Yazarın diyalogu. Alexander Smirnov. - sayfa 38

Yeni yorum
 
Prival :
Yurixx :
lna01 :


İlgili analitik hesaplamaları verebilirim.


buradan daha ayrıntılı olarak karmaşıklaştırmazsanız. yeni verilerin ortaya çıkmasıyla, A ve B katsayıları değişebilir, öyle görünüyor ki, yanılıyor olsam da :-). LR için karar verilmiş gibi görünüyor, ancak parabolik regresyon için nasıl?

 sum = 0.0 ;
for ( i = 0 ; i < p ; i ++ )
{
    fx = A * i * i + B * i + C ;
    dc = Close [ i ] - fx ;
    sum += dc * dc ;
}
sq = MathSqrt( sum / p ) ;
 
Yurixx :


Bu formüllerde neyin gereksiz olabileceğini gerçekten bilmek istiyorum. :-)

"Gerçek ifade"ye gelince, tüm bu formüllerin nereden geldiğini düşünüyorsunuz? Şimdi, bu "gerçek ifadeye", A ve B için LSM yardımıyla elde edilen nihai formülleri koyarsak, standart sapma için yukarıdaki ifade elde edilecektir. İlgili analitik hesaplamaları verebilirim.

Pekala, katılıyorum, bunlarda var - hayır :)
Tanım olarak, özyineleme, bir önceki değer kullanılarak bir sonraki değerin hesaplanmasıdır? O zaman toplamların tahakkuk esasına göre hesaplanması en doğal özyinelemedir.
Gerçek şu ki, "gerçek ifadeye" göre yaptığım hesaplama bu formüllerle bir miktar tutarsızlık veriyor. N=5 ve N=20 için sonuçlar burada. Çizgiler LH + 3*RMS olarak kabul edildi, beyaz RMS için sqrt( (RMS^2)*N/(N-2) ) olarak alındı. Kırmızı çizgi benim formülüme göre, beyaz çizgi seninkine göre. N=20 için kırmızı pratikte görünmezdir; sonuçların iyi bir doğrulukla örtüştüğünü varsayabiliriz. Ancak N=5 için farklılıklar oldukça belirgindir.
 
ANG3110 :
Evet, başlangıçta toplamı bir kez hesaplayabilir ve sadece son öğeyi çıkarabilir ve yeni bir ilk ekleyebilirsiniz. Sonra bir döngü olmadan çıkıyor.

Yaygara alevlendi çünkü LRMA'da her bir çubukta a ve b yeniden hesaplanıyor. Yani, hataların toplamının basit bir modifikasyonundan vazgeçilemez.
 
ANG3110 :
Özel :
Yurixx :
lna01 :


İlgili analitik hesaplamaları verebilirim.


buradan daha ayrıntılı olarak karmaşıklaştırmazsanız. yeni verilerin ortaya çıkmasıyla, A ve B katsayıları değişebilir, öyle görünüyor ki, yanılıyor olsam da :-). LR için karar verilmiş gibi görünüyor, ancak parabolik regresyon için nasıl?

 sum = 0.0 ;
for ( i = 0 ; i < p ; i ++ )
{
    fx = A * i * i + B * i + C ;
    dc = Close [ i ] - fx ;
    sum += dc * dc ;
}
sq = MathSqrt( sum / p ) ;


B katsayısının hesabı yoktur. Gerçi hesabını da eklersek aslına gelmişiz gibi olur. Özyineleme yok, yani. 0. adımda hesaplanan yeni bir değerin geçmiş değerine eklenmesi. ANG3110 üzgünüm burada özyineleme yok
 
lna01 :
ANG3110 :
Evet, başlangıçta toplamı bir kez hesaplayabilir ve sadece son öğeyi çıkarabilir ve yeni bir ilk ekleyebilirsiniz. Sonra bir döngü olmadan çıkıyor.

Yaygara alevlendi çünkü LRMA'da her bir çubukta a ve b yeniden hesaplanıyor. Yani, hataların toplamının basit bir modifikasyonundan vazgeçilemez.
Ve bu durum, LRMA ifadesiyle, LR'nin sonundaki verileri hemen okumak içindir ve RMS'yi hesaplamak için tasarlanmamıştır.
Ancak, a ve b doğrusunun katsayılarını kullanmadan LRMA'nın hesaplanması, hesaplanan kaynaklarda hiçbir şey kazandırmaz, ancak olasılıkları zayıflatır, çünkü doğrusal regresyon formülünde b son konumdur ve * i açı. Ve daha da önemlisi, a ve b'yi bilmek, RMS'yi kolayca hesaplayabilir. Ve tam tersini yapabilir ve RMS'nin sabit olacağını ve periyodun değişeceğini göz önünde bulundurabilirsiniz, o zaman trendin altında tam bedene uyarlanmış bir takım elbise gibi bir gerileme elde ederiz.
 
ANG3110 :
ve dönem değişirdi, o zaman trendin altına tam beden dikilmiş bir takım elbise gibi bir gerileme elde ederdik.

Bu özelliğe sahip bir gösterge varsa. paylaşmak mümkün mü. Bunun kamuya açık bir şey olmadığını anlasam da, aniden karar verirseniz, sarı pantolon ve iki kez buluştuğunuzda + günün bu saatinde en sevdiğiniz içeceği almaya çalışacağım :-)

ZY bir parabole ihtiyacım var, LR ilgilenmiyor

 
Prival :
ANG3110 :
Özel :
Yurixx :
lna01 :


İlgili analitik hesaplamaları verebilirim.


buradan daha ayrıntılı olarak karmaşıklaştırmazsanız. yeni verilerin ortaya çıkmasıyla, A ve B katsayıları değişebilir, öyle görünüyor ki, yanılıyor olsam da :-). LR için karar verilmiş gibi görünüyor, ancak parabolik regresyon için nasıl?

 sum = 0.0 ;
for ( i = 0 ; i < p ; i ++ )
{
    fx = A * i * i + B * i + C ;
    dc = Close [ i ] - fx ;
    sum += dc * dc ;
}
sq = MathSqrt( sum / p ) ;


B katsayısının hesabı yoktur. Gerçi hesabını da eklersek aslına gelmişiz gibi olur. Özyineleme yok, yani. 0. adımda hesaplanan yeni bir değerin geçmiş değerine eklenmesi. ANG3110 üzgünüm burada özyineleme yok
Ve bu durumda bu özyineleme için ne gereklidir. Pekala, 10 - 20 regresyon hesaplamalarda bir kerede kullanıldığında anlıyorum, o zaman çevrimsiz hesaplama yöntemleri geçerli hale geliyor ve diziler kullanılarak çok kolay çözülüyor. Ama bir veya iki satır için özyineleme yazmaktan başka yapacak bir şey yok gibi. Ben şahsen kızımın doğum günü partisinde oturuyorum ve gerçekten yapacak başka bir şeyim yok, bu yüzden onların bitmesini bekliyorum.
 
ANG3110 :
...
Ve bu durumda bu özyineleme için ne gereklidir. Pekala, hesaplamalarda bir kerede 10 - 20 regresyon kullanıldığında anlıyorum, o zaman çevrimsiz hesaplama yöntemleri geçerli hale geliyor ve diziler kullanılarak çok kolay, ancak bir veya iki satır için çözülüyor. Bir özyineleme yazmaktan başka yapacak bir şey yok gibi. Ben şahsen kızımın doğum günü partisinde oturuyorum ve gerçekten yapacak başka bir şeyim yok, bu yüzden onların bitmesini bekliyorum.

farklı döngü dönemleriyle çoklu para birimi analizi. 12 para birimi için 1, 2, 8, 12, 24 ve 120 saatlik + döngüleri (örnek periyodu) düşünürsek, hesaplama hızı son şey değildir. Her ne kadar (maalesef kupa veya bardakla gülen surat yok) kızım 14 Şubat'ta 12 yaşında, bu yüzden bir bardak ve misafirler için eğlence arasında (cumartesi günü herkes toplandı) yazıyorum.
 
ANG3110 :
Ancak LRMA'nın a ve b doğrusu katsayıları kullanılmadan hesaplanması, hesaplanan kaynaklarda hiçbir şey kazandırmaz, ancak olasılıkları zayıflatır,
...
Ve daha da önemlisi, RMS'yi düşünebilirsiniz. Ve tam tersini yapabilir ve RMS'nin sabit olacağını ve periyodun değişeceğini göz önünde bulundurabilirsiniz, o zaman trendin altında tam bedene uyarlanmış bir takım elbise gibi bir gerileme elde ederiz.
Bu kaynak dalındaki LRMA algoritmaları kazanıyor ve çok. a ve RMS (benim versiyonumda b dikkate alınır) hesaplama algoritmasına eklenmesi elbette ek kaynaklar alacaktır, ancak çok fazla değil. Bu arada yukarıdaki "yarı kanallı" resim benim LRMA versiyonumdan (yani MovingLR'den) hızlıca hazırlandı. Aslında bu branşa olan ilgim tam olarak her çubukta yeniden hesaplanan zorunlu regresyon algoritmasını standart sapma sabit olacak şekilde cilalamak, daha önce denedim ve sonuçlardan memnun kalmadım.
 
Ve neden k-orada a ve b'ye bağlıyız ? LR için kanıtlanmış bir formül var - orada düz çizgiler yok. Önemsiz arabalar var. Prival , LR'den bahsediyorum, önce onunla ilgilenelim.
1...3132333435363738394041424344
Yeni yorum