著者の対談です。アレクサンドル・スミルノフ - ページ 29

新しいコメント
 
grasn:

時系列全体の滑らかさを表すパラメータはあるのでしょうか？そして、両者の間に相関があるかどうかはともかく、シリーズ全体として片方がスムーズであることを区別することが重要です。

この問いを見つけたときから、このオタクいじりは始まっていたはずだ。最も滑らかなのは線形系列または直線で、そこには滑らかにするものがないからだ。マッハは適応力が低いほど、スムーズです。
 
という疑問が、今回の植物学的考察の出発点だったはずだ。最も滑らかなのは線形系列または直線であり、そこには滑らかなものは存在しない。マッハは適応力が低いほど、スムーズです。

オタクの騒ぎは、私の謙虚な意見では長い間失われていると著者、対話によって開始されました（同僚、私の皮肉を許して、しかし、私は著者が少し傷ついていると思う、表示される可能性は低いですが...何かが私に告げる - あなたは本当にそれを必要としない）。

つまり、この基準が必要なのは、AFのためではなく（私はもう十分なので、同僚に楽しみを逃させないように）、フォーラムのトピックとは関係のないいくつかのパラメーターを最適に選択するためなのです。 そんな課題が出てきました。また、局所極値の数はそのような基準ではありません。

 
grasn:
という疑問が、今回の植物学的考察の出発点だったはずだ。最も滑らかなのは線形系列または直線であり、そこには滑らかなものは存在しない。マッハは適応力が低いほど、スムーズです。

植物学的な騒動は、筆者が始めたもので、私の考えでは、彼らとの対話はとっくに失われています


保育園をなくそう、つまり「あいつが先に始めたんだ」といろいろなことを言わずに済むように？

犯人は言い出した方ではなく、それに引っかかった方です。
 
grasn:

時系列全体の滑らかさを表すパラメータはあるのでしょうか？そして、両者の間に相関があるかどうかはともかく、シリーズ全体として片方がスムーズであることを区別することが重要です。


VHF（Vertical Horizontal Filter）インジケーターです。数本のバーの期間中の動きと、その期間中の各バーの動きの合計の比率をいう。
 
Integer:
グラサン

時系列全体の滑らかさを表すパラメータはあるのでしょうか？そして、両者の間に相関があるかどうかはともかく、シリーズ全体として片方がスムーズであることを区別することが重要です。


VHF（Vertical Horizontal Filter）インジケーター。数本のバーの期間中の動きと、その期間中の各バーの動きの合計の比率をいう。

ありがとうございます、調べてみます。

 
Integer:

VHF（Vertical Horizontal Filter）インジケーター。数本のバーの期間での動きと、その期間の各バーでの動きの合計の比率をいう。
sum=0.0; suma=0.0; 
for(i=0; i<p; i++)
{
    dfx = fx[i] - fx[i+1];
    sum += dfx;
    suma += MathAbs(dfx);
}
if (suma!=0) k=sum/suma; 
else k=0;

相対RSIのようなもので、機能だけです。

スムーズさも良いですが、利益が出ているトレードの数はもっと良いですよ

 
grasn:

時系列全体の滑らかさを表すパラメータはあるのでしょうか？そして、両者の間に相関があるかどうかはともかく、シリーズ全体として片方がスムーズであることを区別することが重要です。

さて、ここで一つ（考案されただけですが）、最初の差分（リターン）のシリーズを取り、s.c.o.リターンを計算します。m.o.リターンとs.o.リターンの比率は、そのような指標となりえます。高いほど、シリーズがスムーズになる。

一般母集団のr.m.s.も分散も存在しないことがあることは明らかである（例えばコーシー分布）。しかし、常に有限のサンプル数を取っているので...。

2 コリー： こちらも特別に。

二次回帰 MA = 3 * SMA + QWMA * ( 10 - 15/( N + 2 ) )- LWMA * ( 12 - 15/( n + 2 ) )

ここで、Nは平均値の周期である。

QWMA( i; N ) = 1/( N*(N+1)(2*N+1) )* sum( Close[i] * (N-i)^2; i = 0...N-1 ) (平方根の重み付けスケール).

 
Reshetov:
グラサン

時系列全体の滑らかさを表すパラメータはあるのでしょうか？そして、両者の間に相関があるかどうかはともかく、シリーズ全体として片方がスムーズであることを区別することが重要だと思います。

この疑問を解決するために、植物学的なナンセンスを始めるべきでしたね。最も滑らかなのは線形系列または直線であり、そこには滑らかにするものがないからである。マッハの適応性が低いほど、スムーズです。


私が年を取りすぎているのか、それとも後ろ向きなのか。理解できない。

皆さん、「滑らかさ」の定義は、数学的なもの以外にあるのでしょうか？あれば教えてください、気にしないでください。なぜなら、もしそうでないなら、これらの工夫はすべて、曖昧な基準に依存した非常に恣意的な創造物になってしまうからです。

連続的な有界微分を持つ関数を滑らかな関数と呼ぶ--私の考えではそうだ。従って、BPの平滑性の問題は、非常に慎重に提起されるべきものである。少なくとも、より正確に。結局のところ、どんなVRでも適切な次数の多項式で絶対的な精度で補間することが可能なのである。また、任意の次数の多項式（直線だけでなく）は、かなり滑らかな関数である。

Sergey 信号がわかっていれば、信号に対する GRの滑らかさを（例えばscoの助けを借りて）いつでも判断できます。しかし、それとまったく同じように、VRが他の任意の関数に対して どれだけ滑らかであるかを判断することができます。したがって、直感的な平滑性の概念が十分に構成的であれば、価格系列を含むすべてのBPの平滑近似がとっくに構築されているはずである。そして、私たちはこのマッシュアップを噛むことはないでしょう。

だから、あなたの質問には、「何に対して相対的なのか」という補足が必要です。

 
を数学に

Ну вот такой (только что придумал): берем ряд первых разностей (returns) и вычисляем с.к.о. returns. Отношение м.о. returns к с.к.о. может служить такой мерой. Чем оно выше, тем ряд глаже.

もちろん，一般母集団のm.o.も分散も存在しない（例：コーシー分布）こともあり得ます。 しかし，常に有限の数のサンプルを取っているのです...。

ありがとうございます、とても気になるので、ラボに行ったら見てみます :o)



toYurixx
結局、どんなBPでも適切な次数の多項式でいつでも絶対的な精度で補間することができるのだ。

ブラウン運動でさえも、理論的にはどこにも拡散しないことを除けば、いつでも補間することができるのです:o)

平滑性とは、BP値と信号 値との偏差の指標を意味する。
悪いBPでも良いスムースネス結果を得られるように、パラメータを調整することは常に可能です
 
grasn:
toYurixx
任意のBPを適切な次数の多項式で補間することは、常に絶対的な精度で可能である。

ブラウン運動でも、理論的にはどこでも微分できないことを除けば、いつでも補間することができます。）


微分可能条件はどこかに入れたのでしょうか？だから、平滑性の問題はもっと正確に表現する必要があると言っているのです。

ブラウン運動は、その微分も乱数系列であるという意味で微分不可能である。しかし、その補間は微分可能であり、無限微分可能であることもある。しかし、どこまでニーズに応えられるかはわかりません。ですから、もう一度繰り返しますが、平滑性の問題には一定の定式化が必要です。どういう意味で、どういう目的で、どういう評価基準で、どういう特性が必要なのか。

悪いVRでも良い平滑性が得られるようなパラメータ値を選択することは常に可能です

何のパラメータ？信号のモデル？あるいは、他のパラメータ（例えば、使用しているVR解析アルゴリズムなど）？

良好な滑走結果」とは？何に適しているのか説明すれば、どんな基準で使っているのか教えてくれる。そうすれば、本質的な話ができるようになるかもしれません。

1...222324252627282930313233343536...44
新しいコメント