+100% - 이전 1000개와 동일 - 이 1000개 막대는 기능의 기간이 됩니다 - 모든 결과와 함께....
행운을 빕니다.
위협은 유리에게 답이 아닙니다. 유리는 이미 알고 있습니다. 그냥 복제품입니다.
이는 이전 2개의 게시물에도 적용됩니다.
드디어. 그리고 사람들은 무엇을 이해하지 않고 스스로 논쟁합니다.
그러나 추가하겠습니다. :)
PF는 오랫동안 많은 영역에서 프로세스의 동작을 예측하는 데 사용되었습니다. 그러나 이와 같이 직접적으로 PF는 정의상 아무 것도 예측하지 않으며 예측할 수도 없습니다.
예측에 PF를 사용하는 방법은 전체 과학 영역이며 프로세스마다 다른 방법이 사용되며 때로는 근본적으로 다릅니다.
예측에 대한 완전히 자유로운 암시적 생각 - 움직이는 목표물에 발사할 때 미사일은 목표물을 향하지 않고 의도된 만남 지점을 향합니다. 동시에 표적은 좌표를 변경하고 기동할 수 있습니다. 대상의 매개변수를 고려하여 새로운 랑데뷰 포인트가 계산되고, 새로 계산된 랑데뷰 포인트에 맞게 코스가 수정됩니다.
두 번째 예 - 자동 조종 장치. 충격은 무작위이며 때로는 상당히 크지만 장치의 진행 과정은 매우 성공적으로 유지되고 매우 좋은 점수를 받습니다. 뛰어난 정밀도. 트레이드를 요(yaw)를 수정하는 방향타 위치로 생각하십시오.
이와 같이. 매우 단순합니다. :) 그러나 이것은 또한 과학의 전체 분야이며 모든 것이 쉽지 않습니다.
PF는 오랫동안 많은 분야에서 프로세스의 동작을 예측하는 데 사용되었습니다. 그러나 이와 같이 직접적으로 PF는 정의에 따라 아무것도 예측하지 않으며 예측할 수도 없습니다.
예측에 PF를 사용하는 방법은 전체 과학 영역이며 프로세스마다 다른 방법이 사용되며 때로는 근본적으로 다릅니다.
그런 다음 읽을 사람이 있습니다.) .
그 밖에 표시해야 할 것은 PF가 diff로 표현될 수 있는 곳에서 사용될 수 있다는 것입니다. 포물선 유형(짝수 파생물만 있는 경우 2차). 푸리에 급수는 삼각법 형식의 이 미분의 일반적인 솔루션이기 때문에(복잡한 것도 있습니다). 이 유형의 Difurs는 잠재적 시스템(외부 환경과의 교환이 없는 진동 회로)을 설명합니다. 무선 공학/레이더는 주로 이러한 시스템을 다룹니다. 교환을 무시할 수 없다면 상황은 완전히 다릅니다. 그러면 홀수 파생 상품이 있는 항이 나타납니다(예: 1차 히스테리시스). 대부분의 이러한 문제 유형에는 분석 솔루션이 없습니다. 그리고 푸리에 급수는 더 이상 일반적인 형태의 솔루션이 아닙니다. 바로 이것이 중요합니다. 그리고 이제 문제는 - Forex에서 통화 공급이 "버려지고" 가격이 하루 종일 일정하게 움직이는 것이 확실합니까? 그렇다면 자유롭게 Fourier를 사용하십시오.
행운을 빕니다.
"손가락"에 대한 위협 시도 - 아마도 뭔가가 완전히 명확하지 않을 수 있습니다. 음, 그냥 전화 ....
예측에 대한 완전히 자유로운 암시적 생각 - 움직이는 목표물에 발사할 때 미사일은 목표물을 향하지 않고 의도된 만남 지점을 향합니다. 동시에 표적은 좌표를 변경하고 기동할 수 있습니다. 대상의 매개변수를 고려하여 새로운 랑데뷰 포인트를 계산하고, 새롭게 계산된 랑데뷰 포인트에 맞게 코스를 수정합니다.
두 번째 예 - 자동 조종 장치. 충격은 무작위이며 때로는 상당히 크지만 장치의 진행 과정은 매우 성공적으로 유지되고 매우 좋은 점수를 받습니다. 뛰어난 정밀도. 트레이드를 요(yaw)를 수정하는 방향타 위치로 생각하십시오.
이와 같이. 매우 단순합니다. :) 그러나 이것은 또한 과학의 전체 분야이며 모든 것이 쉽지 않습니다.
IMHO - 비유가 완전히 적절하지 않음 - 관성의 속성은 모든 계획을 깨뜨릴 것입니다. 거기에 적용 가능한 방법(차단)은 잔인한 연결이 있는 difurs에 대해서는 작동하지 않습니다. 표적의 크기에 비해) 게다가, 나는 전직 방공 장교로서 말할 수 있습니다 (소방 사단;) ) - 그러한 작업은 이론적으로 항상 잘 해결되거나 시뮬레이터에서 해결됩니다. 자동 조종 장치와 관련하여 - 추가 내부 정보를 얻는 것과 유사한 .... 공항 측면의 조명, 능동 레이더, 기상 데이터 - 모든 것이 결정됩니다.) ...
그건 그렇고, 나는 따옴표에서 필요한 정보를 얻는 것이 불가능하다고 말하는 것이 아닙니다. 거기에는 푸리에 전류가 필요하지 않습니다.) .... 모든 것이 훨씬 간단합니다 ...
아직 푸리에를 버리지 않은 모든 분들을 위한 PS 2 - 방법의 기본을 배우는 것부터 시작하고 즉시 야생으로 뛰어들지 마십시오 - 많은 시간을 절약할 수 있습니다.)...
작은 수정을 하고 싶습니다. 이미 만들어진 라이브러리가 있는 경우 FFT 또는 다른 방법의 야생으로 서두를 필요가 전혀 없습니다. 시간을 절약하는 것과 같은 이유로 저는 모든 일상적인 알고리즘을 찾는 것을 선호합니다. 심지어 옛날부터 디스크 어딘가에 이미 MT4로 옮겨진 완성된 형태의 알고리즘도 포함됩니다.
외삽을 위해 수행할 수 있는 모든 것은 예를 들어 두 개의 이전 기간을 N개의 막대로 분해하여 스펙트럼 분석을 만드는 것입니다. 그런 다음, 다음(아직 존재하지 않는) N개의 막대를 외삽하기 위해 고조파 진폭의 산술 평균을 취하고 각 고조파의 위상을 연구 중인 이전 두 기간의 해당 고조파 간의 차이만큼 정확히 라디안만큼 이동합니다.
나도 똑같이 했다 ;-). 물론 순진하다고 생각했기 때문에 처음에는 아무 일도 일어나지 않았습니다. 코드는 두 번째 호출을 기다리고 있습니다. 필터는 어떻게 든 상대적으로 좋아졌습니다.
IMHO - 비유가 완전히 적절하지 않음 - 관성의 속성은 모든 계획을 깨뜨릴 것입니다. 거기에 적용 가능한 방법(차단)은 잔인한 연결이 있는 difurs에 대해서는 작동하지 않습니다. 표적의 크기에 비해) 게다가, 나는 전직 방공 장교로서 말할 수 있습니다 (소방 사단;) ) - 그러한 작업은 이론적으로 항상 잘 해결되거나 시뮬레이터에서 해결됩니다. 자동 조종 장치와 관련하여 - 추가 내부 정보를 얻는 것과 유사한 .... 공항 측면의 조명, 능동 레이더, 기상 데이터 - 모든 것이 결정됩니다.) ...
그건 그렇고, 나는 따옴표에서 필요한 정보를 얻는 것이 불가능하다고 말하는 것이 아닙니다. 거기에는 푸리에 전류가 필요하지 않습니다.) .... 모든 것이 훨씬 간단합니다 ...
행운을 빕니다.
안녕하세요 동료 :), 이 동일한 시스템의 이전 개발자 이상입니다.
순수한 관성 시스템의 실패는 오랫동안 30km - 30-50m였습니다. 여기에는 적극적인 안내가 포함되지 않습니다.
시장도 관성이 있고 규모도 꽤 크고 충격에 대한 반응도 즉각적이지 않다. 저것들. 시스템은 과도기적 성격을 가지고 있으며, 도구에서 도구로, 그리고 시간에 따라 변하는 것은 또 다른 문제입니다.
마찬가지로 제어 시스템은 구축되지만 관리 대상의 모델을 기반으로 구축되므로 거래 시스템을 구축하기 전에 시장 모델을 구축하는 것이 좋습니다. 그리고 모델, 적용 가능성의 한계를 알고 있습니다. 이것이 없으면 IMHO, 마스코트 및 버터워스 등이 도움이 되지 않습니다.
그리고 시장은 확실히 범위가 있어, 나는 그것을 확인했다. ;) 1/f 또는 1/f^2와 같습니다. 이 같은. 긴 간격에 걸쳐 상당히 부드럽습니다. 모피 코트를 바느질 할 수 없습니다. :)
ZY 그리고 여전히 소음에 대해 기억할 필요가 있습니다. 우리의 경우 고양이는 실제 신호 수준에 있거나 전혀 있을 수 없습니다.
0에서 -999 bar까지의 미래 세그먼트 C에 대해 관성 외삽을 수행해야 한다고 가정합니다.
그런 다음 섹션 A에 대한 진폭 세트를 얻습니다. AMPa[0] - AMPa[n] 및 위상 PHa[0] - PHa[n](여기서 0 - n은 고조파 수)
섹션 B의 경우: 진폭 AMPb[0] - AMPb[n] 및 위상 PHb[0] - PHb[n]
따라서 섹션 C(즉, 외삽된 미래)의 경우 관성으로 인해 i 번째 고조파의 각 진폭은 각각 AMPc[i] = 2 * AMPb[i] - AMPa[i] 및 위상: PHc가 됩니다. [i] = 2 * PHb[i] - PHa[i]
고조파의 진폭 값이 음수이면 동일한 고조파의 위상에서 PI를 빼거나 PI를 추가해야 한다는 점을 고려해야 합니다. 빼기 또는 더하기 후에 위상 값이 0 - 2*PI 범위에 있도록
그런 다음 관성은 추세 움직임이 선형적으로 증가하거나 감소하고 있음을 시사합니다. 이를 위해 시계열 에서 다음 공식으로 계산하는 추세의 기울기를 고려해야 합니다.
d[i] = 종가[1999] + (종가[0] - 종가[1999]) * (1999 - i) / 1999, 여기서 i는 막대 번호
따라서 VR의 스펙트럼 분석 전에 이를 정규화해야 합니다. 각 i번째 막대에서 세그먼트 A 및 B에 대한 해당 값 d[i]를 가격 값에서 빼서 이렇게 얻은 함수를 PF에 의한 조화 분석에 적용합니다. 그리고 반대로 C 섹션에서는 외삽 OPF 후에 각 막대의 값에 대해 d[i]를 추가합니다. 역변환에서 0차 고조파의 진폭은 고려할 필요가 없습니다(그 값은 0이어야 함). 보정 d[i]는 이미 추세의 관성 선형성을 고려합니다.
히히, 생각났다. 나는 오래전에 예측을 위해 코사인(푸리에도 가능) 변환을 사용했지만 다소 구체적인 방식으로 사용했습니다. 때때로 꽤 잘 작동했습니다. 아이디어의 요지는 다음과 같았습니다.
1단계 : 창 W의 길이는 고정됨, 예를 들어 명확성을 위해 300개 샘플(막대)로 설정
2단계 : 이 창을 N 카운트(1000이라고 가정해 봅시다)로 분리된 과거 지점에서 "현재" 막대로 다시 전달했습니다(그 이후 - 미래 :o)). 그리고 각 반복 에서 코사인 변환(CT)을 계산했습니다 . 결과가 배열에 추가되었고 NxW 행렬(열 - 일부 개수의 KP, 행 - 변환 빈도)이 있습니다.
3단계 : 이러한 행렬의 행은 본질적으로 주어진 이력에 대한 KP 계수의 역학입니다. 그리고 그러한 시리즈는 이상하지 않기 때문에 고정되어 있고 많은 장점이 있습니다. 따라서 행렬의 각 행(슬라이딩 창 W의 판독값만큼 많은 행이 있음)은 일부 수평선에 대해 AR 모델을 사용하여 예측합니다. 길이 W보다 작은 것이 중요합니다. 계열이 거의 고정되어 있기 때문에 일부 모델 식별 방법을 사용할 수 있습니다.
4단계 : 어떤 수평선에 대해 W 예측을 수행한 후 100개 샘플 앞에 있다고 가정해 보겠습니다. 예측 행렬을 얻습니다. 신호의 예측 코사인 이미지인 이 행렬의 가장 오른쪽 열이 필요합니다. 남은 것은 미래 신호를 복원하는 잘 알려진 공식입니다.
식별에는 몇 가지 미묘함과 트릭이 있지만 어떤 것이었는지 기억나지 않습니다. 더 낮은 주파수는 거의 100% 예측되며 어떤 의미에서는 준주기적입니다.
누군가가 정말로 그것을 필요로한다면, 나는 아카이브를 파고 조금 더 배치 할 수 있습니다. 그러나 그것은 나에게 보인다 - 그래서 모든 것이 분명하다: o)
2. PF는 주기 함수의 스펙트럼 분석입니다. 저것들. 1000개 막대의 BP 푸리에 확장을 얻으면 다음 1000개 막대에 대해 이전 기간인 1000개 막대의 정확한 사본을 얻게 됩니다. PF는 외삽이 아니라 주기 함수의 근사치이기 때문입니다.
+100% - 이전 1000개와 동일 - 이 1000개 막대는 기능의 기간이 됩니다 - 모든 결과와 함께....
행운을 빕니다.
위협은 유리에게 답이 아닙니다. 유리는 이미 알고 있습니다. 그냥 복제품입니다.
+100% - 이전 1000개와 동일 - 이 1000개 막대는 기능의 기간이 됩니다 - 모든 결과와 함께....
행운을 빕니다.
위협은 유리에게 답이 아닙니다. 유리는 이미 알고 있습니다. 그냥 복제품입니다.
이는 이전 2개의 게시물에도 적용됩니다.
드디어. 그리고 사람들은 무엇을 이해하지 않고 스스로 논쟁합니다.
그러나 추가하겠습니다. :)
PF는 오랫동안 많은 영역에서 프로세스의 동작을 예측하는 데 사용되었습니다. 그러나 이와 같이 직접적으로 PF는 정의상 아무 것도 예측하지 않으며 예측할 수도 없습니다.
예측에 PF를 사용하는 방법은 전체 과학 영역이며 프로세스마다 다른 방법이 사용되며 때로는 근본적으로 다릅니다.
예측에 대한 완전히 자유로운 암시적 생각 - 움직이는 목표물에 발사할 때 미사일은 목표물을 향하지 않고 의도된 만남 지점을 향합니다. 동시에 표적은 좌표를 변경하고 기동할 수 있습니다. 대상의 매개변수를 고려하여 새로운 랑데뷰 포인트가 계산되고, 새로 계산된 랑데뷰 포인트에 맞게 코스가 수정됩니다.
두 번째 예 - 자동 조종 장치. 충격은 무작위이며 때로는 상당히 크지만 장치의 진행 과정은 매우 성공적으로 유지되고 매우 좋은 점수를 받습니다. 뛰어난 정밀도. 트레이드를 요(yaw)를 수정하는 방향타 위치로 생각하십시오.
이와 같이. 매우 단순합니다. :) 그러나 이것은 또한 과학의 전체 분야이며 모든 것이 쉽지 않습니다.
PF는 오랫동안 많은 분야에서 프로세스의 동작을 예측하는 데 사용되었습니다. 그러나 이와 같이 직접적으로 PF는 정의에 따라 아무것도 예측하지 않으며 예측할 수도 없습니다.
예측에 PF를 사용하는 방법은 전체 과학 영역이며 프로세스마다 다른 방법이 사용되며 때로는 근본적으로 다릅니다.
그런 다음 읽을 사람이 있습니다.) .
그 밖에 표시해야 할 것은 PF가 diff로 표현될 수 있는 곳에서 사용될 수 있다는 것입니다. 포물선 유형(짝수 파생물만 있는 경우 2차). 푸리에 급수는 삼각법 형식의 이 미분의 일반적인 솔루션이기 때문에(복잡한 것도 있습니다). 이 유형의 Difurs는 잠재적 시스템(외부 환경과의 교환이 없는 진동 회로)을 설명합니다. 무선 공학/레이더는 주로 이러한 시스템을 다룹니다. 교환을 무시할 수 없다면 상황은 완전히 다릅니다. 그러면 홀수 파생 상품이 있는 항이 나타납니다(예: 1차 히스테리시스). 대부분의 이러한 문제 유형에는 분석 솔루션이 없습니다. 그리고 푸리에 급수는 더 이상 일반적인 형태의 솔루션이 아닙니다. 바로 이것이 중요합니다. 그리고 이제 문제는 - Forex에서 통화 공급이 "버려지고" 가격이 하루 종일 일정하게 움직이는 것이 확실합니까? 그렇다면 자유롭게 Fourier를 사용하십시오.
행운을 빕니다.
"손가락"에 대한 위협 시도 - 아마도 뭔가가 완전히 명확하지 않을 수 있습니다. 음, 그냥 전화 ....
예측에 대한 완전히 자유로운 암시적 생각 - 움직이는 목표물에 발사할 때 미사일은 목표물을 향하지 않고 의도된 만남 지점을 향합니다. 동시에 표적은 좌표를 변경하고 기동할 수 있습니다. 대상의 매개변수를 고려하여 새로운 랑데뷰 포인트를 계산하고, 새롭게 계산된 랑데뷰 포인트에 맞게 코스를 수정합니다.
두 번째 예 - 자동 조종 장치. 충격은 무작위이며 때로는 상당히 크지만 장치의 진행 과정은 매우 성공적으로 유지되고 매우 좋은 점수를 받습니다. 뛰어난 정밀도. 트레이드를 요(yaw)를 수정하는 방향타 위치로 생각하십시오.
이와 같이. 매우 단순합니다. :) 그러나 이것은 또한 과학의 전체 분야이며 모든 것이 쉽지 않습니다.
IMHO - 비유가 완전히 적절하지 않음 - 관성의 속성은 모든 계획을 깨뜨릴 것입니다. 거기에 적용 가능한 방법(차단)은 잔인한 연결이 있는 difurs에 대해서는 작동하지 않습니다. 표적의 크기에 비해) 게다가, 나는 전직 방공 장교로서 말할 수 있습니다 (소방 사단;) ) - 그러한 작업은 이론적으로 항상 잘 해결되거나 시뮬레이터에서 해결됩니다. 자동 조종 장치와 관련하여 - 추가 내부 정보를 얻는 것과 유사한 .... 공항 측면의 조명, 능동 레이더, 기상 데이터 - 모든 것이 결정됩니다.) ...
그건 그렇고, 나는 따옴표에서 필요한 정보를 얻는 것이 불가능하다고 말하는 것이 아닙니다. 거기에는 푸리에 전류가 필요하지 않습니다.) .... 모든 것이 훨씬 간단합니다 ...
행운을 빕니다.
아직 푸리에를 버리지 않은 모든 분들을 위한 PS 2 - 방법의 기본을 배우는 것부터 시작하고 즉시 야생으로 뛰어들지 마십시오 - 많은 시간을 절약할 수 있습니다.)...
작은 수정을 하고 싶습니다. 이미 만들어진 라이브러리가 있는 경우 FFT 또는 다른 방법의 야생으로 서두를 필요가 전혀 없습니다. 시간을 절약하는 것과 같은 이유로 저는 모든 일상적인 알고리즘을 찾는 것을 선호합니다. 심지어 옛날부터 디스크 어딘가에 이미 MT4로 옮겨진 완성된 형태의 알고리즘도 포함됩니다.
레셰토프 가 쓴 >>
외삽을 위해 수행할 수 있는 모든 것은 예를 들어 두 개의 이전 기간을 N개의 막대로 분해하여 스펙트럼 분석을 만드는 것입니다. 그런 다음, 다음(아직 존재하지 않는) N개의 막대를 외삽하기 위해 고조파 진폭의 산술 평균을 취하고 각 고조파의 위상을 연구 중인 이전 두 기간의 해당 고조파 간의 차이만큼 정확히 라디안만큼 이동합니다.
작은 수정을 하고 싶습니다. 이미 만들어진 라이브러리가 있는 경우 FFT 또는 다른 방법의 야생으로 서두를 필요가 전혀 없습니다.
사실, 나는 문제를 해결하기 위해 부적절한 방법을 사용하는 것을 의미했습니다.
그 라이브러리는 - 거기에 없는 질문입니다. 문제는 푸리에 방법이 이 종류의 문제를 위한 것이 아니라는 것입니다. 이 방법을 특이한 문제 종류에 적용할 때 불가피하게 도달하게 될 제한 사항을 이해해야 합니다.
행운을 빕니다.
IMHO - 비유가 완전히 적절하지 않음 - 관성의 속성은 모든 계획을 깨뜨릴 것입니다. 거기에 적용 가능한 방법(차단)은 잔인한 연결이 있는 difurs에 대해서는 작동하지 않습니다. 표적의 크기에 비해) 게다가, 나는 전직 방공 장교로서 말할 수 있습니다 (소방 사단;) ) - 그러한 작업은 이론적으로 항상 잘 해결되거나 시뮬레이터에서 해결됩니다. 자동 조종 장치와 관련하여 - 추가 내부 정보를 얻는 것과 유사한 .... 공항 측면의 조명, 능동 레이더, 기상 데이터 - 모든 것이 결정됩니다.) ...
그건 그렇고, 나는 따옴표에서 필요한 정보를 얻는 것이 불가능하다고 말하는 것이 아닙니다. 거기에는 푸리에 전류가 필요하지 않습니다.) .... 모든 것이 훨씬 간단합니다 ...
행운을 빕니다.
안녕하세요 동료 :), 이 동일한 시스템의 이전 개발자 이상입니다.
순수한 관성 시스템의 실패는 오랫동안 30km - 30-50m였습니다. 여기에는 적극적인 안내가 포함되지 않습니다.
시장도 관성이 있고 규모도 꽤 크고 충격에 대한 반응도 즉각적이지 않다. 저것들. 시스템은 과도기적 성격을 가지고 있으며, 도구에서 도구로, 그리고 시간에 따라 변하는 것은 또 다른 문제입니다.
마찬가지로 제어 시스템은 구축되지만 관리 대상의 모델을 기반으로 구축되므로 거래 시스템을 구축하기 전에 시장 모델을 구축하는 것이 좋습니다. 그리고 모델, 적용 가능성의 한계를 알고 있습니다. 이것이 없으면 IMHO, 마스코트 및 버터워스 등이 도움이 되지 않습니다.
그리고 시장은 확실히 범위가 있어, 나는 그것을 확인했다. ;) 1/f 또는 1/f^2와 같습니다. 이 같은. 긴 간격에 걸쳐 상당히 부드럽습니다. 모피 코트를 바느질 할 수 없습니다. :)
ZY 그리고 여전히 소음에 대해 기억할 필요가 있습니다. 우리의 경우 고양이는 실제 신호 수준에 있거나 전혀 있을 수 없습니다.
선형 관성의 속성을 사용하면 다음과 같습니다.
막대 1999에서 막대 9999까지의 역사 A 섹션이 있다고 가정합니다.
막대 9999에서 0까지의 역사 B 섹션이 있다고 합시다.
0에서 -999 bar까지의 미래 세그먼트 C에 대해 관성 외삽을 수행해야 한다고 가정합니다.
그런 다음 섹션 A에 대한 진폭 세트를 얻습니다. AMPa[0] - AMPa[n] 및 위상 PHa[0] - PHa[n](여기서 0 - n은 고조파 수)
섹션 B의 경우: 진폭 AMPb[0] - AMPb[n] 및 위상 PHb[0] - PHb[n]
따라서 섹션 C(즉, 외삽된 미래)의 경우 관성으로 인해 i 번째 고조파의 각 진폭은 각각 AMPc[i] = 2 * AMPb[i] - AMPa[i] 및 위상: PHc가 됩니다. [i] = 2 * PHb[i] - PHa[i]
고조파의 진폭 값이 음수이면 동일한 고조파의 위상에서 PI를 빼거나 PI를 추가해야 한다는 점을 고려해야 합니다. 빼기 또는 더하기 후에 위상 값이 0 - 2*PI 범위에 있도록
그런 다음 관성은 추세 움직임이 선형적으로 증가하거나 감소하고 있음을 시사합니다. 이를 위해 시계열 에서 다음 공식으로 계산하는 추세의 기울기를 고려해야 합니다.
d[i] = 종가[1999] + (종가[0] - 종가[1999]) * (1999 - i) / 1999, 여기서 i는 막대 번호
따라서 VR의 스펙트럼 분석 전에 이를 정규화해야 합니다. 각 i번째 막대에서 세그먼트 A 및 B에 대한 해당 값 d[i]를 가격 값에서 빼서 이렇게 얻은 함수를 PF에 의한 조화 분석에 적용합니다. 그리고 반대로 C 섹션에서는 외삽 OPF 후에 각 막대의 값에 대해 d[i]를 추가합니다. 역변환에서 0차 고조파의 진폭은 고려할 필요가 없습니다(그 값은 0이어야 함). 보정 d[i]는 이미 추세의 관성 선형성을 고려합니다.
히히, 생각났다. 나는 오래전에 예측을 위해 코사인(푸리에도 가능) 변환을 사용했지만 다소 구체적인 방식으로 사용했습니다. 때때로 꽤 잘 작동했습니다. 아이디어의 요지는 다음과 같았습니다.
식별에는 몇 가지 미묘함과 트릭이 있지만 어떤 것이었는지 기억나지 않습니다. 더 낮은 주파수는 거의 100% 예측되며 어떤 의미에서는 준주기적입니다.
누군가가 정말로 그것을 필요로한다면, 나는 아카이브를 파고 조금 더 배치 할 수 있습니다. 그러나 그것은 나에게 보인다 - 그래서 모든 것이 분명하다: o)
선형 관성의 속성을 사용하는 경우: ......
나는 수학을 깊이 파고 들지 않았지만 그것이 맞다고 가정합시다.
하지만.
1. 시장은 폐쇄된 시스템이 아니다. 외부 영향이 없는 경우 모든 외삽이 가능합니다. 영향이 없는 경우 - 유동성이 낮은 종이를 참조하십시오. 그 일이 일어날 것입니다. :)
2. 영향이 없을 때 시스템은 평형 상태가 되는 경향이 있습니다. 외삽 - 이것은 0 또는 상수 경향이 있는 것입니다.
3. 그리고 시장에서 전환 과정의 기간, 영향에 대한 대응은 무엇입니까? 알잖아? 그리고 어떻게 계산합니까? 첫 번째 세그먼트는 하나의 임팩트이고 두 번째 세그먼트는 완전히 다르며 여기에 추가합니다. :)
저것들. 충돌 사이의 영역에서만 무언가를 예측하는 것이 가능하며 더 이상은 아닙니다.