Stochastische Resonanz - Seite 31

Neuer Kommentar
 
Das ist nicht schwer.
 

Das ist verständlich, Rosh, wir kennen eine solche Funktion. Das Problem besteht darin, die Funktion zu berechnen, nicht die Kovarianz der beiden Datenreihen. Nun, um eine Art Array von Werten für verschiedene Werte des Offsets "tau" zu erhalten, so wie die Funktion FREQUENCY funktioniert. OK, lass uns nachdenken...

P.S. Es wurde auch Zeit, dass du hier auftauchst. Sie haben Peters gelesen. Sagt er etwas über die Stationarität des Prozesses?

P.P.S. Ja, ich war zu voreilig mit der Kovarianzfunktion: Um den Prozess zumindest im weitesten Sinne stationär zu machen, muss ich eine zweidimensionale Tabelle für alle Stichprobenpaare R(ti, tj) ableiten, d.h. eine Matrix...

 
Wenn ich mich nicht irre, haben die Prozesse eine Verzerrung, und diese Verzerrung ändert sich periodisch (ein Trend wechselt mit einem anderen). Daher finde ich es schwierig, darauf zu antworten. Er führt Vertriebsfunktionen an, die:
a) haben endliche MO und unendliche Varianz
b) unendlichen OD und unendliche Varianz haben

Und die Normalverteilung ist ein Spezialfall einer verallgemeinerten Fraktalverteilung. Hier ist eine Definition:
Im allgemeinen Fall wird X(t) als stationärer Prozess betrachtet, wenn alle seine Wahrscheinlichkeitsmerkmale nicht von der Zeit abhängen (genauer gesagt, sie ändern sich nicht mit jeder Verschiebung der Argumente, von denen sie abhängen, entlang der t-Achse). Folglich sind der mathematische Erwartungswert eines Zufallsprozesses, seine Varianz und seine Korrelationsfunktion nicht von der Zeit abhängig.
Die Definition lautet hier http://www.nntu.sci-nnov.ru/RUS/fakyl/VECH/metod/metod7/vvedenie.htm. Dann ist die Renditeverteilung nicht stationär.
 

an Yurixx schrieb (a):

"Ich habe eine interessante Frage auf dem Weg. Kann jemand aufklären, warum eine so einfache und bequeme Verteilungsfunktion mit guten Eigenschaften nicht in der Statistik verwendet wird? Und wenn sie verwendet wird, warum wird dann nicht darüber geschrieben? Ich habe noch nie gesehen, dass jemand versucht hat, eine andere inkrementelle Verteilung als die Lognormalverteilung zu approximieren."

Es handelt sich höchstwahrscheinlich um einen Spezialfall der Rayleigh-Rice-Verteilung, zu der ich bereits einen Link angegeben habe. Hier ist die Formel. Und die Zahl.

Physikalisch gesehen beschreibt die Rayleigh-Rice-Verteilung eine eindimensionale Verteilung der Einhüllenden der Summe aus einem deterministischen Signal und normalem Rauschen. Das ist dem Problem, das Sie lösen, sehr ähnlich. Ich füge eine Matcad-Datei mit einem Beispiel bei. Es gibt ausführliche Kommentare zum Algorithmus, mit dem Sie die analysierte Probe auf Übereinstimmung mit dem theoretischen Verteilungsgesetz nach dem Neyman-Pearson-Kriterium überprüfen können. Ich hoffe, das hat etwas geholfen.

zur Mathematik

Ich weiß nicht, wie in Excel, die Matcad kann die Autokorrelation in 2 Möglichkeiten zu berechnen. Die Datei ist ebenfalls mit einem Beispiel beigefügt. Die einzige Bemerkung ist, dass es zwei Ansätze zur Berechnung des ACF gibt, die jeweils ihre eigenen Vor- und Nachteile haben. Übrigens IHMO sehr vielversprechend, ich hatte mal adaptive Trackingfilter für das Luftziel zu entwickeln. Sie können auch versuchen, den Preis zu verfolgen :). Der ACF ist genau das, was die Koeffizienten in den Gleichungen bestimmt.

zu grasn

Entschuldigung, ich habe mich in der Eile vertan, ich hätteYurixx um ein Histogramm bitten sollen. Als ich die Bilder erhielt, erkannte ich meinen Fehler. Ich arbeite weiter an der Idee der Resonanz, basierend auf meiner Definition:"Signalenergie bewegt den Markt. Rauschenergie - verhindert, dass wir diese Bewegung sehen". (Danke für den Hinweis auf IIH oder IIH, aber vor etwa 12 Jahren habe ich vor Kadetten Vorlesungen darüber gehalten und ich erinnere mich sogar daran, dass ich sie benotet habe :)).

Für alle

Ich habe hier im Forum einen Prototyp von FFT_MA gefunden und ihn nach den früheren Bildern nachgebaut (FFT_MA_mod). Das Einzige, was sie überzeichnet, ist, dass die Analyse schwierig ist. Wenn jemand in der Lage ist, dieses Problem zu lösen, bitte ich um Hilfe. Ich bin nicht in der Lage, es zu tun. Ich füge auch die Datei mit Erklärungen bei. Das Gesetz der Amplitudenverteilung am Filterausgang gehorcht übrigens nur dem Rayleigh-Rice-Gesetz - bei Vorhandensein eines Signals, wenn nur Rauschen vorhanden ist, degeneriert es zu Rayleigh, alpha wird=0.

Wenn wir davon ausgehen wollen, dass wir Signal und Rauschen auf diese Weise trennen können, dann müssen wir nach Resonanz suchen.

Wenn jemand eine Idee hat, soll er sie äußern.

Und wenn es nicht schwierig ist, einen Vorschlag für die Art der Verteilung zu machen, von der Sie sprechen. Wenn möglich mit einem einfachen Beispiel. Oder zumindest einen Link.

Dateien:
akf.zip  59 kb
 
Es funktioniert nicht :( Ich kann es nicht anhängen
Dateien:
fft_ma_mod.mq4  2 kb
 
Wird nur im Bearbeitungsmodus angehängt :) In vier Stunden sind alle wach :(
Dateien:
zr_1.zip  1375 kb
 
Grasn , Sergey, über potenzielle Gruben entschuldige ich mich zutiefst, und gestehe meine eigene Dummheit :) Es stimmt zwar, dass die Unterstützungs- und Widerstandsniveaus mit einer potenziellen Barriere verglichen werden können, von der der Kurs abprallt, aber ich fürchte, ich muss über die Fiktion dieses Phänomens streiten. Außerdem ist es IMHO die einzige Realität auf dem Markt, im Gegensatz zu den Phantasien über Wellen, Fibeln, Heugabeln und Alligatoren. Zumindest ist es die einzige Sache, die leicht erklärt werden kann, ohne zusätzliche nicht offensichtliche Postulate zu benötigen. Herzlichen Glückwunsch zur Entdeckung eines interessanten Kriteriums X ! Das war's. Lies weiter, ich war seit zwei Jahren nicht mehr hier und es sind seitdem 11 Seiten vergangen :)
 
Prival писал (а): Wenn es nicht zu viel Mühe macht, sagen Sie mir bitte auch, wie die Verteilung aussieht, von der Sie sprechen. Wenn möglich, mit einem einfachen Beispiel. Oder zumindest einen Link.
Returns[i] = Close[i] - Close[i+1], d. h. es handelt sich lediglich um historische Inkremente der Schlusskurse. Wenn wir sie für den gesamten Verlauf einer bestimmten TF berechnen, sie in Excel laden und ein Häufigkeitshistogramm erstellen (mit der Excel-Funktion WHAT()), erhalten wir eine Kurve, die der Gauß-Kurve etwas ähnelt, aber nur äußerlich. In Wirklichkeit ist diese Verteilung nicht normal - zum Beispiel wegen der dicken Schwänze und der unrealistisch hohen Spitze am Punkt nahe Null.

Die Unterschätzung der Schwänze führt dazu, dass der Spekulant die Risiken stark unterschätzt: Wenn er glaubt, dass die Wahrscheinlichkeit eines "Vier-Sigma-Ereignisses oder größer" verschwindend gering ist (unter der Normalhypothese beträgt sie etwa 0,0063 %), dann liegt der reale Markt bei etwa 0,7 %, d. h. 100 Mal höher. Bei größeren Veranstaltungen ist der Unterschied noch größer. Wenn es sein muss, werde ich ein Bild einstellen.

Danke für das Archiv - ich werde es mir morgen früh ansehen. Ich werde jedoch versuchen, dies sowohl in Excel als auch in MQL4 zu tun.
 
Prival, die Fourier-Cut-Off-Hochfrequenz-Inverse Fourier, über die Sie hier schreiben, ist eine großartige Idee. Das sorgt für ein absolut reibungsloses und verzögerungsfreies Mouwing. Es gibt nur einen kleinen Tropfen Teer in diesem riesigen Fass mit Honig. Ein solcher Operator ist nicht kausal. Und je breiter das Fenster ist, desto mehr künftige Stichproben werden benötigt. Und je kleiner das Fenster ist, desto schlechter ist die Glättung. Daher wird er in der Historie gut aussehen, aber in Wirklichkeit wird ein solcher Indikator immer am rechten Bildschirmrand neu gezeichnet. Daher wird das hochfrequente Rauschen entsprechend hervorgehoben. Sie wird nur in der Historie vermerkt. Und Sie werden am rechten Rand des Bildschirms blind und taub sein. Wenn Sie das nicht meinen, entschuldigen Sie mich bitte. Ich habe noch nicht alle Beiträge fertiggestellt. Ich schreibe nur über Ihre ersten beiden.

P.S.: Ich habe alle Beiträge bis zum Ende gelesen. Ja, das ist genau das, in das Sie sich bei Ihrer Erfahrung geduckt haben. Leider wird Ihnen niemand beim Umzeichnen helfen können, denn dieser Punkt ist grundlegend. Ein solcher Filteroperator ist nicht kausal. Im Allgemeinen bin ich der Meinung, dass der Hauptwiderspruch im Forex, wie auch in der gesamten Mondwelt, ein Widerspruch im Konzept der Zeit ist. Im Devisenhandel zeigt sich dies darin, dass eine gute statistische Schätzung viel Zeit in Anspruch nimmt. D.h. Proben. Aber während diese Werte erhoben werden, haben die Marktparameter Zeit, sich zu ändern. Wenn nur jemand helfen würde, diesen Widerspruch zu lösen... (das ist natürlich ein kleiner Scherz :)
 
eugenk:
Prival, der hochfrequente Fourier-Cutoff-inverse Fourier, über den du hier schreibst, ist eine großartige Idee. In der Tat erhalten Sie ein völlig reibungsloses und völlig verzögerungsfreies Mouwing.


Gemäß dem Thema des Threads schlage ich lediglich vor, wie man das Signal vom Rauschen trennen kann. Das Ziel ist es, Resonanz zu finden, nicht, einen Moloch zu bauen. Für die Vorhersage und sogar für das Muwigging gibt es einen viel besseren Partner. Natürlich alles IHMO.

Als Option, in Indikator werden zwei separate Puffer, die nicht driften, und denken Sie daran, auf Close[0]=Open[0], Energien von Signal und Lärm.

1...242526272829303132333435363738
Neuer Kommentar