This Matlab tutorial demonstrates step by step the single-channel version of a singular spectrum analysis (SSA), a nonparametric spectral estimation method for time series. The guide explains the following steps of an SSA analysis - creation of the trajectory matrix - calculation of the covariance matrix - eigendecomposition of the covariance...
你可以把图形显示为一个点的变化。 图形上升了1个点--向上画一个点的变化,图形下降了1个点--向下画一个点的变化。
预测方面呢?))
预测是一条通往崩溃的道路,但你可以估计未来不可持续的可能性 (c) Mandelbrot
在目前的维度上--没有办法解决,这就是问题所在。你的回归对这种事件发生的可能性一无所知
预测是一条通往崩溃的道路,但有可能估计出未来不稳定的概率 (c) 曼德布罗特
现在我明白了为什么国防部的分支机构停滞不前))))。
你是说,"一切都是废话,生活没有意义"?)))
俗话说"几乎可能" :)
暂时的依赖性交易很好,但它们是暂时的,会带来所有的风险。现在我明白了为什么国防部的分支是死的))))。
不,只是MoD的所有方法都被吸进去了,然后在模型质量和风险之间进行权衡
预测是一条通往崩溃的道路,但你可以估计未来不可持续的可能性 (c) Mandelbrot
告诉桑桑尼茨吧)。去了某个地方。
告诉桑桑尼茨吧)。去了某个地方。
显然,在不切实际的点位上,去设置了一个马丁格尔。
预测是一条通往崩溃的道路,但你可以估计未来波动的可能性 (c) 曼德布罗特
预测是注定的,因为市场是 "活的",你无法猜测谁在等待什么,谁想得到什么。
SSA本身是很有趣的,你可以用它来尝试评估市场是否与以前有变化
https://ch.mathworks.com/matlabcentral/fileexchange/58967-singular-spectrum-analysis-beginners-guide
好吧,小波显示了同样的图片,但重点不是预测--它仍将是一个 "猜测游戏",而是尝试使用几个数学模型来寻找市场状况的差异,我研究SSA,他们可能使用回归--尽管应该有一个滞后,或者说是惯性
马克西姆-德米特里夫斯基展示的图。
很明显,公关公司在这里无法应对,看看最后一点的位置。
图中的Z字形。
我们看一下最后一个回归点的位置。毕竟,我们对它感兴趣(它将由指标显示)。
此刻它的位置远远低于交易通道的中心。
图中的 "半圆"。
(我以前展示过类似的东西,但有一个 "正弦波的碎片",而这里是一个圆的上半部分)
多项式的最外层点高于该时刻的价格通道中心。
我们得出的结论是,多项式的 "形状 "不大适合我们的目的。
想一想一个可以用于回归的 "数字",而没有上述所有这些缺点。
(没错,不是一个数字,而是一个函数)。