В том-то и дело, что я не смог найти способа "легко восстановить" исходный ВР. Все известные мне методы рассыпаются при приближении к правому краю ВР. Я даже как-то мультяшку выкладывал на этом форуме где показан процесс приближения прогнозного ряда к горизонту событий. Дело в том, что интегрируя исходный ВР (строя МА) мы по сути ничего нового не привносим в обрабатываемые данные и, как следствие, не продвигаемся в плане прогнозирования. Думаю, тут нужен инструмент способный к анализу нелинейных зависимостей ВР...
我会看看权重在历史上是如何表现的。也就是说，我将制作一个有三个缓冲区的指标：w1,w2和w3。
没问题。只是它将给我们带来什么？很明显，它们会有规律地表现出较小规模的波动周期，因为它们是一个立方体方程的解。
我将尝试从这样的图表中获得它们的可预测性和存在一些模式的可能性的视觉印象。
P.S. 如果印象是负面的，我可能会拒绝继续。
Seryoga， ，如果你不明白这个。"如果你用预测的平均数来重建时间序列，那是不行的，误差很大"，那么就很简单了。我的意思是，如果你已经提前预测了N个 计数的MA 曲线，并且知道了初始BP，你可以很容易地重建未来的BP。
5+到中子
剔除 "线路依赖者 "的方法本身就非常好。
否则有些人就从天花板上拿，或者做神秘主义5、8、13。
实际上，这不是一个坏的门槛，不是那种讨厌的60-70%，你做不了什么好事。我曾经尝试过，当我在使用NS的时候，想看看预测的S.T.O.是如何根据几个预测序列的相关性而变化的。结论是，如果存在相关性并且是正的，那么OR的下降是有限度的，也就是说，它完全不会与系列数的根成反比而下降。
实际上这不是一个坏的门槛，不是那种讨厌的60-70%，你不能做什么好事。我曾经尝试过，当我在使用NS时，看看预测的S.O.P.是如何根据几个预测序列的相关性而变化的。结论是，如果存在相关性并且是正的，那么S.O.E.的下降是有限度的，也就是说，它完全不会与行数的根成反比下降。
这就不那么顺利了。行的长度对计算AC非常重要，事实上，它相当于一个上限，可以从中取值 :o(
我会看看权重在历史上是如何表现的。也就是说，我将制作一个有三个缓冲区的指标：w1,w2和w3。
没问题。只是它将给我们带来什么？很明显，它们会有规律地表现出较小规模的波动周期，因为它们是一个立方体方程的解。
我将尝试对它们的可预测性和存在一些模式的可能性做出视觉印象。
P.S. 如果印象是负面的--可能会拒绝继续。
啊哈，我明白了!事实上，如果系数的特征颤动周期小于平均窗口N，那么你可以忘记预测。而这正是将发生的事情。谢谢你，Candid， 你刚刚为我节省了大量的时间和精力。我可以看到，这个问题在这种提法下是无法解决的。
grasn 10.04.2008 14:19
Seryoga， ，如果你不明白这个。"如果你用预测的平均值来重建时间序列，什么都不会出来，大的误差"，那么就很简单了。我的意思是，如果你已经提前预测了N个 计数的MA 曲线，并且知道初始BP，你可以很容易地恢复未来的BP。
这就是问题所在，我找不到 "轻松恢复 "原始BP的方法。我知道的所有方法在接近BP的右侧边缘时都会失效。我甚至曾经在这个论坛上发过一幅漫画，其中显示了预测序列接近事件视界的过程。问题是，通过整合初始BP（构建MA），我们实际上没有给处理过的数据带来任何新的东西，因此我们在预测方面没有得到任何进展。我认为我们需要一个能够分析非线性BP依赖关系的工具...
Korey 10.04.2008 14:26
5+到中子
谢谢你!
对中子
Seryoga，我有点糊涂了（不要注意，这是啤酒的残留物：）具体说说，你是如何计算MA 之间的相互关系的？[MA(n) 和MA(n+1)]然后[MA(n+1)和MA(n+2)]或以其他方式？
如果是这样，并观察图表本身的趋势。
现在还不太清楚这些价值从何而来。毕竟，从长度为20及以上的窗口开始，MAs 之间的相关性非常强，它们如何相差20% ，然后你如何得到6、80和300窗口。这几乎是不可能的!但是，如果你计算了例如[MA(n) 和MA(n+k)]，那么你是根据什么来选择这个k（减薄条件）？选择k会改变结果吗？
В том-то и дело, что я не смог найти способа "легко восстановить" исходный ВР. Все известные мне методы рассыпаются при приближении к правому краю ВР. Я даже как-то мультяшку выкладывал на этом форуме где показан процесс приближения прогнозного ряда к горизонту событий. Дело в том, что интегрируя исходный ВР (строя МА) мы по сути ничего нового не привносим в обрабатываемые данные и, как следствие, не продвигаемся в плане прогнозирования. Думаю, тут нужен инструмент способный к анализу нелинейных зависимостей ВР...
好吧，我稍后会给你我的拙见 :o)