As conclusion for this article, if

As conclusion for this article, if the Wavelet transform is used for the return data, then there are no outlier, seasonal effects and other irregular effects. Generally the result of the approximation series under the wavelet transforms (rather by using Haar or Daubechies) is better than the original return data and more stable in variance, mean and no outliers. Furthermore, the forecasting using ARIMA (p, d, q) under the transformed series is better than forecasting directly, and also it gives more accurate results.

ผลลัพธ์ (ไทย) 1:

เป็นบทสรุปในบทความนี้ ถ้าใช้สำหรับข้อมูลที่ส่งคืน การแปลง Wavelet มี outlier ไม่ ผลของฤดูกาล และลักษณะผิดปกติอื่น ๆ โดยทั่วไปผลประมาณชุดภายใต้ wavelet การแปลง (โดยใช้ Haar หรือ Daubechies) ได้ดีกว่าข้อมูลที่คืนค่าเดิม และมั่นคงในความแปรปรวน ค่าเฉลี่ย และ outliers ไม่ นอกจากนี้ การคาดการณ์ที่ใช้อา (p, d, q) ภายใต้ชุดแปรรูปจะดีกว่าการคาดการณ์โดยตรง และยัง ให้ผลลัพธ์ที่ถูกต้องมากขึ้น

ผลลัพธ์ (ไทย) 3:

เป็นข้อสรุปสำหรับบทความนี้ ถ้าการแปลงเวฟ ใช้ ข้อมูล กลับ แล้ว ไม่มี ค่าผลฤดูกาล และผลที่ผิดปกติอื่น ๆ โดยทั่วไปผลของการประมาณชุดภายใต้การแปลงเวฟแปลง ( แทนที่จะใช้ Haar หรือความเหมือน ) ดีกว่าส่งกลับข้อมูลเดิม และมั่นคง แปรปรวน ค่าเฉลี่ยและค่าผิดปกติ . นอกจากนี้ใช้พยากรณ์ ARIMA ( P , D , Q ) ภายใต้การเปลี่ยนชุดดีกว่าการพยากรณ์โดยตรง และจะให้ผลลัพธ์ที่ถูกต้องมากขึ้น