Math 微积分，你怎么能从一系列数字中找到一个方程？
我在分析金融数据，想找出一条线的拐点。我知道我可以用导数，但首先我需要一个方程。有没有一种方法可以根据一系列数字生成一个方程式。我需要做这个程序。有既定的程序将一组现有的数据点转换成多项式；这称为多项式插值。维基百科上的这篇文章： 从数学上解释它。你可以很容易地在谷歌上搜索算法 给定足够的点，多项式可以很好地跟踪原始未知函数，因此多项式的拐点应该大致与数据的波峰和波谷一致 另一方面，我们都知道金融数据背后并没有真正的功能。所以，如果我是你，我会沿着这些点扫描，找到每一个点的两边都有一个较小的值，并宣布这是一个高值；反之亦然。强制将这些数据拟合到一个虚构的函数中并不会使它变得更有用Math 微积分，你怎么能从一系列数字中找到一个方程？,math,calculus,Math,Calculus,我在分析金融数据，想找出一条线的拐点。我知道我可以用导数，但首先我需要一个方程。有没有一种方法可以根据一系列数字生成一个方程式。我需要做这个程序。有既定的程序将一组现有的数据点转换成多项式；这称为多项式插值。维基百科上的这篇文章： 从数学上解释它。你可以很容易地在谷歌上搜索算法 给定足够的点，多项式可以很好地跟踪原始未知函数，因此多项式的拐点应该大致与数据的波峰和波谷一致 另一方面，我们都知道金融数据背后并没有真正的功能。所以，如果我是你，我会沿着这些点扫描，找到每一个点的两边都有一个较小的值，
更新：Tom Smith建议对于这类事情，样条插值比多项式插值更可取，维基百科证实了这一点。或者更确切地说，它看好他的答案。有既定的程序可以将一组现有数据点转换为多项式；这称为多项式插值。维基百科上的这篇文章： 从数学上解释它。你可以很容易地在谷歌上搜索算法 给定足够的点，多项式可以很好地跟踪原始未知函数，因此多项式的拐点应该大致与数据的波峰和波谷一致 另一方面，我们都知道金融数据背后并没有真正的功能。所以，如果我是你，我会沿着这些点扫描，找到每一个点的两边都有一个较小的值，并宣布这是一个高值；反之亦然。强制将这些数据拟合到一个虚构的函数中并不会使它变得更有用
更新：Tom Smith建议对于这类事情，样条插值比多项式插值更可取，维基百科证实了这一点。或者更确切地说，这是对他的答案的乐观。你所想的是分析微积分。。。当使用离散数据（例如点）时，必须以数字方式进行。现在，一条直线通常没有拐点，所以我猜你在想一条曲线。你可以通过点插值，然后计算一阶导数，但是对于更多的点，或者你可以从你拥有的点计算一阶导数，这取决于你实际拥有的点的数量 但事实上，这只是理论，因为我们不知道数据的本质、语言或任何东西
有关主题的更多信息，请搜索：在wiki上，然后从那里开始。您所想的是分析微积分。。。当使用离散数据（例如点）时，必须以数字方式进行。现在，一条直线通常没有拐点，所以我猜你在想一条曲线。你可以通过点插值，然后计算一阶导数，但是对于更多的点，或者你可以从你拥有的点计算一阶导数，这取决于你实际拥有的点的数量 但事实上，这只是理论，因为我们不知道数据的本质、语言或任何东西
有关主题搜索的更多信息：在wiki上，然后从那里开始。样条插值可能比多项式插值更有用：如果拟合多项式，它必然会超出数据范围+/-无穷大
您还需要一种允许稍微松散拟合的方法：金融数据通常有点嘈杂，如果您尝试精确拟合，可能会导致非常奇怪的曲线。样条插值可能比多项式插值更有用：如果您拟合多项式，它必然会超出您的数据范围+/-无穷大
您还需要一种允许稍微松散拟合的方法：金融数据通常有点嘈杂，如果您尝试精确拟合，可能会导致非常奇怪的曲线。我认为曲线拟合可能会对您有所帮助。这是一个可能很方便的方法
干杯我认为曲线拟合在这种情况下可能会对您有所帮助。这是一个可能很方便的方法
干杯可以试试mathoverflow吗？mathoverflow是为那些谈论研究生数学的专业数学家们准备的。这不是一个通用的数学问答网站。我甚至不知道mathoverflow的存在。谢谢可以试试mathoverflow吗？mathoverflow是为谈论研究生水平数学的专业数学家设计的。这不是一个通用的数学问答网站
甚至都不知道mathoverflow的存在。谢谢在不知道数据性质的情况下，你怎么知道多项式插值是合适的呢？这是财务数据。这是由数千名高交易量交易者的消化道决定的一系列起伏。[耸耸肩]你知道这是事实还是你只是在做一个不健康的假设？财务数据来源于这个问题。其余部分来自一个似是而非的假设。每个人和他们的狗都会在股市曲线上玩看茶叶的游戏。如果他们通过了高中微积分，他们会尝试运用+1来使用你的数据，而不是想象中的曲线，如果可能的话。如果你试图进行预测，函数可能是必要的，但拐点实际上只是局部极小值/极大值，而不是对未来的预测。在不知道数据性质的情况下，你怎么知道多项式插值是合适的？这是财务数据。这是由数千名高交易量交易者的消化道决定的一系列起伏。[耸耸肩]你知道这是事实还是你只是在做一个不健康的假设？财务数据来源于这个问题。其余部分来自一个似是而非的假设。每个人和他们的狗都会在股市曲线上玩看茶叶的游戏。如果他们通过了高中微积分，他们会尝试运用+1来使用你的数据，而不是想象中的曲线，如果可能的话。如果你试图做出预测，函数可能是必要的，但拐点实际上只是局部极小值/极大值，而不是对未来的预测。我还想强调最后一句话。金融数据不太可能拟合任何合理的曲线，因此任何精确拟合的曲线都会有各种各样的奇怪之处。寻找一个更通用、更平滑的函数，它非常适合数据。我还想强调最后一句话。金融数据不太可能拟合任何合理的曲线，因此任何精确拟合的曲线都会有各种各样的奇怪之处。寻找一个更通用、更平滑的函数，它非常适合数据。