Resonancia estocástica - página 31
Está perdiendo oportunidades comerciales:
- Aplicaciones de trading gratuitas
- 8 000+ señales para copiar
- Noticias económicas para analizar los mercados financieros
Registro
Entrada
Usted acepta la política del sitio web y las condiciones de uso
Si no tiene cuenta de usuario, regístrese
Esto es comprensible, Rosh, conocemos tal función. El problema es calcular la función, no la covarianza de las dos series de datos. Bueno, para dar una especie de matriz de valores para diferentes valores de desplazamiento "tau", como funciona la función FRECUENCIA. Bien, pensemos...
P.D. Ya era hora de que llegaras. Has leído a Peters. ¿Dice algo sobre la estacionalidad del proceso?
P.P.S. Sí, me he precipitado con la función de covarianza: para que el proceso sea estacionario al menos en sentido amplio, tendré que derivar una tabla bidimensional para todos los pares de muestras R(ti, tj), es decir, una matriz...
a) tienen MO finita y varianza infinita
b) tienen una DO infinita y una varianza infinita
Y la distribución normal es un caso especial de una distribución fractal generalizada. He aquí una definición:
a Yurixx escribió (a):
"Tengo una pregunta interesante en el camino. ¿Puede alguien aclarar por qué no se utiliza en estadística una función de distribución tan sencilla y conveniente con buenas propiedades? Y si se utiliza, ¿por qué no se escribe sobre ello? Nunca he visto a nadie intentar aproximar una distribución incremental que no sea la lognormal".
Lo más probable es que sea un caso especial de la distribución de Rayleigh-Rice. Ya di un enlace a ella antes. Esta es la fórmula. Y la cifra.
Físicamente, la distribución de Rayleigh-Rice describe una distribución unidimensional de la envolvente de la suma de una señal determinista y el ruido normal. Muy similar al problema que estás resolviendo. Adjunto un archivo matcad con un ejemplo. Hay comentarios detallados al algoritmo que permite comprobar que la muestra analizada cumple con la ley de distribución teórica, según el criterio de Neyman-Pearson. Espero que algo haya ayudado.
a las Matemáticas
No sé como en Excel, el matcad puede calcular la autocorrelación de 2 maneras. El archivo, también, adjunto con un ejemplo. La única observación es que hay dos enfoques para calcular el ACF, cada uno de los cuales tiene sus propias ventajas e inconvenientes. Por cierto IHMO muy prometedor, en su día tuve que diseñar filtros de seguimiento adaptativos para el objetivo aéreo. También puedes intentar seguir el precio :). El ACF es exactamente lo que determina los coeficientes de las ecuaciones.
a grasn
Lo siento, me equivoqué con las prisas, debería haber pedido aYurixx un histograma. Cuando recibí las imágenes me di cuenta de mi error. Sigo trabajando en la idea de la Resonancia, basada en mi definición:"La energía de la señal mueve el mercado ".La energía del ruido - nos impide ver ese movimiento". (Gracias por el dato de las IIH o IIH, pero hace unos 12 años leí conferencias sobre ellas a los cadetes y recuerdo incluso haberlas puntuado :)).
Para todos
He encontrado aquí en el foro un prototipo de FFT_MA y lo he reconstruido según las imágenes anteriores (FFT_MA_mod). Lo único, que se sobredimensiona, lo que dificulta el análisis. Si alguien es capaz de arreglar esto, por favor ayude. No soy capaz de hacerlo, también adjunto el archivo con las explicaciones. Por cierto, la ley de la distribución de la amplitud en la salida del filtro sólo obedece a la ley de Rayleigh-Rice - en caso de presencia de señal, si sólo hay ruido, degenera en Rayleigh, alfa se convierte en=0.
Si queremos suponer que podemos separar la señal y el ruido de esa manera, tendremos que buscar la resonancia, ¿entre qué procesos debemos buscar la coincidencia de fase?
Si alguien tiene una idea, que hable.
Y si no es difícil sugerir de qué tipo de distribución estás hablando. A ser posible con un ejemplo sencillo. O al menos un enlace.
La subestimación de las colas lleva al especulador a una fuerte infravaloración de los riesgos: si piensa que la probabilidad de un suceso de "cuatro sigmas o más" es insignificante (bajo la hipótesis normal es de aproximadamente 0,0063%), entonces el mercado real es de aproximadamente 0,7%, es decir, 100 veces mayor. En el caso de los eventos más grandes, la diferencia es aún mayor. Si es necesario, publicaré una foto.
Gracias por el archivo, lo miraré por la mañana. Sin embargo voy a intentar hacerlo tanto en Excel como en MQL4.
P.D . He leído todos los posts hasta el final. Sí, eso mismo es lo que se ha colado en tu experiencia. Desgraciadamente, nadie podrá ayudarte con el rediseño, ya que este punto es fundamental. Este operador de filtrado no es causal. En general, mi IMHO es que la principal contradicción en Forex, así como en todo el mundo lunar, es una contradicción en el concepto de tiempo. En Forex se manifiesta en el hecho de que una buena estimación estadística requiere una gran cantidad de tiempo. Es decir, muestras. Pero mientras se recogen estos valores, los parámetros del mercado tienen tiempo de cambiar. Si alguien ayudara a resolver esta contradicción... (das ist little schtick of course :)
Prival, el corte de Fourier-inverso de alta frecuencia que escribes aquí es una gran idea. En efecto, se obtiene un mouwing completamente suave y sin lag.
De acuerdo con el tema del hilo, sólo estoy sugiriendo cómo separar la señal del ruido. El objetivo es encontrar la resonancia, no construir una mufa. Para la previsión, e incluso la mutación, hay un compañero mucho mejor. Todo por supuesto IHMO.
Como opción, en el indicador habrá dos búferes separados que no se desvían, y recordar en Close[0]=Open[0], energías de la señal y el ruido.