고맙습니다. 설명하세요, pliz, 이것이 맨 위에 있습니까? 이것은 귀하의 (출판되지 않은) 책의 페이지입니까, 아니면 다른 페이지입니까?
(이것이 귀하의 것이라면 2012년 1월 9일 오늘 포럼에 게시함으로써 귀하의 세계 과학 우선 순위가 결정됩니다).
나머지 문제가 무엇인지 설명하겠습니다. 잡음이 많은 신호의 경우 일반적인 근사, 보간 방법이 작동하지 않습니다. 일반적으로 이러한 경우 최소 제곱법이 사용됩니다(과다결정된 선형 방정식 시스템을 해결하여). 결과가 훨씬 더 신뢰할 수 있지만 선형 시스템의 솔루션으로 인해 이러한 모든 방법은 일반 단순 방법보다 수백 배 느립니다.
특정 근사 또는 특정 신호의 극히 일부의 경우, 개별 과학자들은 순전히 분석적인 수학적 트릭을 통해 선형 방정식(2차원) 시스템을 보다 간단한 방법(1차원, 합산 또는 벡터의 컨볼루션)으로 줄이기 위해 관리합니다. ). 이것은 잡음 신호의 근사값을 수백 배 빨라집니다.
그러한 방법 중 하나는 GPWR(Vladimir)의 작성자가 MQL4.com에 세계 최초로 게시한 것입니다.
일본의 Goloborodko가 위에서 인용한 유사한 접근 방식을 사용하여 잡음이 있는 신호의 파생물을 계산했습니다. 그는 선형 방정식 시스템을 풀지 않고 도함수 공식을 엄청나게 단순한 유형으로 줄였습니다(단순화 및 속도 향상).
디지털 신호 처리에서는 다소 희귀한 savitzky-golay 필터에도 동일한 접근 방식이 사용됩니다.
GPWR용 PS Dobivka. 정확한 영어의 "러시아어" 스타일로, 나는 이것이 당신의 책이라는 것을 알았습니다. 훌륭합니다. 그건 그렇고, 그것은 매우 알기 쉽게 쓰여졌습니다. 게시하지 말았어야 했습니다. DSP의 경우 - 좋은 기여. 일부 장소에서 보조 빠른 방법을 제외하고는 거래에 직접적으로 적합하지 않습니다.
PPS 모든 사람은 응용 수학적 문제를 해결하기 위한 과학적 접근 방식을 배워야 합니다.
당신은 나를 아첨합니다 :) 인용된 페이지는 내 미공개 책에서 가져온 것입니다. 솔직히 이 공식들을 유추해 보니 특별한 점은 없었습니다. 이것은 일반적인 삼각 회귀입니다. 시리즈의 삼각 모델을 취하고 주파수 w를 고정하고 나머지 매개변수 A, B 및 평균에 대한 선형 모델을 얻습니다. 그런 다음 다른 모든 사람들과 마찬가지로 가우스 잡음을 가정하고 최대 가능성 방법을 최소 제곱 방법으로 줄입니다. 하지만 어쨌든 좋은 말씀 감사합니다.
그런데 더 심각한 문제는 동일한 주파수 w를 찾는 것입니다. 지표에서 나는 Quinn과 Fernandez 방법을 사용했으며 이는 내 책의 뒷부분에서 설명합니다. 삼각 함수 x_n = A*cos(w*n+phase)+epsilon_n에 기반한 x_n 시계열 모델은
나중에 나는 스펙트럼에서 최대값을 찾는 것을 기반으로 더 정확하지만 더 시간이 많이 걸리는 주파수를 찾는 방법을 사용했습니다. 그러나 두 가지 방법 모두 거의 동일한 결과를 얻었으므로 Quinn과 Fernandez 알고리즘의 힘에 대해 더 확신할 수 있었습니다.
나중에 나는 스펙트럼에서 최대값을 찾는 것을 기반으로 더 정확하지만 더 시간이 많이 걸리는 주파수를 찾는 방법을 사용했습니다. 그러나 두 가지 방법 모두 거의 동일한 결과를 얻었고, 이는 Quinn과 Fernandez 알고리즘의 힘에 대해 더 확신을 갖게 했습니다.
나는 아무것도 아첨하지 않습니다. 동료인 당신은 아마도 당신의 방법의 적용 가능성에 대한 광범위한 아이디어를 가지고 있지 않을 것입니다. 일부 DSP 응용 프로그램의 경우 정확도를 잃지 않고 Fit의 속도를 100배 증가시키는 것은(그 자체로 정확도를 몇 배 증가시키는 것과 같습니다) 말 그대로 삶과 죽음의 문제입니다. 예를 들어, 항공기 레이더, 방공, 미사일 방지 문제 및 기타 응용 분야에 사용됩니다. "필요한 곳"을 호출할 때입니다. 아직 "거기서" 호출되지 않은 것이 이상하고, 그 방법은 지금까지 실질적으로 알려지지 않았습니다. (휴대전화 및 모뎀에 적용할 수 있는 것과 같은 "작은 것"은 여기에서 논의되지 않습니다.)
그리고 내가 이미 말했듯이 최소 제곱에 이러한 "환원적" 접근 방식을 적용하는 데 성공하는 것은 수치적 방법에서 드문 일입니다. 그러니 겸손하지 마십시오.
나는 아무것도 아첨하지 않습니다. 동료인 당신은 아마도 당신의 방법의 적용 가능성에 대한 광범위한 아이디어를 가지고 있지 않을 것입니다. 일부 DSP 응용 프로그램의 경우 정확도를 잃지 않고 Fit의 속도를 100배 증가시키는 것은(그 자체로 정확도를 몇 배 증가시키는 것과 같습니다) 말 그대로 삶과 죽음의 문제입니다. 예를 들어, 항공기 레이더, 방공, 미사일 방지 문제 및 기타 응용 분야에 사용됩니다. "필요한 곳"을 호출할 때입니다. 아직 "거기서" 호출되지 않은 것이 이상하고, 그 방법은 지금까지 실질적으로 알려지지 않았습니다. (휴대전화 및 모뎀에 적용할 수 있는 것과 같은 "작은 것"은 여기에서 논의되지 않습니다.)
그리고 내가 이미 말했듯이 최소 제곱에 이러한 "환원적" 접근 방식을 적용하는 데 성공하는 것은 수치적 방법에서 드문 일입니다. 그러니 겸손하지 마십시오.
그건 그렇고, 계량 경제학의 ARMA 방법은 exp(zeta*n)*cos(w*n+phase)와 같이 지수가 감소하는 삼각 시리즈의 회귀로 축소됩니다. Prony 메서드의 출력을 읽으면 모든 것을 이해할 수 있습니다. 당신이 그것을 찾지 못한다면, 나는 이 모든 것을 설명하는 내 책의 한 부분을 게시할 것입니다.
그건 그렇고, 계량 경제학의 ARMA 방법은 exp(zeta*n)*cos(w*n+phase)와 같이 지수가 감소하는 삼각 시리즈의 회귀로 축소됩니다. Prony 메서드의 출력을 읽으면 모든 것을 이해할 수 있습니다. 당신이 그것을 찾지 못한다면, 나는 이 모든 것을 설명하는 내 책의 한 부분을 게시할 것입니다.
지정한 페이지가 존재하지 않습니다.
EView에 대한 귀하의 지식은 필요하지 않습니다. 저는 이것을 시도할 것이지만 귀하의 도움 없이는 할 수 없습니다.
EViews의 방정식은 지연 값에 대해 다음과 같습니다.
EURUSD = c(1) + c(2)*EURUSD(-1) + c(3) * EURUSD(-2) 등
맞습니다. 이것은 일반적인 tr.regression입니다. 이 두 사인과 코사인이 DSP에 혁명을 일으키리라고 확신할 수는 없지만 기사를 짜내려고 합니다.
모델을 적절하게 식별하는 방법은 명확하지 않습니다. 나는 모델을 어떤 행에나 맞출 수 있는 최소 제곱의 도움으로 (정확성에 대한 몇 가지 가정과 함께) 모델을 연속적으로 확고하게 "그리는" 것을 의미하지 않습니다. 발견된 "최적" 매개변수가 앞으로도 오랫동안 지속될 것이라는 이해에 대해 묻고 있습니다. 매개변수가 무작위로 동작할 것이라는 강한 의심이 있습니다.
무엇보다도 이 모델에는 분명한 단점이 있습니다. 돈을 벌기 위해서는 멀리 예측해야 합니다. 또한 매우 정확하지 않으며 시장을 전혀 설명하지 않습니다. 이는 모델 오류 분석에서 알 수 있습니다. 첫 번째 지연은 높은 상관 관계가 있습니다.
추신: 이 일의 발전에 대해 몇 가지 생각이 있지만, 관심이 있는 경우 개인적으로 글을 쓸 수 있습니다.
맞습니다. 이것은 일반적인 tr.regression입니다. 이 두 사인과 코사인이 DSP에 혁명을 일으키리라고 확신할 수는 없지만 기사를 짜내려고 합니다.
모델을 적절하게 식별하는 방법은 명확하지 않습니다. 나는 모델을 어떤 행에나 맞출 수 있는 최소 제곱의 도움으로 (정확성에 대한 몇 가지 가정과 함께) 모델을 연속적으로 확고하게 "그리는" 것을 의미하지 않습니다. 발견된 "최적" 매개변수가 앞으로도 오랫동안 지속될 것이라는 이해에 대해 묻고 있습니다. 매개변수가 무작위로 동작할 것이라는 강한 의심이 있습니다.
무엇보다도 이 모델에는 분명한 단점이 있습니다. 돈을 벌기 위해서는 멀리 예측해야 합니다. 또한 매우 정확하지 않으며 시장을 전혀 설명하지 않습니다. 이는 모델 오류 분석에서 알 수 있습니다. 첫 번째 지연은 높은 상관 관계가 있습니다.
추신: 이 일의 발전에 대해 몇 가지 생각이 있지만, 관심이 있는 경우 개인적으로 글을 쓸 수 있습니다.
나의 약간의 계몽된 의견으로는 제시된 접근 방식이 시장에 적합하지 않습니다. 모든 것이 신호 대 잡음비를 개선하는 데 좋습니다. 미사일 유도를 위해 위에 쓰여진 대로. 시장에 신호가 없으며 가장 중요한 것은 BP의 특성이 주파수, 위상을 포함하여 항상 유동적이라는 것입니다. 처음에 비 고정성을 인식하지 못하면 원칙적으로 좋은 것을 얻지 못할 것입니다. 비정상성을 인식하면 최소한 해당 방법의 적용 한계를 나타내는 것이 가능합니다.
어떤 이유로 최대 엔트로피(Burg와 같은) 방법은 잠잠합니다. 창의 크기를 조정하거나 이동할 때 주파수 응답이 어떻게 떠 있는지 명확하게 볼 수 있습니다. 분석된 샘플에 작용하는 여러 공진 주파수 혹을 즉시 볼 수 있습니다. 그리고 이 모든 아름다움을 사용하여 다음 막대를 예측하고 다음 막대가 도착할 때 주파수 응답이 변경되지 않을 것이라고 신성한 믿음으로 예측하는 것이 아니라는 것이 즉시 분명합니다. 그리고 이것은 구현된 아이디어가 처음부터 비정상성을 고려하지 않은 아주 좋은 예입니다.
고맙습니다. 설명하세요, pliz, 이것이 맨 위에 있습니까? 이것은 귀하의 (출판되지 않은) 책의 페이지입니까, 아니면 다른 페이지입니까?
(이것이 귀하의 것이라면 2012년 1월 9일 오늘 포럼에 게시함으로써 귀하의 세계 과학 우선 순위가 결정됩니다).
나머지 문제가 무엇인지 설명하겠습니다. 잡음이 많은 신호의 경우 일반적인 근사, 보간 방법이 작동하지 않습니다. 일반적으로 이러한 경우 최소 제곱법이 사용됩니다(과다결정된 선형 방정식 시스템을 해결하여). 결과가 훨씬 더 신뢰할 수 있지만 선형 시스템의 솔루션으로 인해 이러한 모든 방법은 일반 단순 방법보다 수백 배 느립니다.
특정 근사 또는 특정 신호의 극히 일부의 경우, 개별 과학자들은 순전히 분석적인 수학적 트릭을 통해 선형 방정식(2차원) 시스템을 보다 간단한 방법(1차원, 합산 또는 벡터의 컨볼루션)으로 줄이기 위해 관리합니다. ). 이것은 잡음 신호의 근사값을 수백 배 빨라집니다.
그러한 방법 중 하나는 GPWR(Vladimir)의 작성자가 MQL4.com에 세계 최초로 게시한 것입니다.
일본의 Goloborodko가 위에서 인용한 유사한 접근 방식을 사용하여 잡음이 있는 신호의 파생물을 계산했습니다. 그는 선형 방정식 시스템을 풀지 않고 도함수 공식을 엄청나게 단순한 유형으로 줄였습니다(단순화 및 속도 향상).
디지털 신호 처리에서는 다소 희귀한 savitzky-golay 필터에도 동일한 접근 방식이 사용됩니다.
https://en.wikipedia.org/wiki/Savitzky%E2%80%93Golay_smoothing_filter
GPWR용 PS Dobivka. 정확한 영어의 "러시아어" 스타일로, 나는 이것이 당신의 책이라는 것을 알았습니다. 훌륭합니다. 그건 그렇고, 그것은 매우 알기 쉽게 쓰여졌습니다. 게시하지 말았어야 했습니다. DSP의 경우 - 좋은 기여. 일부 장소에서 보조 빠른 방법을 제외하고는 거래에 직접적으로 적합하지 않습니다.
PPS 모든 사람은 응용 수학적 문제를 해결하기 위한 과학적 접근 방식을 배워야 합니다.당신은 나를 아첨합니다 :) 인용된 페이지는 내 미공개 책에서 가져온 것입니다. 솔직히 이 공식들을 유추해 보니 특별한 점은 없었습니다. 이것은 일반적인 삼각 회귀입니다. 시리즈의 삼각 모델을 취하고 주파수 w를 고정하고 나머지 매개변수 A, B 및 평균에 대한 선형 모델을 얻습니다. 그런 다음 다른 모든 사람들과 마찬가지로 가우스 잡음을 가정하고 최대 가능성 방법을 최소 제곱 방법으로 줄입니다. 하지만 어쨌든 좋은 말씀 감사합니다.
그런데 더 심각한 문제는 동일한 주파수 w를 찾는 것입니다. 지표에서 나는 Quinn과 Fernandez 방법을 사용했으며 이는 내 책의 뒷부분에서 설명합니다. 삼각 함수 x_n = A*cos(w*n+phase)+epsilon_n에 기반한 x_n 시계열 모델은
나중에 나는 스펙트럼에서 최대값을 찾는 것을 기반으로 더 정확하지만 더 시간이 많이 걸리는 주파수를 찾는 방법을 사용했습니다. 그러나 두 가지 방법 모두 거의 동일한 결과를 얻었으므로 Quinn과 Fernandez 알고리즘의 힘에 대해 더 확신할 수 있었습니다.
당신은 나를 아첨합니다 :)
나중에 나는 스펙트럼에서 최대값을 찾는 것을 기반으로 더 정확하지만 더 시간이 많이 걸리는 주파수를 찾는 방법을 사용했습니다. 그러나 두 가지 방법 모두 거의 동일한 결과를 얻었고, 이는 Quinn과 Fernandez 알고리즘의 힘에 대해 더 확신을 갖게 했습니다.
나는 아무것도 아첨하지 않습니다. 동료인 당신은 아마도 당신의 방법의 적용 가능성에 대한 광범위한 아이디어를 가지고 있지 않을 것입니다. 일부 DSP 응용 프로그램의 경우 정확도를 잃지 않고 Fit의 속도를 100배 증가시키는 것은(그 자체로 정확도를 몇 배 증가시키는 것과 같습니다) 말 그대로 삶과 죽음의 문제입니다. 예를 들어, 항공기 레이더, 방공, 미사일 방지 문제 및 기타 응용 분야에 사용됩니다. "필요한 곳"을 호출할 때입니다. 아직 "거기서" 호출되지 않은 것이 이상하고, 그 방법은 지금까지 실질적으로 알려지지 않았습니다. (휴대전화 및 모뎀에 적용할 수 있는 것과 같은 "작은 것"은 여기에서 논의되지 않습니다.)
그리고 내가 이미 말했듯이 최소 제곱에 이러한 "환원적" 접근 방식을 적용하는 데 성공하는 것은 수치적 방법에서 드문 일입니다. 그러니 겸손하지 마십시오.
나는 아무것도 아첨하지 않습니다. 동료인 당신은 아마도 당신의 방법의 적용 가능성에 대한 광범위한 아이디어를 가지고 있지 않을 것입니다. 일부 DSP 응용 프로그램의 경우 정확도를 잃지 않고 Fit의 속도를 100배 증가시키는 것은(그 자체로 정확도를 몇 배 증가시키는 것과 같습니다) 말 그대로 삶과 죽음의 문제입니다. 예를 들어, 항공기 레이더, 방공, 미사일 방지 문제 및 기타 응용 분야에 사용됩니다. "필요한 곳"을 호출할 때입니다. 아직 "거기서" 호출되지 않은 것이 이상하고, 그 방법은 지금까지 실질적으로 알려지지 않았습니다. (휴대전화 및 모뎀에 적용할 수 있는 것과 같은 "작은 것"은 여기에서 논의되지 않습니다.)
그리고 내가 이미 말했듯이 최소 제곱에 이러한 "환원적" 접근 방식을 적용하는 데 성공하는 것은 수치적 방법에서 드문 일입니다. 그러니 겸손하지 마십시오.
흠 ... 기사를 쓰겠습니다-리뷰가 말하는 것을 봅시다.
일반적인 삼각 회귀도 동일합니다. 시리즈의 삼각 모델을 취하고 주파수 w를 고정하고 나머지 매개변수 A, B 및 평균에 대한 선형 모델을 얻습니다.
EViews에서 삼각 회귀를 시도하고 싶습니다.
EViews에서 매개변수를 평가할 수 있도록 이 회귀를 작성하는 방법을 작성하거나 제안할 수 있습니까? 평가 방법에는 여러 가지가 있으며 이 또한 변경할 수 있습니다.
결과는 확실히 올리겠습니다
일반적인 삼각 회귀도 동일합니다. 시리즈의 삼각 모델을 취하고 주파수 w를 고정하고 나머지 매개변수 A, B 및 평균에 대한 선형 모델을 얻습니다.
EViews에서 삼각 회귀를 시도하고 싶습니다.
EViews에서 매개변수를 평가할 수 있도록 이 회귀를 작성하는 방법을 작성하거나 제안할 수 있습니까? 평가 방법에는 여러 가지가 있으며 이 또한 변경할 수 있습니다.
죄송하지만 저는 EViews에 익숙하지 않습니다. 이 방법에 대한 코드가 필요하면 여기를 보십시오.
https://www.mql5.com/ru/code/8732
그건 그렇고, 계량 경제학의 ARMA 방법은 exp(zeta*n)*cos(w*n+phase)와 같이 지수가 감소하는 삼각 시리즈의 회귀로 축소됩니다. Prony 메서드의 출력을 읽으면 모든 것을 이해할 수 있습니다. 당신이 그것을 찾지 못한다면, 나는 이 모든 것을 설명하는 내 책의 한 부분을 게시할 것입니다.
죄송하지만 저는 EViews에 익숙하지 않습니다. 이 방법에 대한 코드가 필요한 경우 여기를 보십시오.
https://www.mql5.com/ru/code/8732
그건 그렇고, 계량 경제학의 ARMA 방법은 exp(zeta*n)*cos(w*n+phase)와 같이 지수가 감소하는 삼각 시리즈의 회귀로 축소됩니다. Prony 메서드의 출력을 읽으면 모든 것을 이해할 수 있습니다. 당신이 그것을 찾지 못한다면, 나는 이 모든 것을 설명하는 내 책의 한 부분을 게시할 것입니다.
지정한 페이지가 존재하지 않습니다.
EView에 대한 귀하의 지식은 필요하지 않습니다. 저는 이것을 시도할 것이지만 귀하의 도움 없이는 할 수 없습니다.
EViews의 방정식은 지연 값에 대해 다음과 같습니다.
EURUSD = c(1) + c(2)*EURUSD(-1) + c(3) * EURUSD(-2) 등
부비동과 함께:
EURUSD = c(1) + c(2)*sin(c(3)* ........ ) ......
그런 것. 공식의 형태는 매우 임의적입니다. C(i)는 다른 방법으로 평가될 계수입니다.
지정한 페이지가 존재하지 않습니다.
코드는 다음과 같습니다.
https://www.mql5.com/ru/code/8732
계수가 어떻게 도출되는지 모든 것이 명확합니다. 나는 내 코드에 대해 비용을 청구하지 않으며 EViews의 제작자는 한 사본에 대해 >$1000를 원합니다. 그래서 나는 그들을 돕고 내 코드를 EViews 형식으로 번역하지 않을 것입니다.
코드는 다음과 같습니다.
https://www.mql5.com/ru/code/8732
계수가 어떻게 도출되는지 모든 것이 명확합니다. 나는 내 코드에 대해 비용을 청구하지 않으며 EViews의 제작자는 한 사본에 대해 >$1000를 원합니다. 그래서 나는 그들을 돕고 내 코드를 EViews 형식으로 번역하지 않을 것입니다.
EViews는 도구입니다. Windows를 포함하여 컴퓨터에 모든 무료 프로그램이 있습니까?
원하지 않으셔도 됩니다.
...
이것은 일반적인 삼각 회귀입니다.
...
맞습니다. 이것은 일반적인 tr.regression입니다. 이 두 사인과 코사인이 DSP에 혁명을 일으키리라고 확신할 수는 없지만 기사를 짜내려고 합니다.
모델을 적절하게 식별하는 방법은 명확하지 않습니다. 나는 모델을 어떤 행에나 맞출 수 있는 최소 제곱의 도움으로 (정확성에 대한 몇 가지 가정과 함께) 모델을 연속적으로 확고하게 "그리는" 것을 의미하지 않습니다. 발견된 "최적" 매개변수가 앞으로도 오랫동안 지속될 것이라는 이해에 대해 묻고 있습니다. 매개변수가 무작위로 동작할 것이라는 강한 의심이 있습니다.
무엇보다도 이 모델에는 분명한 단점이 있습니다. 돈을 벌기 위해서는 멀리 예측해야 합니다. 또한 매우 정확하지 않으며 시장을 전혀 설명하지 않습니다. 이는 모델 오류 분석에서 알 수 있습니다. 첫 번째 지연은 높은 상관 관계가 있습니다.
추신: 이 일의 발전에 대해 몇 가지 생각이 있지만, 관심이 있는 경우 개인적으로 글을 쓸 수 있습니다.
맞습니다. 이것은 일반적인 tr.regression입니다. 이 두 사인과 코사인이 DSP에 혁명을 일으키리라고 확신할 수는 없지만 기사를 짜내려고 합니다.
모델을 적절하게 식별하는 방법은 명확하지 않습니다. 나는 모델을 어떤 행에나 맞출 수 있는 최소 제곱의 도움으로 (정확성에 대한 몇 가지 가정과 함께) 모델을 연속적으로 확고하게 "그리는" 것을 의미하지 않습니다. 발견된 "최적" 매개변수가 앞으로도 오랫동안 지속될 것이라는 이해에 대해 묻고 있습니다. 매개변수가 무작위로 동작할 것이라는 강한 의심이 있습니다.
무엇보다도 이 모델에는 분명한 단점이 있습니다. 돈을 벌기 위해서는 멀리 예측해야 합니다. 또한 매우 정확하지 않으며 시장을 전혀 설명하지 않습니다. 이는 모델 오류 분석에서 알 수 있습니다. 첫 번째 지연은 높은 상관 관계가 있습니다.
추신: 이 일의 발전에 대해 몇 가지 생각이 있지만, 관심이 있는 경우 개인적으로 글을 쓸 수 있습니다.
나의 약간의 계몽된 의견으로는 제시된 접근 방식이 시장에 적합하지 않습니다. 모든 것이 신호 대 잡음비를 개선하는 데 좋습니다. 미사일 유도를 위해 위에 쓰여진 대로. 시장에 신호가 없으며 가장 중요한 것은 BP의 특성이 주파수, 위상을 포함하여 항상 유동적이라는 것입니다. 처음에 비 고정성을 인식하지 못하면 원칙적으로 좋은 것을 얻지 못할 것입니다. 비정상성을 인식하면 최소한 해당 방법의 적용 한계를 나타내는 것이 가능합니다.
어떤 이유로 최대 엔트로피(Burg와 같은) 방법은 잠잠합니다. 창의 크기를 조정하거나 이동할 때 주파수 응답이 어떻게 떠 있는지 명확하게 볼 수 있습니다. 분석된 샘플에 작용하는 여러 공진 주파수 혹을 즉시 볼 수 있습니다. 그리고 이 모든 아름다움을 사용하여 다음 막대를 예측하고 다음 막대가 도착할 때 주파수 응답이 변경되지 않을 것이라고 신성한 믿음으로 예측하는 것이 아니라는 것이 즉시 분명합니다. 그리고 이것은 구현된 아이디어가 처음부터 비정상성을 고려하지 않은 아주 좋은 예입니다.