赫斯特指数 - 页 15

新评论
 
Neutron >> :
我敢向你保证，"通过眼睛"，你不能准确地确定哪里是M1，哪里是周（例如，对于欧元兑美元系列）。但使用SPX，会准确显示出这句话的各种TF之间的差异。

这与统计学有什么关系呢。人们已经决定，你不能 "通过视觉 "来判断，所以它是分形的。然后他们开始进行理论研究。Malnenbrot和其他所有的分形学家。


顺便说一下，即使是同一个Hurst，在不同的时间段也显示出不同的数值。即使这些数值相差不大，通常也能看出其趋势。

 

谁知道ISC的选项？

例如，以下的变体。在第一次计算之后，我们确定离群值，并根据它们给数据点分配权重。之后，我们重复计算，并考虑到权重。

问题是，哪里有关于这个问题的描述，以避免重新发明轮子？

 
surfer >> :

谁知道ISC的选项？

例如，以下的变体。在第一次计算之后，我们确定离群值，并根据它们给数据点分配权重。之后，我们重复计算，并考虑到权重。

这个问题在哪里得到了很好的描述，那不就是重新发明了一辆自行车吗？

那么最好是计算标准差，在再次计数时，删除标准差大于平均值1.5倍的点。

 
TheXpert >> :

那么最好是计算标准差，然后删除标准差比平均值大1.5倍的点。

这是我所问的一个极端情况。 你建议的意思是给这些点分配权重=0

问题是一样的，它在哪里被胜任地描述？

 
surfer писал(а)>>

谁知道ISC的选项？

例如，以下的变体。在第一次计算之后，我们确定离群值，并根据它们给数据点分配权重。之后，我们重复计算，并考虑到权重。

问题是在哪里可以胜任地描述它，以便不重新发明车轮？

为什么？有值A、B，还有它们的置信区间。

 
Erics >> :

为什么？有A、B值，也有它们的置信区间。

我想，通过设置权重，你可以得到一个更平滑的变化指数曲线。我想检查一下。我当然可以直接强加给MA，但这并不那么有趣，不过也许我们不应该寻找太复杂的方法:)

 
surfer >> :

这是我所问的一个极端情况。 你的建议是给这些点分配权重=0

问题是一样的，这在哪里得到了智能的描述？

我不知道，根据假设，有一定比例的样本点从样本中掉出来，对结果有明显的影响。

你当然可以寻找最远的点的正确百分比，但用RMS更容易。


一般来说，它与你所说的情况正好相反。正确的方法不是把平方偏差作为权重，而是把它的倒数。

这就是除以0的问题出现的地方。


那么系数可以被认为是 -- 1/(1+KO) 。


那么重复的目标函数将是这样的。


Summ ( 1/(1 + КО[i])*(а*x[i] + b - y[i])^2) -> min , i = 1..n
只有导数必须用手重新计算 )
 
TheXpert >> :

我不知道，根据假设，有一定比例的样本点从样本中掉出来，对结果有明显的影响。

你当然可以寻找最远的点的正确比例，但通过RMS更容易。


一般来说，它与你所说的情况正好相反。正确的方法不是把平方偏差作为权重，而是把它的倒数。

这就是除以0的问题出现的地方。


那么系数可以被认为是 -- 1/(1+KO) 。


那么重复的目标函数将是这样的。


只有导数必须用手重新计算 )

你的版本意味着系数之和不等于1。这样说对吗？用他们自己的总和来规范他们，可能是正确的。

(1/(1+KOi))/Summ(1/(1+KOi))

 
surfer >> :

你的选择意味着一个不等于1的系数量。这是否正确？用他们自己的总和来规范他们，可能是正确的。

(1/(1+KOi))/Summ(1/(1+KOi))

没关系，它们是在目标函数中使用的，所以将它们归一化不会改变结果。

如果你想的话，你可以检查一下。


我希望你能推导出导数？

 
TheXpert >> :

没关系，它们被用在目标函数中，所以配给不会改变结果。

如果你想的话，你可以检查一下。


我希望你能推导出导数？

当然 :)

1...8910111213141516171819202122...46
新评论