Adaptive digitale Filter - Seite 2
Sie verpassen Handelsmöglichkeiten:
- Freie Handelsapplikationen
- Über 8.000 Signale zum Kopieren
- Wirtschaftsnachrichten für die Lage an den Finanzmärkte
Registrierung
Einloggen
Sie stimmen der Website-Richtlinie und den Nutzungsbedingungen zu.
Wenn Sie kein Benutzerkonto haben, registrieren Sie sich
Es war falsch von ihm, Kalman zu verfolgen. Wenn ich es richtig verstehe, geht es um Kalman-Filter mit konstanten Koeffizienten, die als Alpha-Betta-Gamma-Filter bekannt sind (dies sind verschiedene Modifikationen des Kalman-Filters).
Sie brauchen ein Neutron.
Hier haben wir Kalman-Filter (korrekt) und Butterworth-Filter verglichen. Die Theorie der Zufallsströme und FOREX".
Es gibt einen Algorithmus, um sie in Matcad zu berechnen. Wenn jemand es wagt, ein Butterworth-Filter in MQL zu erstellen, kann ich helfen (erklären, was es gibt und wie es in Matkadec berechnet wird), und ich glaube nicht, dass JMA besser sein wird (Sie können vergleichen).
Kalman ist von Natur aus ein iterativer MNC, so dass es nur eine Möglichkeit gibt, ihn zu umgehen, wenn die in den Filter eingebetteten Modelle nicht mit dem zu untersuchenden Prozess übereinstimmen. (Sie wissen nur nicht, wie man es zubereitet :-))
Verstehen Sie, dass das Wort Anpassung eine Antwort auf die Frage impliziert, an was Sie sich anpassen müssen. In der Funkortung gibt es Begriffe wie Signal (nützliche Komponente) und Rauschen (was uns stört). Wenn man diese Frage verstanden hat, ist es möglich, adaptive Filter zu entwickeln; bis man diese Frage beantwortet hat, ist nicht klar, woran man sich anpassen muss.
2 grash
Hier ist, was der Autor selbst über JMA schreibt ) - http://www.jurikres.com/catalog/ms_ama.htm#top
Da all dies zum Verkauf steht, erhalten wir nur disassemblierten Code, wie ich es verstehe, und ich möchte wirklich verstehen, was der Trick ist )
Danke für den Link. Ich denke, dass dieses Frettchen einen ziemlich kniffligen adaptiven Filteralgorithmus verwendet, höchstwahrscheinlich mit Vorhersageelementen, die nur auf Autokorrelation basieren. Ich glaube schon. :o)
zum Privatenzum Privaten
Es spielt keine Rolle, was ich recherchiert habe, aber ich habe mir den ACF zur Gesellschaft 'geschnappt'. Dies ist nur eine Beobachtung, die durch nichts bestätigt wurde, grob gesagt, ich habe mir die Ergebnisse mit einem Auge angesehen und sie "eingefangen". Nicht durch irgendetwas bewiesen, statistisch nicht bestätigt, wahrscheinlich völliger Unsinn, aber es lohnt sich, gelegentlich nachzusehen. Es geht darum, einige Annahmen über die Entwicklung der Reihen nach dem Typ des ACF zu treffen. Bisher habe ich grob 2 Varianten klassifiziert (ACF ist der schwarzen Serie entnommen, graue Serie - Prozessentwicklung). Ich gebe sie ohne besondere Kommentare wieder, ich denke, es ist alles klar:
Variante A
Variante B
PS:
Privat - ich habe geschrieben, dass ich in Sachen DSP Autodidakt bin und meine begrenzten technischen Kenntnisse offensichtlich nicht ausreichen, um zu verstehen, dass die Nyquist-Frequenz die Welt regiert ...
Ich weiß nicht, was Sie sehen können, aber ich kann anhand von ACF sehen, dass ich für Variante A 200 Stichproben vorhersagen kann (ich weiß nicht, ob Sie X Minuten oder was anderes haben). Option B ist 50, dann ändert sich die Art des Prozesses, aber man muss sich die Dynamik ansehen, denn der ACF ändert sich mit der Zeit. Und das erste, was diese Funktion zeigt, ist die Korrelationszeit (Zeit, in der der Prozess vorhergesagt werden kann) + das zweite ist die Art des Prozesses selbst, fast immer ein Schwingkreis (im Sinne der Funktechnik); wir können sie weiter nach Arten von Schwingkreisen klassifizieren, aber in meinen Studien (in diesem Stadium) ist das nicht so wichtig. Zunächst ist es notwendig, sich mit einer Art von schwingendem Element zu befassen, es wird einfacher sein, andere in Analogie zu behandeln.
Ich habe versucht, durch einfache Beobachtungen eine Klassifizierung "nach Art und Typ" vorzunehmen:
Generell gilt: Wenn es nicht die Hauptsache ist, dann ist es auch egal... viel Glück
Dieser JMA ist sehr beeindruckend, sehr beeindruckend. Irgendwie habe ich dem vorher nicht so viel Aufmerksamkeit geschenkt, weil ich eine vorgefasste Meinung über Muwings habe. Aber jetzt sieht es so aus, als müsste ich es noch einmal überdenken.
Was den JMA in der Code Base ("JMA") betrifft, so sieht er eindeutig nicht wie das Original aus. Ja, sie ist flüssig, aber sie hinkt deutlich mehr hinterher. Die Zeichnung vonParabellum ist da viel überzeugender.
Und da taucht wieder das Problem auf, mit dem ich zu kämpfen habe: Ich möchte das Diagramm der anfänglichen Notierungen so umwandeln, dass es Katastrophen beseitigen kann, und dann Juriks Indikatoren (oder ihre Klone) auf das umgewandelte Diagramm anwenden... Irgendwie scheint mir, dass, selbst wenn die Verteilung in etwas Gauß-ähnliches übergeht, der Preisprozess dennoch nicht Wiener-ähnlich sein wird - denn sein Hurst-Index wird mehr als 0,5 betragen (wegen der Abhängigkeit von benachbarten Stichproben).
P.S. Privat, wieder an Sie: http://www.jurikres.com/faq/faq_ama.htm#betterthan . Sehen Sie sich insbesondere die dritte Abbildung von unten an: JMA hat im Gegensatz zu anderen Filtern praktisch keinen Gibbs-Effekt (Spike nach Lücke). Und es gibt wirksame Techniken zur Beseitigung dieses Effekts (als Student bin ich auf ein Buch von Hemming "Digital Filters" gestoßen, ich muss es wiederfinden).
Es ist eine sehr beeindruckende JMA, sehr beeindruckend. Irgendwie habe ich dem vorher nicht so viel Aufmerksamkeit geschenkt, weil ich eine vorgefasste Meinung über Muwings habe. Aber jetzt sieht es so aus, als müsste ich es noch einmal überdenken.
Was den JMA in der Code Base ("JMA") betrifft, so sieht er eindeutig nicht wie das Original aus. Ja, sie ist flüssig, aber sie hinkt deutlich mehr hinterher. Die Zeichnung von Parabellum ist da viel überzeugender.
Prival, danke für das Buch. Und hier eine weitere Überraschung für Sie, die Ihre Auffassung vom Preis als Ziel bestätigt:
Entnommen aus derselben Stelle, Hervorhebung hinzugefügt.
Zweitens. JMA zeichnet nicht neu, also gibt es auch keine FFT, von der man sprechen könnte. Dennoch haben sie den Gibbs-Effekt beseitigt...
Drittens. Das Team von Jurik Research geht von einem ähnlichen Verteilungsmodell wie der Cauchy-Verteilung aus. Was es ist, wissen Sie: keiner der Momente dieser Verteilung existiert, nicht einmal m.o. Spüren Sie den Hinterhalt, den der Feind für uns gelegt hat? Andererseits ist es aber auch möglich, dass ihr Ziel einfach darin bestand, einen Induktor zu bauen, der selbst zufällige Wanderungen mit Cauchy-verteilten Inkrementen effektiv glättet.
2 Rosh: Nun, zumindest haben Sie das Geheimnis eines Jurik-Induktors gelöst. Respekt.