1a e 2a derivata del MACD - pagina 25
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
Grazie. Solo per chiarire, per favore, questa sopra è una pagina del tuo libro (inedito) o qualche altro?
(Se è tuo, oggi 09-GEN-2012 ti sei assicurato la TUA PRIORITA' SCIENTIFICA MONDIALE pubblicandolo sul forum).
Lasciatemi spiegare agli altri di cosa sto parlando: in molti casi di segnale rumoroso i soliti metodi di approssimazione e interpolazione non funzionano. Di solito in questi casi si usa il metodo dei minimi quadrati (risolvendo un sistema ridefinito di equazioni lineari). Anche se i loro risultati sono molto più affidabili, tutti questi metodi sono un centinaio di volte più lenti dei soliti semplici, a causa della soluzione del sistema lineare.
In alcuni, pochissimi casi di una particolare approssimazione o di un particolare segnale, singoli scienziati con trucchi matematici puramente analitici sono riusciti a ridurre il sistema lineare di equazioni (bidimensionale) a metodi più semplici (unidimensionale, somma o convoluzione vettoriale). Questo accelera l'approssimazione del segnale rumoroso di MIGLIAIA di volte.
Uno di questi metodi è quello postato qui (per la prima volta in assoluto) su MQL4.com dall'autore GPWR (Vladimir).
Holoborodko dal Giappone, come citato sopra, ha usato lo stesso approccio per calcolare la derivata di un segnale rumoroso. È riuscito a ridurre (semplificare e velocizzare) le formule di derivazione a tipi ridicolmente semplici, senza risolvere un sistema di equazioni lineari.
Nell'elaborazione digitale dei segnali lo stesso approccio è usato in filtri savitzky-golay abbastanza rari.
https://en.wikipedia.org/wiki/Savitzky%E2%80%93Golay_smoothing_filter
P.S. Addendum per GPWR. Per lo stile "russo" dell'inglese corretto vedo che è il tuo libro. È eccellente, semplicemente eccellente. A proposito, è stato scritto molto lucidamente. È un peccato che non l'abbia pubblicato. È un buon contributo per DSP. Temo che NON sia adatto al trading, se non come metodo rapido supplementare in alcuni posti - forse.
P.P.S. Tutti imparano un approccio scientifico alla soluzione di problemi matematici applicati.Mi lusinghi :) Le pagine citate erano tratte dal mio libro non pubblicato. Onestamente, quando ho derivato queste formule, non ho visto niente di speciale. Questa è una solita regressione trigonometrica: prendi il modello trigonometrico della serie, fissa la frequenza w e ottieni un modello lineare in relazione ai suoi restanti parametri A, B, e la media. E poi come tutti gli altri: assumiamo un rumore gaussiano, allora il metodo della massima verosimiglianza si riduce al metodo dei minimi quadrati. Ma grazie comunque per le gentili parole.
A proposito, il problema più grande è trovare quella frequenza w. Nell'indicatore ho usato il metodo di Quinn e Fernandez, che è descritto più avanti nel mio libro. È facile mostrare che il modello di serie temporale x_n basato sulla funzione trigonometrica x_n = A*cos(w*n+fase)+epsilon_n si riduce a
In seguito ho usato un metodo più accurato, ma che richiede più tempo, per trovare la frequenza, basato sul trovare il massimo nello spettro. Ma entrambi i metodi mi hanno dato circa gli stessi risultati, il che mi ha dato più fiducia nella potenza dell'algoritmo di Quinn e Fernandez.
Mi lusinghi :)
In seguito ho usato un metodo più accurato, ma che richiede più tempo, per trovare la frequenza, basato sul trovare il massimo nello spettro. Ma entrambi i metodi mi hanno dato più o meno gli stessi risultati, il che mi ha dato più fiducia nella potenza dell'algoritmo di Queen e Fernandez.
Non sto lusingando nulla. Lei, collega, probabilmente non ha un'idea molto ampia dell'applicabilità del suo metodo. Per alcune applicazioni DSP, aumentare la velocità di Fit di un fattore 100 senza perdita di precisione (che in sé è equivalente ad aumentare la precisione di un fattore 2) è una questione di vita o di morte - letteralmente. Per esempio, nei radar degli aerei, nella difesa aerea, nei casi di anti-missile, così come in altre applicazioni. È abbastanza tempo per chiamare "le persone giuste", è strano che non siate ancora stati chiamati "da lì", il metodo è stato praticamente sconosciuto fino ad ora. (Queste "piccole cose" come l'applicabilità in cellulari e modem non le discutiamo qui).
E poi, come ho già detto, il successo di un approccio così "riduttivo" in MNC è una rarità nei metodi numerici. Quindi non siate modesti.
Non sono affatto lusinghiero. Lei, collega, probabilmente non ha un'idea molto ampia dell'applicabilità del suo metodo. Per alcune applicazioni DSP, aumentare la velocità di Fit di un fattore 100 senza perdita di precisione (che in sé è equivalente ad aumentare la precisione di un fattore 2) è una questione di vita o di morte - letteralmente. Per esempio, nei radar degli aerei, nella difesa aerea, nei casi di anti-missile, così come in altre applicazioni. È abbastanza tempo per chiamare "le persone giuste", è strano che non siate ancora stati chiamati "da lì", il metodo è stato praticamente sconosciuto fino ad ora. (Queste "piccole cose" come l'applicabilità in cellulari e modem non le discutiamo qui).
E poi, come ho già detto, il successo di un approccio così "riduttivo" in MNC è una rarità nei metodi numerici. Quindi non siate modesti.
Hmmm... Scriverò un articolo e vedrò cosa hanno da dire i recensori.
Come la regressione trigonometrica ordinaria: prendere un modello trigonometrico di una serie, fissare la frequenza w e ottenere un modello lineare rispetto ai suoi restanti parametri A, B, e la media
Vorrei provare la regressione trigonometrica in EViews.
Potresti scrivere o dirmi come scrivere questa regressione, in modo da poter stimare i parametri in EViews. Ci sono molti metodi di stima, anche questo può essere cambiato.
Pubblicherò sicuramente il risultato
Come la regressione trigonometrica ordinaria: prendere un modello trigonometrico di una serie, fissare la frequenza w e ottenere un modello lineare rispetto ai suoi restanti parametri A, B, e la media
Vorrei provare la regressione trigonometrica in EViews.
Potresti scrivere o dirmi come scrivere questa regressione, in modo da poter stimare i parametri in EViews. Ci sono molti metodi di stima là fuori, anche questo può essere cambiato.
Mi dispiace, ma non ho familiarità con EViews. Se avete bisogno del codice per questo metodo, guardate qui:
https://www.mql5.com/ru/code/8732
A proposito, i metodi di econometria ARMA si riducono a una regressione in serie trigonometrica con esponenti decrescenti come exp(zeta*n)*cos(w*n+fase). Leggete l'output del metodo di Prony e capirete tutto. Se non riesci a trovarlo, posterò un pezzo del mio libro che spiega tutto.
Mi dispiace, ma non ho familiarità con EViews. Se avete bisogno del codice di questo metodo, guardate qui:
https://www.mql5.com/ru/code/8732
A proposito, i metodi ARMA di econometria si riducono alla regressione di serie trigonometriche con esponenti decrescenti come exp(zeta*n)*cos(w*n+fase). Leggete l'output del metodo di Prony e capirete tutto. Se non riesci a trovarlo, posterò un pezzo del mio libro che spiega tutto.
La pagina in questione è scomparsa.
La vostra conoscenza di EViews non è richiesta - cercherò di farlo, ma non posso fare a meno del vostro aiuto.
L'equazione in EViews si presenta così per i valori di ritardo:
EURUSD = c(1) + c(2)*EURUSD(-1) + c(3) * EURUSD(-2) ecc.
con i seni:
EURUSD = c(1) + c(2)*sin(c(3)* ........ ) ......
Qualcosa del genere. Il tipo di formula è abbastanza arbitrario. C(i) sono i coefficienti da valutare con diversi metodi.
La pagina in questione non esiste.
Il codice è qui:
https://www.mql5.com/ru/code/8732
Il modo in cui le probabilità sono visualizzate lì è chiaro. Io non faccio pagare i miei codici, mentre i creatori di EViews vogliono >$1000 per copia. Quindi non ho intenzione di aiutarli e tradurre il mio codice in formato EViews.
Il codice è qui:
https://www.mql5.com/ru/code/8732
Il modo in cui le quote sono visualizzate lì è chiaro. Io non faccio pagare i miei codici, mentre i creatori di EViews vogliono >$1000 per copia. Quindi non ho intenzione di aiutarli e tradurre il mio codice in formato EViews.
EViews è uno strumento. Tutti i programmi sul tuo computer sono gratuiti, compreso vin?
Se non vuoi farlo, non farlo.
...
È una regolare regressione trigonometrica:
...
Esatto, è una regolare regressione trigonometrica. Non sono molto sicuro che quei due seni e coseni rivoluzioneranno il DSP, ma prova a spuntare un articolo.
Non è molto chiaro come farai a identificare adeguatamente il modello. Non intendo fermamente "adattare" il modello a una serie, con MNC si può adattare qualsiasi modello a qualsiasi serie (con alcune ipotesi sulla precisione). Sto chiedendo di capire che i parametri "ottimali" trovati reggeranno per molto tempo nel futuro, abbastanza a lungo da avere il tempo di lavorare. C'è il forte sospetto che i parametri si comportino in modo casuale.
Tra le altre cose, il modello ha un netto svantaggio: bisogna prevedere molto in anticipo per trarne profitto. Non è molto accurato, inoltre, non descrive affatto il mercato, si vedrà dall'analisi degli errori del modello - i primi ritardi saranno fortemente correlati.
PS: anche se ci sono un paio di pensieri sullo sviluppo di questa cosa, se siete interessati - posso scrivere in privato.
Esatto, è una regolare tr-regressione. Non sono così sicuro che questi due seni e coseni rivoluzioneranno il DSP, ma prova a spuntare un articolo.
Non è molto chiaro come farai a identificare adeguatamente il modello. Non intendo fermamente "inscrivere" il modello in una serie, si può inscrivere qualsiasi modello in qualsiasi serie con MNC (con alcuni presupposti sulla precisione). Sto chiedendo di capire che i parametri "ottimali" trovati reggeranno per molto tempo nel futuro, abbastanza a lungo da avere il tempo di lavorare. C'è il forte sospetto che i parametri si comportino in modo casuale.
Tra le altre cose, il modello ha un netto svantaggio: bisogna prevedere molto in anticipo per trarne profitto. Non è molto accurato, inoltre, non descrive affatto il mercato, si vedrà dall'analisi degli errori del modello - i primi ritardi saranno fortemente correlati.
PS: anche se ci sono un paio di pensieri sullo sviluppo di questa cosa, se sono interessanti per voi - posso scrivere in privato.
Secondo la mia opinione poco illuminata, l'approccio delineato è di scarsa utilità per il mercato. Tutto buono per migliorare il rapporto segnale/rumore. Come scritto sopra per la guida dei missili. Non c'è nessun segnale sul mercato, e soprattutto le caratteristiche BP, tra cui frequenza, fase, fluttuano tutto il tempo. Se non si riconosce la non stazionarietà fin dall'inizio, non si ottiene nulla di buono in linea di principio. Riconoscendo la non stazionarietà possiamo almeno indicare i limiti di applicabilità del metodo.
Per qualche motivo, i metodi di massima entropia (come Burg) vengono sorvolati. Puoi vedere chiaramente come l'AFR nuota quando la dimensione della finestra cambia o quando la finestra viene spostata. Immediatamente si possono vedere diverse gobbe di frequenze risonanti che agiscono sul campione analizzato. Ed è subito chiaro che non si può usare tutta questa bellezza per prevedere la prossima barra e prevedere sulla santa fede che l'AFR non cambierà quando arriverà la prossima barra. E questo è un ottimo esempio in cui l'idea implementata inizialmente non teneva conto della non stazionarietà.