Fourier-basierte Hypothese - Seite 5
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
Ha, ha, ha! Schon wieder?
Dieselben Fehler?
Man muss sich fragen, wie die Teilnehmer dieser Diskussion einander verstehen: jeder hat sein eigenes Vokabular, seine eigene Semantik, seinen eigenen Usus, keine kausale Beziehung zwischen den beschriebenen Phänomenen und zwischen den Wörtern, keine Fähigkeit, die Suche zu nutzen, weder im Forum noch im Internet.
Dieser Thread ist nicht für Mathematiker oder Trader, sondern für Psychiater. Sie werden hier eine Menge Arbeit zu erledigen haben.
Ja, leider kann man aus dem heutigen Bild nicht viele Schlüsse ziehen - ob nach oben (mehr Pfeile) oder nach unten... Wir werden morgen sehen - check it ))
Und die obige Grafik verwendet eine Fourier-Reihe als Extrapolationsfunktion?
ja, es ist Fourier, aber fragen Sie lieber den Autor dieses Wunders nach Details: njel
Bild von gestern
Ich nutze eine freie Minute, um das versprochene Material zu veröffentlichen. Ich habe diese Methode vor etwa vier, vielleicht fünf Jahren untersucht. Ich konnte nicht finden, Archiv mit diesem Projekt, musste ich Ergebnisse aus dem Gedächtnis zu rekonstruieren, dank der einfachen Algorithmus und MathCAD erheblich reduziert Zeit. Das Konzept, wenn dieses Wort für diese Methode angemessen ist, ist klassisch - wir zerlegen das "Komplexe" in einfache Komponenten und arbeiten mit jeder separat, d.h. anstatt extrem komplexe Reihen nach ihren Eigenschaften und ihrem Verhalten zu prognostizieren, gehen wir dazu über, "einfache" Reihen zu prognostizieren, aber in großer Menge. Wir verwenden die Kosinuszerlegung und einige nützliche Eigenschaften der Koeffizienten der besagten Zerlegung.
Als Beispiel, um die Ergebnisse der Methode zu demonstrieren, habe ich das erste verfügbare Segment mit den folgenden Eingabeparametern genommen:
Zusammenstellen der Mustermatrix
Wir nehmen eine historische Reihe als Input für das System und messen ihre Länge. Wir lassen ein festes Schiebefenster vom Beginn einer Probe bis zu ihrem Ende durchlaufen, wobei wir die Länge des Fensters selbst berücksichtigen. Für jede Probe wird die Kosinustransformation (CP) berechnet. Die Ergebnisse werden in einem Array summiert:
Eine Zeile einer solchen Matrix ist im Wesentlichen die Dynamik des KP-Koeffizienten in der genommenen Geschichte. So seltsam es klingen mag, aber solche Serien sind stationär und haben eine Menge Vorteile. Ich möchte Ihnen ein paar Beispiele nennen:
Frequenz 0:
Frequenz 5:
Frequenz 10:
Frequenz 110:
Vorhersage
Also, jede solche Zeile in der Matrix (ich habe so viele, wie es Zählungen im gleitenden Fenster gibt) sage ich mit AR-Modell, für einige Horizont. Wichtig ist, dass sie kleiner ist als die Länge von W. Da die Reihe fast stationär ist, können Sie einige Techniken zur Identifizierung von AR-Modellen anwenden. Ohne besondere Kommentare zur Wahl der Parameter und zur Beschreibung des Modells selbst, füge ich als Beispiel eine Vorhersage eines AR-Modells von 110 Frequenzen für eine Länge von 500 Zählungen (zur Veranschaulichung) bei:
In der Schleife führe ich für jede Zeile der Berechnungsmatrix (für jede Frequenz) eine Vorhersage durch:
Im Beispiel wird für jede Frequenz ein AR-Modell einer Ordnung verwendet, was nicht ganz korrekt ist. Die Identifizierung sollte für jede Frequenz erfolgen. Aber das ist ein separates Thema im Allgemeinen, und außerdem ist ein Teil des Signals bekannt, so dass es auch zur Identifizierung verwendet werden kann. Alles in allem gibt es hier viel zu tun.
Rekonstruktion der Serie
Nachdem wir die Vorhersagematrix erhalten haben, wählen wir das gewünschte Signalbild aus (die Spalte ganz rechts in der Matrix) und führen die Signalrekonstruktion durch:
Siehe
Überprüfen Sie die Fakten. Gemäß den Bedingungen werden alle Proben, die höher als 2*tau sind, vorhergesagt.
Was Sie sehen, ist keine Illusion und keine Lüge, die Methode ist streng wissenschaftlich (na ja, fast so :o)), sie funktioniert, zumindest manchmal funktioniert sie WIRKLICH :o)), alles Wahre ist in der Identifizierung vergraben, wir brauchen zusätzliche Studien und all das, wir können es zu einer stabilen industriellen Version bringen.
PS: Übrigens, liebe Kolleginnen und Kollegen, falls jemand Interesse hat, greift die Idee auf und bringt sie zu einem siegreichen Ende (vor etwa fünf Jahren wurden andere, nicht weniger revolutionäre Ideen beiseite geschoben, ganz in eine andere Richtung :o)). Meiner Meinung nach ist der Ansatz vielversprechend genug, denn er ermöglicht Vorhersagen im statistischen Sinne, und das ist keine Kleinigkeit. Und ich, ich werde meine Funktion bekommen. Ich werde dabei helfen, aber nicht in MQL, das kenne ich nicht :o).
PS: Unsere Mathematiker - was werden Sie sagen, wissenschaftliche Neuheit :o)))?
Ha, ha, ha! Schon wieder?
Dieselben Fehler?
Man muss sich fragen, wie die Teilnehmer dieser Diskussion einander verstehen: jeder hat sein eigenes Vokabular, seine eigene Semantik, seinen eigenen Usus, ihnen fehlt völlig die kausale Beziehung zwischen den beschriebenen Phänomenen und zwischen den Wörtern, sie können die Suche weder in diesem Forum noch im Internet nutzen.
Dieser Thread ist nicht für Mathematiker oder Trader, sondern für Psychiater. Sie werden hier eine Menge Arbeit zu erledigen haben.
Möchten Sie darüber sprechen? :о)
Warum ist Ihr FFT-Gleitfenster nicht gleich 2^n?
Warum ist Ihr FFT-Gleitfenster nicht gleich 2^n?
Ich habe geschrieben, dass ich die Kosinustransformation verwendet habe. Außerdem (wenn Sie die Fourier-Transformation nehmen) - eine solche Anforderung gilt nur für das schnelle Transformationsschema, d.h. für die Transformation (wie Sie richtig geschrieben haben), die ich im Modell überhaupt nicht verwende. Sie wird dort nicht benötigt. brauchen sie dort nicht. Und warum sollte ich in diesem Fall ein so langes Zeitfenster nehmen?
Ich habe geschrieben, dass ich die Kosinustransformation verwendet habe. Außerdem (wenn Sie die Fourier-Transformation nehmen) - eine solche Anforderung gilt nur für das schnelle Transformationsschema, d.h. für die Transformation (wie Sie richtig geschrieben haben), die ich im Modell überhaupt nicht verwende. Sie wird dort nicht benötigt. brauchen sie dort nicht. Und warum sollte ich in diesem Fall ein so langes Zeitfenster nehmen?
Es gibt eine FFT-Bibliothek in der Codebasis, die auch eine Cosinus-Transformations-Bibliothek enthält, und wenn Sie diese Bibliotheken in MQL verwenden wollen, müssen Sie daran denken, dass das Fenster dort gleich 2^n sein muss (16,32,64,128,256,512,1024...).
Codebase hat eine FFT-Bibliothek, die auch eine Kosinusumwandlungsbibliothek enthält, und wenn Sie diese Bibliotheken in MQL verwenden wollen, sollten Sie daran denken, dass das Fenster gleich 2^n sein muss (16,32,64,128,256,512...)
Das ist nichts, was ich zu nutzen gedenke. Dies ist eine Einschränkung nur für schnelle Konvertierungsalgorithmen. Und ich brauche die Bibliothek für lineare Algebra. Übrigens, Sie haben versprochen zu helfen :o)