GraphPad
2.21K subscribers
483 photos
34 videos
36 files
292 links
Download Telegram
GraphPad
تحلیل AUC یعنی به دست آوردن مساحت زیر منحنی نشان می دهد اندازه مساحت بخش بالای گراف Violin که نمادهای مثبت را نشان می دهد برابر با 3.84 و مساحت بخش پایین گراف که نمادهای منفی را نشان می دهد 4.27 است. با استفاده از گراف های Violin به سادگی می توان درباره کلیت…
👆

اما امروز 25 تیرماه. چند روز پیش و با استفاده از Violin Graph روز دوشنبه 23 تیر، نشان دادیم که الگوی تشکیل شده همانند یک ساعت شنی است و سبب خواهد شد در آینده نزدیک، نمادهای سبک و کم حجم پایین ساعت شنی به سمت بالا حرکت کرده و نمادهای سنگین و رسوب کرده در بالای ساعت شنی ما به پایین حرکت کنند (امروز این اتفاق را دیدیم).
🔸 و اما آینده.

به نظر وارد یک دوره تعادلی خواهیم شد. در این دوره همانند دوره زمانی بعد از محدوده A عملکردهای بهتر، در بین نمادهای بزرگ و کوچک دست به دست خواهد شد. به معنای اینکه یک روز نمادهای کوچک بهتر خواهند بود و روز دیگر نمادهای بزرگ. نه از توجه کامل به نمادهای بزرگ و بی توجهی به نمادهای کوچک خبری خواهد بود و نه از توجه کامل به نمادهای کوچک و عدم توجه به نمادهای بزرگ سخنی خواهیم شنید. به هر حال بازار سرمایه آرام، متعادل و بدون هیاهو به روند خوب ادامه خواهد داد.
GraphPad
شاخص تفاضلی سال 99 @GraphPad
👆

🔆 و اما آینده تر.
این متن را در پاسخ به سوال دوستان مینویسم. لطفاً ابتدا یکبار دیگر گراف شاخص تفاضلی سال ۹۹ را ببینید.
از دوره زمانی A (توجه به نمادهای بزرگ)، به دوره تعادلی رسیدیم.
یک محدوده B که همانند دوره A بود را پشت سر گذاشتیم و اکنون در ابتدای یک دوره تعادلی دیگر هستیم. به نظر طول این دوره زیاد نباشد، حداقل مدل ها طولانی بودن این دوره را نشان نمی‌دهند. پس از آن واضح است که محدوده پنهان C دیگری همانند A و B در انتظار ما خواهد بود.
🔆 شرکت سازنده نرم افزار گراف پد (GraphPad.com) که در کالیفرنیا قرار دارد، روز گذشته یک جزوه آموزشی ساده و مختصر با نام
How to Perform a Dose-Response Analysis
منتشر کرده است. فایل آن را برایتان قرار داده ام، خواندن آن را به دوستانی که با تحلیل های فارماکولوژی سر و کار دارند و به آموختن مباحث بسیار جذاب دوز- پاسخ علاقمند هستند، پیشنهاد می کنم. 👇
🔆 #انتقام_یک_داده_پرت

شاخص تفاضلی
= شاخص هم وزن - شاخص کل
(-۱.۷۷) - (+۱.۳۸) = -۳.۱۵

شاخص تفاضلی امروز با عدد ۳.۱۵- آنقدر قوی بود که باید آن را پرت و دور افتاده نسبت به سایر ۷۵ روز کاری امسال به حساب آورد. آزمون شناسایی داده‌های پرت با نام Grubb's که قبلاً درباره آن صحبت کردیم، این مطلب را تایید میکند. نمودار شاخص تفاضلی امسال را مشاهده می‌کنید. 👇
شاخص تفاضلی سال ۹۹
@GraphPad
🔸 عدد شاخص تفاضلی امروز همچنین آنقدر بزرگ بود که در تمام روزهای کاری بورس تهران از سال ۹۴ تا امروز ۲۸ تیرماه ۹۹ مشاهده نشده بود. به معنای ساده اینکه از پنج سال پیش تا به امروز فاصله بین شاخص کل و هم وزن به این اندازه بزرگ دیده نشده بود. 👇
شاخص تفاضلی بورس تهران از سال ۹۴ تا امروز ۲۸ تیرماه ۹۹
@GraphPad
GraphPad
🔸 و اما آینده. به نظر وارد یک دوره تعادلی خواهیم شد. در این دوره همانند دوره زمانی بعد از محدوده A عملکردهای بهتر، در بین نمادهای بزرگ و کوچک دست به دست خواهد شد. به معنای اینکه یک روز نمادهای کوچک بهتر خواهند بود و روز دیگر نمادهای بزرگ. نه از توجه کامل…
👆

اینکه در ادامه و روزهای بعد چه خواهد شد، خواندن متن چند روز پیش خالی از لطف نیست.
به هر حال آنچه که واضح است پس از انتقام امروز، شیب تند منفی شاخص تفاضلی، آرامتر خواهد شد و بازار به سمت تعادل بهتر حرکت خواهد کرد.
GraphPad
Violin Graph @GraphPad
👆

گراف Violin روز دوشنبه ۲۳ تیرماه که بعد از معاملات این روز به دست آمد، به وضوح بیانگر شروع فرایند اتمام (البته به نظرم موقت) رشد نمادهای بزرگ بازار و شروع رشد نمادهای کوچک بود.

خوب است Violin Graph امروز ۲۸ تیرماه ۹۹ را هم ببینیم. به نظر نشان‌دهنده شروع یک فرایند جدید خواهد بود. 👇
Violin Graph
@GraphPad
شاخص‌های یکشنبه ۲۹ تیرماه ۹۹
@GraphPad
GraphPad
👆 🔆 و اما آینده تر. این متن را در پاسخ به سوال دوستان مینویسم. لطفاً ابتدا یکبار دیگر گراف شاخص تفاضلی سال ۹۹ را ببینید. از دوره زمانی A (توجه به نمادهای بزرگ)، به دوره تعادلی رسیدیم. یک محدوده B که همانند دوره A بود را پشت سر گذاشتیم و اکنون در ابتدای یک…
👆

قبلاً نوشتیم که طول این دوران تعادلی چندان طولانی نخواهد بود. پس از آن ورود به یک محدوده C که رفتاری همانند دوره های زمانی A و B خواهد داشت و در آنها توجه به نمادهای بزرگ و شاخص ساز به وجود آمد، در انتظار ما خواهد بود.
🔆 Poisson Regression

تا مدتی پیش کاربرد رگرسیون پواسن به شدت نایاب و کم بود. نرم افزار گراف پد به وضوح از عبارت Rarely Used برای این مدل رگرسیونی استفاده می‌کرد. با این حال امروزه به نظر می‌رسد کاربرد این مدل در حال گسترش است. از نظز تئوری، اگر بتوان اثبات کرد فاصله زمانی بین وقوع پدیده ها و پیشامدها دارای توزیع نمایی است، پس می توان نتیجه گرفت که رخدادن تعداد آن پیشامدها دارای توزیع پواسن است. این مطلب در مباحث زلزله نگاری و امروزه بیماری کرونا بسیار کاربرد پیدا کرده است.

در لینک زیر در سایت گراف پد به آموزش نوشتاری و ویدئویی مدل رگرسیون پواسن پرداخته‌ام، علاقمند بودید مشاهده کنید. 👇
🔆 خوب است با استفاده از تحلیل سری زمانی Time Series به بررسی چند نماد در بورس تهران بپردازیم. 👇