|
регрессии обеспечивает значительно, более высокую точность по сравнению, например, с методом скользящей средней, что крайне важно при идентификации рыночной* ситуации. Сложность расчетов не представляет существенного* препятствия для его» применения, так как, большинство современных аналитических программных продуктов (MetaStock, CQG и т.п.) содержит необходимые стандартные процедуры. Более детально о методе скользящей линейной регрессии применительно к решаемой задаче сказано ниже. 4. Эффективным вспомогательным приемом, используемым при построении аналитических систем, являются последовательные снятия направленности [71]. Заложенный в его основу принцип состоит в следующем: на первом этапе наблюдаемый процесс C(t) аппроксимируется функцией известного вида l^Q) и вычисляется их разность С,(0=С(/) -£,(/), представляющая собой некомпенсированные остатки аппроксимации. На втором этапе процесс Cx(t), в свою очередь, аппроксимируется функцией L2{t) и вычисляются нескомпенсированные остатки С2(/)=С,(0-£2(0 и т.д. В результате, после применения, например, четырех итераций исходный процесс 4 может быть представлен в виде: С(/)=]£ £,(/)+С.,(/)• При этом если для построения аппроксимирующих функций используется метод скользящей линейной регрессии, то имеет место затухание (снижение уровня) нескомпенсированных остатков с ростом числа итераций. 5. Для соотношения i s : (о>о, (з) 1«*2 описывающего благоприятное направление развития рынка, более жестким является требование одновременного выполнения любой кОхМбинации следующих пар неравенств: |
регрессии обеспечивает значительно более высокую точность по сравнению, например, с методом скользящей средней, что крайне важно при идентификации рыночной ситуации. Сложность расчетов не представляет существенного препятствия для его применения, так как большинство современных аналитических программных продуктов (MetaStock, CQG и т.п.) содержит необходимые стандартные процедуры. Более детально о методе скользящей линейной регрессии применительно к решаемой задаче сказано ниже. 4. Эффективным вспомогательным приемом, используемым при построении аналитических систем, являются последовательные снятия направленности [71]. Заложенный в его основу принцип состоит в следующем: на первом этапе наблюдаемый процесс C(t) аппроксимируется функцией известного вида £,(/) и вычисляется их разность Ct(t)=C(t)Lx(t), представляющая собой нескомпенсированные остатки аппроксимации. На втором этапе процесс С, (/), в свою очередь, аппроксимируется функцией Л, (О и вычисляются нескомпенсированные остатки С2(г)=С,(г)Z,2(z) и т.д. В результате, после применения, например, четырех итераций исходный процесс 4 может быть представлен в виде: С(/)=^Л, (/‘)+С4(г1). 1=1 При этом если для построения аппроксимирующих функций используется метод скользящей линейной регрессии, то имеет место затухание (снижение уровня) нескомпенсированных остатков с ростом числа итераций. 5. Для соотношения (3) описывающего благоприятное направление развития рынка, более жестким является требование одновременного выполнения любой комбинации следующих пар неравенств: ^.(f) + S.(0>0, (4) 97 |