¡Nuestra Masha! - página 5
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
Prival писал(а) >>
Aún mejor...) ¿Qué son estas fórmulas y de dónde se sacan?
ver cómo se calcula el coeficiente de correlación https://ru.wikipedia.org/wiki/%D0%9A%D0%BE%D1%8D%D1%84%D1%84%D0%B8%D1%86%D0%B8%D0%B5%
D0%BD%D1%82_%D0%BA%D0%BE%D1%80%D1%80%D0%B5%D0%BB%D1%8F%D1%86%D0%B8%D0%B8
El coeficiente de correlación se calcula entre matrices, no entre recuentos. Por favor, sea preciso en su redacción, para que los demás puedan entender lo que dice, lo que reclama y lo que considera.
Sergey, si tomas y construyes un correlograma por "tu" fórmula (la dada en wikipedia) y por la dada por mí - obtendrás el mismo resultado. La fórmula que utilizo es más sencilla y, con una longitud de muestra suficiente, el error de recuento tiende a cero, en comparación con la forma completa. Me parece bien. Si necesita más precisión o rigor matemático en este asunto, por favor, justifíquelo y utilícelo. Yo en mis cálculos a veces (cuando está justificado) uso la expresión completa para construir el correlograma:
No necesitamos un modelo de foto liso y abstracto, buscamos una varita que no sea sólo para los ojos sino que tenga otras ventajas que nos resulten valiosas.
Las máquinas funcionan de forma diferente:
- para una avería TS necesitamos una máquina estable como línea de apoyo/resistencia, es decir, lo suficientemente suave, integral, retrasada, distante de BP.
El número de intersecciones con el precio es crítico, porque esta intersección es un avance = una señal para la ST.
Dicha AM es retrasada por definición.
-Para una TS reversible necesitamos una MA líder y de previsión, su posición relativa a la BP no importa.
El número de intersecciones con el precio no es crítico también, porque lo que importa es el giro de la cabeza, pero no la fijación con respecto a BP
. En total hay dos tipos, dos clases de varillas y + lag.
Con un desplazamiento de cero, la misma MA es adecuada para un solo tipo de TS - una ruptura o reversión, o para nada.
(El MA de desplazamiento no nulo es una forma, pero presumiblemente sólo para el comercio manual)
...
¿Debe tenerse en cuenta el uso futuro de la AM a la hora de diseñarla (encontrarla)? = dos opiniones
a) - En general, no es necesario tener en cuenta, lo principal es tener)), - consiguió un nuevo MA y probar donde la suerte.
b) - Después de muchos años de experiencia con MAs queremos algo más completo y menos resbaladizo traicionero.
...
Así que con cada nuevo Mashka el experimentado desarrollador de MTS será más y más cínico,
-más exigente.
Sin embargo, si es posible sintetizar una nueva AM con propiedades preestablecidas cada vez es todavía una gran pregunta.
¡Adelante!
Entonces, aquí está nuestro funcional: S=w1*(X[i]-Y[i])^2+w2*(Y[i]-Y[i-1])^2-w3*{(Y[i]-Y[i-1])*(X[i]-X[i-1])}^2-->minimizarlo . Reescribámosla considerando que la referencia i-ésima es la actual (la ecuación superior):
Tomar la derivada de y[0] de la misma (segunda expresión) e igualándola a cero, resolverla con respecto a y[0] (tercera ecuación), obteniendo así una expresión recurrente para calcular el valor actual de nuestro MA utilizando los valores conocidos del cociente x[0], x[1] y los valores anteriores del propio muv y[0] e y[1]. Obsérvese que en la expresión del funcional, los dos primeros términos responsables de la suavidad del MA y de su cercanía al cociente coinciden con la expresión similar para la media exponencial. Si seguimos el ejemplo de Bulashov descrito en su artículo (archivo situado en la página anterior) podemos excluir uno de los parámetros ajustables poniendo w1+w2=1, entonces llegamos a una expresión de dos parámetros para el MA "ideal":
Siendo w1 el responsable de la suavidad y w2 el responsable de la competencia. Supongo que sí.
¡Ahora podemos hacer algo de codificación!
Oh, eso es espeluznante.
S=w1*(X[i]-Y[i])^2+w2*(Y[i]-Y[i-1])^2-w3*{(Y[i]-Y[i-1])*(Х[i]-Х[i-1])}^2-->min
Estoy algo familiarizado con el cálculo de variaciones, pero sólo para funciones adecuadamente diferenciables. Esto es otra cosa. Todavía no entiendo cómo resolver este problema.
Refresca tu memoria sobre los requisitos básicos de un MA ideal:
1. proximidad al MA original. Este requisito equivale a la pequeñez de la distancia entre el cociente X (línea verde en la figura) y la curva suavizada Y (azul). Se puede escribir que en promedio, sobre una muestra grande, debe satisfacer: (X[i]-Y[i])^2-->min
2. Suavidad de MA. Este requisito es igual a la pequeñez de la distancia entre muestras vecinas de la curva suave: (Y[i]-Y[i-1])^2-->min.
3. La curva de Equidad que se compondrá de los trozos picados de la BP inicial considerando la dirección (signo) de las posiciones abiertas (entre líneas verticales en la imagen) debe ser creciente. El signo de la apertura de la posición es igual al signo de la derivada de la MA. En nuestra terminología, sign(Y[i]-Y[i-1]). En este caso, la curva de equidad estará compuesta por piezas de kotier que se unirán a tope según el signo de la posición a cerrar. Así es como se puede aplicar. Construyamos una serie de primera diferencia (FFD) d[i]=X[i]-X[i-1] para el kotier. A continuación, el PA inicial se restablece fácilmente a partir de la FFD según el algoritmo, entonces un crecimiento rápido de la curva de equidad () es igual al requisito de maximización de la primera derivada a partir de ella: dE[i]/dt=E[i]-E[i-1]= signo(Y[i]-Y[i-1])*(X[i]-X[i-1]) o con un tramo pequeño, pero admisible, en nuestro caso {(Y[i]-Y[i-1])*(X[i]-X[i-1])}^2-->max Es obvio que la maximización de alguna expresión, es igual a su minimización con signo contrario: -{(Y[i]-Y[i-1])*(Х[i]-Х[i-1])}^2-->min.
Eso es todo. Obtenemos el funcional requerido para la minimización:
S=w1*(X-Y)^2+w2*(Y[i]-Y[i-1])^2-w3*{(Y[i]-Y[i-1])*(Х[i]-Х[i-1])}^2-->min
Tenemos que encontrar su mínimo respecto a Y[i], donde i es el dato actual.
Desde el punto de vista matemático todo es correcto.
Cuando tengo tiempo libre intento resolver algo parecido, pero por otro método.
Desde mi punto de vista (no sé si es correcto, pero puede vivir)) no es necesario definir la función Y y calcular sus valores. - Una red neuronal puede dibujar este Mashka. Un perceptrón de tres capas con una función de activación hiperbólica para cada neurona puede teóricamente hacer frente a la tarea. La desviación admisible de la equidad (diferencia entre el cociente y el MA, es decir, min) permitirá establecer el valor de error admisible para el entrenamiento de la malla. En este caso, el valor de min debe estar determinado por el nivel de riesgo aceptable de la ST, pero también tiende a 0.
En principio, es sencillo a primera vista, pero sólo a primera...
Oh, eso es espeluznante.
Vamos, que ya hemos encontrado una solución.
El problema está en la zona donde se definen los coeficientes w1, w2 y w3. Dado que en la derivación del funcional no nos limitamos de ninguna manera con respecto a sus valores, es lógico (probablemente) poner uno de ellos idénticamente igual a 1 (es w3), y conectar los otros dos como en el ejemplo de Bulashov. Entonces obtenemos una expresión de un parámetro para el filtro:
Aquí. Bastante sencillo y de buen gusto. Esto es bueno. Ahora podemos codificar con seguridad.
P.D. En general, sería bueno que la gente que conoce los fundamentos del DSP y de la construcción de filtros nos ayudara a definir el área de determinación de estos coeficientes (los tres). Según recuerdo, hay que encontrar una ecuación característica y satisfacer que sus raíces estuvieran dentro de un círculo unitario en el plano complejo. Esto le permitirá trabajar con un filtro estable y afinar sus tres mandos. Pero por ahora, nos conformaremos con una implementación sencilla.
Una forma de hacerlo completamente suave en mi opinión es utilizar el doble alisado
utilizando el RMS para establecer el sesgo de la MA pero hay una sección que no tiene datos calculados
Cada MA tiene el suyo propio, ya que el desfase aumenta en función del periodo de suavización.
Cuando se utiliza el indicador NoLagMA este desfase se expresa en el coeficiente 6,8541
en términos simples se puede expresar en una tabla...
esta relación se obtuvo primero de forma puramente ilustrativa mediante un sesgo forzado,
y luego utilizando el RMS se confirmó
La variante final para mayor claridad se muestra en la imagen, que a primera vista muestra una imagen suavizada y claramente superpuesta... pero hay una peculiaridad, y es que los datos iniciales calculados para los últimos datos siempre tendrán la información de la pantalla distorsionada, pero cuanto menor sea el periodo, menor será esta distorsión. Es posible reducir la distorsión en los periodos superiores utilizando la opción de calcular el periodo inferior en el TF superior y luego aproximar los puntos que faltan mediante el suavizado...
Vamos, que ya hemos encontrado una solución.
El problema está en la zona donde se definen los coeficientes w1, w2 y w3. Dado que en la derivación del funcional no nos limitamos de ninguna manera con respecto a sus valores, es lógico (probablemente) poner uno de ellos idénticamente igual a 1 (es w3), y conectar los otros dos como en el caso de Bulashov. Entonces obtenemos una expresión de un parámetro para el filtro:
Aquí. Bastante sencillo y de buen gusto. Esto es bueno. Ahora podemos codificar con seguridad.
P.D. En general, sería bueno que la gente que conoce los fundamentos del DSP y de la construcción de filtros nos ayudara a definir el área de determinación de estos coeficientes (los tres). Según recuerdo, hay que encontrar una ecuación característica y satisfacer que sus raíces estuvieran dentro de un círculo unitario en el plano complejo. Esto le permitirá trabajar con un filtro estable y afinar sus tres mandos. Pero por ahora, nos conformaremos con una implementación sencilla.
No se ve suave.
Esto es con diferentes coeficientes.
Aunque cuanto menor sea el coeficiente, más suave será el barrido. Sigue siendo interesante.
Vamos, que ya hemos encontrado una solución.
El problema está en la zona donde se definen los coeficientes w1, w2 y w3. Dado que en la derivación del funcional no nos limitamos de ninguna manera con respecto a sus valores, es lógico (probablemente) poner uno de ellos idénticamente igual a 1 (es w3), y conectar los otros dos como en el caso de Bulashov. Entonces obtenemos una expresión de un parámetro para el filtro:
Aquí. Bastante sencillo y de buen gusto. Esto es bueno. Ahora podemos codificar con seguridad.
P.D. En general, sería bueno que la gente que conoce los fundamentos del DSP y de la construcción de filtros nos ayudara a definir el área de determinación de estos coeficientes (los tres). Por lo que recuerdo, hay que encontrar una ecuación característica y satisfacer que sus raíces estuvieran dentro de un círculo unitario en el plano complejo. Esto le permitirá trabajar con un filtro estable y afinar sus tres mandos. Pero por ahora nos conformaremos con una implementación sencilla.
Si no me equivoco (lo comprobaré cuando llegue a casa) has conocido del filtro Kalman el filtro alfa-betta
No se ve suave.
Es con diferentes proporciones.
Aunque cuanto más bajo sea el coeficiente, más suave será el vagón. Sigue siendo interesante.
¡Oh, genial!
No importa si no es suave en absoluto, lo principal es que es el que debe obtener la máxima tasa de crecimiento de los beneficios cuando se opera en los extremos (con todas las advertencias mencionadas anteriormente). Vinin, ¿por qué no nos proporcionas el MTS para probar el MA MA.
Por cierto, fíjate en que los extremos están exactamente en la intersección del kotir con la MA. Recuerdo el requisito de esta intersección de los libros sobre el análisis... Todo es interesante.
Si no me equivoco (lo comprobaré cuando llegue a casa), tienes el conocido filtro Kalman alfa-betta
Así que, alfa o betta,-)
...pero hay una peculiaridad, y es que los datos iniciales computados para los datos más recientes siempre tendrán información cartográfica distorsionada...