근본적으로 예측할 수 없는 m. SB 유형의 추상 프로세스만. 실제 프로세스는 비주기적이고 빠르게 패턴을 변경할 수 있으므로 통계적으로 신뢰할 수 있는 식별을 위한 데이터가 충분하지 않습니다. 그러나 이론적으로 패턴을 변경하는 과정에서 패턴을 찾으려고 할 수 있습니다)) 패턴을 식별하려면 데이터가 이전 수준의 패턴을 식별하는 것보다 훨씬 더 큰 규모입니다. 그러나 이러한 패턴은 또한 변하기 쉬운. 그리고 결국 모든 것은 해당 수준의 패턴을 식별하는 데이터의 양에 달려 있습니다. :)
코티루에 적용할 수 있는 이론, 과학 및 도구가 엄청나게 많습니다. 이러한 조건에서 우리가 원하는 것을 결정하는 것이 매우 중요합니다.
과거 데이터에서 생성된 모델을 다음 막대에 적용할 수 있기를 바랍니다. 충분 해. 모두.
나는 이 모델의 특성이 극도로 제한된 샘플(수십 번의 관찰)에 의해 확립되었다고 믿습니다. 이 모델의 견고성을 테스트하려면 큰 샘플이 필요합니다. 이것이 모델의 두 번째 특징입니다. 모델의 안정성은 변수 분산 및 중단에서의 동작에 의해 결정됩니다. 이것이 모델의 두 번째 특징입니다. 이를 위한 수단과 방법을 선택하면 툴킷이 표시되기 때문에 큰 진전이 될 것입니다.
근거 없는 말을 하지 않기 위해 각각의 진술에 대한 예를 들겠습니다. 일부러 더 노력하겠습니다.
faa1947 :
어떤 다른 정의로? 비정상 프로세스에서 RMS는 어디로 사라졌습니까? 무한 분산을 갖는 확률 변수에 대해 들어본 적이 있습니까? 근본적인 예측 가능성은 RMS의 존재와 어떤 관련이 있습니까?
이것은 당신의 대답입니다. 분산이 일정하지 않으면 예측이 불가능합니다. 예측 오차가 불확실해집니다.
이것은 답변이 아니라 자신의 망상에 관한 질문입니다. 나는 그들을 논박하는 예를 든다.
밀도가 1/pi*1/(1+(x-x0)^2)이고 기대값 x0이 있는 비정상 프로세스는 완전한 불확실성에도 불구하고 알 수 없는 분포(정상 여부 - 역시 불명). 그리고 프로세스의 상관 시간을 0이 아닌 것으로 두십시오. 곱 ACF(tau,t)*tau의 적분은 모든 t에 대해 0보다 큽니다.
프로세스에 대해 무엇을 알고 있습니까?
a) 분산은 항상 무한합니다(믿지 않으면 적분을 계산하십시오).
b) 좁은 의미에서 그리고 넓은 의미에서 거의 확실하게고정되어 있지 않습니다. 첫 번째는 좁은 의미의 정상성의 정의에서 따온 것입니다. 프로세스의 밀도는 일정하지 않고 두 번째는 프로세스 x0의 알려지지 않은 속성 때문입니다.
그럼에도 불구하고 모든 악화 상황에도 불구하고 특정 조건, 즉 상관 시간(일정하지 않을 수 있음 - 프로세스가 비정상적입니다!)이 특정 임계값을 초과하는 영역에서 우리는 상당히 수용 가능한 예측을 구축할 수 있습니다. 최종 편차. 동시에, 적어도 어떤 시점에서 프로세스의 좋은(특정 임계값 초과, 원칙적으로 계산할 수 있는) 상관 관계의 조건과 이러한 순간을 식별하는 능력이 충분 조건입니다. 예측 가능성 때문입니다. 동시에 비정상과 분산이 없다는 사실 자체는 중요하지 않다.
고정성에 대한 집착과 예측 가능성에 대한 이해 불가능한 대체도 그다지 해롭지 않습니다 .
변화가 아니라 누수입니다.
왜 집착인가? 그건 그렇고, 나는 하나가 없습니다.
그 일은 완전히 이해할 수 있습니다. 예측 오류 없이 예측을 생각할 수 없습니다. 오류는 적어도 과거 데이터에서 임의로 변경할 수 없습니다. 이에 대해 명확하지 않은 것은? 또는 다른 것?
오류는 원하는 대로 변경될 수 있으며 우리의 임무는 이를 계산할 수 있도록 하는 것입니다. 우리가 이것을 할 수 있다면 왜 다른 시점에서 다를 수 없습니까? 당신의 치명적인 실수는 예측의 분산과 예측된 프로세스의 분산을 구분하지 않는 것이며, 이는 서로 엄격하게 관련되지 않은 완전히 다른 것입니다. 그들 사이의 연결의 존재와 깊이는 프로세스에 대한 지식의 양, 우리의 무기고에서 사용할 수 있는 예측 방법, 그리고 마지막으로 중요한 것은 예측된 프로세스 자체의 속성을 비롯한 많은 요인에 따라 달라집니다. 위의 예가 이를 확인합니다.
사람들은 혼자가 아니라 많은 권위자들의 말을 들은 후에 착각하는 경향이 있기 때문에 집착은 정말로 당신 혼자만의 것이 아닙니다.
코티루에 적용할 수 있는 이론, 과학 및 도구가 엄청나게 많습니다. 이러한 조건에서 우리가 원하는 것을 결정하는 것이 매우 중요합니다.
과거 데이터에서 생성된 모델을 다음 막대에 적용할 수 있기를 바랍니다. 충분 해. 모두.
나는 이 모델의 특성이 극도로 제한된 샘플(수십 번의 관찰)에 의해 확립되었다고 믿습니다. 이 모델의 견고성을 테스트하려면 큰 샘플이 필요합니다. 이것이 모델의 두 번째 특징입니다. 모델의 안정성은 변수 분산 및 중단에서의 동작에 의해 결정됩니다. 이것이 모델의 두 번째 특징입니다. 이를 위한 수단과 방법을 선택하면 툴킷이 표시되기 때문에 큰 진전이 될 것입니다.
저에게 이것은 뉴스입니다. 고정 계열은 정의에 따라 SCO 내에서 예측 가능합니다. 비 고정식에는 속도가 없습니다. 예측은 무엇입니까? 하지만 속도만이 중요한 것은 아닙니다.
어떤 다른 정의로? 비정상 프로세스에서 RMS는 어디로 사라졌습니까? 무한 분산을 갖는 확률 변수에 대해 들어본 적이 있습니까? 근본적인 예측 가능성은 RMS의 존재와 어떤 관련이 있습니까?
그래도 디트렌딩의 문제로 돌아가고 싶습니다.
우리는 무엇을 감소시키고 있습니까?
수준? 직선 또는 곡선? 또는 스플라인?
단계는 어떻습니까? 우리도 그녀를 억제할 것인가?
코티르에 한 가지 경향이 있습니까, 아니면 많은 경향이 있습니까? 아마도 웨이블릿?
따라서 결정론적 및 확률론적 추세에 대한 고정은 거래자에게 없는 문제 해결을 제안하기 때문에 예측에 해롭습니다.
어떤 다른 정의로? 비정상 프로세스에서 RMS는 어디로 사라졌습니까? 무한 분산을 갖는 확률 변수에 대해 들어본 적이 있습니까? 근본적인 예측 가능성은 RMS의 존재와 어떤 관련이 있습니까?
나는 당신의 아이디어를 재구성할 것입니다. "비정상 프로세스에서 비정상을 제거하면 고정이 될 것입니다." 고정성에 대한 고정과 예측 가능성에 대한 이해할 수 없는 대체도 그다지 해롭지 않습니다.어떤 다른 정의로? 비정상 프로세스에서 RMS는 어디로 사라졌습니까? 무한 분산을 갖는 확률 변수에 대해 들어본 적이 있습니까? 근본적인 예측 가능성은 RMS의 존재와 어떤 관련이 있습니까?
이것은 당신의 대답입니다. 분산이 일정하지 않으면 예측이 불가능합니다. 예측 오차가 불확실해집니다.
고정성에 대한 집착과 예측 가능성에 대한 이해 불가능한 대체도 그다지 해롭지 않습니다 .
변화가 아니라 누수입니다.
왜 집착인가? 그건 그렇고, 나는 하나가 없습니다.
그 일은 완전히 이해할 수 있습니다. 예측 오류 없이 예측을 생각할 수 없습니다. 오류는 적어도 과거 데이터에서 임의로 변경할 수 없습니다. 이에 대해 명확하지 않은 것은? 또는 다른 것?
비정상 프로세스에서 비정상을 제거하면 고정이 됩니다." 와우, 얼마나 사려깊은가!
그런 말 한 적 없어. 그는 한 가지에 대해서만 이야기했습니다. 고려하기 위해, 모델링하기
어떤 다른 정의로? 비정상 프로세스에서 RMS는 어디로 사라졌습니까? 무한 분산을 갖는 확률 변수에 대해 들어본 적이 있습니까? 근본적인 예측 가능성은 RMS의 존재와 어떤 관련이 있습니까?
나는 당신의 아이디어를 재구성할 것입니다. "비정상 프로세스에서 비정상을 제거하면 고정이 될 것입니다." 고정성에 대한 고정과 예측 가능성에 대한 이해할 수 없는 대체도 그다지 해롭지 않습니다.그래서 나는 정상과 예측 가능성 사이에 등호를 넣는 이유를 이해하지 못합니다. 이러한 방식으로 정상성을 달성하려는 경우 일반적인 SB를 사용합니다. 이상적인 RMS가 있는 이상적인 정상성은 다음과 같습니다. 이제 모델을 만들어 보십시오. 결과는 무작위로 보장됩니다.
그래서 나는 정상과 예측 가능성 사이에 등호를 넣는 이유를 이해하지 못합니다. 이러한 방식으로 정상성을 달성하려는 경우 일반적인 SB를 사용합니다. 이상적인 RMS가 있는 이상적인 정상성은 다음과 같습니다. 이제 모델을 만들어 보십시오. 결과는 무작위로 보장됩니다.
저에게는 모든 것이 명확합니다. 예측 - 0개월 이를 기반으로 TS는 Mo에서 무작위 편차로 Mo로의 복귀를 기반으로 구축됩니다.
일련의 가격 중에서 양의 mo로 가격 인상의 준정상 과정을 선택하십시오.)
일련의 가격 중에서 양의 mo로 가격 인상의 준정상 과정을 선택하십시오.)
근거 없는 말을 하지 않기 위해 각각의 진술에 대한 예를 들겠습니다. 일부러 더 노력하겠습니다.
어떤 다른 정의로? 비정상 프로세스에서 RMS는 어디로 사라졌습니까? 무한 분산을 갖는 확률 변수에 대해 들어본 적이 있습니까? 근본적인 예측 가능성은 RMS의 존재와 어떤 관련이 있습니까?
이것은 당신의 대답입니다. 분산이 일정하지 않으면 예측이 불가능합니다. 예측 오차가 불확실해집니다.
이것은 답변이 아니라 자신의 망상에 관한 질문입니다. 나는 그들을 논박하는 예를 든다.
밀도가 1/pi*1/(1+(x-x0)^2)이고 기대값 x0이 있는 비정상 프로세스는 완전한 불확실성에도 불구하고 알 수 없는 분포(정상 여부 - 역시 불명). 그리고 프로세스의 상관 시간을 0이 아닌 것으로 두십시오. 곱 ACF(tau,t)*tau의 적분은 모든 t에 대해 0보다 큽니다.
프로세스에 대해 무엇을 알고 있습니까?
a) 분산은 항상 무한합니다(믿지 않으면 적분을 계산하십시오).
b) 좁은 의미에서 그리고 넓은 의미에서 거의 확실하게 고정되어 있지 않습니다. 첫 번째는 좁은 의미의 정상성의 정의에서 따온 것입니다. 프로세스의 밀도는 일정하지 않고 두 번째는 프로세스 x0의 알려지지 않은 속성 때문입니다.
그럼에도 불구하고 모든 악화 상황에도 불구하고 특정 조건, 즉 상관 시간(일정하지 않을 수 있음 - 프로세스가 비정상적입니다!)이 특정 임계값을 초과하는 영역에서 우리는 상당히 수용 가능한 예측을 구축할 수 있습니다. 최종 편차. 동시에, 적어도 어떤 시점에서 프로세스의 좋은(특정 임계값 초과, 원칙적으로 계산할 수 있는) 상관 관계의 조건과 이러한 순간을 식별하는 능력이 충분 조건입니다. 예측 가능성 때문입니다. 동시에 비정상과 분산이 없다는 사실 자체는 중요하지 않다.
고정성에 대한 집착과 예측 가능성에 대한 이해 불가능한 대체도 그다지 해롭지 않습니다 .
변화가 아니라 누수입니다.
왜 집착인가? 그건 그렇고, 나는 하나가 없습니다.
그 일은 완전히 이해할 수 있습니다. 예측 오류 없이 예측을 생각할 수 없습니다. 오류는 적어도 과거 데이터에서 임의로 변경할 수 없습니다. 이에 대해 명확하지 않은 것은? 또는 다른 것?
오류는 원하는 대로 변경될 수 있으며 우리의 임무는 이를 계산할 수 있도록 하는 것입니다. 우리가 이것을 할 수 있다면 왜 다른 시점에서 다를 수 없습니까? 당신의 치명적인 실수는 예측의 분산과 예측된 프로세스의 분산을 구분하지 않는 것이며, 이는 서로 엄격하게 관련되지 않은 완전히 다른 것입니다. 그들 사이의 연결의 존재와 깊이는 프로세스에 대한 지식의 양, 우리의 무기고에서 사용할 수 있는 예측 방법, 그리고 마지막으로 중요한 것은 예측된 프로세스 자체의 속성을 비롯한 많은 요인에 따라 달라집니다. 위의 예가 이를 확인합니다.
사람들은 혼자가 아니라 많은 권위자들의 말을 들은 후에 착각하는 경향이 있기 때문에 집착은 정말로 당신 혼자만의 것이 아닙니다.
흠.
포럼의 최고의 사람들을 흥분시킬 수 있어서 기쁩니다.
당신의 허락을 받으면 겸손하게 옆으로 서서 읽을 것입니다. 고맙습니다.