Virty: Насколько я понял, предложенная регрессионная модель есть ещё один способ экстраполяции курса гладкими функциями. Вопрос: Каковы преимущества регрессионной модели по сравнению с простой экстраполяцией полиномами или, например, гусеницей SSA?
1. Как показывают исследования, приведенные в статье, Вы правы отчасти, поскольку предложенная регрессионная модель, действительно есть ещё идин, новый способ экстраполяции курса не всякими гладкими функциями, а именно разновидностями Гамма-функции Эйлера, известными науке как плотность(двухпараметрической) функции распределения Эрланга- функция М(t/т;n+1;1;1) , интегральная (двухпараметрическая) функция распределения Эрланга-функция S(t/т;n+1;1;1) и новой, неизвестной науке, выявленной и названной мной, как интегральная (двухпараметрическая) экспоненциальная функция распределения - L(t/т;n;1;1), превращающаяся, при подстановки в нее значения параметра n=1, в известную интегральную (однопараметрическую) экспонециальную функцию распределения.
エクセルのヘルプに数式があるはずだ。
ええ、ありますよ。
Virty:
Насколько я понял, предложенная регрессионная модель есть ещё один способ экстраполяции курса гладкими функциями. Вопрос: Каковы преимущества регрессионной модели по сравнению с простой экстраполяцией полиномами или, например, гусеницей SSA?
1. Как показывают исследования, приведенные в статье, Вы правы отчасти, поскольку предложенная регрессионная модель, действительно есть ещё идин, новый способ экстраполяции курса не всякими гладкими функциями, а именно разновидностями Гамма-функции Эйлера, известными науке как плотность(двухпараметрической) функции распределения Эрланга- функция М(t/т;n+1;1;1) , интегральная (двухпараметрическая) функция распределения Эрланга-функция S(t/т;n+1;1;1) и новой, неизвестной науке, выявленной и названной мной, как интегральная (двухпараметрическая) экспоненциальная функция распределения - L(t/т;n;1;1), превращающаяся, при подстановки в нее значения параметра n=1, в известную интегральную (однопараметрическую) экспонециальную функцию распределения.
2.明らかな問題（この問題については後で触れる）
私が理解する限り、提案されている回帰モデルは、滑らかな関数によってコースを外挿するもう一つの方法です。Q: 回帰モデルの利点は，多項式や例えばSSAキャタピラによる単純な外挿に比べて何ですか？
1.私が新たに提案するビジョンによれば
多項式の前に専ら固体の欠点 - それらの中で、あなたは多項式の所望の順序を得ることができます....常に重要なのは、値の相関関係であり、系列がどのように近似されているかではありません（ここでは、事実に対する予測の相関関係がゼロであることを視覚的に確認することもできます。
偉そうなタイトルのこの「新しいビジョン」は、過去100年、200年の関連文献を知らない、あからさまな無知以外の何ものでもない。もし著者が数学統計学や計量経済学の最も簡単な教科書を読んでいたなら、この論文で「仮説検定」や「信頼区間」という言葉を使わずに予測に関する論文を発表することはなかっただろう。予測は、モデル自体に対する信頼性を述べることなく、また予測に対する信頼性を述べることなく行われる。またまたオタク吹雪。
この記事の制限の中で、私はあなたが述べた課題を設定しませんでした、それは数ページの単行本にならないように、その制限の中で、私はあなたが言及した問題だけでなく、カバーするつもりです。記事の結論に基づき、私はすでに8つの全く新しいインジケーター（Forecast 001-006、SultonovPrediction 1と2、3つのExpert Advisor - eForell 01-03、eForell 01-03、eForell 01-03）を開発しました。eForell 01-03、積極的にフォーラムで議論されている記事の比率（18）によると、市場の質的および量的特性の両方を考慮に入れ mql4MT画面上のインジケータSultonov、exelで作られたプログラム上のmt4のためのExpert Advisorを作成 し、取引ロボットを 作成 します。
この記事の制限の中で、私はあなたが述べた課題を設定しませんでした、それは数ページの単行本にならないように、その制限の中で、私はあなたが言及した問題だけでなく、カバーするつもりです。記事の結論に基づき、私はすでに8つの全く新しいインジケーター（Forecast 001-006、SultonovPrediction 1と2、3つのExpert Advisor - eForell 01-03、eForell 01-03、eForell 01-03）を開発しました。eForell 01-03は、フォーラムで活発に議論されている記事の比率（18）によると、市場の質的および量的特性の両方を考慮して、MT画面上の mql4インジケータSultonov、exelで作られたプログラム上のmt4のためのExpert Advisorを作成 し、取引ロボットを 作成 します。
こんにちは、親愛なるYusufhoja、あなたが話しているインジケータとExpert Advisorsはどこでダウンロードできますか？