Hypothèse basée sur Fourier - page 5
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
Ha-ha-ha ! Encore ?
Les mêmes erreurs ?
On peut se demander comment les participants se comprennent : chacun a son propre vocabulaire, sa propre sémantique, son propre usus, aucune relation de cause à effet entre les phénomènes décrits et entre les mots, et aucune capacité à utiliser la recherche ni sur le forum ni sur Internet.
Ce fil n'est pas destiné aux mathématiciens ou aux traders, mais aux psychiatres. Ils auront beaucoup de travail à faire ici.
Oui, hélas, on ne peut pas tirer beaucoup de conclusions de l'image d'aujourd'hui - que ce soit à la hausse (plus de flèches) ou à la baisse... Nous verrons demain - vérifiez-la ;))
Et le graphique ci-dessus utilise une série de Fourier comme fonction d'extrapolation ?
yep, c'est Fourier, mais vous feriez mieux de demander à l'auteur de ce miracle pour plus de détails : njel
photo d'hier
Je profite d'une minute libre pour poster le matériel promis. J'ai étudié cette méthode il y a environ quatre ans, peut-être cinq. Je n'ai pas trouvé d'archives avec ce projet, j'ai dû reconstruire les résultats de mémoire, grâce à un algorithme simple, et MathCAD réduit considérablement le temps. Le concept, si ce mot est approprié pour cette méthode, est classique - nous séparons le "complexe" en composants simples, et travaillons avec chacun d'eux séparément, c'est-à-dire qu'au lieu de prévoir des séries extrêmement complexes par leurs caractéristiques et leur comportement, nous procédons à la prévision de séries "simples", mais en grande quantité. Nous utilisons la décomposition en cosinus et certaines propriétés utiles des coefficients de ladite décomposition.
À titre d'exemple pour démontrer les résultats de la méthode, j'ai pris le premier segment disponible avec les paramètres d'entrée suivants :
Assemblage de la matrice de motifs
Nous prenons une série historique comme entrée pour le système et mesurons sa longueur. Nous passons une fenêtre coulissante fixe du début d'un échantillon à sa fin, en tenant compte de la longueur de la fenêtre elle-même. Sur chaque échantillon, nous calculons la transformation en cosinus (CP). Les résultats sont résumés dans un tableau :
Une ligne d'une telle matrice est essentiellement la dynamique du coefficient KP sur l'historique pris. Aussi étrange que cela puisse paraître, ces séries sont stationnaires et présentent de nombreux avantages. Permettez-moi de vous donner quelques exemples à titre d'illustration :
Fréquence 0 :
Fréquence 5 :
Fréquence 10 :
Fréquence 110 :
Prévision
Ainsi, pour chaque ligne de la matrice (j'en ai autant qu'il y a de comptes dans la fenêtre glissante), je prédis en utilisant le modèle AR, pour un certain horizon. L'important est qu'elle soit inférieure à la longueur de W. Comme la série est presque stationnaire, vous pouvez utiliser certaines techniques d'identification du modèle AR. Sans commentaires particuliers sur le choix des paramètres et la description du modèle lui-même, je vais joindre comme exemple une prévision par un modèle AR de 110 fréquences pour une longueur de 500 comptes (pour la visualisation) :
Dans la boucle, j'effectue une prédiction pour chaque ligne de la matrice de calcul (pour chaque fréquence) :
L'exemple utilise un modèle AR d'un ordre pour chaque fréquence, ce qui n'est pas tout à fait correct. L'identification doit être faite pour chaque fréquence. Mais c'est un sujet distinct en général, et en plus nous avons une partie du signal connu, donc il peut être utilisé pour l'identification aussi. Dans l'ensemble, il y a beaucoup de choses qui se passent ici.
Reconstruction de la série
Après avoir obtenu la matrice de prévision, nous sélectionnons l'image du signal souhaité (la colonne la plus à droite de la matrice) et effectuons la reconstruction du signal :
Vérifiez
Vérifiez avec les faits. Selon les conditions, tous les échantillons supérieurs à 2*tau sont prédits.
Ce que vous voyez n'est ni une illusion ni un mensonge, la méthode est strictement scientifique (enfin, presque :o)), elle fonctionne, du moins parfois elle fonctionne VRAIMENT :o)), tout ce qui est vrai est enfoui dans l'identification, nous avons besoin d'études supplémentaires et tout ça, nous pouvons l'amener à une version industrielle stable.
PS: Collègues, d'ailleurs, si quelqu'un est intéressé, reprenez l'idée et menez-la à bien (il y a environ cinq ans, d'autres idées non moins révolutionnaires ont été écartées, tout à fait dans une autre direction :o)). À mon avis, l'approche est assez prometteuse, elle permet de faire des prévisions au sens statistique, et ce n'est pas rien. Et moi, j'aurai ma fonction. Je veux bien vous aider, mais pas en MQL, je ne le connais pas :o).
PS: nos mathématiciens - que direz-vous de la nouveauté scientifique :o))) ?
Ha-ha-ha ! Encore ?
Les mêmes erreurs ?
On peut se demander comment les participants à cette discussion se comprennent : chacun a son propre vocabulaire, sa propre sémantique, ses propres usus, ils passent complètement à côté de la relation de cause à effet entre les phénomènes décrits et entre les mots, ils ne savent pas utiliser la recherche ni sur ce forum ni sur Internet.
Ce fil n'est pas destiné aux mathématiciens ou aux traders, mais aux psychiatres. Ça va être beaucoup de travail pour eux.
Voulez-vous en parler ? :о)
Pourquoi la fenêtre de glissement de votre FFT n'est-elle pas égale à 2^n ?
Pourquoi votre fenêtre coulissante FFT n'est-elle pas égale à 2^n ?
J'ai écrit, j'ai utilisé la transformation en cosinus. De plus (si l'on prend la transformée de Fourier) - une telle exigence ne concerne que le schéma de transformation rapide, c'est-à-dire la transformée (comme vous l'avez correctement écrit), que je n'utilise pas du tout dans le modèle. Il n'est pas nécessaire à cet endroit. n'en ont pas besoin ici. Et pourquoi devrais-je prendre une si longue fenêtre dans ce cas ?
J'ai écrit que j'utilisais la transformation en cosinus. De plus (si l'on prend la transformée de Fourier) - une telle exigence ne concerne que le schéma de transformation rapide, c'est-à-dire la transformée (comme vous l'avez correctement écrit), que je n'utilise pas du tout dans le modèle. Il n'est pas nécessaire à cet endroit. n'en ont pas besoin ici. Et pourquoi devrais-je prendre une si longue fenêtre dans ce cas ?
Il y a une bibliothèque FFT dans le codebase qui inclut également une bibliothèque de transformée en cosinus, et si vous allez utiliser ces bibliothèques dans MQL, vous devez vous rappeler que la fenêtre doit être égale à 2^n (16,32,64,128,256,512,1024...).
Codebase a une bibliothèque FFT qui inclut aussi une bibliothèque de conversion en cosinus, et si vous allez utiliser ces bibliothèques dans MQL, vous devez vous rappeler que la fenêtre doit être égale à 2^n (16,32,64,128,256,512...)
Ce n'est pas quelque chose que j'ai l'intention d'utiliser. Il s'agit d'une restriction uniquement pour les algorithmes de conversion rapide. Et j'ai besoin de la bibliothèque pour l'algèbre linéaire. Au fait, vous avez promis d'aider :o)