Construcción de un sistema de comercio mediante filtros digitales de paso bajo - página 20
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
grasn
:-) bueno, por despecho, te voy a enseñar también el filtro Kalman. Se basa en el análisis de ACF. La ventana es minutos la semana pasada 7200. La entrada es sólo una serie de precios, sin optimización. Gracias por el enlace.
La metodología es la siguiente. Análisis de ACF - Saco los parámetros de ACF en el modelo y lo pongo en el filtro de Kalman, da la previsión y la estimación actual. He escrito un programa, puedo procesar los precios entrantes en Matcadet en tiempo real y gestionar MT, si es necesario puedo compartir.
Quiero entender por qué estas líneas son mejores que la AM "inteligente".
Eso es lo que me pregunto...
Por ejemplo, aquí: http://edu.secna.ru/main/review/2001/n3/MONA2001/Morozova.pdf - este trabajo se utiliza para justificar la estacionariedad de los resultados de algunos tipos de transformadas wavelet de series de precios. De hecho, es lo que necesitabas.
a Neutrón
¿Tal vez puedas explicarme brevemente qué predice el filtro para ti y para Prival? Gracias de antemano. ¿Realmente hiciste la AF?
Me alegro de ayudar. ¿Tiene por casualidad un algoritmo detallado para su aplicación? :о)
No sé qué predice el filtro de Prival, pero el mío no predice nada :-(
No entiendo qué es la AF... Mire usted, yo ejecuto la función Predict sobre la RV lisa con SWF y obtengo una RV menos lisa con menor SWF, pero por calidad de suavizado no es mejor que el mismo LPF con menor ventana de promediación, y en horizontes grandes es notablemente más débil que este último (ver avishka). Es decir, el predictor es repelido en su trabajo desde la serie suavizada y se "desmorona" a medida que el horizonte se acerca a la PA inicial, pero el LPF, por el contrario, repele desde la PA inicial y se aleja gradualmente de ella haciéndose más suave... Este resultado es de esperar, de hecho no se puede obtener mucha información de la PA incluso habiéndola suavizado de antemano: ¡no se puede engañar a la naturaleza! ¡Aunque había una imagen en el foro con una demostración de LPF basado en NS, no se observó ningún PF (casi) con una excelente calidad de suavizado! Si no es una mierda, tenemos algo en lo que trabajar.
P.D. No tengo un algoritmo para la función Predict.
Pero, ¿qué ocurre si no se aumenta el horizonte de previsión, sino que se deja predecir sobre el resultado obtenido, es decir, sobre una fina línea negra?
¿Así que sugieres que dejes que el pronosticador atropelle el resultado de su propia predicción? Al fin y al cabo, la línea negra fina, es la previsión de la media (la línea azul gruesa) con un horizonte cada vez mayor...
Explíquese, por favor.
Pero, ¿qué ocurre si no se aumenta el horizonte de previsión, sino que se deja que el predictor supere el resultado, es decir, la línea negra fina?
¿Así que sugieres que el pronosticador debe conocer el resultado de su propia predicción? Al fin y al cabo, la línea negra fina, es el promedio de la previsión (la línea azul gruesa) con un horizonte cada vez mayor...
Exactamente. ¿Y por qué no? Me doy cuenta, por supuesto, de que el resultado de estas acciones, realizadas quizá varias veces, no puede dar lugar en última instancia a una gama de precios: no hay milagros. Pero es interesante ver cómo funciona este algoritmo. :-) Funciona con datos pasados, no mira hacia el futuro...
Mathemat, un regalo para usted - J. Bendat, A. Pearsol, "Applied Random Data Analysis" (http://dsp-book.narod.ru/bendat.djv). Los autores ofrecen una descripción y ejemplos del uso del método de inversión para comprobar la estacionariedad de un proceso aleatorio. No he entrado en los detalles y el rigor del método en sí, pero superficialmente es creíble. Creo que hay que indagar en esta dirección.
Por ejemplo, aquí: http://edu.secna.ru/main/review/2001/n3/MONA2001/Morozova.pdf - este trabajo se utiliza para justificar la estacionariedad de los resultados de algunos tipos de transformadas wavelet de series de precios. De hecho, es lo que necesitabas.
¡¡¡Muchas gracias!!!
Mathemat, un regalo para usted - J. Bendat, A. Pearsol, "Applied Random Data Analysis" (http://dsp-book.narod.ru/bendat.djv). Los autores ofrecen una descripción y ejemplos del uso del método de inversión para comprobar la estacionariedad de un proceso aleatorio. No he entrado en los detalles y el rigor del método en sí, pero superficialmente es creíble. Creo que hay que indagar en esta dirección.
Por ejemplo, aquí: http://edu.secna.ru/main/review/2001/n3/MONA2001/Morozova.pdf - este trabajo se utiliza para justificar la estacionariedad de los resultados de algunos tipos de transformadas wavelet de series de precios. De hecho, es lo que necesitabas.
gracias sitio valioso, y este es grande http://dsp-book.narod.ru/KM.djvu
Mathemat, un regalo para usted - J. Bendat, A. Pearsol, Applied Random Data Analysis (http://dsp-book.narod.ru/bendat.djv). Los autores ofrecen una descripción y ejemplos del uso del método de inversión para comprobar la estacionariedad de un proceso aleatorio. No he entrado en los detalles y el rigor del método en sí, pero superficialmente es creíble. Creo que hay que indagar en esta dirección.
Por ejemplo, aquí: http://edu.secna.ru/main/review/2001/n3/MONA2001/Morozova.pdf - este trabajo se utiliza para justificar la estacionariedad de los resultados de algunos tipos de transformadas wavelet de series de precios. De hecho, es lo que necesitabas.
gracias sitio valioso, y este es grande en todo http://dsp-book.narod.ru/KM.djvu
wow Resulta que todo está ahí Queda por aplicar...
Entiendo, por supuesto, que el resultado de estas acciones, realizadas quizás varias veces, no puede dar en última instancia un número de precios - los milagros no ocurren . Pero es interesante ver cómo funciona este algoritmo. :-) Funciona con datos pasados, no mira hacia el futuro.
Sí, sólo funciona con datos anteriores.
Lo interesante es que se puede obtener un resultado de predicción similar utilizando la función Predict sin ser astuto - simplemente descomponiendo el BP LPF suavizado en la vecindad izquierda de cada punto (para no mirar al "futuro") en una serie de Taylor regular (RT) y luego extrapolando al número requerido de pasos por delante. Puede que te resulte interesante, grasn - en lugar de escarbar en el algoritmo de la función incorporada en Matcad, coge PT y juega con él, recórtalo, mira a qué te lleva...
En la fig. los puntos rojos son las series de precios, la línea roja es la Media Móvil, la línea azul es la RT, la línea negra es la Predicción. El horizonte de previsión es el mismo y equivale a 5 muestras. Podemos ver que el comportamiento de los indicadores de previsión es casi coincidente, su comportamiento al aumentar el horizonte hasta el valor de VLFF se puede ver en la animación adjunta. ¡Desgraciadamente, ambos instrumentos se "desmoronan" al acercarse al límite de previsión, que siempre coincide con la FZ del muving utilizado! Parece que hay dos mapeos recíprocos: el suavizado por integración y la recuperación de los datos brutos a partir de ellos, por extrapolación de una u otra forma. Pero, en principio, no podemos anticipar (predecir) el comportamiento de las BP del tipo precio, porque no hay (o hay muy poca) información necesaria en las series suavizadas para ello. Por cierto, estos predictores lideran perfectamente la serie de generación, lo que nos permite esperar la posibilidad potencial de crear el indicador líder, pero es posible hasta que la amplitud del componente de ruido supere la señal útil.