#создаём из матрицы временной ряд for(i in seq(from = 1, to = nrow(inputMatrix), by = 2)){ if(i==1){ #первая строка матрицы берётся как есть` tsVector <- inputMatrix[i,] }else{ #от каждой строй строки берётся последний элемент tsVector <- c(tsVector, inputMatrix[i,ncol(inputMatrix)]) } }
好吧,但如果我们作为限制者工作,报价,像货币交易所一样站在两边,出售流动性呢?你为什么需要预测?
这就是答案,在两边站好限价器,赚取无风险的利润。
有趣的看点
https://www.youtube.com/watch?v=p5UngSem9f0
耗费时间。
谁能告诉我如何引入一个矩阵,通过小波变换进行分析和后续诊断?
我对小波不是很在行,但这里发布了一些使用dplR包的例子,所以我就靠它们了。
1) 这是一个时间序列,所以矩阵必须以某种方式转换为一个长矢量。例如,你有,每个矩阵行就像一个长度为9的滑动窗口,每个新行的窗口偏移量=0.5。我将从每第二行添加最后一个元素到向量中。如果你把你的矢量照单全收,没有滑动窗口和矩阵,那就更好了。
我得到的时间序列是这样的--1 1 1 1 1 1 2 4 6 8 10 12 14 16 18 20 22 1 1 1 1 1 1 1。
2)图表上的阴影部分是不可靠的,不能用于未来的预测。在最右边没有阴影的区域,"在刻度上的最右边 "的颜色是绿色(对于2至8期)。
而答案将是 "目前从2到8的周期占主导地位",这真的是毫无用处。 无论输入矢量是什么,这就是答案:)。
1, 1, 1, 1, 2, 3, 5, 7, 9,
1, 1, 1, 1, 3, 4, 6, 8, 10,
1, 1, 1, 2, 4, 5, 7, 9, 11,
1, 1, 1, 3, 5, 6, 8, 10, 12,
1, 1, 1, 4, 6, 7, 9, 11, 13,
1, 1, 1, 5, 7, 8, 10, 12, 14,
1, 1, 2, 6, 8, 9, 11, 13, 15,
1, 1, 3, 7, 9, 10, 12, 14, 16,
1, 1, 4, 8, 10, 11, 13, 15, 17,
1, 2, 5, 9, 11, 12, 14, 16, 18,
1, 3, 6, 10, 12, 13, 15, 17, 19,
1, 4, 7, 11, 13, 14, 16, 18, 20,
1, 5, 8, 12, 14, 15, 17, 19, 21,
1, 6, 9, 13, 15, 16, 18, 20, 22,
2, 7, 10, 14, 16, 17, 19, 21, 1,
3, 8, 11, 15, 17, 18, 20, 22, 1,
4, 9, 12, 16, 18, 19, 21, 1, 1,
5, 10, 13, 17, 19, 20, 22, 1, 1,
6, 11, 14, 18, 20, 21, 1, 1, 1,
7, 12, 15, 19, 21, 22, 1, 1, 1,
8, 13, 16, 20, 22, 1, 1, 1, 1,
9, 14, 17, 21, 1, 1, 1, 1, 1,
10, 15, 18, 22, 1, 1, 1, 1, 1
), ncol=24, nrow = 9))
#создаём из матрицы временной ряд
for(i in seq(from = 1, to = nrow(inputMatrix), by = 2)){
if(i==1){
#первая строка матрицы берётся как есть`
tsVector <- inputMatrix[i,]
}else{
#от каждой строй строки берётся последний элемент
tsVector <- c(tsVector, inputMatrix[i,ncol(inputMatrix)])
}
}
#полученный вектор
tsVector
library(dplR)
#рассчёт вейвлетов
waveletObj <- morlet(tsVector)
#показать расчитанные коэффициенты
waveletObj
#график
wavelet.plot(waveletObj)
我对小波不是很在行,但有dplR包的例子,我就靠它们了。
1) 这是一个时间序列,所以矩阵必须以某种方式转换为一个长矢量。例如,你有,每个矩阵行就像一个长度为9的滑动窗口,每个新行的窗口偏移量=0.5。我将从每第二行添加最后一个元素到向量中。如果你把你的矢量照单全收,没有滑动窗口和矩阵,那就更好了。
我得出的时间序列是这样的--1 1 1 1 1 2 4 6 8 10 12 14 16 18 20 22 1 1 1 1 1 1 1 1。
2)图表上的阴影部分是不可靠的,不能用来预测未来。在没有阴影的地方,"刻度上最右边 "的颜色是绿色(对于周期=8)。
有谁知道这些数字是否需要转换为小波变换的三角值?
或者说,为了开始计算,它们需要被转换为什么?
什么是R?
什么是R?
你有没有试过用谷歌?
什么是R?