Ограничения. Следует напомнить, что модель АРПСС является подходящей только для рядов, которые являются стационарными (среднее, дисперсия и автокорреляция примерно постоянны во времени); для нестационарных рядов следует брать разности. Рекомендуется иметь, как минимум, 50 наблюдений в файле исходных данных. Также предполагается, что параметры модели постоянны, т.е. не меняются во времени.
我不知道是否有人曾经在价格转换中遇到过白噪声？
在十字星上。书呆子虚张声势。难道你自己的大脑还不足以意识到你引用的链接中的所有内容都是无稽之谈？
继续阅读，我引用一下。 "局限性。回 顾一下，ARPSS模型只适用于静止的 系列（均值、方差和自相关随时间近似不变）；对于非静止的系列，采取差分。建议在源数据文件中至少要有50个观测值。还假设模型参数是恒定的，即不随时间变化。"（我不想讨论50个观察值这个数字，因为即使是这个论坛上的傻瓜也清楚，50个交易不是一个结果）。
假设我们有一个非平稳序列，我们取了残差-delta(x)。正如这项书呆子 "工作 "中所建议的那样，剩余物本身应该符合要求，我引用一下。"只包含噪音，没有系统成分"。
去他妈的。让我们的声音响起来。噪声本身是无法以任何方式预测的。因此，对它进行近似计算是没有用的。但它确实有这样的属性，我引用一下。"残差应呈正态分布，且有MO=0。"
因此，我们取其MO=0，而不是噪声。
将其代入预测：预测（时间+i+j）=价格_应用（时间+i+j）+delta_应用（时间+i+j）=价格_应用（时间+i+j）+0 =价格_应用（时间+i+j）。
因此，对噪音的预测是第一个近似值：price_appr(x)。而第一个近似值，正如我在这个主题的第三个帖子中所说的，是一个赤裸裸的配合。其结果是。
植物学预测=适合
大惊小怪的是什么？带上ZigZaz和basta，那条抽搐的尾巴--等到它停止抽搐。而且说真的：这个新的静止序列模型可能代表了原来的非静止模型。在他们讨论ARPSS的地方，他们也讨论了原始BP和其模型之间的置信区间。我不知道植物学家和动物学家在哪里。
我不知道是否有人曾经在价格转换中遇到过白噪声？
在其纯粹的形式中，没有人。白噪声在从0到无限的所有谐波中具有相等的振幅。它在自然界中没有纯正的形式，因为没有这种理想的声学条件，任何谐波都是不可能的。
为了检查白噪声，你可以取前N次谐波并比较它们的振幅。如果它们大致相同，那么BP就会有噪音。
Ограничения. Следует напомнить, что модель АРПСС является подходящей только для рядов, которые являются стационарными (среднее, дисперсия и автокорреляция примерно постоянны во времени); для нестационарных рядов следует брать разности. Рекомендуется иметь, как минимум, 50 наблюдений в файле исходных данных. Также предполагается, что параметры модели постоянны, т.е. не меняются во времени.
论文的作者写了一些废话，因为提到的模型和原生模型完全可以用于非平稳序列（系数将只是非平稳的）。重要的预测错误在于其他地方--在源分布和所使用的模型之间有意义的不匹配。换句话说，必要条件是ARPSS和价格系列的分布是一致的，当然，在自然界中不是这样的。
PS：顺便说一下，有些小故障，引文选择不工作 嗯，引文选择工作，但与文本选择分开（IE7）。
书呆子虚张声势。难道你自己的大脑还不足以意识到你引用的链接中的所有内容都是无稽之谈？
继续阅读，我引用一下。 "局限性。回 顾一下，ARPSS模型只适用于静止的 系列（均值、方差和自相关随时间近似不变）；对于非静止的系列，采取差分。建议在源数据文件中至少要有50个观测值。还假设模型参数是恒定的，即不随时间变化。"（我不想讨论50个观察值这个数字，因为即使是这个论坛上的傻瓜也清楚，50个交易不是一个结果）。
假设我们有一个非平稳序列，我们取了残差-delta(x)。正如这项书呆子 "工作 "中所建议的那样，剩余物本身应该符合要求，我引用一下。"只包含噪音，没有系统成分"。
去他妈的。让我们的声音响起来。噪声本身是无法以任何方式预测的。因此，对它进行近似计算是没有用的。但它确实有这样的属性，我引用一下。"残差应呈正态分布，且有MO=0。"
因此，我们取其MO=0，而不是噪声。
将其代入预测：预测（时间+i+j）=价格_应用（时间+i+j）+delta_应用（时间+i+j）=价格_应用（时间+i+j）+0 =价格_应用（时间+i+j）。
因此，对噪音的预测是第一个近似值：price_appr(x)。而第一个近似值，正如我在这个主题的第三个帖子中所说的，是一个赤裸裸的配合。其结果是。
植物学预测=适合。
这是对预测模型的充分性的测试。残差不仅可以取一阶。即delta2(time + i) = Open[time + i] - forecast(time + i)。该方法只说预测模型是充分的。在你的案例中，预测模型就是预测。I.e.
"4.检查delta(x)的白噪声。如果它很嘈杂，那么奶奶就很无奈了。如果它不发出声音，就继续走。"
这不是流浪汉，恰恰相反--预测模型很好。残差没有系统成分，是独立的。只要不是这种情况，你就可以建立模型，将残差推算到无穷大。这是一个停止的标准，我们已经来到了我们所寻找的地方。
自己琢磨很困难吗？;)
为了检查白噪声，你可以取前N次谐波并比较其振幅。如果它们大致相同，那么BP就会有噪音。
难道你不愿意计算ACF吗？
这是对预测模型的充分性的测试。残差不仅可以取一阶。即delta2(time + i) = Open[time + i] - forecast(time + i)。
这又是无稽之谈。
因此，我们得到。delta2(x) = delta(x), 因为, forecast(x) = price_appr(x)。
自己弄清楚太难了吗？
计算ACF不是更好吗？
我们为什么不注意ZZ的尾巴呢？这是一个肯定的预测。而且你仍然必须证明你有这个能力。
这也是无稽之谈。
其结果是。delta2(x) = delta(x), 因为, forecast(x) = price_appr(x)。
自己搞清楚能有多难？
多做一些思考 :)仅仅因为一个随机变量的MO=0，并不意味着CB本身可以被零所取代，正如你巧妙地做的那样:):)