Ho_Chu, просто мы не евреи  и их животной методикой борьбы не пользуемся 
вспомните 1945 год 
судьба у нас такая 
бывает и так 

Ho_Chu, и поделился

Ho_Chu, 

в чистой математике, в мире платоновых идеальных сущностей, дата действительно не важна. Но мы обсуждаем статистическое обучение и прогнозирование временных рядов. А там дата — это не просто число. Дата — это прокси-переменная для нестационарности.

 Вот мне  кажется, что рынок местами как бы ближе к чистой математике, чем кажется. А кажется это из-за этой проклятой прокси-переменной. От нее и нестационарность. Которой на самом деле нет. Причем многие умные люди это чувствовали и пытались предотвратить. Изобретая «операционное время» и т.п.

Ho_Chu, 

Но Вы не можете доказать, что мой метод подпадает под эти условия.

Так я ничего и не писал в целом про Ваш конкретный метод, а  сделал уточняющее замечание только про одно общее Ваше утверждение:

«Он не ищет одну функцию — он каждый день создает новую.»

Ho_Chu, 

Он не ищет одну функцию — он каждый день создает новую.

Я же уже написал, что это не имеет значения. Значение имеет только 

- минимум суммы (F(X(t),Y(t))-C(t))^2  по подмножеству наблюдений близкому по мощности ко всем;
— число вариантов F(X(t),Y(t)) сравнимое с  вариантами одного наблюдения.

Если на каждом шаге создается функция, удовлетворяющая этим условиям, то это путь в никуда.

А цены X(t) можно заменить и на любую последовательность нестационарных случайных векторов. Я указал цены, потому что таковыми их считаю.

Ho_Chu, 

Ho_Chu, странно но еврейские народные сказки я не встречал в магазинах
ви об этом 

Ho_Chu, кстати. Из теоремы, например, следует, что если мы не берем Y(t), размерность X(t) равна n, а число наблюдений больше 1000*n, то можно использовать однослойный перцептрон с не более, чем с 3 функциями. И такой эксперимент для дневок SPY  (С(t) — процентное изменение цены следующего дня) я провел еще в 1997-м году, но увы, оптимизация привела к тому, что этот перцептрон=линейной регрессии от известных процентных приращений.

Ho_Chu, 

Я не ищу такую функцию F. Современные системы НЕ РАБОТАЮТ в рамках Вашей модели, потому что:

1. Они переучиваются КАЖДЫЙ ДЕНЬ (стратегия — это не фиксированная F, а бесконечная последовательность F1, F2, F3...).

Такое, как я написал, переучивание каждый день — тоже путь в никуда. Ведь теорема то о статистическом прогнозе только одного неизвестного С.

А про остальное Вами написанное ничего сказать не могу — Вам виднее.

Ho_Chu, спасибо за отличный разбор. Также считаю что большинство мелких компаний производящих софт, должны исчезнуть.

Ho_Chu, придется вернуться к математике о том, что нельзя использовать. Потому что копаться в наборах — лень.

Пусть X(t) вектор  известных прошлых цен, Y(t) — вектор чего то еще нами добавленного, C(t) — одномерное значение того, что мы хотим знать.

Для статистического прогноза С нельзя использовать одномерную  функцию F(X,Y) с числом вариантов сравнимым с  вариантами одного наблюдения, полученную путем поиска   минимума суммы (F(X(t),Y(t))-C(t))^2  по подмножеству наблюдений близкому по мощности ко всем.

О том, что за пределами этой теоремы ничего сказать НЕ могу.

Поэтому Вы сами, если хотите,  сможете понять — соответствуют ли используемые Вами нейросети  такой функции F или не соответствуют. Если не соответствуют, то наша дискуссия не имеет смысла.

А я назвал только те нейросети, про которые знаю, что  размеры их вариантов и оптимизация соответствуют.

Ho_Chu, только вот это:

Перцептрон
Самоорганизующаяся карта Кохонена
Нейронная сеть Кохонена
Сети адаптивного резонанса

И обучение «без учителя».

Ho_Chu, так я же и сказал, что Саймонс высказал скепсис только о нейросетях, на входы которых подаются прошлые цены. И про фонды Вы написали тоже самое, что и я сказал. 

Ho_Chu, откуда Вы знаете, что перечисленные Вами активно используют самообучаемые  нейросети, на входы которых подаются цены или их приращения, включая процентные и приращения логарифмов?

Лично я как раз в речи Саймонса тоже слышал, что это «путь в никуда». И, кстати, у Саймонса ни один открытый(!) фонд не превзошел S&P500 с 31 декабря 2002-го года :)

Ho_Chu, да я же уже написал, что мой скепсис только об использовании нейросетей на входы которых подаются цены или их приращения, включая процентные и приращения логарифмов.

Никакого другого скепсиса о торговле я и не озвучивал.

Ho_Chu, моя работа в Финаме — это сервис автоследования. Поэтому вряд ли я что-то могу сказать о том, что находится за пределами графиков и цифр на сайте comon.ru. И моё отличие от тех, кто смотрит этот сайт извне только в том, что я знаю всё сделки авторов и клиентов в процентах от их счётов (это размер счётов я знаю только у авторов,  а по клиентам только суммы клиентов на стратегиях, а не отдельно по клиентам).

Ho_Chu, ну справедливости ради после учёбы основным направлением моей работы была теория вероятностей и математическая статистика и информатика. Поэтому что-то путное рассказать о научных работах по другим направлениям математики после 1985 года  вряд ли смогу. Из теории мер у меня осталось только колмогоровское определение вероятностного пространства, а из высшей алгебры кольца и поля, отличные от поля действительных чисел.

Это ещё и про комбинаторика, как метод решения вычислительных задач для конечных множеств, тоже мне пригодилась. 

А функан и тфкп остались далеко в прошлом. 

Ho_Chu, www.youtube.com/watch?v=K1ji4xp9FZw

Ho_Chu, не испуг, а просто с чем Вам сравнивать

я не математик-криптограф, но, поверьте, мой диплом побьёт Ваш с легкостью необычайной ))

Ho_Chu, не знаю насчет Вашего диплома, а о своем уже много раз писал, что открытые математические предметы — это дубликат Мехмата МГУ (их в моем приложении к диплому 8 разных, не только обычные математический анализ, высшая алгебра, теория вероятностей и математическая статистика, аналитическая геометрия, но и необычные, включая функциональный анализ, математическая логика, теория мер  и функции комплексных переменных), а в рамках закрытых СД читались теория автоматов, теория информации и комбинаторика с их криптографическими применениями.