この平均値の増分がある場合のみです。値そのものを一定の範囲内に収めるためには、その増分の合計を見なければなりません。その分散は分散の和に等しい：Ds=(N-M+1)*D=2*(N-M+1)*D1/M. RMS=SQRT(2*(N-M+1)*D1/M), ここで D1 は元の系列の分散 N は元の系列の長さ M はスライドウィンドウの長さです。モンテキャリーの方が簡単で確実です :)
この平均値の増分がある場合のみです。値そのものを一定の範囲に収めるためには、この増分の合計を見る必要があります。その分散は分散の和に等しい：Ds=(N-M+1)*D=2*(N-M+1)*D1/M. RMS=SQRT(2*(N-M+1)*D1/M), ここで D1 は元の系列の分散 N は元の系列長 M はスライドウィンドウ長です.モンテキャリーの方が簡単で確実です :)
N >> Mの場合は、ほぼ同じです。まあ、実際、RMS期待値についてなので、Nは無限大に等しいと考えるべきですが :)
この平均値の増分がある場合のみです。値そのものが一定の範囲に収まるためには、その増分の合計を見なければなりません。その分散は分散の和に等しい：Ds=(N-M+1)*D=2*(N-M+1)*D1/M. RMS=SQRT(2*(N-M+1)*D1/M), ここで D1 は元の系列の分散 N は元の系列長 M はスライドウィンドウ長です.モンテキャリーの方が簡単で確実です :)
この平均値の増分がある場合のみです。値そのものが一定の範囲に収まるためには、その増分の合計を見なければなりません。その分散は分散の和に等しい：Ds=(N-M+1)*D=2*(N-M+1)*D1/M. RMS=SQRT(2*(N-M+1)*D1/M), ここで D1 は元の系列の分散 N は元の系列長 M はスライドウィンドウ長です.モンテキャリーの方が簡単で確実です :)
このCBは、expectation=0, D=2*D1/M, RMS=sqrt(2*D1/M)のようです。
アヴァルス リターン（終値の増分）に限って言えば、残念ながらここでも独立性はなく、リターンは正規の法則に従って分布しない。Petersの本によく書かれています。同じスレッドの最初のページのどこかにリンクを貼っておきました。
これには賛成ですが、ここではXがガウス分布であることがもともとの問題です。
"正規分布の数量Xの列があるとする..."
このSVは、expectation=0, D=2*D1/M, RMS=sqrt(2*D1/M)のようです。
だから、増分の合計も正常です。そして、私の理解では、この和をある確率で一定の範囲内に求めることを考える問題です（信頼区間）。
このSVは、expectation=0, D=2*D1/M, RMS=sqrt(2*D1/M)のようです。
だから、増分の合計も正常です。そして，この問題では，私の理解する限り，この和をある確率で一定の範囲内に求めることを考える必要があります（信頼区間）。
このSVは、expectation=0, D=2*D1/M, RMS=sqrt(2*D1/M)のようです。
だから、増分の合計も正常です。そして問題は、私が理解するところでは、この和をある確率で一定の範囲内に求めることを考えることです（信頼区間）。
この平均値の増分がある場合のみです。値そのものを一定の範囲内に収めるためには、その増分の合計を見なければなりません。その分散は分散の和に等しい：Ds=(N-M+1)*D=2*(N-M+1)*D1/M. RMS=SQRT(2*(N-M+1)*D1/M), ここで D1 は元の系列の分散 N は元の系列の長さ M はスライドウィンドウの長さです。モンテキャリーの方が簡単で確実です :)
最終的なRMSはS*sqrt(2) ?ふむ ...
この平均値の増分がある場合のみです。値そのものを一定の範囲に収めるためには、この増分の合計を見る必要があります。その分散は分散の和に等しい：Ds=(N-M+1)*D=2*(N-M+1)*D1/M. RMS=SQRT(2*(N-M+1)*D1/M), ここで D1 は元の系列の分散 N は元の系列長 M はスライドウィンドウ長です.モンテキャリーの方が簡単で確実です :)
追伸：すみません、不注意でした、間違いがあります、RMSは無限大になることはできません。M単位で合計を取る必要がある
P.P.S. Sはsqrt(D1)を意味します。
最終的なRMSはS*sqrt(2) ?ふむ ...
この平均値の増分がある場合のみです。値そのものが一定の範囲に収まるためには、その増分の合計を見なければなりません。その分散は分散の和に等しい：Ds=(N-M+1)*D=2*(N-M+1)*D1/M. RMS=SQRT(2*(N-M+1)*D1/M), ここで D1 は元の系列の分散 N は元の系列長 M はスライドウィンドウ長です.モンテキャリーの方が簡単で確実です :)
みんな、回答してくれたみんな、ありがとう。皆さんの議論で私も頭がすっきりしました。わずかながら。:-)
出発点は価格です。もちろん、彼はそこにいる。その分布は、おそらく正規分布ではない。正規について書いたのは、多くのことが解析的に計算できることと、実際の分布が一定の精度で正規分布に近似できるためです。
この課題は、テールにある事象の確率を予測したり、決定しようとすることとは全く関係がない。私はこれであなたを失望させたに違いない、残念だ。問題は、移動平均がMウィンドウのサイズに大きく依存する範囲（その通りSergey、それが問題だ）を持っているために発生しました。 そして、私は、習慣的に、異なるMの移動平均を 比較したいのですが、値の範囲が異なるので、できません。これらの移動平均を1つの区間に正規化するためには、正規化係数というか、Mへの依存度を計算する必要があります。
さらに歴史から統計を取り、数で分布関数を構築しておけば、この係数を素直に計算することも、ガウスで分布関数を近似して解析的に計算することもできるのだ。当然ながら、ここでは絶対的な精度は重要ではありません。 モデルベースではなく、関係の性質が真実であることが重要です。 モデルベースはたくさん思いつきますが・・・。
2数学
明確な境界線の話ではなく、サンプル数の違いから生じる価値観の違いの補正の話であることをご理解いただけたかと思います。そして、あなたが言ったことすべてに、私は完全に同意します。:-)
最終的なRMSはS*sqrt(2) ?ふむ ...
この平均値の増分がある場合のみです。値そのものが一定の範囲に収まるためには、その増分の合計を見なければなりません。その分散は分散の和に等しい：Ds=(N-M+1)*D=2*(N-M+1)*D1/M. RMS=SQRT(2*(N-M+1)*D1/M), ここで D1 は元の系列の分散 N は元の系列長 M はスライドウィンドウ長です.モンテキャリーの方が簡単で確実です :)
P.S. 私の不注意でした、間違いがあります、RMSは無限大を目指すことはできません。M単位で合計を取る
つまり、無限に大きな一連の増分の和は、1つのSVとして、無限大の実効値を持つことになるのです。