Ipotesi basate su Fourier - pagina 5

 

Ha-ha-ha! Ancora?

Stessi errori?

C'è da chiedersi come fanno i partecipanti a capirsi: ognuno ha il suo vocabolario, la sua semantica, il suo usus, nessuna relazione causa-effetto tra i fenomeni descritti e tra le parole, e nessuna capacità di usare la ricerca né sul forum né su Internet.

Questo thread non è per matematici o commercianti, ma per psichiatri. Avranno un sacco di lavoro da fare qui.

 
NEKSUS_ писал(а) c'è già un'implementazione di questa idea, "bpf by montecarlo"

Sì, ahimè, non si possono trarre molte conclusioni dalla foto di oggi - se su (più frecce) o giù... Vedremo domani - controlla ))

E il grafico qui sopra usa una serie di Fourier come funzione di estrapolazione?

 

sì, è Fourier, ma è meglio chiedere i dettagli all'autore di questo miracolo: njel

foto di ieri

 

Approfitto di un minuto libero per pubblicare il materiale promesso. Ho studiato questo metodo circa quattro anni fa, forse cinque. Non ho potuto trovare un archivio con questo progetto, ho dovuto ricostruire i risultati a memoria, grazie a un semplice algoritmo e MathCAD riduce notevolmente il tempo. Il concetto, se questa parola è appropriata per questo metodo, è classico - smontiamo il "complesso" in componenti semplici, e lavoriamo con ognuno separatamente, cioè invece di prevedere serie estremamente complesse per le loro caratteristiche e comportamento, procediamo a prevedere serie "semplici", ma in grande quantità. Usiamo la decomposizione del coseno e alcune utili proprietà dei coefficienti della suddetta decomposizione.

Come esempio per dimostrare i risultati del metodo, ho preso il primo segmento disponibile con i seguenti parametri di input:

Montaggio della matrice del modello

Prendiamo una serie storica come input per il sistema e misuriamo la sua lunghezza. Passiamo una finestra scorrevole fissa dall'inizio di un campione alla sua fine, tenendo conto della lunghezza della finestra stessa. Su ogni campione, calcoliamo la trasformazione del coseno (CP). I risultati vengono sommati in un array:

  • colonne, KP a qualche intervallo
  • trasformare le righe di frequenza (userò la numerazione delle frequenze, da 0 a w-1)


Una riga di tale matrice è essenzialmente la dinamica del coefficiente KP sulla storia presa. Per quanto strano possa sembrare, tali serie sono stazionarie e hanno un sacco di vantaggi. Ecco alcuni esempi per esempio:

Frequenza 0:


Frequenza 5:


Frequenza 10:


Frequenza 110:

Previsione

Quindi, ogni riga di questo tipo nella matrice (ne ho tante quanti sono i conteggi nella finestra scorrevole) prevedo utilizzando il modello AR, per un certo orizzonte. L'importante è che sia inferiore alla lunghezza di W. Poiché la serie è quasi stazionaria, è possibile utilizzare alcune tecniche di identificazione del modello AR. Senza commenti particolari sulla scelta dei parametri e sulla descrizione del modello stesso, allego come esempio una previsione di un modello AR di 110 frequenze per una lunghezza di 500 conteggi (per la visualizzazione):


Nel ciclo, eseguo una predizione per ogni riga della matrice di calcolo (per ogni frequenza):


L'esempio usa un ordine del modello AR per ogni frequenza, il che non è del tutto corretto. L'identificazione dovrebbe essere fatta per ogni frequenza. Ma questo è un argomento separato in generale, e inoltre abbiamo parte del segnale conosciuto, quindi può essere utilizzato anche per l'identificazione. Tutto sommato, c'è molto da fare qui.

Ricostruzione della serie

Avendo ottenuto la matrice di previsione, selezioniamo l'immagine del segnale desiderato (la colonna più a destra della matrice) ed eseguiamo la ricostruzione del segnale:

Controlla

Controlla con il fatto. Secondo le condizioni, tutti i campioni superiori a 2*tau sono previsti.

Quello che vedo non è un'illusione e non è una bugia, il metodo è rigorosamente scientifico (beh, quasi così :o)), funziona, almeno a volte funziona MOLTO :o)), tutto è in identificazione, ho bisogno di ulteriori studi e tutto il resto, è possibile fare una versione industriale stabile.

PS: Colleghi, a proposito, se qualcuno è interessato, riprendete l'idea e portatela a termine vittoriosamente (circa cinque anni fa, altre idee non meno rivoluzionarie furono prese da parte, in tutt'altra direzione :o)). Secondo me, l'approccio è abbastanza promettente, permette di fare previsioni in senso statistico, e non è una cosa da poco. E io, otterrò la mia funzione. Vi aiuterò, ma non in MQL, non lo conosco :o).


PS: I nostri matematici - che cosa dirà la novità scientifica :o)))?

 
AlexEro >> :

Ha-ha-ha! Ancora?

Stessi errori?

C'è da chiedersi come fanno i partecipanti a questa discussione a capirsi: ognuno ha il suo vocabolario, la sua semantica, il suo usus, manca completamente la relazione causa-effetto tra i fenomeni descritti e tra le parole, non sanno usare la ricerca né su questo forum né su Internet.

Questo thread non è per matematici o commercianti, ma per psichiatri. Sarà un sacco di lavoro per loro.

Ti piacerebbe parlarne? :о)

 
grasn >> :

Perché la vostra finestra scorrevole FFT non è uguale a 2^n?

 
Urain >> :

Perché la vostra finestra scorrevole FFT non è uguale a 2^n?

Ho scritto, ho usato la trasformazione del coseno. Inoltre (se prendi la trasformata di Fourier) - un tale requisito è solo per lo schema di trasformazione veloce, cioè per la trasformata (come hai scritto correttamente), che non uso affatto nel modello. Non è necessario lì. non ne ha bisogno lì. E perché dovrei prendere una finestra così lunga in questo caso?

 
grasn >> :

Ho scritto che stavo usando la trasformazione del coseno. Inoltre (se prendi la trasformata di Fourier) - un tale requisito è solo per lo schema di trasformazione veloce, cioè per la trasformata (come hai scritto correttamente), che non uso affatto nel modello. Non è necessario lì. non ne ha bisogno lì. E perché dovrei prendere una finestra così lunga in questo caso?

C'è una libreria FFT nel codebase che include anche la libreria di trasformazione coseno, e se avete intenzione di usare queste librerie in MQL, dovete ricordare che la finestra deve essere uguale a 2^n (16,32,64,128,256,512,1024...).

 
Grasn: Grazie! Oggi vado in vacanza - cercherò di ripetere i calcoli. E se fosse il Graal? )))
 
Urain >> :

Codebase ha una libreria FFT che include anche una libreria di conversione del coseno, e se avete intenzione di usare queste librerie in MQL, dovreste ricordare che la finestra deve essere uguale a 2^n (16,32,64,128,256,512...)




Questo non è qualcosa che ho intenzione di usare. Questa è una restrizione solo per gli algoritmi di conversione veloce. E ho bisogno della libreria per l'algebra lineare. A proposito, hai promesso di aiutare :o)