Filtres numériques adaptatifs - page 2

Nouveau commentaire
 

Eh bien, il a eu tort de s'en prendre à Kalman. Si je comprends bien, il s'agit d'un filtre de Kalman à coefficients constants, appelé filtre alpha-betta-gamma (il s'agit de différentes modifications du filtre de Kalman).

Il vous faut un Neutron.

Ici, nous avons comparé le filtre Kalman (correct) et le filtre Butterworth. La théorie des flux aléatoires et le FOREX.

Il y a un algorithme pour les calculer sur Matcad. Si quelqu'un s'aventure à faire un filtre Butterworth dans MQL je peux l'aider (expliquer ce qu'il y a et comment c'est calculé dans Matkadec), et je ne pense pas que JMA sera meilleur (vous pouvez comparer).

Kalman est intrinsèquement itératif MNC donc il n'y a qu'une seule façon de le contourner, si les modèles intégrés dans le filtre ne correspondent pas au processus étudié. (Ils ne savent simplement pas comment le préparer :-))

Comprenez que le mot adaptation implique une réponse à la question de savoir à quoi vous devez vous adapter. En radiolocalisation, il existe des concepts tels que le signal (élément utile) et le bruit (ce qui nous dérange). Après avoir résolu cette question, il est possible de créer des filtres adaptatifs. Tant que vous n'avez pas répondu à cette question, vous ne savez pas à quoi vous devez vous adapter.

 
NightPaul:

 2 grash
 Voici ce que l'auteur lui-même écrit sur JMA ) - http://www.jurikres.com/catalog/ms_ama.htm#top
Comme tout cela est à vendre, nous n'obtenons que du code désassemblé, tel que je le comprends, et je veux vraiment comprendre quelle est l'astuce).

Merci pour le lien. Je pense que ce furet utilise un algorithme de filtrage adaptatif plutôt délicat, très probablement avec des éléments de prédiction basés uniquement sur l'autocorrélation. Je pense que oui. :o)

à Prival
Comprendre que le mot adaptation implique une réponse à la question de savoir à quoi s'adapter. En radar, il existe des concepts tels que le signal (élément utile) et le bruit (ce qui nous dérange). Après avoir compris cette question, il est possible de créer des filtres adaptatifs. Tant que vous n'avez pas répondu à cette question, vous ne savez pas à quoi vous devez vous adapter.
Comme c'est vrai, Prival... Je suis tout à fait d'accord. A propos, je me souviens que vous et vos collègues avez essayé de construire des indicateurs ACF et avez commencé par l'"Indicateur ACF". J'ai eu une "observation" ici.
 
Pour saisirn ACF a été créé, et si ce n'était pas grâce à l'aide des membres du forum, je serais encore en train de faire des bêtises. Et donc beaucoup de choses bonnes et utiles ont été faites, du moins de mon point de vue. J'ai arrêté maintenant, j'ai besoin de réfléchir, beaucoup de choses s'écroulent à cause d'une seule chose, ne pas connaître le taux d'échantillonnage du processus. Je pense que je vais commencer un nouveau sujet demain, j'ai besoin d'obtenir des estimations actuelles du prix et du taux d'échantillonnage avec un intervalle de confiance minimum. Alors, passez à autre chose. Pour l'instant, je suis en train d'écrire une page d'introduction pour expliquer à quoi il sert, pour que ce soit plus clair. S'il est possible d'en parler un peu plus, j'ai quelques "observations". Quelqu'un qui connaît les mots "Widrow-Hopf" peut avoir des observations très intéressantes IHMO.
 

à Prival

Peu importe ce que j'ai cherché, mais j'ai "attrapé" l'ACF pour la compagnie. Il s'agit juste d'une observation, non confirmée par quoi que ce soit, en gros, j'ai regardé les résultats d'un œil et je l'ai "attrapé". Rien n'a été prouvé, rien n'a été confirmé statistiquement, c'est probablement une absurdité totale, mais cela vaut la peine de vérifier à l'occasion. Il s'agit de faire quelques hypothèses sur l'évolution des séries en fonction du type d'ACF. Jusqu'à présent, j'ai classé grossièrement 2 variantes (ACF est tiré de la série noire, série grise - développement du processus). Je le donne sans commentaires particuliers, je pense que tout est clair :

Variante A


Variante B

PS :

Celui qui connaît ces mots "Veuve-Hopf" peut être très intéressant...

Prival - J'ai écrit qu'en matière de DSP, je suis autodidacte et que mon analphabétisme technique limité n'est manifestement pas suffisant pour comprendre que la fréquence de Nyquist régit le monde ...

 
Je ne sais pas ce que vous pouvez voir, je peux voir d'ACF que l'option A peut prédire pour 200 comptes (je ne sais pas ce que vous avez sur l'axe X les minutes ou autre chose). Si l'option B est de 50, alors la nature du processus change, mais vous devez examiner la dynamique, car l'ACF change au fil du temps. Et la première chose que cette fonction montre est le temps de corrélation (temps pendant lequel le processus peut être prédit) + la seconde est le type de processus lui-même, presque toujours un circuit oscillant (en termes de radio-ingénierie) ; nous pouvons encore le classer par types de circuits oscillants mais dans mes études (à ce stade) ce n'est pas si important. Dans un premier temps, il est nécessaire de comprendre un type de liaison oscillante, par analogie, il sera plus facile de comprendre les autres.
 
Prival:
Je ne sais pas ce que vous pouvez voir, je peux voir d'ACF que pour la variante A je peux prédire pour 200 échantillons (je ne sais pas si vous avez X minutes ou autre). Si l'option B est de 50, alors la nature du processus change, mais vous devez examiner la dynamique, car l'ACF change au fil du temps. Et la première chose que cette fonction montre est le temps de corrélation (temps pendant lequel le processus peut être prédit) + la seconde est le type de processus lui-même, presque toujours un circuit oscillant (en termes de radio-ingénierie) ; nous pouvons encore le classer par types de circuits oscillants mais dans mes études (à ce stade) ce n'est pas si important. Dans un premier temps, il est nécessaire de traiter un type d'élément vibrant, il sera plus facile de traiter les autres par analogie.

J'ai essayé de classer "par espèce et par type" par de simples observations :

  • Pour le "type" d'ACF de la variante A : le processus ne s'est le plus souvent pas éloigné de ses valeurs moyennes et a conservé ses statistiques pendant un certain temps.
  • Pour le "type" d'ACF de la variante B : le processus s'est plus souvent "écarté" de ses valeurs moyennes.

En général, si ce n'est pas l'essentiel, cela n'a pas d'importance... Bonne chance.

 
Voici ce que l'auteur lui-même écrit sur JMA. http://www.jurikres.com/catalog/ms_ama.htm#top

Ce JMA est très impressionnant, très impressionnant. Je n'y ai pas prêté beaucoup d'attention auparavant, car j'ai une idée préconçue des muwings. Mais maintenant, on dirait que je vais devoir reconsidérer ma décision.

Quant à ce JMA qui se trouve dans Code Base ('JMA'), il ne ressemble clairement pas à l'original. Oui, c'est fluide, mais il y a clairement plus de décalage. Le dessin deParabellum est beaucoup plus convaincant.

Et c'est là qu'apparaît à nouveau le problème qui me préoccupe : je veux transformer le graphique des cotations initiales pour qu'il puisse éliminer les désastres et ensuite appliquer les indicateurs de Jurik (ou leurs clones) au graphique transformé... D'une manière ou d'une autre, il me semble que même si la distribution se transforme en quelque chose de similaire à une gaussienne, le processus de prix ne sera pas de type Wiener, car son indice de Hurst sera supérieur à 0,5 (en raison de la dépendance des échantillons voisins).

P.S. Prival, encore pour vous : http://www.jurikres.com/faq/faq_ama.htm#betterthan . Regardez en particulier la troisième figure à partir du bas : le JMA, contrairement aux autres filtres, n'a pratiquement pas d'effet Gibbs (pic après écart). Et il existe des techniques efficaces pour supprimer cet effet (quand j'étais étudiant, je suis tombé sur un livre de Hemming "Digital Filters", il faut que je le retrouve).

 
Mathemat:
Voici ce que l'auteur lui-même écrit à propos de JMA :) - http://www.jurikres.com/catalog/ms_ama.htm#top

C'est un JMA très impressionnant, très impressionnant. Je n'y ai pas prêté beaucoup d'attention auparavant, car j'ai une idée préconçue des muwings. Mais maintenant, on dirait que je vais devoir reconsidérer ma décision.

Quant à ce JMA qui se trouve dans Code Base ('JMA'), il ne ressemble clairement pas à l'original. Oui, c'est fluide, mais il y a clairement plus de décalage. Le dessin de Parabellum est beaucoup plus convaincant.

Voici quelques informations pour la réflexion sur un indicateur Jurik - J_TPO
 
Voici l'ourlet
Dossiers :
xvewnde.zip  795 kb
 

Prival, merci pour le livre. Et voici une autre surprise pour vous, qui confirme votre point de vue sur le prix comme objectif :

Conquérir le décalage sans faire d'hypothèses simplificatrices (par exemple, que les données sont constituées de cycles superposés, que les changements de prix quotidiens ont une distribution gaussienne, que tous les prix sont d'importance égale, etc. En fin de compte, le JMA a dû se baser sur on the same technology the military uses to track moving objects in the air using nothing more than their noisy radar. JMA sees the price time series as a noisy image of a moving target (the underlying smooth price) and tries to estimate the location of the real target (smooth price). . Les mathématiques propriétaires sont modifiées pour tenir compte des propriétés particulières d'une série chronologique financière.

Tiré du même endroit, c'est nous qui soulignons.

Deuxièmement. JMA ne redessine pas, il n'y a donc pas de FFT à proprement parler. Néanmoins, ils ont supprimé l'effet Gibbs...

Troisièmement. L'équipe de Jurik Research part d'un modèle de distribution similaire à la distribution de Cauchy. Ce qu'il en est, vous le savez : aucun des moments de cette distribution n'existe, pas même le mode opératoire. Sentez-vous l'embuscade que l'ennemi nous a tendue ? Mais, d'un autre côté, il est possible que leur objectif était simplement de construire une inductance pour lisser efficacement même les errances aléatoires avec des incréments distribués par Cauchy.

2 Rosh: bien, au moins vous avez résolu le mystère d'un inducteur Jurik. Respect.

123456789...41
Nouveau commentaire