增量之和还是增量的模数之和,以及增量之和的增量,实际上都是正态分布。 在一般情况下,对于所有的事情。 进一步调查是没有意义的。一切都找到了--无论是拉普拉斯还是高斯。但这一切都在大的时间窗口和大的时间间隔内进行报价。非常肯定的是,在高>=300数量级的Erlang流中,一般来说一切都很完美。 И...没有什么。空虚。对于一个交易者来说,每月等待1笔交易是不可想象的--一个人可能会疯掉。 Violetta Novak 2018.09.13 10:23 #5693 很明显,从指数到正态分布是可能的,在自由度增加的皮尔逊(chi-square)分布中,或在k增加的埃朗(Gamma)分布中,随着点差的增加,转化为均匀分布,在均匀分布的一边是指数,另一边是正态分布。所有这些都是随机过程。问题是要找到偏离随机性的地方。 PS 亚历山大,关于你的服务提供商,多克再次说得很对,那里的时间间隔和增量本身都与指数有偏差,你和多克证实了对数分布,它的下降速度比指数慢,在整个分布中,不仅仅是在尾部,试着给出纯值,就像你在那里均匀地每秒钟读一次,在neuronka上,让别人帮助,看看结果。你有一个例外,顺便证实了这一规则,即它大多会被指数化和Cauchy化,差异只在分布的尾部,差距通常在那里。 Alexander_K 2018.09.13 10:30 #5694 Novaja:很明显,在皮尔逊(chi-square)分布中,随着自由度的增加,或者在埃朗(Gamma)分布中,随着k的增加,随着点与点之间的扩散,随着转化均匀分布,一方面从均匀--指数,另一方面--正态,是有可能得到正态分布的。所有这些都是随机过程。问题是要找到偏离随机性的地方。 PS 亚历山大,关于你的服务提供商,多克再次说得很对,那里的时间间隔和增量本身都与指数有偏差,你和多克证实了对数分布,它的下降速度比指数慢,在整个分布中,不仅仅是在尾部,试着给出纯值,就像你在那里均匀地每秒钟读一次,在neuronka上,让别人帮助,看看结果。你有一个例外,顺便证实了这一规则,即它大多会被指数化和Cauchy化,差异只在分布的尾部,那里可能有差距。这个月我还在纠结于水平的问题,然后是神经元的问题。我没有看到任何其他选择...与已知的分布一起工作当然很好,但它们隐藏得很深......。唉......。 secret 2018.09.13 10:46 #5695 Alexander_K:一个直方图!如果存在正态分布--圣杯,不--是,没有什么变化......叔叔们,在你们忘记所有的分配之前,你们的口袋里只会有灰尘))我愿意为这个赌100美元))。另有100美元,需要再花500页才能送到你手中) 你有一个时间序列,而不仅仅是统计数据。改变教科书。 Alexander_K 2018.09.13 10:52 #5696 Novaja: 这是一个确认,我试着将指数与你的数据进行拟合,你可以看到,峰值较小,中间不符合。你自己检查一下,或者给我发送更多的数据、间隔和增量,我将尝试拟合指数。不,你不必如此。对我来说,一切都已经很清楚和明白了。 或者干脆让我的TS在没有附加条件、ACF、Hurst、不对称性和其他东西的情况下工作(我担心它要么是+0%,要么是失败)。 或者将增量和模数的总和应用于NS的输入(该过程实际上是高斯的,具有非德尔塔相关的ACF),并让它割除现金。 阿门。 P.S. 我不相信ZigZag,对不起 :) Igor Makanu 2018.09.13 10:54 #5697 Alexander_K:然后转到神经元学。我没有看到任何其他选择...嗯,我不喜欢我在网上看到的这句话,但我要说:POPKORN POPKORN! Evgeniy Chumakov 2018.09.13 11:00 #5698 secret:叔叔们,在你们忘记所有的分配之前,你们的口袋里只会有灰尘))我愿意用100美元打赌))。 还有100美元,你要再看500页才会明白这一点) 为什么只是100个? 为什么不是1000个?10к?你仍然有疑问吗?秘密是什么?你的资料中的截图是怎么回事? secret 2018.09.13 11:09 #5699 Evgeniy Chumakov: 为什么只有100,而不是1千?10к?你仍然有疑问吗?秘密是什么?个人档案照片呢?我不想过多地毁掉那些失败者) Evgeniy Chumakov 2018.09.13 11:48 #5700 亚历山大!从这个文件中建立一个直方图,我想这将是有趣的。虽然谁知道呢。 附加的文件: 2wc01yeztq_M1_EURUSD_30000_6j6nt.txt 239 kb 1...563564565566567568569570571572573574575576577...1981 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
嗯,很明显,这是一个Xi-square。
这就是差异性。当然,我错了--增量的模数之和与方差成正比。
你只需计算增量的总和--我们有一个正态分布。
但同样,我们应该怎么做呢?我是否应该在每周的窗口中使用这些水平?我宁愿完全停止在市场上工作--我很无聊,而且我不需要任何钱。
除了神经网络之外,我没有想到其他东西...
这里有问题,chi-squared下降的速度比指数快(几何 p=0.5),我们这样做:拿拉普拉斯,把左边的指数加到右边,你又得到了指数,我那里有一个公式,某个地方有点接近,某个地方更远,但在零点有一个浸润。这一点并不清楚。
这里有问题,chi-squared下降的速度比指数快(几何p=0.5),我们这样做:我们采取拉普拉斯,把左边的指数加到右边,我们又得到了指数,我那里有一个公式,某个地方有点接近,某个地方更远,只是在零点有一个浸润。这一点并不清楚。
在尤金的数据上,可以清楚地看到,无论是增量之和还是增量的模数之和,以及增量之和的增量,实际上都是正态分布。
在一般情况下,对于所有的事情。
进一步调查是没有意义的。一切都找到了--无论是拉普拉斯还是高斯。但这一切都在大的时间窗口和大的时间间隔内进行报价。非常肯定的是,在高>=300数量级的Erlang流中,一般来说一切都很完美。
И...没有什么。空虚。对于一个交易者来说,每月等待1笔交易是不可想象的--一个人可能会疯掉。
很明显,从指数到正态分布是可能的,在自由度增加的皮尔逊(chi-square)分布中,或在k增加的埃朗(Gamma)分布中,随着点差的增加,转化为均匀分布,在均匀分布的一边是指数,另一边是正态分布。所有这些都是随机过程。问题是要找到偏离随机性的地方。
PS 亚历山大,关于你的服务提供商,多克再次说得很对,那里的时间间隔和增量本身都与指数有偏差,你和多克证实了对数分布,它的下降速度比指数慢,在整个分布中,不仅仅是在尾部,试着给出纯值,就像你在那里均匀地每秒钟读一次,在neuronka上,让别人帮助,看看结果。你有一个例外,顺便证实了这一规则,即它大多会被指数化和Cauchy化,差异只在分布的尾部,差距通常在那里。
很明显,在皮尔逊(chi-square)分布中,随着自由度的增加,或者在埃朗(Gamma)分布中,随着k的增加,随着点与点之间的扩散,随着转化均匀分布,一方面从均匀--指数,另一方面--正态,是有可能得到正态分布的。所有这些都是随机过程。问题是要找到偏离随机性的地方。
PS 亚历山大,关于你的服务提供商,多克再次说得很对,那里的时间间隔和增量本身都与指数有偏差,你和多克证实了对数分布,它的下降速度比指数慢,在整个分布中,不仅仅是在尾部,试着给出纯值,就像你在那里均匀地每秒钟读一次,在neuronka上,让别人帮助,看看结果。你有一个例外,顺便证实了这一规则,即它大多会被指数化和Cauchy化,差异只在分布的尾部,那里可能有差距。
这个月我还在纠结于水平的问题,然后是神经元的问题。我没有看到任何其他选择...与已知的分布一起工作当然很好,但它们隐藏得很深......。唉......。
一个直方图!如果存在正态分布--圣杯,不--是,没有什么变化......
叔叔们,在你们忘记所有的分配之前,你们的口袋里只会有灰尘))我愿意为这个赌100美元))。
另有100美元,需要再花500页才能送到你手中)
你有一个时间序列,而不仅仅是统计数据。改变教科书。这是一个确认,我试着将指数与你的数据进行拟合,你可以看到,峰值较小,中间不符合。你自己检查一下,或者给我发送更多的数据、间隔和增量,我将尝试拟合指数。
不,你不必如此。对我来说,一切都已经很清楚和明白了。
或者干脆让我的TS在没有附加条件、ACF、Hurst、不对称性和其他东西的情况下工作(我担心它要么是+0%,要么是失败)。
或者将增量和模数的总和应用于NS的输入(该过程实际上是高斯的,具有非德尔塔相关的ACF),并让它割除现金。
阿门。
P.S. 我不相信ZigZag,对不起 :)
然后转到神经元学。我没有看到任何其他选择...
嗯,我不喜欢我在网上看到的这句话,但我要说:POPKORN POPKORN!
叔叔们,在你们忘记所有的分配之前,你们的口袋里只会有灰尘))我愿意用100美元打赌))。
还有100美元,你要再看500页才会明白这一点)
为什么只有100,而不是1千?10к?你仍然有疑问吗?秘密是什么?个人档案照片呢?
我不想过多地毁掉那些失败者)