著者の対談です。アレクサンドル・スミルノフ - ページ 38

新しいコメント
 
Prival:
ユリックス。
lna01 です。


関連する分析計算をお教えします。


新しいデータでは、係数AとBが変わる可能性があると思うのですが、間違っているかもしれません。）LRの場合は解決しそうですが、放物線回帰の場合はどうなんでしょうか？

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:


これらの式の中で何が余計なのか、非常に知りたいのですが？:-)

本当の表現」については、これらの数式はどこから来ているのでしょうか？この「実数式」に、MOCから導かれたA、Bの有限式を代入すると、まさに上記の実効値式が得られる。対応する解析的な計算をすることができます。

OK、同感です、これらの特定のものではありません :)
再帰とは、前の値を用いて次の値を計算することですか？そうすると、累積和の計算が最も自然な再帰計算となる。
要は、私が「実数式」で計算すると、これらの式と矛盾が生じるということです。N=5とN=20の場合の結果を示します。線はLR＋3＊SCOとしてカウントし、白線はRMSをsqrt((RMS^2)*N/(N-2))としています。 赤い線は私の計算式、白い線はあなたの計算式によるものです。N=20の場合、赤い線はほとんど見えないので、良い精度で結果が一致していると考えることができる。しかし、N=5では、その差はかなり顕著になります。
 
ANG3110:
はい、最初に一度だけ合計を数え、最後の要素を引いて、新しい最初の要素を追加するだけです。すると、サイクルなしで動作するようになります。

問題は、LRMAではa、bが各バーで再計算されることです。つまり、単純に誤差の合計を修正することはできないのです。
 
ANG3110:
プライベートの 話。
ユリックス。
lna01 です。


関連する分析計算をお教えします。


新しいデータが入ってくると、係数AとBが変わってくると思うのですが、間違っているかもしれません:-)。LRの場合は解決しそうですが、放物線回帰の場合はどうなんでしょうか？

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);


係数Bの算出は行っていない。その計算を足すと、元の値に戻るようですが。ステップ 0 で計算された新しい値を前の値に追加するような再帰はありません。ANG3110 再帰はありません。
 
lna01:
ANG3110:
はい、最初に一度だけ合計を数え、最後の要素を引いて、新しい最初の要素を加えるだけでいいのです。すると、サイクルなしで動作するようになります。

問題は、LRMAがすべてのバーでaとbを再計算することです。だから、誤差の合計を修正するだけでは済まない。
。
また、LRMA式の場合は、LRエンドデータを即座に読み込むためのもので、実効値を計算するためのものではありません。
しかし、直線aやbの係数を使わずにLRMAを計算しても、直線回帰 式でbは終点位置、a*iは角度なので、計算資源は何も得られず、可能性は貧しくなる。さらに言えば、aとbが分かれば、実効値も簡単に計算できる。あるいはその逆で、実効値が一定で周期が変化するように計算すると、トレンドの大きさにぴったり合わせたスーツのような回帰が得られます。
 
ANG3110:
とか、時代が変わって、スーツがサイズ通りに縫われたような回帰を、トレンドの下で得ることができる。

このプロパティを持つインジケータがある場合。共有することは可能でしょうか。公開されるようなものではないと理解しているものの、ふと思い立ったら黄色のズボンと会議で2クー＋この時間帯に好きな飲み物はゲットしようとする:-)

放物線が必要だ、LRには興味がない。

 
Prival:
ANG3110 です。
プライベートの 話。
ユリックス。
lna01 です。


関連する分析計算をお教えします。


新しいデータが入ってくると、係数AとBが変わってくると思うのですが、間違っているかもしれません:-)。LRの場合は解決しそうですが、放物線回帰の場合はどうなんでしょうか？

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);


係数Bの算出は行っていない。その計算を足すと、元の値に戻るようですが。ステップ 0 で計算された新しい値を前の値に追加するような再帰はありません。ANG3110 すみません、ここに再帰はありません。
しかし、なぜこのような場合に再帰が必要なのでしょうか？まあ、私は計算で10を使用するときに理解する - 一度に20回帰、よく、サイクルなしで計算の方法は、関連するようになり、配列で解決は非常に簡単です。でも、1行、2行の場合は、再帰を作り上げる以外にないような感じです。私自身は、娘の誕生日パーティーの席で、本当に他にやることがないので、終わるのを待っているところです。
 
ANG3110:
...
この場合、なぜこの再帰が必要なのでしょうか？まあ、10～20回分の回帰を一度に計算する場合は、循環のない計算方法が現実的になり、配列で簡単に解けますが、1～2行分というのは理解できます。再帰を構成する以外にない、という感じですね。私自身は、娘の誕生日パーティーの席で、本当に他にやることがないので、終わるのを待っているところです。

多通貨分析、異なるサイクル期間での分析。12通貨で1、2、8、12、24、120時間＋αのサイクル（サンプル期間）をカウントすれば、計算の速さは最後まで変わりません。とはいえ、（マグカップやショットでスマイリーフェイスがなくてすみません）2月14日に娘の12歳の誕生日があるので、ショットの合間に書いて、お客さん（土曜日に全員集合）のおもてなしをしているところです。
 
ANG3110:
しかし、a線、b線の係数を使わずにLRMAを計算しても、計算資源は何も得られず、可能性が貧しくなる。
...
そして、重要なのは、RMSの算出が可能なことです。あるいはその逆で、実効値が一定で周期が変化するように計算すると、トレンドの大きさにぴったり合わせたスーツのような回帰が得られます。
このブランチのLRMAアルゴリズムだけで、多くのリソースを得ることができます。aと RMS（ 私のバージョンではb）を計算するアルゴリズムに追加のリソースはもちろんかかりますが、それほど多くはありません。ちなみに、上の「ハーフチャンネル」の画像は、私のLRMA（MovingLRのもの）を使って手早く作ったものです。実は、このブランチでの私の興味は、以前試した結果に満足できなかったRMSが一定になるように、すべてのバーで再計算される回帰の強制アルゴリズムに磨きをかけることです。
 
aと bで 何をするのか？LRには実証済みの公式があります。直線的なK型はありません。トリビアルマッシュアップがあります。プライベートの 話、まさにLRの話です、まずは対処していきましょう。
1...3132333435363738394041424344
新しいコメント