3Qu, Я не знаю, зачем все сравнивают РФ с Ираном, Турцией, Северной Кореей, я вообще считаю что мы совершенно в другом положении и причины совершенно другие и подходы другие… Одних душат экономически и те борятся с этим, нас тоже душат, но как бы всё несколько иначе чем у других в виду бОльших возможностей чем у той же Турции)
3Qu, почему только мультитрендовый. У нас еще Тимофей усредняется. И я на инвестиционном счете набираю «На пенсию дивидендную». Слава роботам: они меня спасают шортами по тренду. Сегодня у них прорыв долгожданный. Не, ну а что: При хорошей системе рискменеджмента краткосрочные стратегии шортят, долгосрочные набирают и все могут закрыться в плюс. Дело времени…
3Qu, так я программист в прошлом. Могу генерировать тысячи систем, без перебора, оптимизации параметров. Ищу те поля, где есть доход, там работаю.
В этом посте я хотел одно донести, что работа на Мосбирже с осцилляторами ничего хорошего не принесет. Это большая помощь тем кто ищет свой грааль, чтобы не тратить драгоценное время на это дерьмецо)
Я про настройку классических систем распознавания образов.
Ибо тестируют их на фото и голосе, а не на рядах приращений цен.
С бабами у меня в порядке все, кот породистый тоже имеется )))
Мой текущий конек — это попытка оптимизации канонических сетей с строго нелинейными функциями в качестве пороговых — Хевисайд и sign.
Предварительные результаты очень обнадеживают.
Но мое текущее решение задачи (негладкой) оптимизации имеет высокую полиномиальную сложность — т.е. классические модели по скорости исполнения обогнать не удастся.
По точности — удастся. Готовые результаты выложу здесь в отдельном топике.
Не знаю, порадует тебя или нет, но я с помощью платной подписки Chat GPT таки сподобился изучить нейронные сети и глубокое обучение. Этот инструмент при правильном применении в самом деле экономит массу времени.
И решил я применить DL к предсказанию рыночных цен. И искренне удивился результатам:
1. Обычные сети глубокого распространения, даже многоуровневые, работают крайне херово
2. Если отказаться от дифференцируемых пороговых функций и пытаться решить задачу с классическими пороговыми функциями (Хевисайд, sign), то получаются шикарные результаты. Просто я умею решать такие задачи, а адепты Deep Learning умеют только дифференцировать… и градиенты считать...
Через пару недель планирую опубликовать интересные вещи
3Qu, 32 это норма! Вроде так говорили в рекламе? Блин! А ещё была операция тайд или кипичение! Это вообще ор! А ещё по телеку такое людям показывали! Но правда ворвались в рынок!
3Qu, с точки зрения КПД дармовая, так же как и у ветряков / солнца. Ветряки, солн. панели — там тоже есть капвложения.
Самое важное — есть ещё и потребность. Что с того, что я смогу выработать 10 МВт за 1 копейку, если мне надо 100 МВт… Что вы по этому поводу готовы сказать?
3Qu, не знаю, что там поиск понаписал, но, скорее всего по КПД там +- верный расчет отношение произведенной энергии к энергии сжигаемого топлива, в качестве энергии сжигаемого топлива выступают затраты на электроэнергию, которую потребляют генераторы или что там у них.
Так-то, как вы написали КПД ГЭС тоже стремится к бесконечности, т.к. энергия воды дармовая.
С одной стороны верно, что сравнивать нужно экономические показатели — стоимость произведенной энергия/(капиталовложения + экспл.затраты), срок службы, сроки окупаемости и пр.
С другой — кроме этого есть ещё и потребность. Что с того, что я смогу выработать 10 МВт за 1 копейку, если мне надо 100 МВт...