是否有一个过程，其对一个部分的分析不允许预测下一个部分。 - 页 9 1234567891011121314151617 新评论 Mikhail Dovbakh 2012.05.08 16:34 #81 然而，尽管所有的情况都很严重，在某些条件下，即на тех участках ，相关时间（它可能不是恒定的--过程是非平稳的！）超过某些阈值，我们可以 用完全可以接受的有限方差做出 预测。它是指至少在某些时刻，过程的相关性良好（超过某些阈值，原则上可以计算）的条件，而我们识别这些时刻的能力是预测可能性的充分条件。同时，非平稳性和缺乏分散性的事实本身并不重要。我可以向那些不明白的人解释吗？ 过去有哪些情节？我认为也包括现在......。 而在Cauchy模式的意义上，将成为平均值？ Alexey Subbotin 2012.05.08 17:00 #82 avatara: 我可以向那些不明白的人解释吗？ 过去的情节是什么？我理解现在也是现在......。 在Cauchy的意义上，模式将成为平均值？ 好吧，我只是举了一个夸张的例子来说明，缺乏MO和方差以及非平稳性并不是认为过程不可预测的理由。关键的一句话是能够确定可预测的领域，也就是在时间上。 当然，关于国防部的问题，我当时是在撒谎。 Sceptic Philozoff 2012.05.09 00:50 #83 C-4: 如果你想实现静止性--拿一个普通的SB来说，你有完美的静止性和空闲的RMS。"普通SB "的静止性在哪里？ 而 "理想的RMS "在哪里？ P.S. 你需要更具体地说明你在说什么。如果你说的是回报，是的。 Петр 2012.05.09 01:08 #84 沉默。 [删除] 2012.05.09 03:50 #85 C-4: 不幸的是，任何预测都只能依靠确定性的部分。在没有这种成分的行上，任何预测，以及因此而产生的收益，都变得不可能。 这是一个非常有争议的说法。 [删除] 2012.05.09 03:58 #86 faa1947: 团队如何看待这种考虑。 1.如果有决定性的成分，预测是可能的。 2.确定性成分不仅在左边是可分的，而且在右边的最后一栏也是可分的。 3.向右的差异性（直到下一个条形图的到来！）是由平滑函数的类型提供的。我在某处看到，交界处的立方花键仍然是可微的。 也可以预测未分化的功能。 在没有决定性成分的情况下，预测也是可能的。 我们不应该把可区分性与可预测性联系起来。这就像在比较温暖和柔软。 Петр 2012.05.09 04:00 #87 我以后再写，好吗？我不能... СанСаныч Фоменко 2012.05.09 04:01 #88 alsu: 这不是回答，而是就你自己的错觉向你提问。我举了一个例子来反驳他们。 一个密度为1/pi*1/(1+(x-x0)^2)的非稳态过程，期望值x0也是一个随机变量，让它为完全不确定--分布未知（稳态与否--也未知）。并让该过程的相关时间不为零，即ACF(tau,t)*tau的乘积的积分在任何t下都大于0。 我们对这个过程了解多少。 a) 它的方差总是无限的（如果你不相信，就计算一下积分）。 b) 在狭义上和广义上， 它都是非稳态的。第一个问题实际上来自狭义的静止性定义，因为过程的密度不是恒定的，第二个问题来自过程x0的未知属性。 然而，尽管有所有的恶化情况，在某些条件下，即在那些相关时间（它可能不是恒定的--过程是非平稳的！）超过某些阈值的部分，我们可以用完全可以接受的有限方差来进行预测。它是指至少在某些时刻，过程的相关性良好（超过某些阈值，原则上可以计算）的条件，而我们确定这些时刻的能力是预测可能性的充分条件。然而，非平稳性和缺乏差异性的事实本身并不重要。 误差可以随心所欲地变化，而我们的工作就是要能计算出它。如果我们能做到这一点，为什么不能在不同的时间点上有不同的表现？你的致命错误是，你没有区分预测的方差和预测过程的方差，它们是完全不同的东西，彼此之间没有严格的关系。它们之间的关系的存在和深度取决于许多因素，包括我们对该过程的知识量，我们在武库中的预测方法，最后才是预测过程本身的属性。上面的例子证实了这一点。 的确，你不是唯一一个被固定住的人，因为人们往往不是根据自己的想法，而是根据当局的建议来犯错。 这不是关于权威。 你的推理的谬误是典型的有数学背景的人（也许你没有数学背景，但数学家的谬误），他们非常信任数学的计算。 在统计学中，非常容易得到任何理由，而这些理由很容易被简单的推理所驳倒，我非常喜欢这种推理。 方差的不确定性是预测的决定因素， 参考历史数据是不合适的，无论用什么公式来掩盖它。 一个简单的例子。对着一个目标射击。我被教导说，正常法则的规则，我们可以判断击中10、9、8等的概率，估计射手的质量。基础是方差值，我们从历史数据中计算出来。但是，如果任何射手被蒙上眼睛，被放在椅子上旋转，整个故事连同变数都会被遗忘。 在我看来，这才是非平稳性的标志。过去的事情说明不了什么。而要使用过去的东西则需要一些努力。 预测是一个随机变量，也就是说，我们计算的数字是从一个范围内实现的，最根本的是范围边界和对计算出的范围边界的信心水平。没有地方没有变数。如果是变数呢？特别是ARCH模型试图对这种变异进行建模，澄清变异的不确定性，并通过对变异的行为（不是一个常数，而是一种行为）进行一些深入了解，更明确地对预测做出说明。 如果你的帖子谈到了能够与非静止的VR一起工作--那么我完全同意你的观点。但是，在模型中，有必要说明这个问题是如何解决的，用什么方法，什么会被解决，什么不会，因为我不知道非平稳性问题的完整解决方案。总是会有一些我们的模型没有考虑到的不稳定特性的区域，TC会合并，我们永远不会得到平衡线的直线。 Andrey Dik 2012.05.09 04:02 #89 Svinozavr: 我以后再写，好吗？我不能... 后来呢？- 不，现在就写。 Avals 2012.05.09 04:40 #90 faa1947:方差的不确定性对预测至关重要， 参考历史数据是不合适的，无论用什么公式来隐藏它。 你并不总是要做出预测。以一个真实的价格系列为例，例如欧元兑美元M1。用第59分钟取代每小时的第一分钟。该系列作为一个整体将保持非平稳，但预测及其结果甚至不是概率性的，而是确定性的。TC的股权将是你要寻找的与天空成一定角度的直线)) 1234567891011121314151617 新评论 原因: 取消 您错过了交易机会： 免费交易应用程序 8,000+信号可供复制 探索金融市场的经济新闻 注册 登录 拉丁字符（不带空格） 密码将被发送至该邮箱 发生错误 使用 Google 登录 您同意网站政策和使用条款 如果您没有帐号，请注册 可以使用cookies登录MQL5.com网站。 请在您的浏览器中启用必要的设置，否则您将无法登录。 忘记您的登录名/密码？ 使用 Google 登录
我可以向那些不明白的人解释吗？
过去有哪些情节？我认为也包括现在......。
而在Cauchy模式的意义上，将成为平均值？
我可以向那些不明白的人解释吗？
过去的情节是什么？我理解现在也是现在......。
在Cauchy的意义上，模式将成为平均值？
好吧，我只是举了一个夸张的例子来说明，缺乏MO和方差以及非平稳性并不是认为过程不可预测的理由。关键的一句话是能够确定可预测的领域，也就是在时间上。
当然，关于国防部的问题，我当时是在撒谎。
"普通SB "的静止性在哪里？
而 "理想的RMS "在哪里？
P.S. 你需要更具体地说明你在说什么。如果你说的是回报，是的。
不幸的是，任何预测都只能依靠确定性的部分。在没有这种成分的行上，任何预测，以及因此而产生的收益，都变得不可能。
团队如何看待这种考虑。
1.如果有决定性的成分，预测是可能的。
2.确定性成分不仅在左边是可分的，而且在右边的最后一栏也是可分的。
3.向右的差异性（直到下一个条形图的到来！）是由平滑函数的类型提供的。我在某处看到，交界处的立方花键仍然是可微的。
也可以预测未分化的功能。
在没有决定性成分的情况下，预测也是可能的。
我们不应该把可区分性与可预测性联系起来。这就像在比较温暖和柔软。
这不是回答，而是就你自己的错觉向你提问。我举了一个例子来反驳他们。
一个密度为1/pi*1/(1+(x-x0)^2)的非稳态过程，期望值x0也是一个随机变量，让它为完全不确定--分布未知（稳态与否--也未知）。并让该过程的相关时间不为零，即ACF(tau,t)*tau的乘积的积分在任何t下都大于0。
我们对这个过程了解多少。
a) 它的方差总是无限的（如果你不相信，就计算一下积分）。
b) 在狭义上和广义上， 它都是非稳态的。第一个问题实际上来自狭义的静止性定义，因为过程的密度不是恒定的，第二个问题来自过程x0的未知属性。
然而，尽管有所有的恶化情况，在某些条件下，即在那些相关时间（它可能不是恒定的--过程是非平稳的！）超过某些阈值的部分，我们可以用完全可以接受的有限方差来进行预测。它是指至少在某些时刻，过程的相关性良好（超过某些阈值，原则上可以计算）的条件，而我们确定这些时刻的能力是预测可能性的充分条件。然而，非平稳性和缺乏差异性的事实本身并不重要。
误差可以随心所欲地变化，而我们的工作就是要能计算出它。如果我们能做到这一点，为什么不能在不同的时间点上有不同的表现？你的致命错误是，你没有区分预测的方差和预测过程的方差，它们是完全不同的东西，彼此之间没有严格的关系。它们之间的关系的存在和深度取决于许多因素，包括我们对该过程的知识量，我们在武库中的预测方法，最后才是预测过程本身的属性。上面的例子证实了这一点。
的确，你不是唯一一个被固定住的人，因为人们往往不是根据自己的想法，而是根据当局的建议来犯错。
这不是关于权威。
你的推理的谬误是典型的有数学背景的人（也许你没有数学背景，但数学家的谬误），他们非常信任数学的计算。
在统计学中，非常容易得到任何理由，而这些理由很容易被简单的推理所驳倒，我非常喜欢这种推理。
方差的不确定性是预测的决定因素， 参考历史数据是不合适的，无论用什么公式来掩盖它。
一个简单的例子。对着一个目标射击。我被教导说，正常法则的规则，我们可以判断击中10、9、8等的概率，估计射手的质量。基础是方差值，我们从历史数据中计算出来。但是，如果任何射手被蒙上眼睛，被放在椅子上旋转，整个故事连同变数都会被遗忘。
在我看来，这才是非平稳性的标志。过去的事情说明不了什么。而要使用过去的东西则需要一些努力。
预测是一个随机变量，也就是说，我们计算的数字是从一个范围内实现的，最根本的是范围边界和对计算出的范围边界的信心水平。没有地方没有变数。如果是变数呢？特别是ARCH模型试图对这种变异进行建模，澄清变异的不确定性，并通过对变异的行为（不是一个常数，而是一种行为）进行一些深入了解，更明确地对预测做出说明。
如果你的帖子谈到了能够与非静止的VR一起工作--那么我完全同意你的观点。但是，在模型中，有必要说明这个问题是如何解决的，用什么方法，什么会被解决，什么不会，因为我不知道非平稳性问题的完整解决方案。总是会有一些我们的模型没有考虑到的不稳定特性的区域，TC会合并，我们永远不会得到平衡线的直线。
我以后再写，好吗？我不能...
方差的不确定性对预测至关重要， 参考历史数据是不合适的，无论用什么公式来隐藏它。