文章 "经验模态分解法介绍"
一般来说，是的，您可以不用光谱，尤其是如果一个 EMD 就足够练习的话。
1. Box 和 Jenkins 最早分解成的成分之一（即 ARMA）被命名为 ARCH，而不是最早分解成的成分之一，这是一个非常典型的现象。当然，也没有提到 ARCH。
2.2. 如果不是因为他们描述了问题，并从问题出发提出了分解的目的，就可以不提上述世界上非常受人尊敬的公民。从这些前提出发，方法的局限性和结果的代价都变得一目了然。
3.这一切的目的是什么？分解法解决了哪些问题？ 有哪些局限性？还有哪些问题没有解决？
4.最重要的是：这种分解是否具有可预测性？
5.从作者的大量文章来看，他是从 DSP 进入市场的，而 DSP 的核心是分析，目标非常明确：从噪声中识别信号。市场上没有 DSP 意义上的信号，但有趋势，所以我们要寻找趋势。在分析中，我们试图找到一种趋势，希望它能延续下去。这就是为什么分析在交易中只作为预测的证实而有趣--分析本身并不有趣。任何 "出市-入市 "的市场立场变化都是在对近期预测的基础上做出的决定。
5.从绝大多数作者的文章来看--他是从 DSP 进入市场的，........ .
实际上，我是从乘法表进入市场的。
具体到这篇文章。
您强调了几个组成部分。其中哪些或它们的组合对交易有价值，为什么？
我们都来自童年。
你不断地在 "计量经济学（统计学）"这座巨大而坚固的建筑中走来走去，从中挑出一块块独立的碎片或砖块，却始终没有注意到整个知识体系，也没有尝试将自己的研究作为其中的一块砖块。正因为如此，您的文章虽然在水平和主题方面无疑都很有趣，但却悬而未决。
这是我们这个时代的一个基本问题。每个知识领域的信息量都变得如此庞大，模型也变得如此复杂，以至于一个人很难将任何一门科学全部囊括在内。因此，我们必须只处理特定科学的特定部分，以便有时间并能够理解一些东西。我这么认为！:)
计量经济学 不存在百科全书式的知识。只要选择一些可以接受的东西并加以使用就足够了，就像买车和开车一样。此外，在这次讨论中，我们谈论的是一个非常狭隘的问题：将商分解为其组成部分。在过去 50 年中，经典的分解方法是 Box 和 Jenkins 分解法：趋势 + 周期 + 噪音（前两者之和的残差）。这种分解方法具有经济意义。文中提到了小波--它们给出了一种不同的分解，但同样具有经济意义，而且小波与博克斯的想法非常吻合。
我们在文章中看到了什么？这正是我感兴趣的问题。
新文章 经验模态分解法介绍已发布：
本文旨在让读者熟悉经验模态分解 (EMD) 法。它是希尔伯特-黄 (Hilbert-Huang) 变换的基础部分，用于分析非静态和非线性过程产生的数据。本文还介绍此方法的一种可能软件实施，并简短地介绍有关其特性的考虑因素，并提供几个简单的运用例子。
作者：Victor