예, 모든 것이 괜찮은 것 같습니다. 나는 그 차이가 아니라 원래 인용문에 대해 그런 것을 봤다.
저에게는 질문이 다릅니다.
모델 정확도 문제.
kotir 자체는 절대적으로 정확한 모델입니다.
직선 형태로 매우 부정확한 모델을 취할 수 있습니다. 그리고 곡선, 그리고 고려해야 할 다른 것 ...... 어디에서 멈출까. 모델이 정확할수록 모델을 구축하는 데 사용된 데이터(피팅)에 더 많이 연결됩니다. 여기에서. FARIMA와 같은 모델이 필요합니까? 이것은 과잉 일 수 있습니까? 충분한 평활화, 나머지에 대한 ARMA, 음, 나머지의 나머지에 대한 아마도 (반드시 그렇지는 않음) ARCH?
C-4 : 어떤 인용문에서도 이 가장 긴 메모리를 식별할 수 있습니다. 그러나 ACF는 여기에 적합하지 않습니다. Peters는 장기 기억에 대한 흥미로운 정의를 제공합니다. 읽다. 이 주제에 관한 그의 책에는 흥미로운 것들이 많이 있습니다. 그것에 따르면 그러한 과정은 평범한 ACF로 측정 할 수 없다는 것이 밝혀졌습니다. ACF는 5-6 시차의 규모로 작동하며 그게 전부입니다. H가 거리의 제곱근과 같은 발산을 갖는 입자의 도보로 표현되면 정규 분포 StdDev = Sqrt(T) = T^(0.5)의 특별한 경우를 얻습니다. 따라서 입자의 분산이 0.5보다 약간 높거나 낮으면 한 가지 경우에만 가능합니다. 입자는 과거 상태를 기억해야 합니다 .즉, 이러한 프로세스에 메모리가 있습니다. 저것들. H, 이것은 여전히 외부 영향의 특성이 아니라 프로세스의 이전 상태에 대한 종속성입니다. 그리고 탈출 궤적을 유지하면 이전 값에 따라 달라지며 메모리 기간을 계산할 수 있습니다. 그리고 모든 계산 규모에서 경사각이 변하지 않고 동시에 0.5와 같지 않은 경우가 종종 있습니다. 이러한 경우 프로세스는 무한 메모리를 갖는 진정한 Hurst 프로세스 라고 합니다. 여기에서만 ACF는 그런 것을 보여주지 않을 것입니다.
하이라이트에 동의할 수 없습니다. 과거에 대한 정보의 전달자가 무엇인지에 대한 두 가지 대안이 있습니다. 이 입자는 과거 상태를 기억하거나 입자의 상태를 기억하는 환경입니다. 외부 환경은 일반적으로 훨씬 더 복잡한 개체이고 입자는 일반적으로 물질 포인트가 될 수 있다는 사실을 고려하면 두 번째 옵션에 오히려 동의합니다.
하이라이트에 동의할 수 없습니다. 과거에 대한 정보의 전달자가 무엇인지에 대한 두 가지 대안이 있습니다. 이 입자는 과거 상태를 기억하거나 입자의 상태를 기억하는 환경입니다. 외부 환경은 일반적으로 훨씬 더 복잡한 개체이고 입자는 일반적으로 물질 포인트가 될 수 있다는 사실을 고려하면 두 번째 옵션에 오히려 동의합니다.
예를 들어, 내가 아는 한 그러한 경험을 할 수 있습니다. 실리콘의 결정 격자에서 전자의 방황을 고려하면 H=0.5인 법칙으로 표현될 것입니다. 그러나 결정에 불순물 n 또는 p를 추가하면 이미 완전히 다른 특성을 갖게 됩니다. H는 0.5와 크게 다를 것입니다. 분명히 이 경우 H는 매체의 특성일 뿐입니다. 그런데 불순물 원자는 통계적으로 반도체 부피에 걸쳐 프랙탈적으로 분포되어 있으므로 이러한 보행을 프랙탈 위의 보행이라고도 합니다.
alsu : 과거에 대한 정보의 전달자가 무엇인지에 대한 두 가지 대안이 있습니다. 입자가 과거 상태를 기억하거나 환경이 입자의 상태를 기억하는 것입니다. 외부 환경은 일반적으로 훨씬 더 복잡한 개체이고 입자는 일반적으로 물질 포인트가 될 수 있다는 사실을 고려하면 두 번째 옵션에 오히려 동의합니다.
그리고 이것이 우리의 경우에 어떤 영향을 미칠 수 있습니까? 음, 즉, 메모리가 저장되는 위치가 물질적 지점이나 외부 환경에서 우리에게 어떤 차이를 만들까요?
Mathemat : 이것이 우리의 경우에 어떤 영향을 미칠 수 있습니까? 음, 즉, 메모리가 저장되는 위치가 물질적 지점이나 외부 환경에서 우리에게 어떤 차이를 만들까요?
차이점은 아마도 모델링에 대한 접근 방식에 있을 것입니다. 이론적인 모델을 구축하려면 손가락으로 하늘을 가리키지 않도록 무슨 일이 일어나고 있는지에 대한 일종의 기본 설명이 있는 것이 더 즐겁습니다. 어떤 요인이 외부 환경의 산물이라고 믿는다면 우리는 그곳에서 (우리의 삶의 경험을 기반으로) 찾아볼 것이고, 그것들을 찾은 후에 우리는 더 적절한 영향 모델을 제공할 수 있을 것입니다. 요인이 내부적인 경우 시스템의 내부 구조와 관련하여 몇 가지 고려 사항을 사용합니다. 즉, 내적 힘과 외적 힘은 서로 다른 방정식으로 설명되며, 우리가 그 중 어떤 것을 다루고 있는지 아는 것이 좋을 것입니다.
alsu : 차이점은 아마도 모델링에 대한 접근 방식에 있을 것입니다. 이론적인 모델을 구축하려면 손가락으로 하늘을 가리키지 않도록 무슨 일이 일어나고 있는지에 대한 일종의 기본 설명이 있는 것이 더 즐겁습니다. 어떤 요인이 외부 환경의 산물이라고 믿는다면 우리는 그곳에서 (우리의 삶의 경험을 기반으로) 찾아볼 것이고, 그것들을 찾은 후에 우리는 더 적절한 영향 모델을 제공할 수 있을 것입니다. 요인이 내부적인 경우 시스템의 내부 구조와 관련하여 몇 가지 고려 사항을 사용합니다. 즉, 내적 힘과 외적 힘은 서로 다른 방정식으로 설명되며, 우리가 그 중 어떤 것을 다루고 있는지 아는 것이 좋을 것입니다.
만약 구체적으로.
자기회귀가 있습니다. 엄밀히 말하면 코티르. 외부에서 아무것도. 내부 요인인가?
EURUSD = GBPUSD+.....와 같은 다른 따옴표의 값을 기반으로 견적을 모델링하는 회귀가 있습니다. 그러나 이들은 말하자면 동종 변수입니다. 외부 요인인가?
이제 회귀에 시간을 추가하고 시간에 따라 활동을 모델링합니다. 이러한 절대적으로 "외부" 변수는 클라우드를 입력하는 것이 가능합니다. 완전히 외부입니까?
EURUSD = GBPUSD+.....와 같은 다른 따옴표의 값을 기반으로 견적을 모델링하는 회귀가 있습니다. 그러나 이들은 말하자면 동종 변수입니다. 외부 요인인가?
이제 회귀에 시간을 추가하고 시간에 따라 활동을 모델링합니다. 이러한 절대적으로 "외부" 변수는 클라우드를 입력하는 것이 가능합니다. 완전히 외부입니까?
나는 입자와 환경 이론이 설 자리가 없다고 봅니다.
회귀는 무엇이든 만들 수 있으며 이 방법을 poke 방법이라고 합니다. 문제는 많은 가능한 회귀 모델 중에서 특정 이유로 koter의 행동을 더 잘 설명할 것이라고 미리 말할 수 있는지 여부입니다. 이러한 이유를 수학적으로 설명하십시오. 차분 방정식을 작성하고 회귀 계수를 분석적으로 계산하여 시스템의 내부 속성을 특성화하고 내부 및 외부 요인을 결합하는 외부 요인의 영향을 나타내는 것이 명확하도록 합니다.
예를 들어, 가장 단순한 시스템 중 하나인 진동 회로에 대한 미분 방정식을 작성해 보십시오. 회귀 측면에서 이것은 ARMA 모델이 될 것이며 해당 계수는 회로 자체의 매개변수와 입력 신호의 조합을 나타냅니다.
본문을 첨부했습니다. 불행히도 공식과 이론적인 부분이 제대로 작동하지 않았습니다.
그러나 FARIMA 피팅 프로세스는 구체적으로 설명되어 있습니다.
차트에 멋진 ACF가 있습니다. 전혀 시장같지 않습니다.
차트에 멋진 ACF가 있습니다. 전혀 시장같지 않습니다.
예, 모든 것이 괜찮은 것 같습니다. 나는 그 차이가 아니라 원래 인용문에 대해 그런 것을 봤다.
저에게는 질문이 다릅니다.
모델 정확도 문제.
kotir 자체는 절대적으로 정확한 모델입니다.
직선 형태로 매우 부정확한 모델을 취할 수 있습니다. 그리고 곡선, 그리고 고려해야 할 다른 것 ...... 어디에서 멈출까. 모델이 정확할수록 모델을 구축하는 데 사용된 데이터(피팅)에 더 많이 연결됩니다. 여기에서. FARIMA와 같은 모델이 필요합니까? 이것은 과잉 일 수 있습니까? 충분한 평활화, 나머지에 대한 ARMA, 음, 나머지의 나머지에 대한 아마도 (반드시 그렇지는 않음) ARCH?
어떤 인용문에서도 이 가장 긴 메모리를 식별할 수 있습니다. 그러나 ACF는 여기에 적합하지 않습니다.
Peters는 장기 기억에 대한 흥미로운 정의를 제공합니다. 읽다. 이 주제에 관한 그의 책에는 흥미로운 것들이 많이 있습니다. 그것에 따르면 그러한 과정은 평범한 ACF로 측정 할 수 없다는 것이 밝혀졌습니다. ACF는 5-6 시차의 규모로 작동하며 그게 전부입니다. H가 거리의 제곱근과 같은 발산을 갖는 입자의 도보로 표현되면 정규 분포 StdDev = Sqrt(T) = T^(0.5)의 특별한 경우를 얻습니다. 따라서 입자의 분산이 0.5보다 약간 높거나 낮으면 한 가지 경우에만 가능합니다. 입자는 과거 상태를 기억해야 합니다 . 즉, 이러한 프로세스에 메모리가 있습니다. 저것들. H, 이것은 여전히 외부 영향의 특성이 아니라 프로세스의 이전 상태에 대한 종속성입니다. 그리고 탈출 궤적을 유지하면 이전 값에 따라 달라지며 메모리 기간을 계산할 수 있습니다. 그리고 모든 계산 규모에서 경사각이 변하지 않고 동시에 0.5와 같지 않은 경우가 종종 있습니다. 이러한 경우 프로세스는 무한 메모리를 갖는 진정한 Hurst 프로세스 라고 합니다. 여기에서만 ACF는 그런 것을 보여주지 않을 것입니다.
하이라이트에 동의할 수 없습니다. 과거에 대한 정보의 전달자가 무엇인지에 대한 두 가지 대안이 있습니다. 이 입자는 과거 상태를 기억하거나 입자의 상태를 기억하는 환경입니다. 외부 환경은 일반적으로 훨씬 더 복잡한 개체이고 입자는 일반적으로 물질 포인트가 될 수 있다는 사실을 고려하면 두 번째 옵션에 오히려 동의합니다.
하이라이트에 동의할 수 없습니다. 과거에 대한 정보의 전달자가 무엇인지에 대한 두 가지 대안이 있습니다. 이 입자는 과거 상태를 기억하거나 입자의 상태를 기억하는 환경입니다. 외부 환경은 일반적으로 훨씬 더 복잡한 개체이고 입자는 일반적으로 물질 포인트가 될 수 있다는 사실을 고려하면 두 번째 옵션에 오히려 동의합니다.
예를 들어, 내가 아는 한 그러한 경험을 할 수 있습니다. 실리콘의 결정 격자에서 전자의 방황을 고려하면 H=0.5인 법칙으로 표현될 것입니다. 그러나 결정에 불순물 n 또는 p를 추가하면 이미 완전히 다른 특성을 갖게 됩니다. H는 0.5와 크게 다를 것입니다. 분명히 이 경우 H는 매체의 특성일 뿐입니다. 그런데 불순물 원자는 통계적으로 반도체 부피에 걸쳐 프랙탈적으로 분포되어 있으므로 이러한 보행을 프랙탈 위의 보행이라고도 합니다.
이것이 우리의 경우에 어떤 영향을 미칠 수 있습니까? 음, 즉, 메모리가 저장되는 위치가 물질적 지점이나 외부 환경에서 우리에게 어떤 차이를 만들까요?
차이점은 아마도 모델링에 대한 접근 방식에 있을 것입니다. 이론적인 모델을 구축하려면 손가락으로 하늘을 가리키지 않도록 무슨 일이 일어나고 있는지에 대한 일종의 기본 설명이 있는 것이 더 즐겁습니다. 어떤 요인이 외부 환경의 산물이라고 믿는다면 우리는 그곳에서 (우리의 삶의 경험을 기반으로) 찾아볼 것이고, 그것들을 찾은 후에 우리는 더 적절한 영향 모델을 제공할 수 있을 것입니다. 요인이 내부적인 경우 시스템의 내부 구조와 관련하여 몇 가지 고려 사항을 사용합니다. 즉, 내적 힘과 외적 힘은 서로 다른 방정식으로 설명되며, 우리가 그 중 어떤 것을 다루고 있는지 아는 것이 좋을 것입니다.
만약 구체적으로.
자기회귀가 있습니다. 엄밀히 말하면 코티르. 외부에서 아무것도. 내부 요인인가?
EURUSD = GBPUSD+.....와 같은 다른 따옴표의 값을 기반으로 견적을 모델링하는 회귀가 있습니다. 그러나 이들은 말하자면 동종 변수입니다. 외부 요인인가?
이제 회귀에 시간을 추가하고 시간에 따라 활동을 모델링합니다. 이러한 절대적으로 "외부" 변수는 클라우드를 입력하는 것이 가능합니다. 완전히 외부입니까?
나는 입자와 환경 이론이 설 자리가 없다고 봅니다.
거기에 있지만 누가 그것을 할 것인가?
아니, 그런 이론.
모델의 구두 설명에서 갈 필요가 있습니다.
그리고 이것들은 많은 변수와 변수 관계의 경제적 과정입니다. Kotir는 이 프로세스의 구현입니다. 이것은 분자가 움직이고 충돌하는 브라운 과정이 아닙니다. 자체 속성이 있는 독립 실행형 개체입니다.
만약 구체적으로.
자기회귀가 있습니다. 엄밀히 말하면 코티르. 외부에서 아무것도. 내부요인인가?
EURUSD = GBPUSD+.....와 같은 다른 따옴표의 값을 기반으로 견적을 모델링하는 회귀가 있습니다. 그러나 이들은 말하자면 동종 변수입니다. 외부 요인인가?
이제 회귀에 시간을 추가하고 시간에 따라 활동을 모델링합니다. 이러한 절대적으로 "외부" 변수는 클라우드를 입력하는 것이 가능합니다. 완전히 외부입니까?
나는 입자와 환경 이론이 설 자리가 없다고 봅니다.
회귀는 무엇이든 만들 수 있으며 이 방법을 poke 방법이라고 합니다. 문제는 많은 가능한 회귀 모델 중에서 특정 이유로 koter의 행동을 더 잘 설명할 것이라고 미리 말할 수 있는지 여부입니다. 이러한 이유를 수학적으로 설명하십시오. 차분 방정식을 작성하고 회귀 계수를 분석적으로 계산하여 시스템의 내부 속성을 특성화하고 내부 및 외부 요인을 결합하는 외부 요인의 영향을 나타내는 것이 명확하도록 합니다.
예를 들어, 가장 단순한 시스템 중 하나인 진동 회로에 대한 미분 방정식을 작성해 보십시오. 회귀 측면에서 이것은 ARMA 모델이 될 것이며 해당 계수는 회로 자체의 매개변수와 입력 신호의 조합을 나타냅니다.
Y(k) = 2*a*cos(w0)* Y(k+1) - Y(k+2) + X(k) - a*sin(w0)* X(k+1)
여기서 X는 알려지지 않은 외부 영향, Y는 관찰된 응답, a는 감쇠 매개변수, w0은 고유 진동 주파수입니다.