記事"経験的モード分解メソッドのイントロダクション"についてのディスカッション
一般的には、スペクトルはなくても大丈夫だ。
1.ARMAとして知られるBoxとJenkinsによる最初の構成要素分解の1つが挙げられ、最初の構成要素分解の1つが挙げられていないのは非常に徴候的である。当然、ARCHは言及されていない。
2.それは、彼らが問題を説明し、その問題から分解の目的を定式化したからである。これらの前提から、方法の限界も結果の価格も明らかになる。
3.このすべての目的は何か？分解はどのような問題を解決するのか。 どのような限界があるのか。未解決の問題は何か？
4.最も重要なことは、この分解は予測可能性を持っているか？
5.著者の圧倒的な論文数から判断すると、彼はDSPからこの市場に参入した。DSPという意味でのシグナルは市場にはありませんが、トレンドはありますから、それを探します。分析では、トレンドの継続を期待してトレンドを見つけようとする。そのため、分析がトレーディングにおいて興味深いのは、予測の裏付けとしてだけであり、分析そのものは興味深いものではありません。マーケットからマーケットへ」ポジションを変更することは、近い将来の予測に基づいて決定されます。
5.著者の圧倒的な記事の数から判断すると、彼はDSPから市場に参入した。. .
実は、私は「掛け算表」から市場に来たのだ。
特に記事について。
あなたはいくつかの要素を強調しています。そのうちのどれ、あるいはそれらの組み合わせがトレードにとって価値があるのか、またその理由は？
私たちは皆、子供の頃からそうだった。
あなたは常に、「計量経済学（統計学）」という巨大で強大な建物の周りを歩き回り、そこから個別の断片やレンガを拾い集め、知識全体に気づかず、自分の研究をそのレンガの1つとしてくっつけようともしない。このため、あなたの論文は、レベル的にも主題的にも興味深いものであることは間違いないのだが、宙ぶらりんになってしまう。
これはむしろ現代の根本的な問題である。あらゆる知識分野の情報量が膨大になり、モデルも複雑になったため、一人の人間があらゆる科学を網羅することが難しくなった。そのため、私たちは時間を持ち、何かを理解できるようになるためには、特定の科学の特定の部分だけを扱わなければならない。私はそう思う！:)
計量経済 学に百科全書的な知識は必要ありません。車を買って運転するように、納得のいくものを選んで使えば十分なのだ。さらに、この議論では、商をその構成要素に分解するという非常に狭い問題について話している。過去50年間の古典的な分解は、Box and Jenkins分解である：トレンド＋サイクル＋ノイズ（最初の2つの合計の残差）。この分解は経済的に理にかなっている。ウェーブレットは別の分解を与えるが、これも経済的に理にかなっており、ウェーブレットはBoxの考え方によく合っている。
この記事には何が書かれているのだろうか？これはまさに私が興味を持っている質問である。
- 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
新しい記事 経験的モード分解メソッドのイントロダクション はパブリッシュされました:
この記事は、経験的モード分解メソッド（EMD）に読者が慣れ親しむことが目的です。Hilbert-HUang変換の基礎部分であり、非定常・非線形的プロセスからデータを分析することを意図されています。この記事はこのメソッドの実装について紹介し、また、その特徴や使用例も提示しています。
作者: Victor