나는 일반적인 경우에 n 차 다항식으로 시계열을 보간하기 위한 공식을 종이에 쓰기 시작했습니다. 그리고 유라, 제가 결국 무엇을 얻었나요? - 어떤 점 부근에서 테일러 급수(RT)의 확장! 그의 천재성에 놀랐습니다 :-) 그리고 약간의 생각 끝에 그는 그래야 한다는 결론에 도달했습니다. 실제로, 본질적 으로 RT는 첫 번째, 두 번째, … 정의에 따르면 이 장치는 초기 행이 SMOOTH인 경우 사용할 수 있습니다. 도함수가 정의되고 n-1 번째까지 존재합니다. VR 금융 상품은 평활 상품의 클래스에 속하지 않으므로 RT의 확장을 적용할 수 없거나 다항식에 의한 외삽을 사용할 수 있습니다. 그건 그렇고, 시리즈의 부드러움은 KA의 긍정에 지나지 않습니다! 저것들. 행은 방향을 바꾸는 것보다 시작했던 움직임을 계속할 것입니다. 예, 비즈니스! 매끄럽지 않은 함수와 그 분석 방법을 연구하는 분야에서 수학 섹션을 만들어야 할 것 같습니다...
반영을 위한 정보입니다. 웨이블릿 변환은 모든 VR에 적용할 수 있습니다. 결과 웨이블릿 이미지를 사용하면 정확도에 관계없이 원래 VR을 복원할 수 있습니다. 웨이블릿 이미지(웨이블릿 형성 함수의 알려진 선택 포함)는 연속적이고 무한히 미분 가능 합니다.
아마도 나는 문맹으로 인해 그것을 어딘가에 올바르게 두지 않았을 것입니다. - 전문가들이 수정할 것입니다. 그러나 의미는 정확합니다.
예, 그림이 좋습니다. 실제로 시장의 프랙탈리티는 교과서에서나 볼 수 있는 익숙한 형태로 나타난다. 나는 또한 개인적으로 그것에서 시장의 불균형의 실례를 보았다. 그러나 문제는 역사에서 우리가 많은 다른 관점(적어도 동일한 채널)에 대해 반복되는 구조를 분명히 볼 수 있다는 것입니다. 그러나 실시간으로 구조가 식별되면 일반적으로 더 이상 미래의 운명을 안정적으로 판단할 수 없습니다.
안드레69에게 ...먼저 가격대를 차별화합니다. 따라서 시리즈의 저주파 및 중간 주파수 고조파를 많이 버리고 있다는 사실을 염두에 두십시오! 통계의 경우 이 접근 방식은 물론 타당합니다. 하지만 우리는 아기를 물과 함께 여기에서 던지고 있지 않습니까? ...
미분할 때 신호의 저주파 성분에 대한 정보는 손실되지 않습니다. 실제로 일련의 잔차를 통합한 후 모든 추세에 특정 상수를 더한 원래 시계열을 얻을 수 있습니다. 따라서 미분에 의한 원 급수의 정상성은 수학적 관점에서 매우 정확하다. 그러나 여기에서 매복이 발생합니다. 인접 샘플의 잘못된 상관 관계가 생성되지만 이것은 별도의 노래입니다. 그렇지 않으면 Andre69, 나는 당신의 말에 동의합니다. 그리고 유익한 답변 감사합니다.
동의합니다. 정보를 잃지는 않지만 정보를 매우 왜곡합니다. 그런 의미에서 나 자신을 표현했다. 실제로 차별화는 시리즈에 고역 통과 필터를 적용하는 것입니다. 낮은 고조파는 매우 강하게 차단됩니다. DC 구성 요소... 지옥에, 우리는 그것을 필요로 하지 않습니다. 하지만 나머지는... 가격 시리즈와 파생 상품의 스펙트럼(푸리에 및 웨이블릿)을 다시 살펴보았습니다. 그들이 말하는 것처럼 차이를 느끼십시오 ... 나머지는 동의합니다.
나는 일반적인 경우에 n 차 다항식으로 시계열을 보간하기 위한 공식을 종이에 쓰기 시작했습니다. 그리고 유라, 제가 결국 무엇을 얻었나요? - 어떤 점 부근에서 테일러 급수(RT)의 확장! 그의 천재성에 놀랐습니다 :-) 그리고 약간의 생각 끝에 그는 그래야 한다는 결론에 도달했습니다. 실제로, 본질적 으로 RT는 첫 번째, 두 번째, … 정의에 따르면 이 장치는 초기 행이 SMOOTH인 경우 사용할 수 있습니다. 도함수가 정의되고 n-1 번째까지 존재합니다. VR 금융 상품은 평활 상품의 클래스에 속하지 않으므로 RT의 확장을 적용할 수 없거나 다항식에 의한 외삽을 사용할 수 있습니다.
그건 그렇고, 시리즈의 부드러움은 KA의 긍정에 지나지 않습니다! 저것들. 행은 방향을 바꾸는 것보다 시작했던 움직임을 계속할 것입니다. 예, 비즈니스! 매끄럽지 않은 함수와 그 분석 방법을 연구하는 분야에서 수학 섹션을 만들어야 할 것 같습니다...
반영을 위한 정보입니다. 웨이블릿 변환은 모든 VR에 적용할 수 있습니다. 결과 웨이블릿 이미지를 사용하면 정확도에 관계없이 원래 VR을 복원할 수 있습니다. 웨이블릿 이미지(웨이블릿 형성 함수의 알려진 선택 포함)는 연속적이고 무한히 미분 가능 합니다.
아마도 나는 문맹으로 인해 그것을 어딘가에 올바르게 두지 않았을 것입니다. - 전문가들이 수정할 것입니다. 그러나 의미는 정확합니다.
어쩜 이렇게 이쁘니!
첫 번째 사진은 가격 변동의 축소된 규모로 잠수하는 것처럼 보입니다. 일종의 디지털 현미경으로 배율이 가변적입니다 :-) 매우 유사한 지도(동일하지 않더라도)는 각 단계에서 원래 대역폭이 부드럽게 감소하는 저역 통과 필터입니다 ...
경기는 만족스럽다고 말하고 싶다. 그건 그렇고, MathCad 환경의 코드에는 LPF에 대한 반복 공식만 포함되어 있습니다. 10줄이면 됩니다. 카운팅 시간은 1초입니다.
완전히 다른 방법으로 얻은 결과가 비슷해서 기쁩니다.
동일한 VR(고주파 영역)의 미세 구조.
대규모 자본 투입의 시차에 따라 규칙적인 구조가 나온다고 생각합니다. 이 프로세스는 단계적이며, 이로 인해 현지에서 정기적으로 시장이 교란됩니다.
이것은 더 미세한 구조(분)입니다. 세로 축은 평균 창을 표시하고 가로 축은 현재 분 막대를 표시합니다.
다른 버전이 있습니다. 아마도 이것이 "단열성 창"입니까?
...먼저 가격대를 차별화합니다. 따라서 시리즈의 저주파 및 중간 주파수 고조파를 많이 버리고 있다는 사실을 염두에 두십시오! 통계의 경우 이 접근 방식은 물론 타당합니다. 하지만 우리는 아기를 물과 함께 여기에서 던지고 있지 않습니까? ...
미분할 때 신호의 저주파 성분에 대한 정보는 손실되지 않습니다. 실제로 일련의 잔차를 통합한 후 모든 추세에 특정 상수를 더한 원래 시계열을 얻을 수 있습니다. 따라서 미분에 의한 원 급수의 정상성은 수학적 관점에서 매우 정확하다. 그러나 여기에서 매복이 발생합니다. 인접 샘플의 잘못된 상관 관계가 생성되지만 이것은 별도의 노래입니다.
그렇지 않으면 Andre69, 나는 당신의 말에 동의합니다. 그리고 유익한 답변 감사합니다.
동의합니다. 정보를 잃지는 않지만 정보를 매우 왜곡합니다. 그런 의미에서 나 자신을 표현했다. 실제로 차별화는 시리즈에 고역 통과 필터를 적용하는 것입니다. 낮은 고조파는 매우 강하게 차단됩니다. DC 구성 요소... 지옥에, 우리는 그것을 필요로 하지 않습니다. 하지만 나머지는... 가격 시리즈와 파생 상품의 스펙트럼(푸리에 및 웨이블릿)을 다시 살펴보았습니다. 그들이 말하는 것처럼 차이를 느끼십시오 ...
나머지는 동의합니다.
어쩜 이렇게 이쁘니!
첫 번째 사진은 가격 변동의 축소된 규모로 잠수하는 것처럼 보입니다. 일종의 디지털 현미경으로 배율이 가변적입니다 :-) 매우 유사한 지도(동일하지 않더라도)는 각 단계에서 원래 대역폭이 부드럽게 감소하는 저역 통과 필터입니다 ...
네가 좋다 니 기쁘다!
다음에 설명하는 것은 다른 웨이블릿 방법입니다(세부적으로 다르지만 본질적으로 사실임). trous 알고리즘을 사용하여 데시메이션되지 않은 웨이블릿 변환이라고 합니다.
오픈 축하드립니다!