Dialog des Autors. Alexander Smirnow. - Seite 38

Neuer Kommentar
 
Prival:
Yurixx:
lna01:


Ich kann Ihnen die entsprechenden analytischen Berechnungen zur Verfügung stellen.


mit dem Eintreffen neuer Daten können sich die Koeffizienten A und B ändern, denke ich, auch wenn ich vielleicht falsch liege :-). Für LR scheint es gelöst zu sein, aber für die parabolische Regression wie?

sum=0.0;
for (i=0; i<p; i++)
{
    fx = A*i*i + B*i + C;
    dc = Close[i] - fx;
    sum += dc * dc;
}
sq = MathSqrt(sum / p);
 
Yurixx:


Ich möchte sehr gerne wissen, was in diesen Formeln überflüssig sein könnte? :-)

Was den "wirklichen Ausdruck" betrifft, woher stammen Ihrer Meinung nach all diese Formeln? Setzt man die aus der MOC abgeleiteten endlichen Formeln für A und B in diesen "realen Ausdruck" ein, so erhält man genau den obigen Ausdruck für RMS. Ich kann die entsprechenden analytischen Berechnungen angeben.

OK, ich stimme zu, aber nicht in diesen speziellen Fällen :)
Definitionsgemäß ist die Rekursion die Berechnung des nächsten Wertes anhand des vorherigen Wertes? Dann ist die Berechnung kumulativer Summen die natürlichste Rekursion.
Der Punkt ist, dass meine Berechnung mit dem "realen Ausdruck" eine gewisse Inkonsistenz mit diesen Formeln ergibt. Hier sind die Ergebnisse für N=5 und N=20. Die Linien wurden als LR + 3*SCO gezählt, für die weiße Linie wurde der RMS als sqrt((RMS^2)*N/(N-2)) genommen. Die rote Linie entspricht meiner Formel, die weiße Linie entspricht Ihrer Formel. Für N=20 ist die rote Linie fast unsichtbar, wir können also davon ausgehen, dass die Ergebnisse mit guter Genauigkeit übereinstimmen. Bei N=5 sind die Unterschiede jedoch recht deutlich.
 
ANG3110:
Ja, Sie können die Summe einmal am Anfang zählen und einfach das letzte Element abziehen und ein neues erstes Element hinzufügen. Dann funktioniert es auch ohne einen Zyklus.

Das Problem ist, dass in LRMA a und b bei jedem Takt neu berechnet werden. Das heißt, eine einfache Änderung der Fehlersumme ist nicht möglich.
 
ANG3110:
Privatperson:
Yurixx:
lna01:


Ich kann Ihnen die entsprechenden analytischen Berechnungen zur Verfügung stellen.


mit dem Eintreffen neuer Daten können sich die Koeffizienten A und B ändern, denke ich, obwohl ich mich irren könnte :-). Für LR scheint es gelöst zu sein, aber für die parabolische Regression wie?

sum=0.0;
for (i=0; i<p; i++)
{
    fx = A*i*i + B*i + C;
    dc = Close[i] - fx;
    sum += dc * dc;
}
sq = MathSqrt(sum / p);


Es erfolgt keine Berechnung des Koeffizienten B. Wenn man jedoch die Berechnung addiert, scheint der ursprüngliche Wert wieder erreicht zu werden. Es findet keine Rekursion statt, d. h. zum vorherigen Wert wird ein neuer, bei Schritt 0 berechneter Wert hinzugefügt. ANG3110 leider gibt es keine Rekursion
 
lna01:
ANG3110:
Ja, Sie können die Summe einmal am Anfang zählen und einfach das letzte Element abziehen und das neue erste Element hinzufügen. Dann funktioniert es auch ohne Zyklus.

Das Problem ist, dass LRMA a und b bei jedem Balken neu berechnet. Es reicht also nicht aus, nur die Summe der Fehler zu ändern.
Und der Fall mit dem LRMA-Ausdruck - er dient dazu, die LR-Enddaten auf einmal zu lesen und ist nicht dazu gedacht, den RMS zu berechnen.
Aber die Berechnung von LRMA, ohne die Koeffizienten der Linien a und b zu verwenden, bringt nichts an berechneten Ressourcen und verarmt an Möglichkeiten, denn in der linearen Regressionsformel ist b die Endposition und a*i der Winkel. Und was noch wichtiger ist: Wenn Sie a und b kennen, können Sie den Effektivwert leicht berechnen. Oder wir können das Gegenteil tun und den RMS als konstant und die Periode als variabel berechnen, dann erhalten wir eine Regression, wie einen Anzug, der genau auf die Größe des Trends zugeschnitten ist.
 
ANG3110:
und der Zeitraum würde sich ändern, dann eine Regression erhalten, wie ein Anzug genau auf die Größe genäht, unter dem Trend.

Wenn es einen Indikator gibt, der diese Eigenschaft hat. Wäre es möglich, sie zu teilen. Ich verstehe zwar, dass das nicht in der Öffentlichkeit gepostet wird, aber wenn du dich plötzlich dazu entscheidest, werden gelbe Hosen und zwei Kumpels bei einem Treffen + dein Lieblingsgetränk um diese Zeit versuchen, es zu bekommen :-)

Ich brauche eine Parabel, ich bin nicht an LR interessiert.

 
Prival:
ANG3110:
Privatperson:
Yurixx:
lna01:


Ich kann Ihnen die entsprechenden analytischen Berechnungen zur Verfügung stellen.


mit dem Eintreffen neuer Daten können sich die Koeffizienten A und B ändern, denke ich, aber ich kann mich auch irren :-). Für LR scheint das Problem gelöst zu sein, aber wie sieht es bei der parabolischen Regression aus?

sum=0.0;
for (i=0; i<p; i++)
{
    fx = A*i*i + B*i + C;
    dc = Close[i] - fx;
    sum += dc * dc;
}
sq = MathSqrt(sum / p);


Es erfolgt keine Berechnung des Koeffizienten B. Wenn man jedoch die Berechnung addiert, scheint der ursprüngliche Wert wieder erreicht zu werden. Es findet keine Rekursion statt, d. h. zum vorherigen Wert wird ein neuer, bei Schritt 0 berechneter Wert hinzugefügt. ANG3110 Entschuldigung, hier gibt es keine Rekursion.
Aber warum brauchen wir in diesem Fall eine Rekursion? Nun, ich verstehe, wenn in den Berechnungen verwendet 10 - 20 Regressionen auf einmal, gut, dann Methoden der Berechnung ohne einen Zyklus, relevant werden, und mit Arrays gelöst ist sehr einfach. Aber bei ein oder zwei Zeilen ist es so, als ob es nichts anderes zu tun gäbe als eine Rekursion zu erfinden. Ich selbst sitze auf der Geburtstagsfeier meiner Tochter und habe wirklich nichts anderes zu tun, also warte ich, bis sie fertig sind.
 
ANG3110:
...
Warum brauchen wir diese Rekursion in diesem Fall? Nun, ich verstehe, wenn in Berechnungen 10 - 20 Regressionen auf einmal verwendet werden, gut, dann Methoden der Berechnung ohne Zyklus, werden aktuell, und sind mit Arrays sehr leicht gelöst, aber für ein - zwei Zeilen. Es ist, als gäbe es nichts anderes zu tun, als eine Rekursion zu komponieren. Ich selbst sitze auf der Geburtstagsfeier meiner Tochter und habe wirklich nichts anderes zu tun, also warte ich, bis sie fertig sind.

Analyse in mehreren Währungen, mit unterschiedlichen Zykluszeiten. Wenn Sie Zyklen (Stichprobenzeitraum) von 1, 2, 8, 12, 24 und 120 Stunden + für 12 Währungen zählen, dann ist die Berechnungsgeschwindigkeit nicht das Letzte. Obwohl (tut mir leid, dass es kein Smiley-Gesicht mit einer Tasse oder einem Foto gibt) meine Tochter am 14. Februar ihren 12. Geburtstag feiert, schreibe ich zwischen den Fotos und der Unterhaltung der Gäste (die alle am Samstag gekommen sind).
 
ANG3110:
Die Berechnung von LRMA ohne Verwendung der a- und b-Linienkoeffizienten bringt jedoch keinen Gewinn an Rechenleistung und verarmt die Möglichkeiten,
...
Und, ganz wichtig, es ist möglich, den RMS zu berechnen. Oder wir können es umgekehrt machen und den RMS als konstant und die Periode als variabel berechnen, dann erhalten wir eine Regression, wie einen Anzug, der genau auf die Größe des Trends zugeschnitten ist.
Gerade LRMA-Algorithmen aus diesem Zweig gewinnen eine Menge Ressourcen. Das Hinzufügen zum Algorithmus für die Berechnung von a und RMS(b in meiner Version zählt) wird natürlich zusätzliche Ressourcen benötigen, aber nicht viel. Das obige Bild mit den "halben Kanälen" ist übrigens nur schnell mit meiner Version von LRMA (das ist von MovingLR) gemacht. Eigentlich mein Interesse an diesem Zweig ist in der Politur der erzwungenen Algorithmus der Regression auf jedem Balken neu berechnet, so dass die RMS konstant war ich versucht, bevor und ich war nicht zufrieden mit den Ergebnissen.
 
Was machen wir mit a und b? Es gibt eine bewährte Formel für LR - es gibt keine geradlinigen k-Typen. Es gibt triviale Mash-Ups. Prival, ich spreche von LR, lassen Sie uns zuerst damit umgehen.
1...3132333435363738394041424344
Neuer Kommentar