Vorhersage der Zukunft mit Fourier-Transformationen - Seite 45

 
Integer: Neuronale Netze haben also noch mehr Parameter. Die Verwendung von nur einer Harmonischen ist ein Sonderfall der Verwendung einiger weniger - der gleichen wenigen, nur dass alle außer einer die Amplitude 0 haben. Wenn wir nur einen verwenden, kommen wir zu Herzl, zu MESA.

Ich stimme zu. Aber neuronale Netze haben Möglichkeiten, die Anpassung an die Geschichte zu vermeiden, obwohl es auch hier Komplikationen gibt. Aber mit Fourier gibt es fast keine Möglichkeit, Oberschwingungen oder Oberschwingungen, die in Zukunft profitabel sein werden, zu identifizieren - das ist die Schwierigkeit bei der Anwendung von Fourier auf die Finanzmärkte.
 
Integer:

D.h. man kann diese Berechnungen durchführen, wie z.B. die Daten in Oberschwingungen zerlegen, Amplituden und Phasen anpassen, addieren, nur dass man stattdessen Koeffizienten berechnen kann, um das Ergebnis wie bei FATL- und SATL-Indikatoren zu berechnen - einfach Preise mit Koeffizienten multiplizieren und addieren.
Die Koeffizienten müssen nicht konstant sein... Ich kann ein Modell erstellen, damit die Übertragungscharakteristik eines Filters mit den gewünschten Eigenschaften und adaptiven Parametern berechnen, in den diskreten Bereich wechseln (Fourier/Laplace -> Z-Transformation), die Übertragungscharakteristik in eine Differenzengleichung umwandeln und dann... Gewinn!)
 
LeoV:

Einverstanden. Aber neuronale Netze haben Möglichkeiten, die Anpassung an die Geschichte zu vermeiden, obwohl es auch hier einige Schwierigkeiten gibt. Aber mit Fourier gibt es fast keine Möglichkeit, Oberschwingungen oder Oberschwingungen, die in Zukunft profitabel sein werden, zu identifizieren - das ist die Schwierigkeit bei der Anwendung von Fourier auf den Finanzmärkten.

Bei jedem System sollten Sie eine Passformprüfung durchführen, machen Sie im nächsten Abschnitt nach der Optimierung eine Kontrollprüfung. Das Gleiche gilt auch. Mit einem Netz - trainieren Sie das Netz, testen Sie es. Bei jedem anderen System gilt: Optimieren, prüfen, testen über den Optimierungszeitraum hinaus.

Der Weg zur Bestimmung der Oberschwingungen ist die Optimierung in einem Prüfgerät.

 
Integer:

Bei jedem System sollten Sie eine Passformprüfung durchführen, machen Sie im nächsten Abschnitt nach der Optimierung eine Kontrollprüfung. Das Gleiche gilt auch. Mit einem Netz - trainieren Sie das Netz, testen Sie es. Bei jedem anderen System gilt: Optimieren, prüfen, testen über den Optimierungszeitraum hinaus.

Der Weg zur Bestimmung der Oberschwingungen ist die Optimierung in einem Prüfgerät.


Nun, Fourier hat keine solche Bestimmungsmethode - es ist entweder Kaffeesatzleserei oder ein Finger im Himmel, denn alles hängt von der Wahl ab, nämlich von der Wahl der Harmonischen. Deshalb hat die Fourier-Methode keine Anwendung in den Feinnetzen gefunden.

Die Optimierung im Fourier-Tester ist eigentlich eine Auswahl von Oberschwingungen nach Gewinnspannen auf der Grundlage vergangener Daten, aber keine Auswahl für zukünftige Gewinnspannen.

Es gibt kein Prüfgerät, das die Oberschwingungen auf die Tatsache des Einbaus hin überprüft. In MT4 ist dies unrealistisch.

 
alsu:
Die Koeffizienten müssen nicht konstant sein... Ich kann ein Modell erstellen, damit die Übertragungscharakteristik des Filters mit den erforderlichen Eigenschaften und adaptiven Parametern berechnen, in den diskreten Bereich wechseln (Fourier/Laplace -> Z-Transformation), die Übertragungscharakteristik in eine Differenzgleichung umwandeln und dann... Gewinn!)

OK, ich hab's. Dies ist bereits ein klassischer DSP.
 
LeoV:


Bei Fourier gibt es keine solche Möglichkeit der Definition - es ist entweder Kaffeesatzleserei oder ein Finger im Himmel, weil alles auf eine Wahl hinausläuft, nämlich auf die Wahl der Harmonischen. Deshalb hat die Fourier-Methode keine Anwendung in den Feinnetzen gefunden.

Die Optimierung in einem Prüfgerät ist eine Auswahl von Oberschwingungen nach dem Ausmaß des Gewinns aus vergangenen Daten, aber keine Auswahl, die in der Zukunft Gewinn bringt.

Es gibt kein Prüfgerät, das die Oberschwingungen auf die Tatsache des Einbaus hin überprüft. In MT4 ist dies unrealistisch.


Realistisch. Dies unterscheidet sich nicht grundlegend vom Testen eines neuronalen Netzes durch Training. Letztlich geht es uns um den Gewinn. Nach Gewinn und sehen Sie, ob das System einen Gewinn im Abschnitt nach dem Optimierungsabschnitt macht.
 
Integer:

Okay, ich hab's. Dies ist bereits ein klassischer DSP.
Die wichtigste Frage ist, ein funktionierendes Modell zu bauen, der Rest ist eine Frage der Technik und wird in Büchern beschrieben)
 
Integer: Realistisch. Dies unterscheidet sich nicht grundlegend vom Testen eines neuronalen Netzes durch Training. Letztlich geht es uns um den Gewinn. Unter Gewinn verstehen wir, ob das System in dem Abschnitt, der auf den Optimierungsabschnitt folgt, Gewinn abwirft.

Hier gibt es noch eine weitere Nuance. Je größer das nächste Segment nach der Optimierung ist, desto höher ist die Wahrscheinlichkeit, dass die gefundenen Oberschwingungen bei zukünftigen Daten schnell veralten (keinen Gewinn mehr bringen). Eine Verringerung dieses Abschnitts führt zu einer Unzuverlässigkeit des Tests.
 
LeoV:

Hier gibt es noch eine weitere Nuance. Je größer der nächste Abschnitt nach der Optimierung ist, desto wahrscheinlicher ist es, dass die gefundenen Oberschwingungen bei zukünftigen Daten schnell veraltet sind (keine Gewinne mehr bringen). Die Reduzierung dieses Segments führt zur Unzuverlässigkeit der Überprüfung.

Kein solches Problem mit neuronalen Netzen?
 
Integer: Sie haben dieses Problem nicht mit neuronalen Netzen?

Ja, die gibt es. Es gibt jedoch einige Regelmäßigkeiten, die beim Training eines Netzes festgestellt werden können, und einige Trainingstechniken, die es ermöglichen, sogar auf einen Vorwärtstest zu verzichten. Ich weiß nichts von Fourier und habe auch noch nie davon gehört.