FIR-Filter mit minimaler Phase - 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
eine Bank von Bandpassfiltern zu bauen, verweist auf die Arbeit des Autors:
https://www.mql4.com/go?http://belisa.org.by/pdf/Publ/Art7_i17.pdf
https://www.mql4.com/go?http://belisa.org.by/pdf/Publ/Art4_i18.pdf
in ausreichendem Maße mit Beispielen für die mögliche Verwendung beschrieben, schien alles sehr logisch, aber der Autor selbst, wie ich jetzt denke, etwas falsch berechnet, ohne ein Wort über die Verzögerung, denn wenn in der niedrigsten Frequenz Filter die zentrale Frequenz des Filters ist die Reihenfolge der 1/MN1 dann die Verzögerung auch in ein paar Proben wird sehr groß sein, so dass ich denke, dass die Bestimmung bei der Auswahl eines Filters sollte die minimale Verzögerung sein
Verzögerung hat damit nichts zu tun. Nehmen Sie eine Bank von Bandpassfiltern mit einer Verzögerung und stellen Sie das Preisangebot durch die Summe der Ausgänge dieser Filter dar. Es sollte alles ohne künstliche Verschiebungen auf der Zeitachse klappen. Das Wichtigste ist, dass sich die Filter wie von Vadim beschrieben überschneiden. Dieser Bereich der mathematischen Signalzerlegung ist gut untersucht und wird als Diskrete Wavelet-Transformation bezeichnet. Beginnen Sie hier mit der Lektüre und gehen Sie dann die Bücher durch:
https://ru.wikipedia.org/wiki/%D0%94%D0%B8%D1%81%D0%BA%D1%80%D0%B5%D1%82%D0%BD%D0%BE%D0%B5_%D0%B2%D0%B5%D0%B9%D0%B2%D0%BB%D0%B5%D1%82-%D0%BF%D1%80%D0%B5%D0%BE%D0%B1%D1%80%D0%B0%D0%B7%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D0%B5
eine Bank von Bandpassfiltern zu bauen, verweist auf die Arbeit des Autors:
https://www.mql4.com/go?http://belisa.org.by/pdf/Publ/Art7_i17.pdf
https://www.mql4.com/go?http://belisa.org.by/pdf/Publ/Art4_i18.pdf
im Detail mit Beispielen für mögliche Anwendungen beschrieben, schien alles sehr logisch, aber der Autor selbst, wie ich jetzt denke, etwas falsch berechnet, ohne ein Wort über die Verzögerung, denn wenn in der niedrigsten Frequenz-Filter die zentrale Frequenz des Filters ist etwa 1/MN1 dann die Verzögerung auch in mehreren Proben wird sehr groß sein, so dass ich denke, dass der entscheidende Faktor bei der Auswahl des Filters sollte die minimale Verzögerung
Sie haben die Frage nicht beantwortet. Was werden Sie mit den Filtern machen?
Ich bin bei meiner Arbeit davon ausgegangen, dass jede glatte Linie mit minimaler Verzerrung auf primitivste Weise über kleine Entfernungen extrapoliert werden kann. Das heißt, das Problem läuft darauf hinaus, nach der Zerlegung eine Sammlung glatter und sinusförmiger Linien zu erhalten. Dann extrapolieren Sie sie in die Zukunft und stapeln sie dort. Frage... Was hat die Phase damit zu tun? Sie wird kompensiert. Die Phase und die Verzögerung spielen dabei keine Rolle.
Diese Arbeiten sind noch nicht abgeschlossen.
======================
Um dieses Problem schnell genug mit FIR-Filtern zu lösen, wären Tausende von Computern wie der Ihre erforderlich.
Verzögerung hat damit nichts zu tun. Man nimmt eine Bank von verzögerten Bandpassfiltern und verteilt das Preisangebot auf die Summe der Ausgänge dieser Filter. Es sollte alles ohne künstliche Verschiebungen auf der Zeitachse klappen. Das Wichtigste ist, dass sich die Filter wie von Vadim beschrieben überschneiden. Dieser Bereich der mathematischen Signalzerlegung ist gut untersucht und wird als diskrete Wavelet-Transformation bezeichnet. Beginnen Sie hier mit der Lektüre und gehen Sie dann die Bücher durch:
https://ru.wikipedia.org/wiki/%D0%94%D0%B8%D1%81%D0%BA%D1%80%D0%B5%D1%82%D0%BD%D0%BE%D0%B5_%D0%B2%D0%B5%D0%B9%D0%B2%D0%BB%D0%B5%D1%82-%D0%BF%D1%80%D0%B5%D0%BE%D0%B1%D1%80%D0%B0%D0%B7%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D0%B5
Danke, ich werde es mir ansehen.
Sie haben die Frage nicht beantwortet. Was werden Sie mit den Filtern machen?
Ich bin bei meiner Arbeit davon ausgegangen, dass jede glatte Linie mit minimaler Verzerrung auf primitivste Weise über kleine Entfernungen extrapoliert werden kann. Das heißt, das Problem läuft darauf hinaus, nach der Zerlegung eine Sammlung glatter und sinusförmiger Linien zu erhalten. Dann extrapolieren Sie sie in die Zukunft und stapeln sie dort. Frage... Was hat die Phase damit zu tun? Sie wird kompensiert. Die Phase und die Verzögerung spielen dabei keine Rolle.
Diese Arbeiten sind noch nicht abgeschlossen.
======================
Um dieses Problem schnell genug mit FIR-Filtern zu lösen, wären Tausende von Computern wie der Ihre erforderlich.
Danke, ich werde es mir ansehen.
Ich suche gerne nach Mustern, d.h. sagen wir, die gegenseitige Anordnung der Zersetzungslinien entspricht jetzt derjenigen, die schon oft beobachtet wurde, und der Preis ist von dieser Position aus oft gestiegen, wir handeln entsprechend, was die Verwendung des einen oder anderen Typs von Filtern in Ihrem Problem angeht, ich denke, niemand weiß das besser als Sie.
Vor ein paar Monaten habe ich ein einschichtiges neuronales Netz mit Zerlegungen eines Kurses als Eingaben erstellt, wie F2, F4, F8, ... F512, wobei F für einen Filterausgang und die Zahl für dessen Periode steht. Das heißt, der Preis wurde durch eine binäre Ableitung von 9 Filtern gefiltert, wie in den von Ihnen zitierten Artikeln beschrieben. Ich habe das Netz mit dem eingebauten Genetik-Tester trainiert. Aber sie hatte keinen Erfolg. Das Netz speichert vergangene Muster und geht langsam auf ein vorwärts gerichtetes Muster herunter. Meiner persönlichen Meinung nach ist der Handel auf der Grundlage solcher Filter dasselbe wie der Handel auf der Grundlage von MACDs. Die InVeKoS allein reichen nicht aus, um Einstiegspunkte zu bestimmen. Es ist notwendig, alle anderen Informationen zu berücksichtigen, die in einer Notierung enthalten sind: die Geschichte der Kursbewegung, Unterstützungs- und Widerstandsniveaus, Volatilität, Tageszeit, Wochentag usw. Es ist sehr schwierig, all diese Informationen in die Netzeinträge einzugeben. Deshalb müssen wir mit unseren Augen nach Mustern suchen und sie vereinfachen. Anstelle einer Bank mit 9 Filtern benötigen Sie vielleicht nur 2-3 Filter und können die Zerlegung als solche vergessen.
Sie können es natürlich auch anders machen. Zerlegen Sie den Preis genau in N glatte Filter, und anstatt Muster zu erkennen, extrapolieren Sie jeden dieser Filter in die Zukunft und sehen Sie, wie sich ihre Summe (Preis) verhält, wie Vadim vorschlägt. Aber daran glaube ich nicht. Urteilen Sie selbst: Wir kennen den zukünftigen Preis nicht und er kann mit gleicher Wahrscheinlichkeit steigen oder fallen. Mit diesen beiden unterschiedlichen Ergebnissen sollte es zwei unterschiedliche Extrapolationen der vergangenen Preise geben. Oder? Aber wenn Vadim von Extrapolation spricht, meint er eine Extrapolation für jeden Filter, nicht mehrere. Dies schafft ein Paradoxon. Um unterschiedliche Zukünfte zu beschreiben, muss es unterschiedliche Extrapolationen geben. Und wir wählen nur einen aus. Warum glauben wir, dass diese spezielle Extrapolationsoption richtig ist?
Vor ein paar Monaten habe ich ein einschichtiges neuronales Netz mit Zerlegungen eines Preisangebots als Eingaben erstellt, wie F2, F4, F8, ... F512, wobei F für einen Filterausgang und die Zahl für dessen Periode steht. Das heißt, der Preis wurde durch eine binäre Ableitung von 9 Filtern gefiltert, wie in den von Ihnen zitierten Artikeln beschrieben. Ich habe das Netz mit dem integrierten Genetik-Tester trainiert. Aber sie hatte keinen Erfolg. Das Netz speichert vergangene Muster und geht langsam auf ein vorwärts gerichtetes Muster herunter. Meiner persönlichen Meinung nach ist der Handel auf der Grundlage solcher Filter dasselbe wie der Handel auf der Grundlage von MACDs. Die InVeKoS allein reichen nicht aus, um Einstiegspunkte zu bestimmen. Es ist notwendig, alle anderen Informationen zu berücksichtigen, die in einer Notierung enthalten sind: die Geschichte der Kursbewegung, Unterstützungs- und Widerstandsniveaus, Volatilität, Tageszeit, Wochentag usw. Es ist sehr schwierig, all diese Informationen in die Netzeinträge einzugeben. Deshalb müssen wir mit unseren Augen nach Mustern suchen und sie vereinfachen. Anstelle einer Bank mit 9 Filtern benötigen Sie vielleicht nur 2-3 Filter und können die Zersetzung als solche vergessen.
Sie können es natürlich auch anders machen. Zerlegen Sie den Preis genau in N glatte Filter, und anstatt Muster zu erkennen, extrapolieren Sie jeden dieser Filter in die Zukunft und sehen Sie, wie sich ihre Summe (der Preis) verhält, wie Vadim vorschlägt. Aber daran glaube ich nicht. Urteilen Sie selbst: Wir kennen den zukünftigen Preis nicht und er kann mit gleicher Wahrscheinlichkeit steigen oder fallen. Mit diesen beiden unterschiedlichen Ergebnissen sollte es zwei unterschiedliche Extrapolationen der vergangenen Preise geben. Oder? Aber wenn Vadim von Extrapolation spricht, meint er eine Extrapolation für jeden Filter, nicht mehrere. Dies schafft ein Paradoxon. Um unterschiedliche Zukünfte zu beschreiben, muss es unterschiedliche Extrapolationen geben. Aber wir wählen nur einen. Warum glauben wir, dass diese spezielle Extrapolationsoption richtig ist?
Die Idee , ein Problem in seine Bestandteile zu zerlegen, ist in der Wissenschaft weit verbreitet und wird häufig genutzt.
Für diese Idee gibt es eine bekannte Einschränkung namens "Reversibilität", ohne die die Zerlegung nicht als solche erkannt werden kann - die Summe der Teile, in die das Problem zerlegt wird, muss das Problem ergeben. Im Falle von Oberschwingungen bedeutet dies, dass die Summe der Oberschwingungen, in die der Quotient zerlegt wird, den ursprünglichen Quotienten ergeben muss.
Soweit ich mich erinnere, Fourier. Jedes Signal kann absolut genau dargestellt werden, wenn die Anzahl der Oberschwingungen gleich der Anzahl der Beobachtungen ist. Dies ist die Voraussetzung für die Reversibilität. Andernfalls liegt ein Fehler in der Darstellung des ursprünglichen Signals vor. Bei DSP spielt das keine große Rolle, da dort das Signal extrahiert und das Rauschen beseitigt wird.
In einem Kinderzimmer gibt es kein Signal. Und es ist allgemein anerkannt, dass die Analyse der Residuen aus der Zerlegung des ursprünglichen Quotienten wichtig ist. Es ist das Residuum, das die Zukunftsprognose bestimmt, und nicht die Menge der glatten Kurven, die wir aus dem Quotienten extrahiert haben.
keine geistige Anstrengung erfordern .....
Wir könnten es natürlich auch anders machen. Erstellen Sie eine genaue Zerlegung des Preises in N glatte Filter, und anstatt Muster zu erkennen, extrapolieren Sie jeden dieser Filter in die Zukunft und sehen Sie, wie sich ihre Summe (der Preis) verhält, wie Vadim vorschlägt. Aber daran glaube ich nicht. Urteilen Sie selbst: Wir kennen den zukünftigen Preis nicht und er kann mit gleicher Wahrscheinlichkeit steigen oder fallen. Mit diesen beiden unterschiedlichen Ergebnissen sollte es zwei unterschiedliche Extrapolationen der vergangenen Preise geben. Oder? Aber wenn Vadim von Extrapolation spricht, meint er eine Extrapolation für jeden Filter, nicht mehrere. Dies schafft ein Paradoxon. Um unterschiedliche Zukünfte zu beschreiben, muss es unterschiedliche Extrapolationen geben. Aber wir wählen nur einen. Warum glauben wir, dass diese spezielle Extrapolationsoption richtig ist?
Die Idee, ein Problem in seine Bestandteile zu zerlegen, ist in der Wissenschaft weit verbreitet und wird häufig genutzt.
Für diese Idee gibt es eine bekannte Einschränkung, die sogenannte "Reversibilität", ohne die die Zerlegung nicht als solche erkannt werden kann - die Summe der Teile, in die das Problem zerlegt wird, muss das Problem ergeben. Im Falle von Oberschwingungen bedeutet dies, dass die Summe der Oberschwingungen, in die der Quotient zerlegt wird, den ursprünglichen Quotienten ergeben muss.
Soweit ich mich erinnere, Fourier. Jedes Signal kann absolut genau dargestellt werden, wenn die Anzahl der Oberschwingungen gleich der Anzahl der Beobachtungen ist. Dies ist die Voraussetzung für die Reversibilität. Andernfalls liegt ein Fehler in der Darstellung des ursprünglichen Signals vor. Bei DSP spielt das keine große Rolle, da dort das Signal extrahiert und das Rauschen beseitigt wird.
In einem Kinderzimmer gibt es kein Signal. Und es ist allgemein anerkannt, dass die Analyse der Residuen aus der Zerlegung des ursprünglichen Quotienten wichtig ist. Es ist das Residuum, das die Zukunftsprognose bestimmt, und nicht die Menge der glatten Kurven, die wir aus dem Quotienten extrahiert haben.
Das eine widerspricht dem anderen nicht. Ich habe die Originalserie restauriert.
Dieser letzte Punkt ist sehr zutreffend für die Extrapolation. Die Extrapolation selbst ist zwar sehr genau, aber nicht absolut. Wenn man bedenkt, dass es viele solcher Linien gibt (vielleicht mehrere zehntausend), wird der kumulierte Fehler auch die Vorhersage beeinflussen. Wladimir, es gibt hier also kein Paradoxon.
Ich habe Matcad herausgeholt und das ist das Ergebnis, das ich nach Anwendung des Algorithmus erhalten habe:
war LPF wurde LPF
FF ist jetzt FF.
Das Ergebnis der Anwendung der ursprünglichen Filter auf p4
Das Ergebnis der nachstehenden modifizierten Filter ist einfach die Summe der Signale der Filterausgänge (rote Linie) ohne jegliche Verschiebung
Danke an alle, das Thema kann geschlossen werden