価格BPから定常BPの取得
つまり、近似関数を使って分解している間は定常系列であり、ホワイトノイズが消えたらサイクルの終わりということになるのです。ちゃんと理解できたかな？
近似値とは、フィット感のこと。だから私は、近似ではなく外挿で定常的なBPを得ることを提案しているのです。
私の考えをお許しください。私の理解は、あなたの高みにはまだ及ばないのかもしれません。そこで、私からは機転を利かせた提案をさせてください。
最初の投稿に循環論法があると思いませんか？
定義について、議論がないように、いくつかの定義を（自由形式で）。
直感的には、時系列の定常性は、一定の平均を持ち、その平均の周りを一定の分散で振動しているという条件と関連付けられる。
系列 x(t) は，m 個の観測値 x(t1),x(t2),:,x(tm) の結合確率分布が，m 個の観測値の場合と同じなら，厳密定常（または狭い意味での定常）と呼ばれ，次のようになる．
つまり、厳密な定常時系列は、原点を変えても性質が変わらないのです。
特に、時系列 x(t) の厳密な定常性の仮定は、確率変数 x(t) の確率分布則が t に依存しないことを意味するので、その基本的な数値的特性は全て
数学的期待値 Mx(t)=a
分散 Dx(t)=M(x(t)-a)2= c^2
系列x(t)の平均と分散がtに依存しない場合、弱定常（または広義の定常）と呼ばれます。
明らかに、すべての厳密な定常（または狭義の定常）時系列は広義の定常でもあるが、その逆はない。
非定常系列とは、非ランダムな成分によって定常系列と異なる系列である。
。
最初の投稿に循環的な推論があると思いますか？
いいえ。
1.まず、価格系列を近似的に計算する。価格BPの近似式が得られる： price_appr(time)
2. 価格_appr(時間+i)を外挿する。
3.合成delta(time + i) = Open[time + i] - price_appr(time + i)を取得する。
4.delta(x)がホワイトノイズかどうか確認する。うるさかったらガッカリですからね。音が鳴らないようなら、続けてください。
5.合成を近似し、計算式を得る：delta_appr(time)
6.予測：予測(時間+i+j) = price_appr(time + i + j) + delta_appr(time + i + j)
ここで、iとjは前のステップからのOOSである。 時間、iとjは交差しない時間集合である。
魅力的な話だが、しかし。
外挿区間のノイズの有無を確認するのみです。
つまり、各ステップごとに、ノイズをチェックする間隔という形で、あらかじめマージンを作っておく必要があるのです。
発想が壊れませんか？
そうそう、ところで、どれくらいの長さの列であれば、ノイズが多い（少ない）と確実に判断できるのでしょうか？
残差の定常性は、外挿モデルが適切であることを意味する。残差は正規分布でMO=0であること、自己相関を含まないこと、などです。一般に、それらは独立したものであるべきです。
"
......
しかし、定性的なモデルは、十分に正確な予測をするだけでなく、経済的で、系統的な成分を含まないノイズだけを含む独立した残差を持たなければなりません（特に、残差のACFは周期性を持ってはいけません）。そのため、残差の包括的な分析が必要である。モデルの良いチェックポイントは(a) 残差をグラフ化し、その傾向を調べる (b) 残差のACFを確認する（ACFグラフは通常、周期性を明確に示す）。
残差分析。残 差が系統的に分布していたり（例えば、系列の前半はマイナス、後半はほぼゼロ）、何らかの周期的な成分が含まれている場合は、モデルの不備があることを示しています。残差分析は、時系列分析において非常に重要かつ必要なものである。推定手順は、残差が無相関で正規分布していると仮定している。"
残差の定常性は、外挿モデルが適切であることを意味する。残差は正規分布でMO=0であること、自己相関を含まないこと等。一般に、それらは独立したものであるべきです。
"
......
しかし、定性的なモデルは、十分に正確な予測をするだけでなく、経済的で、系統的な成分を含まないノイズだけを含む独立した残差を持たなければなりません（特に、残差のACFは周期性を持ってはいけません）。そのため、残差の包括的な分析が必要である。モデルの良し悪しのチェックは(a) 残差をグラフ化し、その傾向を調べる (b) 残差のACFを確認する（ACFグラフは通常、周期性を明確に示す）。
残差分析。残差が系統的に分布していたり（例えば、系列の前半はマイナス、後半はほぼゼロ）、何らかの周期的な成分が含まれている場合は、モデルの不備があることを示しています。残差分析は、時系列分析において非常に重要かつ必要なものである。推定手順は、残差が無相関で正規分布していると仮定している。"
オタクの威勢がいい。自分の脳みそで、引用したリンクの内容が全てナンセンスだと気付けないのでしょうか？
読んでみて、引用します。"限界 "です。ARPSSモデルは定常的な 系列（平均、分散、自己相関が時間と共にほぼ一定）にのみ適していることを思い出してください。また、モデルパラメータは一定、すなわち時間的に変化しないと仮定しています。"（50回の観測という数字については、この掲示板の馬鹿でも50回の取引が結果でないことは明らかなので、議論する気はありません）
非定常な系列があるとすると、残差-delta(x)を取りました。このオタク的な「作品」で示唆されているように、残留物そのものが、要件を満たしている必要があります、引用します。"系統的な成分を含まずノイズだけを含む"。
くそったれノイズを発生させる。ノイズそのものは、どうにも予測できない。したがって、近似することは無駄である。しかし、その特性は、引用します。"残差は正規分布でMO=0であること。"
したがって、ノイズの代わりに、そのMO=0を取る。
これを予測に代入すると、forecast(time + i + j) = price_appr(time + i + j) + delta_appr(time + i + j) = price_appr(time + i + j) + 0 = price_appr(time + i + j)になります。
そこで、ノイズに関する予測は、第一近似値：price_appr(x)とします。そして、第一近似は、このスレッドの3番目の投稿で言ったように、裸で合わせることです。その結果、こうなりました。
植物学的予測＝フィッティング
最も原始的なバージョンです。BPの価格を概算しています。外挿する。外挿されたBPと実際のBPの差もBPだが、すでに静止している。この新しいGRを合成GRと呼ぶことにしよう。
例えば、EMA（2次など）による予測では、残差の定常的なVRは得られない。ですから、外挿の問題もなかなか大変です。gpwrは、様々な線形外挿法を実装したインジケータを発表していたと思います。残差の分布を解析したいのですが？
ご存知のように、静止画のBPはホワイトノイズでなければ予測可能です
価格変換でホワイトノイズが出たことがある人はいるかな？
- 無料取引アプリ
- 8千を超えるシグナルをコピー
- 金融ニュースで金融マーケットを探索
テスターで非定常性を考慮する方法について、何かいいアイデアはないでしょうか？
だから、あまり複雑なことはしていない。多少の手間はかかりますが、概ね解決可能な問題です。しかし、なぜか議論されない。
ご存知のように、静止画のBPはホワイトノイズでなければ予測可能です。
そのため、非定常的な価格BPを定常的なものに変換することが急務となっているが、逆変換の可能性も指摘されている。
最も原始的なバリアント。価格VRの概算。外挿する。外挿されたBPと実際のBPの差もBPであるが、定常的なものである。この新しいBPを合成BPと呼ぶことにしよう。
合成BPを外挿する。価格VRの外延に追加する。合成BPがホワイトノイズでない場合、出力は2つの外挿の和の結果となる。