Vous manquez des opportunités de trading :
- Applications de trading gratuites
- Plus de 8 000 signaux à copier
- Actualités économiques pour explorer les marchés financiers
Inscription
Se connecter
Vous acceptez la politique du site Web et les conditions d'utilisation
Si vous n'avez pas de compte, veuillez vous inscrire
C'est compréhensible, Rosh, nous connaissons une telle fonction. Le problème est de calculer la fonction, et non la covariance des deux séries de données. Eh bien, pour donner une sorte de tableau de valeurs pour différentes valeurs de décalage "tau", comme la fonction FREQUENCY fonctionne. OK, réfléchissons...
P.S. Il était temps que vous arriviez. Vous avez lu Peters. Est-ce qu'il dit quelque chose sur la stationnarité du processus ?
P.P.S. Oui, j'ai été trop hâtif avec la fonction de covariance : pour rendre le processus stationnaire au moins au sens large, je vais devoir dériver un tableau à deux dimensions pour toutes les paires d'échantillons R(ti, tj), c'est-à-dire une matrice...
a) ont un MO fini et une variance infinie
b) ont un DO infini et une variance infinie
Et la distribution normale est un cas particulier de distribution fractale généralisée. Voici une définition :
à Yurixx a écrit (a) :
"J'ai une question intéressante en cours de route. Quelqu'un peut-il nous éclairer sur la raison pour laquelle une fonction de distribution aussi simple et pratique, dotée de bonnes propriétés, n'est pas utilisée en statistique ? Et si elle est utilisée, pourquoi ne fait-elle pas l'objet d'un article ? Je n'ai jamais vu personne essayer d'approximer une distribution incrémentale autre que la lognormale."
Il s'agit très probablement d'un cas particulier de la distribution de Rayleigh-Rice. J'ai donné un lien vers cette distribution plus tôt. Voici la formule. Et le chiffre.
Physiquement, la distribution de Rayleigh-Rice décrit une distribution unidimensionnelle de l'enveloppe de la somme d'un signal déterministe et d'un bruit normal. Très similaire au problème que vous résolvez. Je joins un fichier matcad avec un exemple. L'algorithme qui permet de vérifier la conformité de l'échantillon analysé avec la loi de distribution théorique, selon le critère de Neyman-Pearson, fait l'objet de commentaires détaillés. J'espère que ça a aidé.
à Mathématiques
Je ne sais pas car dans Excel, le matcad peut calculer l'autocorrélation de 2 façons. Le dossier, lui aussi, est joint avec un exemple. La seule remarque est qu'il existe deux approches pour calculer l'ACF, chacune ayant ses propres avantages et inconvénients. Au fait, l'IHMO est très prometteur. À une époque, j'ai dû concevoir des filtres de poursuite adaptatifs pour la cible aérienne. Vous pouvez également essayer de suivre le prix :). L'ACF est exactement ce qui détermine les coefficients dans les équations.
à grasn
Désolé, je me suis trompé dans la précipitation, j'aurais dû demander un histogramme àYurixx. Quand j'ai reçu les images, j'ai réalisé mon erreur. Je continue à travailler sur l'idée de résonance, selon ma définition :"L'énergie du signal fait bouger le marché. L'énergie du bruit - nous empêche de voir ce mouvement". (Merci pour le tuyau sur les IIH ou IIH, mais il y a environ 12 ans, j'ai lu des cours sur ces sujets à des cadets et je me souviens même leur avoir donné des notes :)).
Pour tous les
J'ai trouvé ici sur le forum un prototype de FFT_MA et je l'ai reconstruit selon les images précédentes (FFT_MA_mod). La seule chose, c'est qu'il y a une surcharge, ce qui rend l'analyse difficile. Si quelqu'un est en mesure de résoudre ce problème, veuillez m'aider. Je ne parviens pas à le faire. Je joins également le fichier avec des explications. D'ailleurs, la loi de distribution de l'amplitude à la sortie du filtre obéit à la loi de Rayleigh-Rice - en cas de présence de signal, s'il n'y a que du bruit, elle dégénère en Rayleigh, alpha devient=0.
Si nous voulons supposer que nous pouvons séparer le signal et le bruit de cette manière, nous devrons alors rechercher la résonance, entre quels processus nous devrions rechercher la coïncidence de phase ?
Si quelqu'un a une idée, qu'il en parle.
Et s'il n'est pas difficile de suggérer le type de distribution dont vous parlez. Si possible avec un exemple simple. Ou au moins un lien.
La sous-estimation des queues de distribution conduit le spéculateur à une forte sous-estimation des risques : s'il pense que la probabilité d'un événement "quatre sigmas ou plus" est extrêmement faible (dans l'hypothèse normale, elle est d'environ 0,0063%), alors le marché réel est d'environ 0,7%, soit 100 fois plus. Pour les événements plus importants, la différence est encore plus grande. Si je dois le faire, je posterai une photo.
Merci pour l'archive - je la consulterai demain matin. Cependant, je vais essayer de le faire à la fois dans Excel et dans MQL4.
P.S. J'ai lu tous les messages jusqu'à la fin. Oui, c'est la même chose que ce que vous avez vu dans votre expérience. Hélas, personne ne pourra vous aider à redessiner, car ce point est fondamental. Un tel opérateur de filtrage n'est pas causal. En général, mon IMHO est que la principale contradiction dans le Forex, ainsi que dans l'ensemble du monde lunaire, est une contradiction dans le concept du temps. Dans le cas du Forex, cela se manifeste par le fait qu'une bonne estimation statistique demande beaucoup de temps. C'est-à-dire des échantillons. Mais pendant que ces valeurs sont collectées, les paramètres du marché ont le temps de changer. Si seulement quelqu'un pouvait aider à résoudre cette contradiction... (c'est une petite blague bien sûr :)
Prival, la coupure de Fourier inverse à haute fréquence dont vous parlez ici est une excellente idée. En effet, vous obtenez un mouillage complètement fluide et sans lag.
Conformément au sujet du fil de discussion, je suggère simplement comment séparer le signal du bruit. Le but est de trouver une résonance, pas de construire un muwig. Pour les prévisions, et même pour le muwigging, il existe un bien meilleur compagnon. Tous bien sûr IHMO.
Comme une option, dans l'indicateur sera deux tampons séparés qui ne dérivent pas, et se rappeler sur Close[0]=Open[0], les énergies de signal et de bruit.