Dialogue de l'auteur. Alexander Smirnov. - page 38

Nouveau commentaire
 
Prival:
Yurixx:
lna01:


Je peux vous donner les calculs analytiques pertinents.


ici à partir d'ici si ce n'est pas difficile à élaborer. Avec de nouvelles données, les coefficients A et B peuvent changer, je pense, mais je peux me tromper :-). Pour la LR, cela semble être résolu, mais pour la régression parabolique, comment ?

sum=0.0;
for (i=0; i<p; i++)
{
    fx = A*i*i + B*i + C;
    dc = Close[i] - fx;
    sum += dc * dc;
}
sq = MathSqrt(sum / p);
 
Yurixx:


J'aimerais beaucoup savoir ce qui pourrait être superflu dans ces formules ? :-)

Quant à la "véritable expression", d'où pensez-vous que viennent toutes ces formules ? Si vous substituez les formules finies dérivées du MNA pour A et B dans cette "expression réelle", vous obtenez l'expression ci-dessus pour la RMS. Je peux donner les calculs analytiques correspondants.

OK, je suis d'accord, exactement dans ces cas-là - non :)
Par définition, la récursion est le calcul de la valeur suivante à partir de la valeur précédente ? Le calcul des sommes cumulatives est alors la récursion la plus naturelle.
Le fait est que mon calcul par "expression réelle" donne une certaine incohérence avec ces formules. Voici les résultats pour N=5 et N=20. Les lignes ont été comptées comme LR + 3*SCO, pour la ligne blanche le RMS a été pris comme sqrt((RMS^2)*N/(N-2)). La ligne rouge est conforme à ma formule, la ligne blanche est conforme à votre formule. Pour N=20 la ligne rouge est presque invisible, nous pouvons supposer que les résultats coïncident avec une bonne précision. Mais pour N=5, les différences sont assez notables.
 
ANG3110:
Oui, vous pouvez compter la somme une fois au début et simplement soustraire le dernier élément et ajouter un nouveau premier élément. Ensuite, il fonctionne sans cycle.

Le problème est que dans le LRMA a et b sont recalculés à chaque barre. Autrement dit, il ne suffit pas de modifier la somme des erreurs.
 
ANG3110:
Privé:
Yurixx:
lna01:


Je peux vous donner les calculs analytiques pertinents.


ici d'ici si vous voulez bien élaborer. avec l'arrivée de nouvelles données, les coefficients A et B peuvent changer, je pense, bien que je puisse me tromper :-). Pour la LR, cela semble être résolu, mais pour la régression parabolique, comment ?

sum=0.0;
for (i=0; i<p; i++)
{
    fx = A*i*i + B*i + C;
    dc = Close[i] - fx;
    sum += dc * dc;
}
sq = MathSqrt(sum / p);


Il n'y a pas de calcul du coefficient B. Bien que si vous ajoutez son calcul, il semble revenir à la valeur d'origine. Il n'y a pas de récursion, c'est-à-dire l'ajout à la valeur précédente d'une nouvelle valeur, calculée à l'étape 0. ANG3110 désolé il n'y a pas de récursion
 
lna01:
ANG3110:
Oui, vous pouvez compter la somme une fois au début et simplement soustraire le dernier élément et ajouter le nouveau premier élément. Ensuite, il fonctionne sans cycle.

Le problème est que LRMA recalcule a et b sur chaque barre. Vous ne pouvez donc pas vous en sortir en modifiant simplement la somme des erreurs.
Et ce cas avec l'expression LRMA - c'est pour lire immédiatement les données de fin de LR et n'est pas destiné à calculer RMS.
Mais calculer LRMA, sans utiliser les coefficients de la ligne a et b, ne gagne rien en ressources calculées, et appauvrit en possibilités, parce que dans la formule de régression linéaire b est la position finale, et a*i est l'angle. Et plus important encore, en connaissant a et b, vous pouvez facilement calculer RMS. On peut aussi faire le contraire et calculer que la valeur efficace est constante et que la période varie. On obtient alors une régression, comme un costume taillé exactement à la taille de la tendance.
 
ANG3110:
et la période changeait, puis on obtenait une régression, comme un costume cousu exactement à la taille, sous la tendance.

S'il existe un indicateur qui possède cette propriété. Serait-il possible de partager. Bien que je comprenne que ce n'est pas quelque chose qui est affiché dans le domaine public, mais si vous décidez soudainement de le faire, un pantalon jaune et deux coo à une réunion + votre boisson préférée à cette heure de la journée vont essayer de l'obtenir :-)

J'ai besoin d'une parabole, je ne suis pas intéressé par LR.

 
Prival:
ANG3110:
Privé:
Yurixx:
lna01:


Je peux vous donner les calculs analytiques pertinents.


ici d'ici si cela ne vous dérange pas d'avoir plus de détails. avec l'arrivée de nouvelles données les coefficients A et B peuvent changer, je pense, bien que je puisse me tromper :-). Pour la LR, cela semble être résolu, mais pour la régression parabolique, comment ?

sum=0.0;
for (i=0; i<p; i++)
{
    fx = A*i*i + B*i + C;
    dc = Close[i] - fx;
    sum += dc * dc;
}
sq = MathSqrt(sum / p);


Il n'y a pas de calcul du coefficient B. Bien que si vous ajoutez son calcul, il semble revenir à la valeur initiale. Il n'y a pas de récursion, c'est-à-dire l'ajout à la valeur précédente d'une nouvelle valeur, calculée à l'étape 0. ANG3110 Désolé, il n'y a pas de récurrence ici.
Mais pourquoi avons-nous besoin de récursion dans ce cas ? Eh bien, je comprends quand dans les calculs utilisés 10 - 20 régressions à la fois, eh bien, alors les méthodes de calcul sans un cycle, deviennent pertinentes, et résolu avec des tableaux est très facile. Mais pour une ou deux lignes, c'est comme s'il n'y avait rien d'autre à faire que d'inventer la récursion. Personnellement, je suis assis à la fête d'anniversaire de ma fille et je n'ai vraiment rien d'autre à faire, alors j'attends qu'ils aient terminé.
 
ANG3110:
...
Pourquoi avons-nous besoin de cette récursion dans ce cas ? Eh bien, je comprends quand dans les calculs 10 - 20 régressions sont utilisées à la fois, eh bien, alors les méthodes de calcul sans cycle, deviennent actuelles, et sont résolues avec des tableaux très facilement, mais pour une - deux lignes. C'est comme s'il n'y avait rien d'autre à faire que de composer une récursion. Personnellement, je suis assis à la fête d'anniversaire de ma fille et je n'ai vraiment rien d'autre à faire, alors j'attends qu'ils aient terminé.

analyse multidevises, avec des périodes de cycle différentes. Si vous comptez les cycles (période d'échantillonnage) de 1, 2, 8, 12, 24 et 120 heures + pour 12 devises, la vitesse de calcul n'est pas la dernière des choses. Bien que (désolé, il n'y a pas de smiley avec un mug ou une photo) ma fille fête ses 12 ans le 14 février, j'écris entre les photos et la réception des invités (qui se sont tous réunis samedi).
 
ANG3110:
Mais le calcul du LRMA, sans utiliser les coefficients des lignes a et b, ne gagne rien en ressources de calcul, et appauvrit les possibilités,
...
Et, surtout, il est possible de calculer la valeur efficace. On peut aussi procéder de manière inverse, en calculant que la valeur efficace est constante et que la période varie, et on obtient alors une régression, comme un costume taillé exactement à la taille de la tendance.
Rien que les algorithmes LRMA de cette branche gagnent beaucoup de ressources. Ajouter à l'algorithme de calcul de a, et RMS(b dans ma version compte) des ressources supplémentaires prendra bien sûr, mais pas beaucoup. A propos, l'image ci-dessus avec les "demi-canaux" a été faite rapidement à partir de ma version de LRMA (qui vient de MovingLR). En fait, mon intérêt pour cette branche est de peaufiner l'algorithme de régression forcée recalculé sur chaque barre, de sorte que le RMS soit constant ; j'ai essayé auparavant et je n'étais pas satisfait des résultats.
 
Que faisons-nous avec a et b? Il existe une formule éprouvée pour LR - il n'y a pas de type k en ligne droite. Il y a des mash-ups triviaux. Prival, je parle exactement de LR, traitons-en d'abord.
1...3132333435363738394041424344
Nouveau commentaire