alsu>>:
накопал крайне пользительный документ. Если кому, конечно, интересно ))
Интересно, но не то. Там идёт речь об ДЕТЕРМИНИРОВАННЫХ, ЗАМКНУТЫХ системах, составляющие которых не имеют эластичности и взаимозаменяемости. В экономике давно от этого отказались.
Экономика - не механический робот. Для экономики нужны эластичные, резиновые модели с взаимозаменяемыми компонентами.
вы хотите научиться прогнозировать при помощи преобразования Гильберта-Хуанга?
я хочу научиться эффективно работать с нестационарными временными рядами, порождаемыми при этом нелинейными динамическими системами. Есть довольно четкие мысли, что представляют собой и откуда берутся на рынке и нестационарность, и нелинейность. Для полноценного анализа не хватает математического аппарата. Возможно, ПГХ поможет, а может и другие весчи (например, статистические методы деконволюции). Но, вне зависимости от матметода, если те модели, над которыми я работаю, покажут хорошее соответствие рынку, то ответ на ваш вопрос - да, это поможет прогнозировать.
Там много всего(что конкретно "Очень интересно!" ?),
выкладывайте сюда (ну хотябы конечные ссылки), народ отзывчмвый может и подхватят.
Всё интересно! Скачал его сайт целиком.
"Под
преобразованием Гильберта-Хуанга (Hilbert-Huang transform – HHT)обычно понимается эмпирическая модовая декомпозиция (EMD) нелинейных и нестационарных сигналов
(процессов) и Гильбертов спектральный анализ (HSA). HHT не требует априорного
функционального базиса, функции базиса получаются адаптивно непосредственно
из данных процедурами отсеивания EMD. Метод был предложен Норденом Хуангом в
1995 с обобщением на анализ произвольных временных рядов коллективом соавторов
в 1998 г. /1,2,3/.
Традиционные методы анализа данных предназначены, как
правило, для линейных и стационарных сигналов и систем, и только в последние
десятилетия начали активно развиваться методы анализа нелинейных, но
стационарных и детерминированных систем, и линейных, но нестационарных данных
(вейвлетный анализ, распределение Wagner-Ville и др.). Между тем, большинство
естественных процессов и реальных физических систем в той или иной мере являются
нелинейными и нестационарными. Необходимое условие корректного представления
нелинейных и нестационарных данных заключается в том, чтобы иметь возможность
формирования адаптивного базиса, функционально зависимого от содержания самих
данных. Именно такой подход и реализуется в методе HHT."
ага...декомпозиция, то бишь разложение, чтоб потом коипозируя, то бишь слагая эти самые моды получить эээ сам нелинейный случайный процесс. Так что ли или я что то пропустил?
Если это так то речь идет о суммировании частных решений с целью получить общее его решение-результирующий
случ.процесс. Суперпозиция. Боюсь что это некорректно с матем. точки зрения для нелинейной системы,
для линейной пожалуйста...
Для авторизации и пользования сайтом MQL5.com необходимо разрешить использование файлов Сookie.
Пожалуйста, включите в вашем браузере данную настройку, иначе вы не сможете авторизоваться.
Вы вошли в аккаунт. Двухфакторная аутентификация отключена. Настройте её заново и отсканируйте новый QR-код или продолжите с отключённой двухфакторной аутентификацией.
накопал крайне пользительный документ. Если кому, конечно, интересно ))
Интересно, но не то. Там идёт речь об ДЕТЕРМИНИРОВАННЫХ, ЗАМКНУТЫХ системах, составляющие которых не имеют эластичности и взаимозаменяемости. В экономике давно от этого отказались.
Экономика - не механический робот. Для экономики нужны эластичные, резиновые модели с взаимозаменяемыми компонентами.
https://ru.wikipedia.org/wiki/%D0%AD%D0%BB%D0%B0%D1%81%D1%82%D0%B8%D1%87%D0%BD%D0%BE%D1%81%D1%82%D1%8C_(%D1%8D%D0%BA%D0%BE%D0%BD%D0%BE%D0%BC%D0%B8%D0%BA%D0%B0)
http://en.wikipedia.org/wiki/Elasticity_(economics)
Возможно, в указанном Вами направлении также будет интересна редкая книга (у меня её нет) -
Илюхин А.Г., Коваленко В.П. "Численные методы обработки информации при исследовании динамических систем". – К.: Наук. думка, 1971. – 175 с.
вы хотите научиться прогнозировать при помощи преобразования Гильберта-Хуанга?
вы хотите научиться прогнозировать при помощи преобразования Гильберта-Хуанга?
я хочу научиться эффективно работать с нестационарными временными рядами, порождаемыми при этом нелинейными динамическими системами. Есть довольно четкие мысли, что представляют собой и откуда берутся на рынке и нестационарность, и нелинейность. Для полноценного анализа не хватает математического аппарата. Возможно, ПГХ поможет, а может и другие весчи (например, статистические методы деконволюции). Но, вне зависимости от матметода, если те модели, над которыми я работаю, покажут хорошее соответствие рынку, то ответ на ваш вопрос - да, это поможет прогнозировать.
тем, кто не знаком с темой
Очень интересно!
Вот бы теперь в код переложить. Думаю, можно будет использовать при подготовке данных для NN.
Очень интересно!
Вот бы теперь в код переложить. Думаю, можно будет использовать при подготовке данных для NN.
Там много всего(что конкретно "Очень интересно!" ?),
выкладывайте сюда (ну хотябы конечные ссылки), народ отзывчивый может и подхватят.
Там много всего(что конкретно "Очень интересно!" ?),
выкладывайте сюда (ну хотябы конечные ссылки), народ отзывчмвый может и подхватят.
Всё интересно! Скачал его сайт целиком.
"Под преобразованием Гильберта-Хуанга (Hilbert-Huang transform – HHT) обычно понимается эмпирическая модовая декомпозиция (EMD) нелинейных и нестационарных сигналов (процессов) и Гильбертов спектральный анализ (HSA). HHT не требует априорного функционального базиса, функции базиса получаются адаптивно непосредственно из данных процедурами отсеивания EMD. Метод был предложен Норденом Хуангом в 1995 с обобщением на анализ произвольных временных рядов коллективом соавторов в 1998 г. /1,2,3/.
Традиционные методы анализа данных предназначены, как правило, для линейных и стационарных сигналов и систем, и только в последние десятилетия начали активно развиваться методы анализа нелинейных, но стационарных и детерминированных систем, и линейных, но нестационарных данных (вейвлетный анализ, распределение Wagner-Ville и др.). Между тем, большинство естественных процессов и реальных физических систем в той или иной мере являются нелинейными и нестационарными. Необходимое условие корректного представления нелинейных и нестационарных данных заключается в том, чтобы иметь возможность формирования адаптивного базиса, функционально зависимого от содержания самих данных. Именно такой подход и реализуется в методе HHT."тут
тут
тут
Cтатьи и программы Mathcad
ага...декомпозиция, то бишь разложение, чтоб потом коипозируя, то бишь слагая эти самые
моды получить эээ сам нелинейный случайный процесс. Так что ли или я что то пропустил?
Если это так то речь идет о суммировании частных решений с целью получить общее его решение-результирующий
случ.процесс. Суперпозиция. Боюсь что это некорректно с матем. точки зрения для нелинейной системы,
для линейной пожалуйста...