faa1947 : 나는 모델을 만들기 위한 기술(내가 발명한 것이 아님)에 대해 이야기하고 있습니다. 원래의 고정되지 않은 cotir는 고정된 나머지를 얻을 때까지 구성 요소로 분해되어야 합니다. 고정 잔차는 평균, 표준, 분산, 범위 등 모든 값과 동일한 상수로 대체될 수 있기 때문에 직관적인 수준에서 이 요구 사항을 잘 이해하고 있습니다. 정체의 경우.
전체 질문은 귀하의 의견으로는 이 고정 상태를 어느 기간 또는 소급하여 사용할 것인지입니다. 회고전을 바꾸면 정상잔차의 특성도 달라지는데, 이 문제를 어떻게 풀려고 하시나요? 최적화?
yosuf : 전체 질문은 귀하의 의견으로는 이 고정 상태를 어느 기간 또는 소급하여 사용할 것인지입니다. 회고전을 바꾸면 정상잔차의 특성도 달라지는데, 이 문제를 어떻게 풀려고 하시나요? 최적화?
매우 불편한 질문입니다. 초기 모델: kotir = 추세 + 노이즈 + 계절성 + 주기성 + 이상값.
우리는 모델의 처음 두 항에 대해 논의합니다. Forex에는 계절성이 없습니다. 글쎄, 그들은 방출 (뉴스)을 무시했지만 주기성, 즉 코티르에 파도가 있음을 의미하며 기간이 변경됩니다. 아주 오랫동안 나는 이 주기성을 비정상성의 주요 원인으로 간주해 왔습니다. 나는 이것에 접근할 방법이 없다.
아주 쉽게 해결합니다. 적은 수의 지연이 있는 모델을 선택합니다. 회귀 계수의 추정. 1단계에 대한 예측은 희망 (?) 확률입니다. 회귀는 적어도 한 단계는 변경되지 않습니다. 그리고 계수 외에도 회귀 속성 집합 도 있습니다(위 표 참조). 막대가 도착하면 회귀 평가가 다시 수행됩니다. 여기에는 매우 세련된 단어 적응이 적합합니다.
yosuf : 맞습니다, 이 나머지는 문제의 회고록에 달려 있습니다. 개는 바로 여기에 묻혔습니다. 최적의 회고전을 찾기가 어렵습니다.
"최적 창 너비"란 무엇입니까? 회귀 계수는 창의 너비로 추정됩니다. 계산을 했습니다. 창의 너비를 변경하고 계수를 비교했습니다. 그들은 30까지 매우 많이 변경되고 40 이후에는 더 적게 변경되며 H1의 경우 70 이후에는 실제로 변경되지 않습니다. 그런데 관측치가 30개를 넘으면 t-통계량이 확률적으로 z-통계량으로 수렴된다는 의견이 있다. 실제로 두 번 확인했지만 재미있지만 동일합니다.
매우 불편한 질문입니다. 초기 모델: kotir = 추세 + 노이즈 + 계절성 + 주기성 + 이상값.
우리는 모델의 처음 두 항에 대해 논의합니다. Forex에는 계절성이 없습니다. 글쎄, 그들은 방출 (뉴스)을 무시했지만 주기성, 즉 코티르에 파도가 있음을 의미하며 기간이 변경됩니다. 아주 오랫동안 나는 이 주기성을 비정상성의 주요 원인으로 간주해 왔습니다. 나는 이것에 접근할 방법이 없다.
아주 쉽게 해결합니다. 적은 수의 지연이 있는 모델을 선택합니다. 회귀 계수의 추정. 1단계에 대한 예측은 희망 (?) 확률입니다. 회귀는 적어도 한 단계는 변경되지 않습니다. 그리고 계수 외에도 회귀 속성 집합도 있습니다(위 표 참조). 막대가 도착하면 회귀 평가가 다시 수행됩니다. 여기에는 매우 세련된 단어 적응이 적합합니다.
이 모델을 분해해 보겠습니다.
1. 경향 - 많은 경향이 있기 때문에 우리가 말하는 경향은 무엇입니까?
2. 노이즈 - 고려된 추세의 매개변수에 따라 달라지며 종종 노이즈 자체에 추세가 있습니다.
3. 주기성 - 사인 자체가 암시되지만 두 개의 연속 감마 함수도 거의 이상적인 전체 주기 사인을 제공하므로 아직 명확성이 없다는 점을 염두에 두어야 합니다.
정상 나머지는 평균, SCO, 분산, 범위 등 임의의 값과 동일한 상수로 대체될 수 있기 때문에 정상성의 경우 모든 것이 가능합니다.
그들은 상수입니까?
그들은 상수입니까?
어떤 이유에서인지, 최근에는 엉뚱한 곳에서 정지를 찾아야 한다고 고집스럽게 생각하는 것 같습니다. 여러 인용문에 대한 회귀의 잔차에 직접적으로 포함되지 않고 다른 것에 있습니다.
그러나 어떤 경우에도 찾아야 합니다. 그렇지 않으면 통계 사용이 중단됩니다.
나는 모델을 만들기 위한 기술(내가 발명한 것이 아님)에 대해 이야기하고 있습니다. 원래의 고정되지 않은 cotir는 고정된 나머지를 얻을 때까지 구성 요소로 분해되어야 합니다. 고정 잔차는 평균, 표준, 분산, 범위 등 모든 값과 동일한 상수로 대체될 수 있기 때문에 직관적인 수준에서 이 요구 사항을 잘 이해하고 있습니다. 정체의 경우.
웬일인지 최근에는 엉뚱한 곳에서 정지를 찾아야 한다는 완고한 생각이 듭니다. 여러 인용문에 대한 회귀의 잔차에 직접적으로 포함되지 않고 다른 것에 있습니다.
그러나 어떤 경우에도 찾아야 합니다. 그렇지 않으면 통계 사용이 중단됩니다.
전체 질문은 귀하의 의견으로는 이 고정 상태를 어느 기간 또는 소급하여 사용할 것인지입니다. 회고전을 바꾸면 정상잔차의 특성도 달라지는데, 이 문제를 어떻게 풀려고 하시나요? 최적화?
매우 불편한 질문입니다. 초기 모델: kotir = 추세 + 노이즈 + 계절성 + 주기성 + 이상값.
우리는 모델의 처음 두 항에 대해 논의합니다. Forex에는 계절성이 없습니다. 글쎄, 그들은 방출 (뉴스)을 무시했지만 주기성, 즉 코티르에 파도가 있음을 의미하며 기간이 변경됩니다. 아주 오랫동안 나는 이 주기성을 비정상성의 주요 원인으로 간주해 왔습니다. 나는 이것에 접근할 방법이 없다.
아주 쉽게 해결합니다. 적은 수의 지연이 있는 모델을 선택합니다. 회귀 계수의 추정. 1단계에 대한 예측은 희망 (?) 확률입니다. 회귀는 적어도 한 단계는 변경되지 않습니다. 그리고 계수 외에도 회귀 속성 집합 도 있습니다(위 표 참조). 막대가 도착하면 회귀 평가가 다시 수행됩니다. 여기에는 매우 세련된 단어 적응이 적합합니다.
맞습니다, 이 나머지는 문제의 회고록에 달려 있습니다. 개는 바로 여기에 묻혔습니다. 최적의 회고전을 찾기가 어렵습니다.
매우 불편한 질문입니다. 초기 모델: kotir = 추세 + 노이즈 + 계절성 + 주기성 + 이상값.
우리는 모델의 처음 두 항에 대해 논의합니다. Forex에는 계절성이 없습니다. 글쎄, 그들은 방출 (뉴스)을 무시했지만 주기성, 즉 코티르에 파도가 있음을 의미하며 기간이 변경됩니다. 아주 오랫동안 나는 이 주기성을 비정상성의 주요 원인으로 간주해 왔습니다. 나는 이것에 접근할 방법이 없다.
아주 쉽게 해결합니다. 적은 수의 지연이 있는 모델을 선택합니다. 회귀 계수의 추정. 1단계에 대한 예측은 희망 (?) 확률입니다. 회귀는 적어도 한 단계는 변경되지 않습니다. 그리고 계수 외에도 회귀 속성 집합도 있습니다(위 표 참조). 막대가 도착하면 회귀 평가가 다시 수행됩니다. 여기에는 매우 세련된 단어 적응이 적합합니다.
이 모델을 분해해 보겠습니다.
1. 경향 - 많은 경향이 있기 때문에 우리가 말하는 경향은 무엇입니까?
2. 노이즈 - 고려된 추세의 매개변수에 따라 달라지며 종종 노이즈 자체에 추세가 있습니다.
3. 주기성 - 사인 자체가 암시되지만 두 개의 연속 감마 함수도 거의 이상적인 전체 주기 사인을 제공하므로 아직 명확성이 없다는 점을 염두에 두어야 합니다.
4. 배출은 예측할 수 없지만 분명히 배출 경로는 대략적으로 설명할 수 있습니다.
이 모델을 분해해 보겠습니다.
1. 경향 - 많은 경향이 있기 때문에 우리가 말하는 경향은 무엇입니까?
2. 노이즈 - 고려된 추세의 매개변수에 따라 달라지며 종종 노이즈 자체에 추세가 있습니다.
3. 주기성 - 사인 자체가 암시되지만 두 개의 연속 감마 함수도 거의 이상적인 전체 주기 사인을 제공하므로 아직 명확성이 없다는 점을 염두에 두어야 합니다.
4. 배출은 예측할 수 없지만 분명히 배출 경로는 대략적으로 설명할 수 있습니다.
왜이 모든 ... "추세"조차 예측할 수 없다면)))