Fourier-basierte Hypothese

 

Es gibt eine Hypothese: Wenn wir ein Segment von Kursen, z.B. für die letzten 1000 Balken, nehmen und es durch FFT approximieren, dann können wir, wenn wir die grundlegenden Obertöne durch FFT korrekt erfassen, die Kurse nicht nur in die Zukunft, sondern auch in die Vergangenheit extrapolieren.


Dies kann z. B. folgendermaßen geschehen: Man wählt einen solchen Satz von FFT-Parametern (Anzahl der Oberschwingungen, Annäherungsgenauigkeit), der den kleinsten Effektivwert in dem Intervall ergibt, das dem ausgewählten Intervall vorausgeht (z. B. von 1200 auf 1000 Takte). In diesem Fall besteht die Wahrscheinlichkeit, dass die ausgewählten Koeffizienten nicht nur das vorherige Intervall, sondern auch das zukünftige Intervall von 0 bis 200 approximieren (natürlich nur, wenn sich die grundlegenden Marktrhythmen nicht wesentlich ändern).



Liebe Kollegen, kann jemand helfen, die Hypothese zu überprüfen?

 
equantis >> :

IMHO ist die Definition des Vorhersageproblems selbst völlig falsch. Dies wird schon aufgrund der Definition von PF nicht funktionieren.

 
Die Fourier-Transformation selbst hat einen Nachteil - wenn das Signal rückwärts rekonstruiert wird, führt das zu Verzerrungen gegenüber dem Minutenzustand rückwärts... Um das zu überprüfen, muss man es also entweder selbst verstehen oder versuchen, andere Themen zu finden... alle diese Themen sind längst durchgepflügt worden...
 

Ich verstehe, dass die Hauptidee immer noch darin besteht, die Zukunft vorherzusagen, während die Vergangenheit nur der Überprüfung dient.

Die Hypothese, die Sie vertreten, lautet: Wenn die Vorhersage aus der Vergangenheit richtig ist, dann können Sie auch der Vorhersage für die Zukunft vertrauen (korrigieren Sie mich, wenn ich falsch liege).

Daher stellt sich die Frage, ob die Prognosen der Vergangenheit konvergieren werden, und wo die Garantie dafür liegt, dass der Markt nicht die Stimmung in der Lebenszeit des letzten Segments geändert hat.

die Zukunftsprognose konvergieren wird?

 
Ja, das ist richtig. Ich denke, dass jedes Marktmodell (FFT oder NS oder ein anderes, z.B. auf Candlesticks basierendes) für eine bestimmte Zeitspanne funktioniert. Soweit ich es verstanden habe, versucht die FFT, die Preiskurve über den gesamten gegebenen Abschnitt auf dieselbe Weise anzunähern (da der RMS für jeden Balken gilt). Daher gilt die Hypothese nur für den Fall, dass sich das Marktverhaltensmuster während des gesamten "Lernzeitraums" von 1200 Balken in der Vergangenheit bis +200 Balken in der Zukunft nicht verändert hat (und folglich alle Oberschwingungen erhalten bleiben) ((a) Hauptlernsegment von 1000 - 0 Balken, (b) Testsegment 1200-1000 und (c) Prognosesegment 0 - 200). Wenn sich das Marktverhalten in diesem Abschnitt ändert, ist natürlich alles verloren )))


Andererseits dachte ich, dass es wahrscheinlich keinen großen Unterschied zwischen den beiden Optionen gibt:

1. die FFT auf einem Segment 1200 - 0 durchzuführen

2. oder FFT (mit FOS) im Intervall 1000 - 0 und dann Optimierung (mit demselben FOS) für die Ergebnisse im Intervall 1200 - 1000.


Ich werde versuchen, es zu programmieren und mir die Ergebnisse anzusehen, Gott sei Dank gibt es hier Bibliotheken.

 
 
Und vielleicht werfen eine Indikator-Vorlage mit dem Prinzip der Verarbeitung von Indikator Reaktion auf das Skript ... nicht nur im manuellen, sondern auch im automatischen Modus ... Ich überprüfe fast alle Indikatoren für dynamische Daten ändern im Offline-Modus ... nicht warten, für Preisbewegungen ...
 
In der Annahme, dass die FFT-Signalanalyse darauf abzielt, eine nahezu optimale digitale Filterantwort zu erhalten, habe ich einen solchen Prädiktor geschrieben. Ironischerweise zeigte sich in den letzten 4 Monaten ohne Optimierung ein PF von fast 2, während er in den anderen Zeiträumen abnahm. Und wir kehren zu der alten Frage zurück, dass wir unabhängig von dem verwendeten Instrument, d.h. auch von dem, das sich scheinbar selbst an den Markt anpasst, seine Parameter auswählen müssen, die nur in einem bestimmten Zeitraum optimal sein werden, und wir wissen nicht, wann dieser Zeitraum vorbei sein wird. Insbesondere bei einem Filter müssen wir mit den Bandbreitenfrequenzen spielen.
 

Und wenn man davon ausgeht, dass es minimale Verzerrungen gibt, die für eine Vorhersage vernachlässigt werden können - ist dann eine Vorhersage möglich?

 
equantis >> :

Es gibt eine Hypothese: Wenn wir ein Segment der Preise über, sagen wir, die letzten 1000 Takte nehmen und es mit FFT approximieren, dann können wir, wenn wir die Grundrhythmen mit FFT richtig erfasst haben, die Preise nicht nur in die Zukunft, sondern auch in die Vergangenheit extrapolieren.


Liebe Kollegen, kann jemand helfen, die Hypothese zu überprüfen?

Wir können. Es reicht aus, sich die Grundlagen der Mathematik zu merken.

Prüfen Sie die Frage, sogar drei (Leitfragen ;) ).

1. Wie viele Balken vorwärts/rückwärts (bezogen auf Ihr Beispiel) kann man den Wert einer Funktion, die durch die Fourier-Methode wiederhergestellt wird, maximal extrapolieren, und warum?

2. Wenn man eine unendliche Anzahl von Termen der Reihe nimmt, welche Werte erhält man bei welchen Balken (kann man das abschätzen, ohne die Zerlegung anzuwenden ;) ) ?

3. was ist eine periodische Funktion ;)...

Viel Glück!

ZS 2 an alle, die Fourier noch nicht aufgegeben haben - fangen Sie damit an, die Grundlagen der Methoden zu lernen und stürzen Sie sich nicht gleich in das Dickicht - Sie können eine Menge Zeit sparen ;)...

 
forte928 >> :

Und angenommen, Sie haben eine minimale Verzerrung, die für eine Vorhersage vernachlässigt werden kann - ist der Vorhersageprozess dann möglich?

1. Eine richtige FFT hat fast keine Verzerrung, weshalb sie zur Multiplikation großer Zahlen (in der Größenordnung von Hunderten von Megabits) verwendet wird und nur sehr selten einen Fehler aufweist. Bei Kursen mit einer Genauigkeit von 4-5 Stellen haben diese Verzerrungen keinerlei Auswirkungen.

2. PF ist eine Spektralanalyse von periodischen Funktionen. Das heißt, wenn Sie eine Fourier-Reihenentwicklung im BP von 1000 Balken erhalten, dann erhalten Sie für die nächsten 1000 Balken die exakte Kopie der vorherigen Periode von 1000 Balken. Denn PF ist eine Annäherung an periodische Funktionen, keine Extrapolation.


Alles, was für eine Extrapolation getan werden kann, ist zum Beispiel die Zerlegung zweier vorheriger Perioden durch N Balken in der Spektralanalyse. Für die Extrapolation der nächsten (noch nicht vorhandenen) N-Balken nimmt man dann das arithmetische Mittel der Amplituden der Oberschwingungen und verschiebt die Phase jeder Oberschwingung um genau so viele Radianten wie die Differenz der entsprechenden Oberschwingungen in den beiden untersuchten Vorperioden.