Construction d'un système de négociation à l'aide de filtres passe-bas numériques - page 20

 
Prival:

grasn

:-) bien, par dépit, je vais vous montrer le filtre Kalman aussi. C'est basé sur l'analyse d'ACF. La fenêtre est les minutes de la semaine dernière 7200. L'entrée est juste une série de prix, sans optimisation. Merci pour le lien.

La méthodologie est la suivante. Analyse de l'ACF - Je prends les paramètres de l'ACF dans le modèle et je les mets dans le filtre de Kalman, cela donne une prévision et une estimation actuelle. J'ai écrit un programme, je peux traiter les prix entrants dans Matcadet en temps réel et gérer MT, si nécessaire je peux partager.




Je veux comprendre pourquoi ces lignes sont meilleures que la MA "intelligente" ?

 
Je veux comprendre en quoi ces lignes sont meilleures que les MA "truquées" ?

C'est ce que je me demande...

 
Mathemat, un cadeau pour vous - J. Bendat, A. Pearsol, "Applied Random Data Analysis" (http://dsp-book.narod.ru/bendat.djv). Les auteurs donnent une description et des exemples de l'utilisation de la méthode d'inversion pour vérifier la stationnarité d'un processus aléatoire. Je ne suis pas entré dans les détails et la rigueur de la méthode elle-même, mais superficiellement, elle est crédible. Je pense que vous devez creuser dans cette direction.

Par exemple, ici : http://edu.secna.ru/main/review/2001/n3/MONA2001/Morozova.pdf - ce travail est utilisé pour justifier la stationnarité des résultats de certains types de transformées en ondelettes de séries de prix. En fait, c'est ce dont vous aviez besoin.
 
grasn:
à Neutron

Peut-être pouvez-vous m'expliquer brièvement ce que le filtre prédit pour vous et Prival? Merci d'avance. Tu as vraiment fait l'AF ? ??

Heureux d'aider. Disposez-vous d'un algorithme détaillé pour sa mise en œuvre ? :о)


Je ne sais pas ce que prédit le filtre de Prival, mais le mien ne prédit rien :-(

Je ne comprends pas ce qu'est la FA... Regardez vous-même, j'exécute la fonction Predict sur un VR lisse avec SWF et j'obtiens un VR moins lisse avec un SWF inférieur, mais par la qualité du lissage il n'est pas meilleur que le même LPF avec une fenêtre de moyennage plus petite, et sur de grands horizons il est sensiblement plus faible que ce dernier (voir avishka). C'est-à-dire que le prédicteur est repoussé dans son travail de la série lissée et "s'effrite" à mesure que l'horizon se rapproche de la BP initiale, mais le LPF, au contraire, se repousse de la BP initiale et s'en éloigne progressivement en devenant plus lisse... Ce résultat est prévisible, en effet, on ne peut pas tirer beaucoup d'informations de la BP, même en l'ayant lissée au préalable - on ne peut pas tromper la nature ! Bien qu'il y ait eu une photo sur le forum avec une démonstration de LPF basé sur NS, aucun PF n'a été observé (presque) avec une excellente qualité de lissage ! Si ce ne sont pas des conneries, nous avons quelque chose à travailler.

P.S. Je n'ai pas d'algorithme pour la fonction Predict.


Yurixx:

Mais que se passe-t-il si l'on n'augmente pas l'horizon de prévision, mais que l'on prédit sur le résultat obtenu, c'est-à-dire sur une fine ligne noire ?

Vous suggérez donc de laisser le prédicteur écraser le résultat de sa propre prédiction ? Après tout, la fine ligne noire est la moyenne du prédicteur (la ligne bleue épaisse) avec un horizon toujours plus grand...

Expliquez, s'il vous plaît.

 
bstone писал (а): Mathématiques, un cadeau pour vous - J. Bendat, A. Pearsol, Analyse appliquée des données aléatoires
Merci beaucoup, Bstone. Je l'ai déjà téléchargé. Voyons ce que ces auteurs disent de la stationnarité...
 
Neutron:
Yurixx:

Mais que se passe-t-il si on n'augmente pas l'horizon de prévision mais qu'on laisse le prédicteur sur le résultat, c'est-à-dire la fine ligne noire ?

Vous suggérez donc que le prédicteur devrait être informé du résultat de sa propre prédiction ? Après tout, la fine ligne noire est la moyenne des prévisions (la ligne bleue épaisse) avec un horizon toujours plus grand...



Exactement. Et pourquoi pas ? Je me rends compte, bien sûr, que le résultat de ces actions, effectuées peut-être plusieurs fois, ne peut pas donner en fin de compte une gamme de prix - il n'y a pas de miracles. Mais il est intéressant de voir comment cet algorithme fonctionne. :-) Il fonctionne sur les données passées, il ne regarde pas dans le futur ?
 
bstone:
Mathemat, un cadeau pour vous - J. Bendat, A. Pearsol, "Applied Random Data Analysis" (http://dsp-book.narod.ru/bendat.djv). Les auteurs donnent une description et des exemples de l'utilisation de la méthode d'inversion pour vérifier la stationnarité d'un processus aléatoire. Je ne suis pas entré dans les détails et la rigueur de la méthode elle-même, mais superficiellement, c'est crédible. Je pense que vous devez creuser dans cette direction.



Par exemple, ici : http://edu.secna.ru/main/review/2001/n3/MONA2001/Morozova.pdf - ce travail est utilisé pour justifier la stationnarité des résultats de certains types de transformées en ondelettes de séries de prix. En fait, c'est ce dont vous aviez besoin.


Merci beaucoup ! !!
 
bstone:
Mathemat, un cadeau pour vous - J. Bendat, A. Pearsol, "Applied Random Data Analysis" (http://dsp-book.narod.ru/bendat.djv). Les auteurs donnent une description et des exemples de l'utilisation de la méthode d'inversion pour vérifier la stationnarité d'un processus aléatoire. Je ne suis pas entré dans les détails et la rigueur de la méthode elle-même, mais superficiellement, elle est crédible. Je pense que vous devez creuser dans cette direction.

Par exemple, ici : http://edu.secna.ru/main/review/2001/n3/MONA2001/Morozova.pdf - ce travail est utilisé pour justifier la stationnarité des résultats de certains types de transformées en ondelettes de séries de prix. En fait, c'est ce dont vous aviez besoin.

merci pour ce site précieux, et celui-ci est génial http://dsp-book.narod.ru/KM.djvu
 
Prival:
bstone:

Mathématiques, un polycopié pour vous - J. Bendat, A. Pearsol, "Applied Random Data Analysis" (http://dsp-book.narod.ru/bendat.djv). Les auteurs donnent une description et des exemples de l'utilisation de la méthode d'inversion pour vérifier la stationnarité d'un processus aléatoire. Je ne suis pas entré dans les détails et la rigueur de la méthode elle-même, mais superficiellement, elle est crédible. Je pense que vous devez creuser dans cette direction.



Par exemple, ici : http://edu.secna.ru/main/review/2001/n3/MONA2001/Morozova.pdf - ce travail est utilisé pour justifier la stationnarité des résultats de certains types de transformées en ondelettes de séries de prix. En fait, c'est ce dont vous aviez besoin.



merci site précieux, et celui-ci est grand à tous http://dsp-book.narod.ru/KM.djvu

wow Il s'avère que tout est là Reste à appliquer...
 
Yurixx:

Je comprends, bien sûr, que le résultat de ces actions, effectuées peut-être plusieurs fois, ne peut pas donner en fin de compte un nombre de prix - les miracles ne se produisent pas . Mais il est intéressant de voir comment cet algorithme fonctionne. :-) Il travaille sur des données passées, il ne regarde pas vers l'avenir.

Oui, cela ne fonctionne que sur les données passées.

Ce qui est intéressant, c'est qu'un résultat de prédiction similaire à l'aide de la fonction Predict peut être obtenu sans être sournois - simplement en décomposant le LPF BP lissé dans le voisinage gauche de chaque point (afin de ne pas regarder dans le "futur") en une série de Taylor régulière (RT), puis en extrapolant au nombre de pas en avant requis. Vous pourriez trouver cela intéressant, Grasn - au lieu de creuser l'algorithme de la fonction intégrée dans Matcad, prenez le PT et jouez avec, ajustez-le, voyez à quoi il mène...

Dans la figure, les points rouges sont les séries de prix, la ligne rouge est la moyenne mobile, la ligne bleue est le RT, la ligne noire est le Predict. L'horizon de prévision est le même et est égal à 5 échantillons. Nous pouvons voir que le comportement des indicateurs de prévision est presque le même, leur comportement lorsque l'on augmente l'horizon jusqu'à la valeur de VLFF peut être vu dans l'animation ci-jointe. Malheureusement, les deux instruments "s'effondrent" à l'approche de la limite de prévision, qui coïncide toujours avec la FZ du muving utilisé ! Il semble y avoir deux correspondances réciproques - le lissage par intégration, et la récupération des données brutes à partir de celles-ci, par extrapolation d'une manière ou d'une autre. Mais, nous ne pouvons en principe pas anticiper (prédire) le comportement des BP du type prix, car il n'y a pas (ou très peu) d'informations nécessaires à cet effet dans les séries lissées. Soit dit en passant, ces prédicteurs mènent parfaitement la série de génération, ce qui nous permet d'espérer la possibilité de créer l'indicateur avancé, mais cela est possible jusqu'à ce que l'amplitude de la composante de bruit dépasse le signal utile.

Dossiers :
2.zip  910 kb