Eu tenho essa série diária de preços observados: P1, P2. Pn. Quero trabalhar com retornos: 0. P2-P1. Pn - P. Foi-me dito para remover o primeiro termo (P1-P0 P1-) configurando-o para 0. Parece que este 0 é muito diferente de outros termos e não é uma boa solução. (Eu penso mesmo que não é uma solução). Aqui está a solução que eu considerei: 0, pois não há retornos no primeiro dia para ser consistente com a série do tempo, simplesmente simplesmente removendo o problema, o que você acha sobre esse problema. Isso permaneceu sobre um problema semelhante que eu tive ao fazer movimento média. Existem termos faltantes semelhantes ao início das séries temporais. Ao fazer uma média móvel de p, geralmente tomo o último valor de p antes da minha data. Eu tenho o mesmo problema do que antes: no início da série temporal, não há dados suficientes para fazer uma soma com termos p. Existe um truque para abordar esse problema. Isso mudaria algo para levar os valores de p depois da minha data. Os valores (p-1) 2 antes e depois da minha data. Ele não alterará o termo geral da minha média móvel, mas apenas os valores no começo e no final da minha série temporal. isso importa. How. ttnphns Eles parecem apenas diferentes devido ao binning dos histogramas. No entanto, meu ponto mostrava que os valores originais viviam entre -100 a 100 e agora, após a normalização, eles viviam entre 0 e 1. Eu poderia ter usado um gráfico diferente para mostrar isso, eu suponho ou apenas estatísticas de resumo. Ndash user25658 23 de setembro 13 às 16:23 Há uma diferença importante entre essa resposta e a resposta já aceita. Isso explicou a idéia principal de forma clara e direta e, em seguida, secundariamente mostrou como fazê-lo em um programa comum. Por outro lado, você publica aqui apenas o código. Enquanto eu estou feliz em acreditar que este é um bom código (não escrevo PHP) neste fórum, normalmente não temos um pacote de respostas para cada questão explicando como fazê-lo em todas as linguagens possíveis. Caso contrário, teríamos respostas aqui em SAS, SPSS, Stata, MATLAB, C, C, C, Java. Python, etc, etc. ndash Nick Cox 27 de maio 15 às 8:38 Eu não penso, que esta é a única diferença. No meu código, eu também mostrei, como retornar um valor normalizado para o valor que era antes da normalização. Eu acho, isso faz com que valha a pena esta resposta. Ndash jankal 27 de maio 15 às 9:02 Ainda é verdade que você publica apenas o código: acho que você precisa enfatizar quaisquer virtudes supostamente especiais do código em comentários, uma vez que os leitores têm que ler o código para ver o que são. Presumivelmente, a inversão da escala é de uso somente quando (a) os valores originais foram substituídos, mas (b) o usuário lembrou prudentemente de salvar o mínimo e o máximo. Meu ponto mais amplo, como comentado acima, é que o CV não pretende ser um repositório de exemplos de código. Ndash Nick Cox 27 de maio 15 às 9:10 a resposta está certa, mas eu tenho uma sugestão. E se seus dados de treinamento enfrentam algum número fora do alcance. Você poderia usar a técnica de esmagamento. Será garantido nunca sair do alcance. Em vez disso, eu recomendo usar isso com esmagamento como este em min e máximo de alcance e o tamanho do intervalo esperado fora de alcance é diretamente proporcional ao grau de confiança de que haverá valores fora de alcance. Para mais informações, você pode google. Esmagando os números fora de alcance e se referem ao livro de preparação de dados de dorian pyle respondido 25 de setembro 13 às 12:00
No comments:
Post a Comment