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）。