Filtri digitali adattivi - pagina 7
Ti stai perdendo delle opportunità di trading:
- App di trading gratuite
- Oltre 8.000 segnali per il copy trading
- Notizie economiche per esplorare i mercati finanziari
Registrazione
Accedi
Accetti la politica del sito e le condizioni d’uso
Se non hai un account, registrati
ZS, sul forum di Alpari, BQQ ha spiegato in dettaglio perché, a suo parere, come specialista DSP, i metodi DSP sono difficili da applicare sul mercato. Abbastanza lucido, secondo me.
Ho avuto una piccola discussione con BQQ qui http://forum.alpari-idc.ru/showthread.php?t=38804&page=16, se non ti dispiace, dove ha esposto tutto. Penso solo che prima di tutto uno specialista DSP dovrebbe conoscere e capire (con tutte le fibre della sua anima) questo teorema di Kotelnikov, è come un assioma in geometria.
Oh e a tutti se potete usare il termine frequenza di campionamento per favore, per me la frequenza di Neukvist è una parolaccia. È della zona di chi ha inventato la radio Popov o Marconi, ecc.
No, non sembra in quel thread del forum, in cui si discute con lui. Non ho tenuto il link, nello spirito: letto, realizzato - e ok.
Qual è il compito? Ottenere i coefficienti polinomiali approssimativi e regolarli secondo ER da AMA? Qui nel codebase c'è un esempio di approssimazione polinomiale, ma questo caso è ridisegnato, e se si disegna solo la fine, il risultato è peggiore del più brutto MA. Forse qualcosa come lo smoothing T3 con tutti i coefficienti adattivi.
Me la prendo con Yurik (come se fosse il migliore), quindi ho suggerito di fare qualcosa di simile. Modificare AMA e sostituirlo con una procedura per calcolare la media con qualcosa di meglio (decente). Non necessariamente un polinomio. Fondamentalmente non ne ho bisogno, ma se qualcuno vuole esercitarsi a costruire qualcosa di simile a JMA, sono pronto ad aiutare e la matematica sarà trasparente. Per quanto riguarda la scatola nera, non credo che nessuno dei residenti di lunga data di questo forum ami usarla :-).
Privato
Mi dispiace, non sono stato attento nelle mie osservazioni. Personalmente, non ho mai pensato di esprimere dubbi sulla sua competenza in materia di DSP. Penso che lo stesso sia vero per grasn (spero che grasn mi perdoni per aver "firmato" a suo nome). Riguarda l'idea stessa e la metodologia della ricerca. Niente di personale. Tutti gli autori che attivamente "scavano metodi matematici" su questo forum, tratto rigorosamente in modo positivo, in considerazione dell'unicità di questa comunità. E in vista delle prospettive che essa (la comunità) ha. Ma non posso essere d'accordo con il tuo suggerimento perché non credo assolutamente nei polinomi come strumento che ha una sorta di "potere predittivo". Stiamo parlando di intervalli di tempo inferiori a un giorno, e vuoi sfruttare la tua idea proprio a piccoli intervalli. Non vedo proprio la ragione, che costringerà la funzione polinomiale - in effetti, assolutamente adattata al segnale (secondo qualche criterio) - a fare una previsione del comportamento del prezzo. Perché la previsione sarà sempre circa 50\50. Questo è dovuto sia ai processi che avvengono nel "mercato" sia alla forma di rappresentazione del segnale, che di fatto distorce completamente il quadro. Vuoi usare il DSP nel trading - vai avanti, ma prima prepara i dati adeguati per il DSP. Il "segnale" stesso è certamente presente nel prezzo, ma. Ma il livello di quel segnale (come Mathemat sembra aver sottolineato correttamente) è molte volte inferiore al "rumore" (anche se non c'è "rumore" nel "mercato"). A questo si sovrappone la non stazionarietà del segnale stesso. Di conseguenza, quasi nessuno dei metodi tradizionali funziona. Non penso che questo sia dovuto al fatto che la teoria del DSP sia sbagliata - certo che lo è, è solo che il segnale qui è completamente diverso. Un segnale in cui un'enorme parte dell'informazione è semplicemente persa. E paradossalmente, una grande quantità di informazioni è semplicemente inutile. Lei ha detto che è un militare, quindi consideri come un fatto che tutti i suoi dispositivi sono intasati da interferenze, dietro le quali non può vedere il segnale dell'aereo nemico. E quell'interferenza è di altissima qualità. Ma se andate fuori e guardate il cielo, vedrete subito tutto. Ma mirare e sparare dall'anca non è la soluzione migliore. :)
E grazie per il regalo, troverò sicuramente il tempo di conoscerlo.
al Vento del Nord.
Grazie. E qui "avete bisogno di un concetto di vita di mercato abbastanza semplice e coerente" - intendete il vostro sviluppo personale o l'uso di alcune tecniche come quelle descritte da Shiryaev?
a Candid
Nessun problema, così come per voi, se usate un prodotto appropriato. Il problema principale è nella preparazione dei dati. Per DM avete bisogno che la tupla contenga i parametri studiati degli oggetti per i quali volete trovare i pattern. Per esempio, per le onde, preparate i dati in questo modo:
Ma per preparare i dati, è probabile che me la cavi :o)
PS: A proposito, Candid - cosa ne pensi della prospettiva di cooperazione nell'elaborazione del modello descritto? Sembra che tu sia l'ultimo interessato,Prival sembra essere andato nel bosco.
a Prival
Vedono, vedono, ma non sempre e non se non sono disturbati. E di chi altro possono avere paura? Gli Zulu, che non hanno alcun sistema. Naturalmente noi, perché hanno ancora bisogno di un nemico, e possono anche avere paura di noi, nonostante il fatto che il numero dei nostri sistemi di difesa aerea è ridicolo e non rappresenta una vera minaccia.
PS: Prival - per te una citazione da un cartone animato - "beaver - exhale" ... :o)
Prtival - non sei correggibile :o).
a Piligrimm
Ho provato con tutto quello che è disponibile in MathCad e MathLab e non sono stato soddisfatto del risultato.
PS: il tuo avatar non è il suono "OM" che simboleggia l'universo?
Nessun problema, come lo è per te, se usi il prodotto giusto. Il problema principale è nella preparazione dei dati. Per DM avete bisogno che la tupla contenga i parametri studiati degli oggetti per i quali volete trovare i pattern. Per esempio, per le onde, preparate i dati in questo modo:
Ma per preparare i dati, è probabile che me la cavi :o)
PS: A proposito, Candid - cosa ne pensi della prospettiva di cooperazione nell'elaborazione del modello descritto? Poiché sembri essere l'ultimo interessato,Prival sembra essere entrato in crisi.
Sembrava che prima avessi accennato al fatto che non stai esattamente usando un prodotto gratuito.
La prospettiva di una collaborazione non può che ispirare :). Se hai un piano concreto pronto, scrivi e ne discuteremo. Oppure aspetta una mia lettera, ma prima di scrivere dovrò pensare a questo piano.
a grasn e rsi e tutti
Voglio spiegare, perché mi avete ripetutamente attaccato per lo slogan "Il numero governa il mondo". L'ho portato perché tu possa prestargli attenzione. Stai sorridendo, ma non credo che tu capisca appieno di cosa sto parlando. Vi suggerisco di fare un esperimento molto semplice: supponiamo che il prezzo cambi come un'onda sinusoidale. Disegna un seno su un pezzo di carta e metti due punti di riferimento su di esso. Come questo.
Fig.1
Cioè, abbiamo preso la minuzia Close e la consideriamo una digitalizzazione corretta, vedi fig. 1. (segni blu). Tutto sembra bello e corretto, e ora pensate, se il primo tick non è arrivato esattamente alla fine del minuto, ma per esempio 2 secondi prima della fine del minuto, + il secondo tick non era alla fine del minuto, ma all'inizio. Vedere la Fig. 2 per il risultato. (i conteggi blu stanno diversamente sull'asse del tempo). Quindi, si scopre che la forma d'onda sinusoidale è cambiata, la frequenza è sbagliata, la fase è sbagliata e tutto è male .....
Fig.2
Chi può dirmi quale forma d'onda sinusoidale è reale? O puoi anche darmi una previsione, quale sarà il numero alla prossima chiusura (anche se è strettamente un'onda sinusoidale)?
Quante copie sono già rotte nell'analisi dell'asse Y (prezzi), e l'asse X (tempo) è dimenticato. O pensano che vada bene. Prendono Close e vanno avanti. E come risultato .... lunghe e persistenti ricerche e conclusioni DSP non funziona.
E scriviamo questo acronimo in modo diverso, quindi DSP. (DSP !!!) l'unica cosa che resta da fare è definire il segnale. Non sappiamo come elaborare i numeri come aggiungere, sottrarre, moltiplicare e dividere, che altro abbiamo? Bene, chi non conosce la DC, queste complesse operazioni.
Potreste ancora chiedervi perché molti metodi DSP non producono i risultati che vi aspettate da loro. Forse una corretta elaborazione dell'asse X migliorerà molti metodi di elaborazione digitale, a partire dal più semplice MA? E anche per il segnale (la componente utile che muove il mercato) non si sa molto, quello che leggo è la stessa filosofia :-(.
E purtroppo il denaro governa il mondo, non i numeri.
Anche se mi impegno ancora a dimostrare a chiunque (potete offrirmi un brandy, perché sono già in debito con molte persone :-)) che se tra quel prezzo "vero", che nessuno conosce, c'è qualcuno che può controllare la frequenza di campionamento, allora può fare quello che vuole. Da un'onda sinusoidale ordinaria di 100 MHz, si può fare qualsiasi curva che si vede sullo schermo. Almeno ricorda i film, dove le ruote vanno all'indietro e il carrello va avanti :-).
Ed ecco perché quella bella frase, "un numero governa il mondo e il nome di questo numero è frequenza di campionamento". Non è così male. Dopo tutto, controllando questo numero, si può controllare la curva sullo schermo, cioè il valore (prezzo) del denaro. E se il denaro governa il mondo, allora, controllandolo, io governerò il mondo.
Z.U., cos'è quel cartone animato, "beaver-breath" che voglio proprio vedere :-). E non si può sbarazzarsi di me così facilmente, come Prival nel fango, non aspettare :-).
E alla luce di ciò che ho scritto sopra, per me qualsiasi DC non sarà mai quel DIO onnipotente che mi può infilare qualsiasi figura in qualsiasi momento. Saranno deboli :-) È difficile prendere una pausa dal corso di combattimento :-)
2 Prival: mi viene in mente che Kalman, secondo lei, si basa sulle MNC. Ora capisco perché funziona alla grande sui dati radar (con errori distribuiti in modo gaussiano), ma - peggio sui dati di mercato. La ragione principale per cui Kalman è perfetto sui dati gaussiani è che la funzione di errore (obiettivo) - la somma dei quadrati della varianza in questo caso - è perfetta solo per la distribuzione gaussiana. Per altre distribuzioni le funzioni di errore sono diverse. Per le distribuzioni con code di potenza (code pesanti), le funzioni obiettivo sono molto diverse, e MNC non conta qui. Questo è il motivo per cui JMA è migliore di Kalman sulle serie del mercato.
Privato