Filtros FIR - página 10
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
Estáis discutiendo sobre lo que no es, Prival demuestra el enfoque clásico y Sabluk el enfoque práctico. Mejor hablemos de la aplicabilidad de los métodos espectrales al mercado. Un mercado en tendencia es de baja frecuencia, un mercado plano es más de alta frecuencia. Eso es comprensible para el erizo, pero ¿cómo es "mucho mejor" que los mismos vagones? También puede hacer que las aletas sean largas o cortas, en principio la aleta se aproxima a un filtro Butterworth de primer orden con factor de calidad 0,7. En la mayoría de las aplicaciones es bastante satisfactorio. Tampoco es un hecho que la respuesta rápida sea algo bueno, todo depende del CT.
Si se piensa un poco en lo que ha señalado grasn, hay algo de luz al final del túnel.
Porque los filtros MA, Djuric, FIR y otros por sí mismos son un callejón sin salida. Así que es un poco más rápido, una curva más suave. Pero en esencia son lo mismo.
Fourier, no hay sinusoides.
Pero si se estima la probabilidad de cambios rápidos o lentos, entonces se puede pensar en cómo filtrar.
Al fin y al cabo, antes de filtrar, debe saber qué quiere filtrar y qué obtendrá como resultado.
Y entonces el retraso del filtro no es tan importante, porque lo conocemos y podemos estimar aproximadamente su capacidad de distorsionar la dirección de la tendencia.
Sí, sí, sí, yo soy el que está confundido por SYNUS.
Si puedes envíame un correo electrónico: eugene_dvoskin@yahoo.com
Adjuntos de hasta 10 Meg.
Captura
Si se piensa un poco en lo que ha señalado grasn, hay algo de luz al final del túnel.
Porque los filtros MA, Djuric, FIR y otros por sí mismos son un callejón sin salida. Así que es un poco más rápido, una curva más suave. Pero en esencia son lo mismo.
Fourier, no hay sinusoides.
Pero si se estima la probabilidad de cambios rápidos o lentos, entonces se puede pensar en cómo filtrar.
Al fin y al cabo, antes de filtrar, debe saber qué quiere filtrar y qué obtendrá como resultado.
Y entonces el retraso del filtro no es tan importante, porque lo conocemos y podemos estimar aproximadamente su capacidad de distorsionar la dirección de la tendencia.
No sé cómo de contundente debe ser uno, pero me parece que la única manera de aplicar este campo es a través de un filtro adaptativo. Y en eso todo se reduce a la correcta identificación del modelo. Y esto no es una tarea fácil.
Empieza a quedar un poco más claro de qué va todo esto. Si tiene tiempo, por favor, comente mi razonamiento.
Digamos que hemos llamado a 2000 barras en el terminal y queremos analizar el patrón de "onda".
¿Puedo decir que se trata de una frecuencia de onda F=1/T= 1/(2000*período_en_minutos* 60) o de un período de 2000 barras?
Resulta que sí.
Entonces, ¿qué se puede hacer con esta onda?
Lo tomo, lo represento como una serie de Fourier y veo que esta onda con el período de 2000 barras en realidad se compone de una serie de armónicos.
Cada uno de los armónicos también tiene una frecuencia/longitud de onda/periodo, amplitud diferentes.
En otras palabras, cada armónico es de nuevo una onda con un periodo, que de nuevo se mide en compases.
Si para el proceso de filtrado establezco un ancho de banda para las ondas de la gama de frecuencias,
digamos de 200 bar a 600 bar, ¿significaría eso? ¿Qué?
El razonamiento parece correcto, pero no entiendo bien la pregunta.
En general:
1. Has desplazado la frecuencia de corte hacia abajo por un factor de 3. Y lo que ha cambiado en la salida depende de lo que había en el espectro de la señal de entrada. Es decir, en algunos casos, la señal de salida puede no variar prácticamente.
2. Has estimado el espectro. ¿Está seguro de que lo ha hecho correctamente? Para estimar el espectro de una señal, hay que tener una buena idea de las propiedades de esa señal. Esto no es un sofisma. Así se puede estimar el error de un método concreto. Por lo demás, es fácil obtener imágenes hilarantes que no tienen nada que ver con el espectro real.
3. Si estás usando mi trabajo de genio, ¿quizás haya un error en alguna parte? No soy un gran programador.
Me parece que la única forma de aplicar este campo es el filtrado adaptativo. Y en ello todo depende de la correcta identificación del modelo.
Por lo que entendí de la descripción de afftar de JMA en su sitio web, este filtro funciona bien hasta el modelo de distribución de Cauchy. Y esta distribución, como sabemos, no tiene no sólo el segundo, sino incluso el primer momento (es decir, m.o.).
Djuric incluso dice que quien muestre el filtro que funciona mejor en datos sujetos a la distribución de Cauchy por rendimientos, obtendrá un premio en dinero.
Seryoga, ¿a eso te refieres con la identificación correcta del modelo?
El razonamiento parece correcto, pero no entiendo bien la pregunta.
En general:
1. Has desplazado la frecuencia de corte hacia abajo por un factor de 3. Lo que ha cambiado en la salida depende de lo que había en el espectro de la señal de entrada. Es decir, en algunos casos, la señal de salida puede no variar prácticamente.
2. Has estimado el espectro. ¿Está seguro de que lo ha hecho correctamente? Para estimar el espectro de una señal, hay que tener una buena idea de las propiedades de esa señal. Esto no es un sofisma. Así se puede estimar el error de un método concreto. Por lo demás, es fácil obtener imágenes hilarantes que no tienen nada que ver con el espectro real.
3. Si estás usando mi trabajo de genio, ¿quizás haya un error en alguna parte? No soy un gran programador.
El programa está bien, dibuja una buena línea, es difícil encontrar un MA que dibuje esa línea.
Todavía no estoy hablando del programa. Permítanme intentarlo de nuevo en mi lenguaje sencillo.
Supongamos el espectro de la onda que he mencionado con un período de 2000 barras, además de todos los demás armónicos,
hay un armónico con un período de, digamos, 50.
(No puedo imaginarlo físicamente, y lo imagino sólo como un elemento de la serie de Fourier para esta onda con un período de 2000 barras,
aunque intuitivamente entiendo que dicho armónico es una especie de traqueteo fino, que debe ser descartado).
Supongamos, además, que se establece un filtro ideal que permite el paso de todo el espectro de la citada longitud de onda de 2000 bar a la salida,
Excepto por ese armónico, que está perfectamente suprimido.
Ahora la cuestión que se refiere a la "física" del funcionamiento del filtro.
Tal y como yo lo veo, el filtro, utilizando varios métodos y técnicas, encuentra en la onda de entrada con un periodo de 2000 barras
todas las combinaciones posibles de 50 barras consecutivas y qué hace con ellas?
El programa está bien, dibuja una buena línea, es difícil encontrar un MA que dibuje una línea así.
Todavía no estoy hablando del programa. Permítanme intentarlo de nuevo en mi lenguaje sencillo.
Supongamos el espectro de la onda que he mencionado con un periodo de 2000 barras, además de todos los demás armónicos,
un armónico con un período de, por ejemplo, 50.
(No puedo imaginarlo físicamente, y lo imagino sólo como un elemento de la serie de Fourier para esta onda con un período de 2000 barras,
aunque intuitivamente entiendo que dicho armónico es una especie de traqueteo fino, del que debería deshacerme).
Supongamos, además, que se establece un filtro ideal que permite el paso a la salida de todo el espectro de dicha longitud de onda de 2000 bares,
excepto ese armónico, que suprime perfectamente.
Ahora una pregunta que se refiere a la "física" del funcionamiento del filtro.
Según tengo entendido, el filtro, utilizando varios métodos y técnicas, encuentra en la onda de entrada con un período de 2000 bares
todas las combinaciones posibles de 50 barras consecutivas y qué hace con ellas?
No lo entenderás hasta que te familiarices con el teorema de Fourier. No se puede saltar. Hay que aprender un poco.
No sé cómo de contundente debe ser uno, pero me parece que la única forma de aplicar este campo es a través de un filtro adaptativo. Y en eso todo se reduce a la correcta identificación del modelo. Y esto no es una tarea fácil.
Ese es exactamente mi punto de vista. Y parece que este camino radica en una malla autoadaptativa, como la que comenta Neutron en su hilo.
a las Matemáticas
Серега, ты на это намекаешь, говоря о корректной идентификации модели?
Alexei, mira el mensaje privado.
a FION.
Eso es lo que estoy diciendo. Y parece que este camino a una red de auto-sintonía, como el que Neutron está hablando en su hilo.
"¡¡¡Shura, no hay robo - sólo robo!!!" (s) (algo así, no lo recuerdo textualmente). No te lo vas a creer, pero los perceptrones son multicapas y "los similares" son los mismos filtros. No soy un experto en absoluto, pero me parece más tentadora la aplicación de los sistemas de control estocástico autoorganizado y la teoría del filtrado (especialmente la parte adaptativa). Son dos grandes teorías relacionadas, además, más elaboradas y prácticas para la BP que para la NS. Por supuesto, hay sutilezas y no estoy en contra de NS en absoluto, es más, yo uso tal cosa. En fin, ya veremos.
El programa está bien, dibuja una buena línea, es difícil encontrar un MA que dibuje una línea así.
Todavía no estoy hablando del programa.
Para https://www.mql5.com/ru/users/begemot61
Ahora el programa.
Hoy he descubierto que está sobredimensionando la línea del indicador.
Está claro que está aquí en alguna parte:
int inicio()
{
int límite, i;
int counted_bars=IndicatorCounted(); //cantidad de barras cambiadas
if(Bars<=(FilterLength+1)) return(0); //no hay suficientes barras para los cálculos
if(counted_bars < 0) return (0); //eror protección
if(counted_bars > 0) counted_bars--;
limit=Barras contadas_barras-1;
for (i = límite;i>=0;i--) // Ciclo para barras no calculadas
{
FilterBuffer1[i] = FilterResponse(i); // Valor del buffer 0 en la barra i-ésima
}
return(0);
}
----------------------------
Resulta que el programa cambia no sólo el i-ésimo elemento del buffer sino también los elementos ya generados por ....