![MQL5 - Lenguaje de estrategias comerciales para el terminal de cliente MetaTrader 5](https://c.mql5.com/i/registerlandings/logo-2.png)
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
¿Cómo se calcula un filtro sin retardo y con desplazamiento de fase cero para todos los componentes espectrales? La idea es sencilla. Aceptamos presupuestos de FFT. Zalamos los coeficientes de Fourier por encima de una determinada frecuencia. Luego invertimos la transformada de Fourier y obtenemos nuestra cotización filtrada. Pero no se ve bien, sobre todo al principio y al final. Lo cual es comprensible debido a la periodicidad de los componentes de Fourier. Si quieres jugar con este filtro, se adjunta el código.
No es un "filtro" sino un aproximador. Por lo demás, tienes razón: no hay filtro sin retraso. Ni siquiera hay que ser un doctorado para entenderlo. El problema es que los conocimientos de la mayoría de los miembros de este foro, aunque profundos, son FRAGMENTARIOS. Para desfragmentar estas islas se necesita un vuelo de pensamiento, se necesita libertad de expresión. Y en este foro no hay ni habrá pronto. Así que no hay que esperar derivar ningún modelo de trabajo aquí, rodeado de estos moderadores de aquí, bajo este modelo de negocio de Metakwots.
Sería mejor que tú, colega, siguieras publicando la salida rigurosa del método Fit de tu extrapolador. Aunque usted no fue el primero, el primero fue un estudiante de posgrado de Asia, pero su conclusión (que, por cierto, no publicó en su totalidad, la conclusión completa la hizo otro científico del Báltico, ambas publicaciones son prácticamente desconocidas), su enfoque es estrecho. Tal vez su conclusión sea más amplia (cuanto más amplia, mejor), aunque no sea tan exacta, debido a los grados. Póngalo ahí, o se perderá en la historia del mundo.
¿Quizá alguien tenga ya un algoritmo de conversión Hilbert-Huang?
He encontrado algunos códigos en C++, pero no tengo suficiente experiencia en C++ y conocimientos de Hilbert-Huang para traducirlo a MQL4/5. ¿Tal vez alguien esté dispuesto a ayudar?
No es un "filtro", es un aproximador. Por lo demás, tienes razón: no existe un filtro sin retardo. Ni siquiera hace falta ser un doctorado para entenderlo. El problema es que los conocimientos de la mayoría de los miembros de este foro, aunque profundos, son FRAGMENTARIOS. Para desfragmentar estas islas se necesita un vuelo de pensamiento, se necesita libertad de expresión. Y en este foro no hay ni habrá pronto. Así que no hay que esperar derivar ningún modelo de trabajo aquí, rodeado de estos moderadores de aquí, bajo este modelo de negocio de Metakwots.
Sería mejor que tú, colega, siguieras publicando la salida rigurosa del método Fit de tu extrapolador. Aunque usted no fue el primero, el primero fue un estudiante de posgrado de Asia, pero su conclusión (que, por cierto, no publicó en su totalidad, la conclusión completa la hizo otro científico del Báltico, ambas publicaciones son prácticamente desconocidas), su enfoque es estrecho. Tal vez su conclusión sea más amplia (cuanto más amplia, mejor), aunque no sea tan exacta, debido a los grados. Póngalo ahí, o se perderá en la historia del mundo.
La salida de las fórmulas en Fit se hizo en Maple. Intentaré encontrar este archivo y publicarlo aquí. En su día me interesaron tanto los métodos de predicción de series temporales que incluso empecé a escribir un libro sobre ello. Escribí unas 100 páginas y luego me decepcioné y lo abandoné. Aquí hay un pedazo de libro, que describe superficialmente la salida de fórmulas en Fit (lo siento, pero está en inglés):
La salida de la fórmula en Fit se hizo en Maple. Intentaré encontrar ese archivo y publicarlo aquí. En su día me interesaron tanto los métodos de predicción de series temporales que empecé a escribir un libro al respecto. Escribí unas 100 páginas y luego me decepcioné y lo abandoné. Aquí hay un libro que describe superficialmente la salida de las fórmulas en Fit (lo siento, pero está en inglés):
Gracias. Aclárese, por favor, ¿es esto de arriba una página de su libro (no publicado), o alguna otra?
(Si es tuyo, hoy 09-ENE-2012 te has asegurado TU PRIORIDAD DE CIENCIA MUNDIAL al publicar en el foro).
Permítanme explicar a los demás de qué estoy hablando: en muchos casos de señal ruidosa, los métodos convencionales de aproximación e interpolación no funcionan. Normalmente, en estos casos se utiliza el método de los mínimos cuadrados (resolviendo un sistema de ecuaciones lineales redefinido). Aunque sus resultados son mucho más fiables, todos estos métodos son CIENTOS de veces más lentos que los simples habituales, debido a la solución del sistema lineal.
En algunos casos, muy pocos, de una aproximación particular o de una señal particular, los científicos individuales, mediante trucos matemáticos puramente analíticos, han logrado reducir el sistema lineal de ecuaciones (bidimensional) a métodos más simples (unidimensional, suma o convolución de vectores). Esto acelera la aproximación de la señal ruidosa cientos de veces.
Uno de estos métodos es el que se ha publicado aquí (por primera vez) en MQL4.com por el autor GPWR (Vladimir).
Holoborodko, de Japón, como se ha citado anteriormente, ha utilizado el mismo enfoque para calcular la derivada de una señal ruidosa. Consiguió reducir (simplificar y acelerar) las fórmulas de las derivadas a tipos ridículamente simples, sin resolver un sistema de ecuaciones lineales.
En el procesamiento digital de la señal se utiliza el mismo enfoque en los filtros savitzky-golay, que son bastante raros.
https://en.wikipedia.org/wiki/Savitzky%E2%80%93Golay_smoothing_filter
P.D. Adenda para GPWR. Por el estilo "ruso" del inglés apropiado veo, que es su libro. Es excelente, simplemente excelente. Por cierto, está escrito con mucha lucidez. Es una pena que no lo hayas publicado. Es una buena contribución para el DSP. Me temo que para el comercio no es realmente adecuado, excepto en algunos lugares como una forma rápida auxiliar - tal vez.
P.P.S. Todos aprenden un enfoque científico para resolver problemas matemáticos aplicados..... En muchos casos de señales ruidosas, los métodos convencionales de aproximación e interpolación no funcionan.
Las palabras aproximación e interpolación son apropiadas cuando hay una señal. Los especialistas en DSP siguen olvidando que en el mercado no hay una señal como tal y que, en este sentido, no es muy importante cómo se consigue encajar en una muestra. La secuencia de criterios es diferente: encajar en la muestra para poder extrapolarla fuera de ella. A todos nos interesa únicamente la predicción fuera de la muestra, y la calidad de los algoritmos dentro de la muestra sólo es interesante en el sentido del poder predictivo de la aproximación resultante.
Por lo tanto, primero debemos responder cuál es la capacidad de predicción del modelo, y luego sólo responder a la siguiente pregunta, cuál es el algoritmo de aproximación que satisface el criterio de predicción.
.... En muchos casos de señales ruidosas, los métodos convencionales de aproximación e interpolación no funcionan.
Las palabras aproximación e interpolación son apropiadas cuando hay una señal. Los especialistas en DSP siguen olvidando que en el mercado no hay una señal como tal y que, en este sentido, no es muy importante cómo se consigue encajar en una muestra. La secuencia de criterios es diferente: encajar en la muestra para poder extrapolarla fuera de ella. A todos nos interesa únicamente la predicción fuera de la muestra, y la calidad de los algoritmos dentro de la muestra sólo es interesante en el sentido de la capacidad de predicción de la aproximación resultante.
Así pues, primero hay que responder cuál es la capacidad de predicción del modelo, y luego sólo responder a la siguiente pregunta, cuál es el algoritmo de aproximación que satisface el criterio de predicción.
Sí, absolutamente sí. Y una respuesta parcial, repito, parcial a esta pregunta tan correcta sólo puede darse dando una respuesta correcta a una pregunta perfectamente sencilla, estúpida en su simplicidad "¿Qué es un indicador?" :
https://www.mql5.com/ru/forum/137416
El enfoque correcto para construir un sistema de comercio se encuentra en el centro de diferentes conceptos de las matemáticas, la economía e incluso la jurisprudencia. No puede estar en otra parte, porque los experimentados gestores de los codiciosos bancos del mundo ya lo han intentado todo, todos los métodos conocidos, han contratado a todos los matemáticos conocidos y han probado todos los trucos de los métodos modernos de aproximación, modelización, optimización. Bueno, excepto que no conocían el método GPWR, pero este método por sí mismo no les dará nada, excepto velocidad. La respuesta será "¿y qué? Hace tiempo que tienen superordenadores; la velocidad no es un problema para ellos.
No entiendo por qué se ataca aquí al autor del hilo? ¿Qué tiene de rojo su pregunta? ¿Por qué gritas "que se joda"?
Tal vez, muy posiblemente, haya algo de eso:
Por ejemplo, es cierto que el derivado MACD sólo proporciona la tasa de cambio de la BANDA de la señal de negociación (y la banda en sí no es muy distinta y clara). Pero aquí, como se ha dicho correctamente, el GRADIENTE, es decir, la derivada multidimensional del MACD puede dar algo útil. Por ejemplo la derivada de la señal del MACD + el gradiente a lo largo del SEGUIMIENTO de este mismo MACD. Eso es inusual y fresco.
El problema de los usuarios avanzados del foro aquí es que se glosan. Reshetov, por ejemplo, sacó a relucir un importante tema de minimax. Esto es importante. Hace tiempo que todos los economistas -optimizadores de modelos- saben que los métodos "técnicos" ordinarios de optimización no dan las conclusiones correctas. No es una cuestión para los economistas en absoluto - que es necesario cavar en minimaxes. Von, incluso SProgrammer en el tema Reshetov respondió y se entusiasma, se enteró de alguna información privilegiada sobre los métodos de pro-trading en las grandes empresas. ¿Y qué hicieron los participantes del foro? ¡Arrancaron a Reshetov! Esto a pesar de que, a grandes rasgos, sin el conocimiento de la optimización minimax los economistas-modificadores no reciben ningún diploma ahora.
No entiendo por qué se ataca al autor de este hilo. ¿Qué es lo que tiene de reducidor su pregunta? ¿Por qué gritar "atrápenlo"?
El planteamiento de la pregunta por parte del autor es muy poco específico.
Si la derivada, entonces qué variable. A la derecha está la diferencia entre las dos regresiones. A primera vista, la variable es el valor del cociente. A mí no me lo parece. Hay una variable más interesante: es el coeficiente de estas regresiones. ¿Qué representan? ¿Constantes? Hay que demostrarlo. En mi opinión, estos coeficientes no son en absoluto constantes, sino variables aleatorias y todavía tenemos que trabajar para que sean al menos similares a las constantes. ¿Qué es un derivado? Hice esta pregunta, pero no obtuve respuesta.
La formulación de la pregunta por parte del autor es muy poco específica.
Si es derivada, qué variable. A la derecha está la diferencia de las dos regresiones. A primera vista, la variable es el valor del cociente. A mí no me lo parece. Hay una variable más interesante: es el coeficiente de estas regresiones. ¿Qué representan? ¿Constantes? Hay que demostrarlo. En mi opinión, estos coeficientes no son constantes en absoluto, sino variables aleatorias y todavía tenemos que trabajar para que sean al menos similares a las constantes. Entonces, el derivado, ¿qué es? Hice esta pregunta, pero no obtuve respuesta.
La derivada es la tasa de cambio de una función en una variable. Un gradiente es la tasa de cambio multivariante de una función sobre varias variables.
Pero hay que tener cuidado con las palabras "regresión" y "coeficiente de regresión". No te apresures a precipitarte y etiquetarlo inmediatamente.
Es posible deslizar la definición hacia una incoherencia con nuestro objeto de estudio.
Y habrá más malentendidos y todo se convertirá en la "edición de periódicos agrícolas" de Mark Twain.
La derivada es la tasa de cambio de una función en una variable. El gradiente es la tasa de cambio multivariante de una función en varias variables.
Cómo es exactamente este derivado para el MACD. No con palabras.