Aufbau eines Handelssystems mit digitalen Tiefpassfiltern - Seite 20
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
grasn
:-) Nun, aus Trotz zeige ich Ihnen auch den Kalman-Filter. Sie basiert auf der ACF-Analyse. Das Fenster ist Minuten letzte Woche 7200. Die Eingabe ist nur eine Reihe von Preisen, keine Optimierung. Danke für den Link.
Die Methodik ist wie folgt. Analyse des ACF - Ich nehme die ACF-Parameter aus dem Modell heraus und setze sie in den Kalman-Filter ein, der eine Prognose und eine aktuelle Schätzung liefert. Ich habe ein Programm geschrieben, mit dem ich eingehende Kurse in Matcadet in Echtzeit verarbeiten und MT verwalten kann, bei Bedarf kann ich es weitergeben.
Ich möchte verstehen, warum diese Linien besser sind als "intelligente" MA?
Das ist es, was ich mich frage...
Zum Beispiel hier: http://edu.secna.ru/main/review/2001/n3/MONA2001/Morozova.pdf - diese Arbeit wird verwendet, um die Stationarität der Ergebnisse einiger Arten von Wavelet-Transformationen von Preisreihen zu rechtfertigen. Das ist genau das, was Sie brauchen.
zu Neutron
Vielleicht können Sie mir kurz erklären, was der Filter für Sie und Prival vorhersagt? Vielen Dank im Voraus. Hast du wirklich den AF gemacht???
Ich helfe gern. Haben Sie zufällig einen detaillierten Algorithmus für dessen Umsetzung? :о)
Ich weiß nicht, was der Filter in Prival vorhersagt, aber meiner sagt nichts voraus :-(
Ich verstehe nicht, was AF ist... Sehen Sie selbst, ich führe die Predict-Funktion auf glatten VR mit SWF aus und erhalte weniger glatte VR mit niedrigerem SWF, aber bei der Glättungsqualität ist sie nicht besser als dieselbe LPF mit kleinerem Mittelungsfenster, und bei großen Horizonten ist sie deutlich schwächer als letztere (siehe avishka). D.h. der Prädiktor wird in seiner Arbeit von der geglätteten Reihe abgestoßen und "zerbröselt", wenn sich der Horizont dem anfänglichen BP nähert, der LPF hingegen stößt sich vom anfänglichen BP ab und entfernt sich allmählich von ihm und wird glatter... Dieses Ergebnis ist zu erwarten, denn man kann von BP nicht viel lernen, selbst wenn man es vorher geglättet hat - man kann die Natur nicht überlisten! Obwohl es im Forum ein Bild mit einer Demonstration von NS-basiertem LPF gab, wurde (fast) kein PF mit ausgezeichneter Glättungsqualität beobachtet! Wenn das kein Schwachsinn ist, haben wir etwas, woran wir arbeiten können.
P.S. Ich habe keinen Algorithmus für die Funktion Vorhersage.
Was passiert aber, wenn man den Prognosehorizont nicht erhöht, sondern auf das erzielte Ergebnis, d.h. auf eine dünne schwarze Linie, schließen lässt?
Sie schlagen also vor, dass Sie den Vorhersager das Ergebnis seiner eigenen Vorhersage übertreffen lassen? Denn die dünne schwarze Linie ist die Vorhersage der Mittelwertbildung (die dicke blaue Linie) mit einem immer größer werdenden Horizont...
Erklären Sie das bitte.
Was passiert aber, wenn man den Prognosehorizont nicht erhöht, sondern den Prädiktor über das Ergebnis, d.h. die dünne schwarze Linie, laufen lässt?
Sie schlagen also vor, dass der Vorhersager über das Ergebnis seiner eigenen Vorhersage informiert werden sollte? Schließlich ist die dünne schwarze Linie die Durchschnittsprognose (die dicke blaue Linie) mit einem immer größeren Horizont...
Ganz genau. Und warum nicht? Mir ist natürlich klar, dass das Ergebnis dieser Aktionen, die vielleicht mehrmals durchgeführt werden, letztlich keine Preisspanne ergeben kann - es gibt keine Wunder. Aber es ist interessant zu sehen, wie dieser Algorithmus funktioniert. :-) Das Programm arbeitet mit Daten aus der Vergangenheit, es blickt nicht in die Zukunft?
Mathematik, ein Geschenk für Sie - J. Bendat, A. Pearsol, "Applied Random Data Analysis" (http://dsp-book.narod.ru/bendat.djv). Die Autoren geben eine Beschreibung und Beispiele für den Einsatz der Inversionsmethode zur Überprüfung der Stationarität eines Zufallsprozesses. Ich habe mich nicht mit den Einzelheiten und der Strenge der Methode selbst befasst, aber oberflächlich betrachtet ist sie glaubwürdig. Ich denke, Sie müssen in diese Richtung gehen.
Zum Beispiel hier: http://edu.secna.ru/main/review/2001/n3/MONA2001/Morozova.pdf - diese Arbeit wird verwendet, um die Stationarität der Ergebnisse einiger Arten von Wavelet-Transformationen von Preisreihen zu rechtfertigen. Das ist genau das, was Sie brauchten.
Ich danke Ihnen vielmals!!!
Mathematik, ein Geschenk für Sie - J. Bendat, A. Pearsol, "Applied Random Data Analysis" (http://dsp-book.narod.ru/bendat.djv). Die Autoren geben eine Beschreibung und Beispiele für den Einsatz der Inversionsmethode zur Überprüfung der Stationarität eines Zufallsprozesses. Ich habe mich nicht mit den Einzelheiten und der Strenge der Methode selbst befasst, aber oberflächlich betrachtet ist sie glaubwürdig. Ich denke, Sie müssen in diese Richtung gehen.
Zum Beispiel hier: http://edu.secna.ru/main/review/2001/n3/MONA2001/Morozova.pdf - diese Arbeit wird verwendet, um die Stationarität der Ergebnisse einiger Arten von Wavelet-Transformationen von Preisreihen zu rechtfertigen. Das ist genau das, was Sie brauchten.
Vielen Dank für die wertvolle Website, und diese hier ist großartig http://dsp-book.narod.ru/KM.djvu
Mathematik, ein Geschenk für Sie - J. Bendat, A. Pearsol, Applied Random Data Analysis (http://dsp-book.narod.ru/bendat.djv). Die Autoren geben eine Beschreibung und Beispiele für den Einsatz der Inversionsmethode zur Überprüfung der Stationarität eines Zufallsprozesses. Ich habe mich nicht mit den Einzelheiten und der Strenge der Methode selbst befasst, aber oberflächlich betrachtet ist sie glaubwürdig. Ich denke, Sie müssen in diese Richtung gehen.
Zum Beispiel hier: http://edu.secna.ru/main/review/2001/n3/MONA2001/Morozova.pdf - diese Arbeit wird verwendet, um die Stationarität der Ergebnisse einiger Arten von Wavelet-Transformationen von Preisreihen zu rechtfertigen. Das ist genau das, was Sie brauchten.
danke wertvolle Website, und diese ist großartig auf allen http://dsp-book.narod.ru/KM.djvu
wow Es stellt sich heraus, dass alles da ist, was noch angewendet werden muss...
Ich verstehe natürlich, dass das Ergebnis dieser Aktionen, die vielleicht mehrmals durchgeführt werden, letztlich keine Preiszahl ergeben kann - Wunder gibt es nicht. Aber es ist interessant zu sehen, wie dieser Algorithmus funktioniert. :-) Es arbeitet mit Daten aus der Vergangenheit, es blickt nicht in die Zukunft.
Ja, es funktioniert nur mit Daten aus der Vergangenheit.
Das Interessante daran ist, dass ein ähnliches Vorhersageergebnis mit der Predict-Funktion erzielt werden kann, ohne schlau zu sein - einfach durch Zerlegung der geglätteten BP LPF in der linken Nachbarschaft jedes Punktes (um nicht in die "Zukunft" zu schauen) in eine reguläre Taylor-Reihe (RT) und anschließende Extrapolation auf die erforderliche Anzahl von Schritten voraus. Vielleicht finden Sie es interessant, grasn - anstatt den Algorithmus der in Matcad eingebauten Funktion zu erforschen, nehmen Sie den PT und spielen Sie damit, trimmen Sie ihn, sehen Sie, wohin er führt...
In der Abbildung sind die roten Punkte die Preisreihen, die rote Linie ist der gleitende Durchschnitt, die blaue Linie ist RT, die schwarze Linie ist Predict. Der Prognosehorizont ist derselbe und beträgt 5 Stichproben. Wir können sehen, dass das Verhalten der Vorhersageindikatoren fast das gleiche ist, ihr Verhalten bei der Erhöhung des Horizonts bis zum Wert von VLFF kann in der beigefügten Animation gesehen werden. Leider fallen beide Instrumente "auseinander", wenn sie sich der Vorhersagegrenze nähern, die immer mit der FZ des verwendeten Muvings zusammenfällt! Es scheint zwei wechselseitige Zuordnungen zu geben - Glättung durch Integration und Rückgewinnung der Rohdaten durch Extrapolation auf die eine oder andere Weise. Allerdings können wir das Verhalten von GPs des Preistyps im Prinzip nicht vorhersagen, da die geglätteten Reihen keine (oder nur sehr wenige) Informationen enthalten, die für diesen Zweck erforderlich sind. Übrigens führen diese Prädiktoren die Generationsreihen perfekt an, so dass wir auf die potenzielle Möglichkeit hoffen können, einen vorauseilenden Indikator zu schaffen, aber das ist nur so lange möglich, wie die Amplitude der Rauschkomponente das Nutzsignal übersteigt.