ซ้ำ เคลื่อนไหว เฉลี่ย ขั้นตอนวิธี

ฉันต้องการใช้อัลกอริธึมซ้ำซึ่งคำนวณค่าถัวเฉลี่ยถ่วงน้ำหนัก กฎหมายน้ำหนักที่เฉพาะเจาะจงไม่สำคัญ แต่ควรใกล้เคียงกับ 1 สำหรับค่าล่าสุดและใกล้เคียงกับ 0 ถึงที่เก่าแก่ที่สุด อัลกอริทึมควรเป็นซ้ำ กล่าวคือไม่ควรจำค่าก่อนหน้าทั้งหมด ควรทราบค่าล่าสุดเพียงอย่างเดียวและข้อมูลรวมเกี่ยวกับอดีตเช่นค่าก่อนหน้าของค่าเฉลี่ยผลรวมนับ ฯลฯ ตัวอย่างเช่นอัลกอริทึมต่อไปนี้สามารถเป็นได้: จะให้น้ำหนักลดลงซึ่งอาจเป็นตัวเลขที่ไม่ดี เป็นไปได้หรือไม่ที่จะลดน้ำหนักหรือบางสิ่งบางอย่างความต้องการในการชั่งน้ำหนักกฎหมายมีดังนี้ 1) น้ำหนักลดลงในช่วงที่ผ่านมา 2) ฉันมีระยะเวลาเฉลี่ยหรือลักษณะเฉพาะบางอย่างเพื่อให้ค่าแก่ช่วงเวลานี้มีค่าน้อยกว่ารุ่นที่ใหม่กว่า 3) ควรจะสามารถตั้งระยะเวลานี้ฉันต้องการต่อไปนี้ สมมติว่า vi เป็นค่าที่ v1 เป็นอันดับแรก สมมติว่า wi มีน้ำหนัก แต่ w0 คือ THE LAST ดังนั้นหลังจากค่าแรกมาฉันมีค่าเฉลี่ยแรกหลังจากค่าที่สอง v2 มาฉันควรจะมีค่าเฉลี่ยที่มีค่าต่อไปฉันควรจะมีหมายเหตุที่น้ำหนักโปรไฟล์จะย้ายไปกับฉันในขณะที่ฉันย้ายไปตามลำดับค่า นั่นคือ แต่ละค่าไม่มีน้ำหนักของตัวเองอยู่ตลอดเวลา เป้าหมายของฉันคือการลดน้ำหนักลงไปในขณะที่กำลังจะผ่านไป gt แต่งานของฉันคือการคำนวณค่าเฉลี่ยใหม่ในแต่ละครั้งที่ค่าใหม่จะมาถึงเมื่อมีค่าที่เก่ากว่า OP งานของคุณแทบจะเป็นไปไม่ได้แม้จะมีแผนการถ่วงน้ำหนักที่เรียบง่าย คุณกำลังขอให้มีหน่วยความจำ O (1) ค่าเฉลี่ยถัวเฉลี่ยถ่วงน้ำหนักที่เปลี่ยนแปลงไป ตัวอย่างเช่นเมื่อมีการส่งผ่านค่าใหม่สำหรับลำดับการชั่งน้ำหนักที่เปลี่ยนแปลงไปโดยพลการ นี้เป็นไปไม่ได้เนื่องจากการฉีด เมื่อคุณรวมตัวเลขเข้าไว้ด้วยกันคุณจะสูญเสียข้อมูลจำนวนมาก ตัวอย่างเช่นแม้ว่าคุณจะมีเวกเตอร์น้ำหนัก คุณไม่สามารถกู้คืนเวกเตอร์ค่าเดิมหรือในทางกลับกันได้ มีเพียงสองกรณีเท่านั้นที่ฉันสามารถนึกถึงตำแหน่งที่คุณสามารถหลีกเลี่ยงได้: น้ำหนักคงที่เช่น 2,2,2 2: นี่เทียบเท่ากับอัลกอริทึมเฉลี่ยแบบออนไลน์ซึ่งคุณไม่ต้องการเนื่องจากไม่มีการคิดค่าเดิมใหม่ น้ำหนักสัมพัทธ์ของคำตอบก่อนหน้านี้ไม่เปลี่ยนแปลง ตัวอย่างเช่นคุณสามารถทำน้ำหนักของ 8,4,2,1 และเพิ่มองค์ประกอบใหม่ที่มีน้ำหนักโดยพลการเช่น 1 แต่คุณต้องเพิ่มทั้งหมดก่อนหน้านี้ด้วยตัวคูณเดียวกันเช่น 16,8,4,21 ดังนั้นในแต่ละขั้นตอนคุณจะเพิ่มน้ำหนักใหม่โดยพลการและการปรับเทียบใหม่โดยพลการของอดีตดังนั้นคุณจึงมี 2 องศาอิสระ (เพียง 1 หากคุณต้องการให้ผลิตภัณฑ์จุดเป็นปกติ) น้ำหนักเวกเตอร์ที่คุณได้รับจะมีลักษณะดังนี้: ดังนั้นรูปแบบการถ่วงน้ำหนักใด ๆ ที่คุณสามารถทำให้รูปลักษณ์คล้ายกับที่จะทำงาน (เว้นแต่คุณจะต้องทำให้สิ่งนั้นเป็นแบบอย่างโดยรวมของน้ำหนักซึ่งในกรณีนี้คุณต้องแบ่งค่าเฉลี่ยใหม่โดยใหม่ รวมซึ่งคุณสามารถคำนวณได้โดยการเก็บหน่วยความจำ O (1) เท่านั้น) เพียงคูณค่าเฉลี่ยก่อนหน้าโดย s ใหม่ (ซึ่งจะแจกจ่ายโดยนัยไปยังจุดผลิตภัณฑ์เป็นน้ำหนัก) และใช้เทคนิคใหม่ในการคำนวณค่า wnewValue ตอบ 29 มี.ค. ที่ 21:27 นี่อิ่มสมมติว่าคุณต้องการน้ำหนักรวมถึง 1 ตราบเท่าที่คุณสามารถสร้างน้ำหนักญาติโดยไม่ได้เปลี่ยนในอนาคตคุณสามารถท้ายด้วยโซลูชันซึ่งเลียนแบบลักษณะการทำงานนี้ นั่นคือสมมติว่าคุณกำหนดน้ำหนักของคุณเป็นลำดับและกำหนดอินพุทเป็นลำดับ พิจารณารูปแบบ: sum (s0i0 s1i1 s2i2. snin) sum (s0 s1 s2. sn) โปรดทราบว่าเป็นไปได้นิดหน่อยที่จะคำนวณแบบเพิ่มทีละขั้นนี้โดยใช้คู่ของตัวนับการรวมกัน: แน่นอน CalculWeightFromCounter () ในกรณีนี้ไม่ควรสร้างน้ำหนักที่รวมกันเป็นหนึ่ง - เคล็ดลับที่นี่คือค่าเฉลี่ยโดยการหารด้วยผลรวมของน้ำหนัก เพื่อให้ในที่สุดน้ำหนักจริงดูเหมือนจะรวมถึงหนึ่ง เคล็ดลับที่แท้จริงคือวิธีการที่คุณคำนวณ (GMT) คุณสามารถส่งคืนตัวนับได้เช่นโปรดทราบว่าหมายเลขที่ถ่วงน้ำหนักสุดท้ายไม่อยู่ใกล้กับผลรวมของตัวนับจำเป็นดังนั้นคุณอาจไม่สามารถใช้คุณสมบัติตรงตามที่คุณต้องการได้ (ยากที่จะพูดตั้งแต่ตามที่กล่าว youve ซ้ายเป็นปัญหาเปิดธรรม.) ตอบ 28 มีนาคม 12 ที่ 21:45 ปัญหาคือน้ำหนักที่มีการเปลี่ยนแปลงกับค่าใหม่แต่ละ ในกรณีของคุณพวกเขาไม่ได้ น้ำหนักที่ใช้จริงมีการเปลี่ยนแปลงกับค่าใหม่แต่ละอัน - เครื่องหมายคำพูดจะถูกหารด้วยจำนวนเต็มที่ต่อเนื่องจึงบังคับให้น้ำหนักที่ใช้จริงทั้งหมดรวมกันเสมอไป 1. ndash Kaganar 29 มี.ค. 12 เวลา 14:45 นี่นานเกินไปที่จะโพสต์ในความคิดเห็น แต่อาจเป็นประโยชน์ต่อการทราบ สมมติว่าคุณมี: w0vn wnv0 (ดีโทรนี้ w0 .. nvn..0 สั้น ๆ ) จากนั้นขั้นตอนต่อไปคือ: w0vn1 wn1v0 (และนี่คือ w0..n1vn1..0 สำหรับสั้น ๆ ) ซึ่งหมายความว่าเราต้องมีวิธีการคำนวณ w1..n1vn..0 จาก w0..nvn..0 เป็นไปได้ว่า vn..0 คือ 0. 0, z, 0.0 ซึ่ง z อยู่ที่ตำแหน่งหนึ่ง x ถ้าเราไม่มีพื้นที่เก็บข้อมูลพิเศษ f (zw (x)) zw (x 1) โดยที่ w (x) คือน้ำหนักของตำแหน่ง x การจัดเรียงสมการใหม่ w (x 1) f (zw (x)) z ดี, w (x 1) ดีกว่าคงที่สำหรับค่าคงที่ x, ดังนั้น f (zw (x)) z ดีกว่าคงที่ ดังนั้น f ต้องปล่อย z propagate นั่นคือ f (zw (x)) zf (w (x)) แต่ที่นี่อีกครั้งเรามีปัญหา โปรดทราบว่าถ้า z (ซึ่งอาจเป็นตัวเลขใดก็ได้) สามารถแพร่กระจายผ่าน f แล้ว w (x) สามารถทำได้อย่างแน่นอน ดังนั้น f (zw (x)) w (x) f (z) ดังนั้น f (w (x)) w (x) f (z) แต่สำหรับค่าคงที่ x w (x) เป็นค่าคงที่ดังนั้น f (w (x)) จึงเป็นค่าคงตัวได้ดีเช่นกัน w (x) เป็นค่าคงตัวดังนั้น f (z) จะดีกว่าค่าคงตัวดังนั้น w (x) f (z) จึงคงที่ ดังนั้น f (w (x)) w (x) c ซึ่ง c เป็นค่าคงตัว ดังนั้น f (x) cx โดยที่ c เป็นค่าคงที่เมื่อ x เป็นค่าน้ำหนัก นั่นคือแต่ละน้ำหนักเป็นจำนวนที่เท่ากัน ดังนั้นน้ำหนักใช้รูป w (x) mbx โปรดทราบว่านี่ถือว่าข้อมูลเฉพาะ f มีค่ารวมล่าสุด โปรดทราบว่าในบางช่วงเวลาคุณจะลดจำนวนลงในกรณีนี้เว้นแต่คุณจะยินดีที่จะเก็บข้อมูลที่ไม่คงที่ซึ่งเป็นข้อมูลของคุณ คุณไม่สามารถแสดงเวกเตอร์ความยาวที่ไม่มีขีด จำกัด ของตัวเลขจริงได้ด้วยจำนวนจริง แต่คุณสามารถประมาณความยาวของพื้นที่เก็บข้อมูลได้อย่างไม่ จำกัด แต่นี้จะเป็นเพียงการประมาณ แม้ว่าฉันจะไม่ได้รับการพิสูจน์อย่างจริงจัง แต่ก็เป็นข้อสรุปของฉันว่าสิ่งที่คุณต้องการไม่สามารถทำได้ด้วยความแม่นยำสูง แต่คุณอาจสามารถใช้พื้นที่ log (n) (ซึ่งอาจเป็น O (1) สำหรับหลาย ๆ คน การใช้งานจริง) เพื่อสร้างการประมาณคุณภาพ คุณอาจจะใช้น้อยลงได้ ฉันพยายามที่จะจวนรหัสบางสิ่งบางอย่าง (ใน Java) ดังที่ได้กล่าวไปแล้วเป้าหมายของคุณไม่สามารถทำได้ คุณสามารถนับค่าเฉลี่ยจากค่าที่จำได้ครั้งสุดท้ายเท่านั้น หากคุณไม่จำเป็นต้องเป็นที่แน่นอนคุณสามารถประมาณค่าที่เก่ากว่าได้ ฉันพยายามจะทำโดยการจดจำค่าล่าสุด 5 ค่าที่ตรงและเก่าเท่านั้น SUMmed โดย 5 ค่าจดจำ 5 SUMs ล่าสุด จากนั้นความซับซ้อนคือ O (2n) สำหรับการจดจำค่า nnn ล่าสุด นี่เป็นวิธีประมาณคร่าวๆ คุณสามารถปรับเปลี่ยนขนาดอาร์เรย์ของ lastValues ​​และ lasAggregatedSums ได้ตามที่คุณต้องการ ดูภาพ ASCII ที่พยายามแสดงกราฟของค่าล่าสุดแสดงว่าคอลัมน์แรก (ข้อมูลที่เก่ากว่า) จำได้ว่าเป็นค่าที่รวมกัน (ไม่ใช่แต่ละรายการ) และจะจดจำเฉพาะ 5 ค่าที่เก่าที่สุดเท่านั้น ความท้าทายที่ 1 ตัวอย่างของฉันไม่นับน้ำหนัก แต่ฉันคิดว่ามันไม่ควรเป็นปัญหาสำหรับคุณที่จะเพิ่มน้ำหนักสำหรับ lastAggregatedSums อย่างเหมาะสม - ปัญหาเดียวก็คือถ้าคุณต้องการลดน้ำหนักสำหรับค่าเก่าก็จะยากขึ้นเนื่องจากอาร์เรย์หมุนดังนั้น มันไม่ง่ายที่จะทราบว่าน้ำหนักที่สมาชิกอาร์เรย์ บางทีคุณสามารถปรับเปลี่ยนอัลกอริทึมเพื่อเปลี่ยนค่าในอาร์เรย์เสมอแทนที่จะหมุนแล้วเพิ่มน้ำหนักไม่ควรเป็นปัญหา ความท้าทายที่ 2 อาร์เรย์จะเริ่มต้นด้วย 0 ค่าและค่าเหล่านี้จะนับเป็นค่าเฉลี่ยตั้งแต่เริ่มต้นแม้ว่าเราจะไม่ได้รับค่าเท่านี้ ถ้าคุณใช้อัลกอริทึมเป็นเวลานานคุณอาจไม่ต้องห่วงว่าจะเรียนรู้อะไรบ้างตั้งแต่เริ่มต้น ถ้าคุณทำคุณสามารถโพสต์การปรับเปลี่ยนได้) #: 21419 Stack Exchange, Inc ข้อบกพร่องหลักในโปรแกรมของคุณคือการคำนวณ recursive ไม่ถูกต้อง เมื่อต้องการคำนวณค่าเฉลี่ยคุณต้องได้รับผลรวมของค่าปัจจุบันและค่าที่เหลืออยู่ จากนั้นหารผลรวมตามจำนวนค่า จำนวนค่าเป็น num ค่าปัจจุบันคือจำนวนใดที่คำนวณได้ () ผลรวมของค่าที่เหลือคือ num-1 คูณด้วยค่าเฉลี่ยที่เหลืออยู่ของค่า ค่าเฉลี่ยที่เหลือจะคำนวณโดยการเรียก recursive ไปเป็นค่าเฉลี่ย () ดังนั้นเราจะเขียนต่อไปนี้: โปรแกรมที่สมบูรณ์โดยใช้ฟังก์ชันดังกล่าวอาจมีลักษณะดังนี้: โปรดทราบว่านี่ไม่ใช่วิธีที่ดีในการคำนวณค่าเฉลี่ยเพราะคุณเสียความแม่นยำทุกครั้งที่คุณแบ่งผลรวมปัจจุบันโดย num เมื่อค่าเฉลี่ยนี้ได้รับการคูณอีกครั้งเมื่อผลตอบแทนแบบเรียกกลับทำซ้ำตัวเลขสำคัญที่คุณสูญเสียไปในส่วนนี้จะไม่ได้รับการเรียกคืน คุณกำลังทำลายข้อมูลโดยการหารและคูณผลรวม เพื่อความแม่นยำมากขึ้นคุณจะต้องติดตามผลรวมเมื่อไปถึงองค์ประกอบต่างๆแล้วแบ่งที่ท้าย อีกประเด็นหนึ่งที่ต้องพิจารณาคือค่าเฉลี่ยเคลื่อนที่ สิ่งที่เราดำเนินการข้างต้นไม่ได้เป็นค่าเฉลี่ยเคลื่อนที่ แต่เป็นค่าเฉลี่ยคงที่ ค่าเฉลี่ยของหน้าต่างคงที่ขององค์ประกอบ ถ้าคุณย้ายหน้าต่างตามตำแหน่งหนึ่งคุณต้องเริ่มต้นทั้งหมดและคำนวณผลรวมอีกครั้ง วิธีที่เหมาะสมในการนำหน้าต่างเคลื่อนที่คือการติดตามองค์ประกอบทั้งหมดในหน้าต่าง เมื่อคุณเลื่อนหน้าต่างหนึ่งตำแหน่งไปทางขวาคุณจะเอาองค์ประกอบซ้ายสุดออกจากหน้าต่างและลบค่าจากผลรวมแล้วเพิ่มองค์ประกอบด้านขวาสุดใหม่เข้าหน้าต่างและเพิ่มมูลค่าให้กับผลรวม สิ่งที่ทำให้เป็นผลรวมเคลื่อนที่ การหารผลรวมเคลื่อนที่ตามจำนวนขององค์ประกอบทำให้คุณมีค่าเฉลี่ยเคลื่อนที่ วิธีธรรมชาติที่จะใช้หน้าต่างที่เคลื่อนที่อยู่ก็คือคิวเพราะคุณสามารถเพิ่มองค์ประกอบใหม่ ๆ ลงในส่วนหัวและองค์ประกอบเดิมจากหางได้ ตอบ 22 พค. 14 ที่ 17: 44 ในสถิติค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายเป็นอัลกอริทึมที่คำนวณค่าเฉลี่ยที่ไม่ได้วัดจากตัวอย่าง n ล่าสุด พารามิเตอร์ n มักเรียกว่าขนาดของหน้าต่างเพราะอัลกอริธึมสามารถใช้เป็นหน้าต่างที่สไลด์มากกว่าจุดข้อมูลได้ โดยการใช้สูตร recursive ของอัลกอริทึมจำนวนการดำเนินการที่ต้องการต่อตัวอย่างจะลดลงเหลือหนึ่งรายการการลบหนึ่งครั้งและการหารหนึ่งส่วน เนื่องจากสูตรเป็นอิสระจากขนาดหน้าต่าง n ความซับซ้อนของรันไทม์คือ O (1) กล่าวคือคงที่ สูตรการเว้นวรรคของค่าเฉลี่ยเคลื่อนที่ที่ไม่มีการชั่งน้ำหนักเป็นค่าเฉลี่ยถ่วงน้ำหนักโดยเฉลี่ยและ x แสดงถึงจุดข้อมูล ดังนั้นเมื่อใดก็ตามที่หน้าต่างสไลด์ไปทางขวาหนึ่งจุดข้อมูลหางลดลงและจุดข้อมูลหนึ่งหัวย้ายมาการดำเนินการการดำเนินงานของค่าเฉลี่ยเคลื่อนที่แบบง่ายๆต้องดำเนินการต่อไปนี้ในการเริ่มต้นอัลกอริทึมของบัญชีตราบเท่าที่ หน้าต่างไม่เต็มด้วยค่าสูตร recursive ล้มเหลว การเข้าถึงองค์ประกอบส่วนหางจะต้องมีการเข้าถึงองค์ประกอบส่วนหางซึ่งขึ้นอยู่กับการใช้งานต้องมีการจัดเก็บองค์ประกอบ n ไว้ การใช้งานของฉันใช้สูตรที่นำเสนอเมื่อหน้าต่างมีจำนวนประชากรทั้งหมดมีค่าและมิฉะนั้นจะเปลี่ยนเป็นสูตรซึ่งปรับปรุงค่าเฉลี่ยโดยการคำนวณผลรวมขององค์ประกอบก่อนหน้านี้ โปรดทราบว่าสิ่งนี้อาจนำไปสู่ความไม่เสถียรเชิงตัวเลขเนื่องจากการคำนวณเลขทศนิยม เมื่อใช้หน่วยความจำเกี่ยวข้องการใช้งานจะใช้ iterators เพื่อติดตามหัวและองค์ประกอบหาง สิ่งนี้นำไปสู่การใช้งานที่มีความต้องการหน่วยความจำคงที่โดยไม่ขึ้นกับขนาดของหน้าต่าง นี่คือขั้นตอนการปรับปรุงที่สไลด์หน้าต่างไปทางขวา ในคอลเลกชันส่วนใหญ่จะทำให้ enumerators ของคุณถูกปรับเปลี่ยน การดำเนินการนี้ขึ้นอยู่กับผู้แจกแจงที่ถูกต้อง โดยเฉพาะอย่างยิ่งในแอพพลิเคชันแบบสตรีมมิ่งคอลเลกชันที่อยู่เบื้องหลังต้องได้รับการแก้ไขเมื่อมีองค์ประกอบใหม่เข้ามา วิธีหนึ่งที่จะจัดการกับนั่นคือการสร้างคอลเลกชันขนาดคงที่แบบวงกลมที่เรียบง่ายของขนาด n1 ที่ไม่เคยทำซ้ำ iterators และสลับองค์ประกอบและโทร Shift ฉันต้องการฉันสามารถตัวเลขวิธีการใช้จริงนี้เป็นฟังก์ชันการทดสอบจะสับสนมาก me8230 ฉันจำเป็นต้องแปลงข้อมูลเป็น Array แล้วเรียก SMA SMA ใหม่ SMA (20, array) เป็นระยะเวลา 20 SMA ฉันจะจัดการ ฟังก์ชัน shift () จำเป็นต้องใช้ constructors หรือไม่ (ขออภัยสำหรับความสับสน) คุณ don8217t ต้องแปลงข้อมูลของคุณลงในอาร์เรย์ตราบเท่าที่ข้อมูลของคุณใช้ IEnumerable1 และชนิดที่ระบุเป็นสองเท่า เท่าที่ส่งข้อความส่วนตัวของคุณเป็นห่วงคุณต้องแปลง DataRow เพื่อสิ่งที่นับจำนวนคู่ วิธีการทำงานของคุณ Shift เลื่อนหน้าต่างหนึ่งตำแหน่งไปทางซ้าย สำหรับชุดค่าที่กล่าวว่า 40 ค่าและ SMA 20 ระยะเวลาคุณมี 21 ตำแหน่งหน้าต่างจะพอดีกับ (40 8211 20 1) ทุกครั้งที่คุณโทรไปที่ Shift () หน้าต่างจะถูกย้ายไปทางซ้ายโดยหนึ่งตำแหน่งและ Average () จะส่งกลับ SMA สำหรับตำแหน่งหน้าต่างปัจจุบัน นั่นคือค่าเฉลี่ยที่ไม่มีการเบี่ยงเบนของค่าทั้งหมดภายในหน้าต่าง นอกจากนี้การใช้งานของฉันยังช่วยในการคำนวณ SMA แม้ว่าหน้าต่างจะเต็มไปหมดตั้งแต่เริ่มต้น ดังนั้นในสาระสำคัญหวังว่านี้จะช่วยให้ คำถามเพิ่มเติมใด ๆ ข้อควรระวังเกี่ยวกับลิขสิทธิ์ COPYRIGHT Christoph Heindl และ cheind. wordpress, 2009-2012 การใช้และการลอกเลียนแบบเนื้อหานี้โดยไม่ได้รับอนุญาตโดยไม่ได้รับการยินยอมเป็นลายลักษณ์อักษรและเป็นลายลักษณ์อักษรจากเจ้าของผู้เขียนหรือเจ้าของบล็อกคนนี้โดยเด็ดขาด อาจใช้บทคัดย่อและลิงก์ได้หากว่า Christoph Heindl และ cheind. wordpress มีการให้เครดิตที่ชัดเจนและชัดเจนโดยมีทิศทางที่เหมาะสมและเฉพาะเจาะจงกับเนื้อหาต้นฉบับ เทรนด์ล่าสุดแนวโน้มการซื้อขาย: กฎการซื้อขายเชิงรุกแบบลอยตัวและหุ้นอินเทอร์เน็ต Wai Mun Fong Lawrence H. M. กระทรวงการคลังและการบัญชีของเนปาลมหาวิทยาลัยแห่งชาติสิงคโปร์ 1 Link ธุรกิจเคนท์ริดจ์สิงคโปร์ 117592 สิงคโปร์ยอมรับ 24 กรกฏาคม 2546 มีวางจำหน่ายในวันที่ 24 มีนาคม 2547 การขึ้นและลงของราคาหุ้นอินเทอร์เน็ตที่ผ่านมาส่งผลให้ได้รับความนิยมอย่างมาก ฟองสบการณ์ในภาคอินเทอร์เน็ต เราตรวจสอบว่านักลงทุนอาจใช้ประโยชน์จากโมเมนตัมในหุ้นอินเทอร์เน็ตโดยใช้กฎการซื้อขายเฉลี่ยขั้นต่ำ (MA) หรือไม่ เราจำลองการซื้อขายทางเทคนิคแบบเรียลไทม์โดยใช้กลยุทธ์การซื้อขายแบบเรียกซ้ำ (recursive trading strategy) ที่ใช้กับกฎเฉลี่ยเคลื่อนที่กว่า 800 กฎ การอนุมานทางสถิติคำนึงถึงความยืดหยุ่นและความสัมพันธ์ร่วมกันตามเงื่อนไข ไม่พบหลักฐานกำไรทางการค้าที่สำคัญ หุ้นอินเทอร์เน็ตส่วนใหญ่ทำตัวเหมือนการเดินแบบสุ่มรวมกับความผันผวนสูงอาจเป็นสาเหตุที่ทำให้ประสิทธิภาพการทำงานต่ำต้อยของกฎการเคลื่อนไหวโดยเฉลี่ย หุ้นอินเทอร์เน็ตกฎการย้ายโดยเฉลี่ยกลยุทธ์การเรียกซ้ำการจัดบูธ JEL ของ Bootstrap ตารางที่ 6. รูปที่ 2. รูป 3. รูป 4. ผู้เขียนที่สอดคล้องกัน โทร 65-6874-6693 fax: 65-6779-2083 Copyright 2004 Elsevier B. V. สงวนลิขสิทธิ์ บทความที่แนะนำเนื้อหาที่เกี่ยวข้องเกี่ยวกับหนังสือ Copyright 2017 Elsevier B. V. ยกเว้นเนื้อหาบางอย่างที่จัดเตรียมโดยบุคคลที่สาม ScienceDirect เป็นเครื่องหมายการค้าจดทะเบียนของ Elsevier B. V. คุกกี้ถูกใช้โดยไซต์นี้ หากต้องการปฏิเสธหรือเรียนรู้เพิ่มเติมโปรดไปที่หน้าคุกกี้ของเรา ลงชื่อเข้าใช้ผ่านสถาบันการศึกษาของคุณ