Discussion de l'article "Création de filtres numériques à temps"

 

Un nouvel article Création de filtres numériques à temps a été publié :

L'article décrit l'une des approches permettant de déterminer un signal utile (tendance) dans les données de flux. De petits tests de filtrage (lissage) appliqués aux cotations boursières démontrent le potentiel de création de filtres numériques sans retard (indicateurs) qui ne sont pas redessinés sur les dernières barres.

Le filtre de cluster est un ensemble de filtres numériques se rapprochant de la séquence initiale. Les filtres de cluster ne doivent pas être confondus avec les indicateurs de cluster.

Les filtres de cluster sont pratiques pour analyser des séries temporelles non stationnaires en temps réel, en d'autres termes, des données de flux. Cela signifie que ces filtres sont d'un intérêt principal non pas pour lisser les valeurs de séries temporelles déjà connues, mais pour obtenir les valeurs lissées les plus probables des nouvelles données reçues en temps réel.

Contrairement à diverses méthodes de décomposition ou simplement à des filtres de fréquence souhaitée, les filtres de cluster créent une composition ou un éventail de valeurs probables de séries initiales qui sont ensuite analysées pour une approximation de la séquence initiale. La séquence d'entrée agit plus comme une référence que comme cible de l'analyse. L'analyse principale porte sur des valeurs calculées par un ensemble de filtres après traitement des données reçues.

Figure 1. Le schéma d'un filtre de cluster simple

Figure 1. Le schéma d'un filtre de cluster simple

Auteur : Konstantin Gruzdev