作者的对话。亚历山大-斯米尔诺夫。 - 页 38

新评论
 
Prival:
尤里克斯。
lna01:


我可以给你相关的分析计算结果。


随着新数据的到来，系数A和B可能会改变，我想，尽管我可能是错的:-)。对于LR来说，这似乎已经解决了，但对于抛物线回归来说，如何解决？

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:


非常想知道这些公式中哪些是多余的？:-)

至于 "真正的表达"，你认为所有这些公式是从哪里来的？如果你把从MNA得出的A和B的有限公式代入这个 "真实表达"，那么你就会得到上述有效值的表达。我可以给出相应的分析计算结果。

好吧，我同意，正是在这些--没有:)
根据定义，递归是用前一个值计算下一个值？那么累积和的计算就是最自然的递归。
问题是，我通过 "真实表达 "进行的计算与这些公式有一些不一致之处。下面是N=5和N=20的结果。线条被计算为LR+3*SCO，对于白线，RMS被取为sqrt((RMS^2)*N/(N-2))。 红线是根据我的公式，白线是根据你的公式。对于N=20，红线几乎不可见，我们可以假设结果与良好的准确性相吻合。但对于N=5来说，差异是相当明显的。
 
ANG3110:
是的，你可以在开始时计算一次总和，然后简单地减去最后一个元素，再添加一个新的第一个元素。那么它的工作就没有循环。

问题是，在LRMA中，a和b在每个柱子上都要重新计算。也就是说，简单地修改错误之和是不可能的。
 
ANG3110:
私下 的。
尤里克斯。
lna01:


我可以给你相关的分析计算结果。


随着新数据的到来，系数A和B可能会改变，我想，尽管我可能是错的:-)。对于LR来说，这似乎是可以解决的，但对于抛物线回归来说，如何解决？

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);


没有系数B的计算。虽然如果你加上它的计算，它似乎又回到了原来的值。没有递归，即在前一个值的基础上增加一个新值，在第0步计算。ANG3110 对不起，没有递归。
 
lna01:
ANG3110:
是的，你可以在开始时计算一次总和，只需减去最后一个元素并加上新的第一个元素。然后，它在没有循环的情况下工作。

问题是，LRMA在每个柱子上都会重新计算a和b。因此，你不能只修改错误的总和就能逃脱。
而LRMA表达式的情况--它是为了立即读取LR端数据，而不是为了计算RMS。
但在计算LRMA时，如果不使用a线和b线的系数，在计算资源方面没有任何收获，而在可能性方面却很贫乏，因为在线性回归 公式中，b是终点位置，而a*i是角度。而且更重要的是，知道了a和b，你就可以很容易地计算出有效值。或者我们可以反其道而行之，将有效值计算为常数，而将周期计算为变化，那么我们就会得到一个回归，就像一件完全按照趋势的大小量身定做的衣服。
 
ANG3110:
和时期会发生变化，然后得到一个回归，就像一件完全按尺寸缝制的衣服，在趋势下。

如果有一个指标具有这个属性。是否可以分享一下。虽然我明白这不是在公共领域发布的东西，但如果你突然决定，黄色的裤子和两个在会议上的咕咕声+你最喜欢的饮料在这个时候会试图得到它:-)

我需要一个抛物线，我对LR不感兴趣。

 
Prival:
ANG3110。
私下 的。
尤里克斯。
lna01:


我可以给你相关的分析计算结果。


随着新数据的到来，系数A和B可能会改变，我想，尽管我可能是错的:-)。对于LR来说，这个问题似乎已经解决了，但对于抛物线回归，如何解决？

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);


没有系数B的计算。虽然如果你加上它的计算，它似乎又回到了原来的值。没有递归，即在前一个值的基础上增加一个新值，在第0步计算。ANG3110 对不起，这里没有递归。
但为什么我们在这种情况下需要递归？好吧，我明白了，当在计算中一次使用10-20个回归时，好吧，那么没有循环的计算方法，变得相关，用数组解决是非常容易的。但对于一两行，好像除了编排递归就没有别的办法了。我个人正坐在我女儿的生日聚会上，我真的没有其他事情可做，所以我在等他们完成。
 
ANG3110:
...
为什么我们在这种情况下需要这种递归？好吧，我理解当计算中一次使用10-20个回归时，好吧，那么无循环的计算方法，成为实际，并且用数组非常容易解决，但对于一-两行。就像除了编排递归之外没有其他事情可做。我个人正坐在我女儿的生日聚会上，确实没有其他事情可做，所以我在等他们完成。

多货币分析，有不同的周期。如果你为12种货币计算1、2、8、12、24和120小时+的周期（样本期），那么计算速度就不是最后的事情。虽然（对不起，没有笑脸的杯子或镜头）我的女儿在2月14日过12岁生日，所以我在拍摄和招待客人（他们都在周六聚集）的间隙写了这篇文章。
 
ANG3110:
但是，计算LRMA，而不使用a和b线系数，在计算资源方面没有任何收获，而且还缺乏可能性。
...
而且，重要的是，它可以计算有效值。或者我们可以用相反的方法，把有效值计算为常数，而把周期计算为变化，那么我们就得到了回归，就像一件完全按照趋势的大小量身定做的西装。
仅仅是这个分支的LRMA算法就获得了大量的资源。在计算a 和RMS（ 在我的版本中计算b）的算法中加入额外的资源，当然会花费，但不会很多。顺便说一下，上述带有 "半通道 "的图片是我用LRMA的版本快速制作的（来自MovingLR）。事实上，我对这个分支的兴趣在于打磨强制回归算法，在每个柱子上重新计算，这样RMS是恒定的，我以前试过，对结果并不满意。
 
我们用a 和b 做什么呢？有一个成熟的LR公式--没有直线K型。有一些琐碎的混搭。Prival，我说的正是LR，让我们先来处理它。
1...3132333435363738394041424344
新评论