Fenomeni di mercato - pagina 29
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
Ho provato a usare la (18) da [url=https://www.mql5.com/ru/articles/250]-"Modello di regressione universale per la previsione dei prezzi di mercato"[/url] come funzione di base. Descrive in modo soddisfacente le dipendenze costruite artificialmente da varie funzioni in tutte le combinazioni possibili, comprese somme, prodotti, logaritmi, potenze, esponenziali, ecc.
Ho familiarità con la formula (18). Penso che lei trascuri il fatto che non sono interessato alla conoscenza a priori delle funzioni di base. Non mi interessa se la funzione di base è così potente e universale da poter descrivere qualsiasi processo nel mondo. Vorrei trovare un algoritmo per la determinazione automatica delle funzioni di base dalla serie temporale stessa. Si noti che queste non sono funzioni di base universali, ma le funzioni specifiche per la serie temporale data. Considerate l'analogia con il discorso. Può anche essere descritto da varie funzioni di base universali, compresa la (18). Ma tutto questo porterebbe a una decodifica imprecisa del discorso. Usare i fonemi inglesi per decodificare il discorso cinese porterebbe anche a risultati scadenti. Per ogni processo, ci devono essere diversi "fonemi".
C'è una pillola universale: gli algoritmi genetici. Come minimo, se non si sa nulla (o quasi) del processo, e si ha ancora bisogno di indagare e ottenere un risultato, allora GA è il primo posto dove provare.
È probabile che questo funzioni.
Ho familiarità con la formula (18). Penso che ti sfugga il punto che non sono interessato alla conoscenza a priori delle funzioni di base. Non mi interessa se la funzione di base è così potente e universale da poter descrivere qualsiasi processo nel mondo. Vorrei trovare un algoritmo per la determinazione automatica delle funzioni di base dalla serie temporale stessa. Si noti che queste non sono funzioni di base universali, ma le funzioni specifiche per la serie temporale data. Considerate l'analogia con il discorso. Può anche essere descritto da varie funzioni di base universali, compresa la (18). Ma tutto questo porterebbe a una decodifica imprecisa del discorso. Usare i fonemi dell'inglese per decodificare il discorso cinese porterebbe anche a risultati scadenti. Per ogni processo, ci deve essere un "fonema" diverso.
Il mio interesse per queste strutture è dovuto alla loro applicazione più pratica rispetto alla previsione dei prezzi di mercato. Ora sono più interessato allo sviluppo di sistemi di riconoscimento vocale rapido. ... La previsione del prezzo si riduce alla previsione dei fonemi (strutture) futuri. Ma questo non mi interessa. Sono interessato a riconoscere fonemi (strutture) passati e presenti. Per ottenerlo si dovrebbe avere un dizionario di questi fonemi e correlare il discorso con questi fonemi conosciuti (semplificati, ovviamente)...
Vladimir, IMHO, questo compito non è fattibile in questa fase. Continuando il bellissimo parallelo con il riconoscimento vocale, si noti che ogni strumento sul mercato è una lingua a sé, e diversi dialetti si mescolano a seconda dell'ora del giorno, della stagione, delle notizie, ecc. Immaginate di avere un insieme di fonemi per l'inglese, bisogno di riconoscere il balbettio dello scaricatore di porto irlandese ubriaco (o non irlandese, per non offendere gli irlandesi ;-) ). La tecnologia di riconoscimento vocale non è ancora sviluppata a tal punto. E il mercato non è più facile.
In forma semplificata il vocabolario dei fonemi di mercato può essere ottenuto solo dai partecipanti al mercato - e queste saranno le cifre, i livelli di fibo, ecc. Nessuno può conoscere una descrizione più chiara, soprattutto specificando il tipo di funzioni di base.
Ho familiarità con la formula (18). Penso che lei trascuri il fatto che non sono interessato alla conoscenza a priori delle funzioni di base. Non mi interessa se la funzione di base è così potente e universale da poter descrivere qualsiasi processo nel mondo. Vorrei trovare un algoritmo per la determinazione automatica delle funzioni di base dalla serie temporale stessa. Si noti che queste non sono funzioni di base universali, ma le funzioni specifiche per la serie temporale data. Considerate l'analogia con il discorso. Può anche essere descritto da varie funzioni di base universali, compresa la (18). Ma tutto questo porterebbe a una decodifica imprecisa del discorso. Usare i fonemi dell'inglese per decodificare il discorso cinese porterebbe anche a risultati scadenti. Per ogni processo, ci devono essere diversi "fonemi".
google " decomposizione atomica per inseguimento di base" ?
Sono d'accordo. Ci sono molti termini diversi: fonemi, strutture, modelli, wavelets, funzioni di base. Mi piace di più il termine funzioni di base. Mi interessa la seguente domanda: come si possono determinare automaticamente le funzioni di base quando si conosce una serie temporale? Naturalmente, si può esaminare visivamente questa serie e trovare triangoli, bandiere e altre belle forme. Ma nessuno ha ancora dimostrato che questi modelli sono statisticamente importanti e non solo un prodotto dell'immaginazione. Ricorda come nell'aneddoto:
Lo psichiatra mostra diverse immagini al paziente chiedendo: "Cosa ci vedi?" E il paziente dice: "Un uomo e una donna che fanno sesso". "Sei una specie di libertino", dice il dottore. E il paziente dice: "Beh, tu stesso mi hai mostrato quelle foto lascive".
Identificare automaticamente le funzioni di base statisticamente importanti è un processo complicato e non credo che qualcuno abbia capito come farlo correttamente, anche con le reti neurali. Naturalmente, possiamo semplificare il compito e assumere in anticipo che la serie temporale sia divisa in wavelets Haar, o funzioni trigonometriche come nella serie di Fourier, o altre funzioni base che sono spesso usate nella regressione. E tutte queste funzioni di base riprodurranno con successo la nostra serie, sia che si tratti di una serie di prezzi o di un discorso. Ma immaginate se decomponiamo il discorso in wavelets Haar - non hanno niente a che fare con i fonemi. Sarebbe altrettanto insensato decomporre una serie di prezzi in wavelets di Haar o in funzioni trigonometriche. È opportuno menzionare il rilevamento compressivo, la cui essenza è quella di descrivere un segnale con il più piccolo insieme di funzioni base. Anche se ci sono molti algoritmi di questo metodo, tutti presuppongono che si conoscano le funzioni di base. Se hai qualche idea sull'algoritmo per trovare le funzioni di base dalla serie dei prezzi, per favore condividila.
google "decomposizione atomica per inseguimento di base" ?
Grazie. Ho cercato - questo metodo appartiene al rilevamento compresso. Presuppone che le funzioni di base siano note. Il mio compito non è solo quello di trovare la rappresentazione più rilassata del segnale come combinazione lineare di funzioni base, ma anche le funzioni base stesse specifiche per questo segnale.
Vladimir, IMHO, questo è un compito impossibile in questa fase. Continuando il bellissimo parallelo con il riconoscimento vocale, si noti che ogni strumento sul mercato è una lingua propria, e diversi dialetti si mescolano a seconda dell'ora del giorno, della stagione, delle notizie, ecc. Immaginate di avere un insieme di fonemi per l'inglese, bisogno di riconoscere il balbettio dello scaricatore di porto irlandese ubriaco (o non irlandese, per non offendere gli irlandesi ;-) ). La tecnologia di riconoscimento vocale non è ancora sviluppata a tal punto. E il mercato non è più facile.
Il vostro ragionamento è tutto molto corretto. Infatti, il mercato parla dialetti diversi, a velocità diverse, con volumi diversi, con distorsioni diverse, ecc. a seconda del momento. Quindi mi sembra che i fonemi possano essere trovati solo attraverso trasformazioni non lineari del discorso. Lo stesso vale per la ricerca di modelli nei prezzi di mercato. Finora non credo. All'inizio mi interessa una domanda: prendendo un segnale che si sa in anticipo che consiste in una combinazione lineare di un numero finito di funzioni base sconosciute, è possibile trovare queste funzioni base e i coefficienti di questa decomposizione lineare?
Questa linea di pensiero mi è vicina (voglio dire, analogie con il discorso). E molto è già stato fatto in questa direzione, si possono leggere articoli per trovare ispirazione. È necessario quantizzare una serie temporale in un numero limitato di stati, che sono punti in regioni compatte dello spazio. E poi, per analogia con i compiti di riconoscimento vocale (addestramento di reti neurali per sequenze statisticamente stabili di fonemi e loro combinazioni), studiamo sequenze ricorrenti di stati. Per la prima parte del problema è adatta una rete auto-organizzante, per la seconda - una rete multistrato. Ne ho fatto un esempio in questo thread: https://forum.mql4.com/ru/40561/page5.
Grazie. Penserò alla SOM a mio piacimento.
Mi piace già... Sergei, quali sono i principi fondamentali della fisica dietro la radio (telegrafo, ecc.)?
La domanda mi ha lasciato perplesso!)
Non il contenuto, ma il fatto della sua apparizione.
Tutti i principi di base possono essere facilmente presi dal web (alcuni anche dai programmi scolastici).
È un po' più complicato di così.
Nell'applicazione al mercato si possono usare molte cose, perché le quotazioni sono molto simili al segnale.
Pertanto, si può provare ad applicare loro metodi di elaborazione noti all'ingegneria radiofonica, all'ingegneria audio, ecc.
Dettagli - piuttosto non per questo thread. Per riferimento:
http://nice.artip.ru/?id=doc&a=doc68