エリオット波動理論に基づくトレーディング戦略 - ページ 282 1...275276277278279280281282283284285286287288289...309 新しいコメント Forex Trader 2007.06.28 12:07 #2811 ニュートロンへ サンプルウィンドウが狭くなるとFZは減少するが、オペレータの平滑化特性は悪くなることがわかる。平滑化の品質と遅延の妥協点を見つけなければなりません。そのため、周波数特性のパラメータ（通過帯域の均一性、カットオフスロープ）が同じか近い演算器の平滑化特性を比較するのが正しいのです。この点、バターワース・フィルターは帯域幅が最小（ゼロではない！）であり、カットオフ周波数で大幅に増加する。このような観点から、ウェーブレットベースのフィルタリング手法と古典的なフィルタリング手法を比較することは興味深いことである。 ここで、私はあなたに同意します。比較について...ウェーブレットの場合、あなたが言っている特性（AFC、FSなど）を直接計算するのは簡単ではありません。そのために理論を深く掘り下げることは、今のところしていません。しかし、特定の価格帯のシリーズを使った実験も計画しています。もし、有意義な結果が得られたら、皆さんにお伝えしたいと思います。しかし、時間がかかる... どこかで何かを外挿するのであれば、必然的にFZが存在することになります。実際、時系列の右端に座り、一歩先に外挿すると、当該時系列の確率的な値を得ることができる。次のカウントダウンでは、その値を真の値と比較し、その結果の誤差を記憶する。2点目の入力データの更新を考慮して、この手順をもう1度繰り返す、といった具合に。その結果、初期と予測の2つの時系列を持つことになります。明らかに、両者は完全に一致するわけではなく、また、強く発散するわけでもなく、FZだけ相対的にずれているのですだから、この場合はFZという言葉がふさわしいと思います。 私も原則的には賛成です。ただ、分野によって用語が異なり、基本的なセットがあり、これらのセットは重ならないことが多いのです。もうひとつ、予測に関するニュアンスを。元の価格系列を、いわば全体として外挿することができます。たとえば、多項式で近似して、この多項式を未来に続けるのです（これは、下記の例です）。しかし、別のアプローチもあります。まず、この系列をより単純な構成要素に分解することができます。情報を損なわない可逆変換は、フーリエ変換、ウェーブレット変換など、たくさんあります。そして、各成分について外挿を行う。そして、これらの部分は全体よりも単純であるため、外挿が容易になるか、少なくとも便利で効率的なものになります。そして、もしかしたらもっと良くなるかもしれない。その結果をロールバックすることで、シリーズ全体の外挿を得ることができる。もちろん、この2つのアプローチは本質的には同等なのですが、私は2番目のアプローチの方が好きなんです。おそらく私だけではないでしょう。ネット上では、フーリエ高調波を使った価格予測の議論によく出くわしますね。私が見たものは、どちらかというと不器用な感じでしたが。 . さあ、同僚たちよ、私を批評してくれ。 私は、どのような外挿も、時系列（TP）が選択された方向に「従う」 性質を持つことを意味すると主張する。実際、一歩先をn 次の多項式で外挿することで、一次導関数、二次導関数のNEEDを仮定している...元の系列のn-1、少なくともこの段階では......。私が何を言いたいかわかりますか？一次導関数の準連続性は、選択した時間枠（TF）におけるBPの自己相関係数（AC）が正であることに他なりません。ブラウン型BPに外挿を適用しても無意味であることが知られている。なぜ？なぜなら、そのような系列のCAは、同値的にゼロに等しいからですでも、QAがマイナスのGRもあるわけで...。私が正しければ）それらに外挿するのは単に不正確であり、価格は予測された方向と反対方向に行く可能性が高いのです。 手始めに：ほぼすべてのFX VRは負の自己相関関数（これは、すべての可能なTFのKAから構築された関数です）-これは医学的な事実です！-を有しています。例外は、小さい時間枠の一部の通貨商品と、週足TFのSberbankとEU RAOの株式です。これは、特に、移動平均の悪用に基づいてTSの現代の市場での不適当性を説明する - 外挿するために同じ試み。 間違っていなければ、ウェーブレットは先験的に、その機能を正しく発揮できない領域に身を置くことになる。 以前の投稿の記憶が正しければ、自己相関関数を計算するために、まず価格系列を微分していますね。そのため、低周波や中周波の倍音のかなりの部分を捨てていることになります。もちろん、統計学にとっては、この方法は賢明なものである。しかし、ここで赤ちゃんを水と一緒に捨ててしまってはいけないのではないでしょうか？低周波には面白いものがたくさんあります。例えば、トレンドの動き。経験則から言えば、市場のパターンは繰り返されるということは誰もが認めるところである。実際、どんな金融商品の歴史でも、トレンドチャネルなど、双子の兄弟のように見える数字を見つけることは簡単ですが、それらは非常に大きな時間間隔（時には数年）で隔てられています。これは事実です。反論はしないのでしょうか？ また、特性（トレンドチャネルの固有振動数、平均 寿命など）も同じではありません。- これらの「現象」は、しばしば実質的に（比較可能なスケールで、分と日を比べても意味がない）一致し、時間的にも飛躍的な変化はなく、常に滑らかに流れている。この事実をウェーブレット法を用いて明確に証明することができるのです。これまでは単発の例でしたが、近々、履歴の代表的な統計を取ろうと思っています。 これはどういうことなのでしょうか？直接的な情報のつながりは考えにくく、市場の長期的な記憶も疑わしい。私たちが何も知らない、何らかの市場内部の構造、その深い特性の発現は可能である。まるで、市場自身の周波数が一連のセットになっているかのようであり、それは時間の経過とともにスムーズに、静かに経過していく。なぜ、多くのトレンドチャンネルは似ているのか？なぜその性質は安定しているのか、なぜ似たような構造が異なる入れ子レベルで現れ、その周波数配置が完全にランダムではないのか。単にフラクタルというだけでは、あまり建設的ではありません。ましてや、トレーディングに使えないのでしょうか？ここで統計的なアプローチを軽視するつもりは全くありません。AKをベースに予測地平を計算したことがありましたね。素晴らしいのは、それが存在することです。その事実を、適切な状況で活用しよう!しかし、統計的な特性だけでなく、市場にはもっと多くのものがあるように思います。市場のダイナミズムを見抜き、キャッチすることができれば、さらなるアドバンテージとなる。気にならないかな？リーズナブル。頑張って、良い流れを作ってください Forex Trader 2007.06.28 12:30 #2812 <br/ translate="no"> 低周波には面白いものがたくさん眠っています。例えば、トレンドの動き。 ちなみに、このアイデアはバカバカしいかもしれませんが、それにしても。例えば、ある楽器に対して、さらに低周波を象徴するような周波数帯域（浮遊している場合もある）を定義する。 - または何らかの合計係数、例えば振幅の合計、 - または低周波の合計エネルギー - または対応する低周波の各振幅を考慮 - （変形がありえます）。 さらに、これらの量の将来の値を、いくつかの方法（最も単純な、 線形回帰 または放物線、より複雑な方法があるかもしれない、クローラー、ニューラルネットワーク、などはまだ重要ではありません）を使用して予測します。 つまり、予測された低周波から、低周波信号、一種の将来の「傾向」を再構築するのです。 まだ手をつけていないんです。同僚、どうでしょう、振幅もランダムな値になるのは理解できるのですが、それでも？ Forex Trader 2007.06.28 14:33 #2813 Andre69 しかし、別のアプローチもあります。まず、この系列をより単純な構成要素に分解することができます。フーリエ変換、ウェーブレット変換など、情報を失わない可逆変換はたくさんあります。そして、各成分について外挿を行う。 擂り潰す 次に、これらの値について、いくつかの方法（最も単純な、線形回帰または放物線、より複雑な方法があるかもしれない、クローラー、ニューラルネットワーク、などまだ重要ではありません）を使用して、将来の値を予測します。 うーん、これは多くの周波数で同時にリラックスすることを指しているのではないでしょうか？:)とにかく、1/fの話はしないと約束しました。） どうやら、個々の成分の外挿の誤差を合計しても、互いに相殺されないようなのです。おそらくポイントは、外挿しすぎた（5小節以上）ことでしょう。しかし、成分の振幅の変化が独立していない可能性もある。ここでは、例えばFZのように、ある種のフィルターが高周波を見ないということが言えます。しかし、実際には時間が経っても反応してしまう。つまり、高周波から低周波へ、ある有限の速度でエネルギーを送り出すということがあるのです。何か規則性があるのでしょうか？理論的にはどうなのでしょうか？ Forex Trader 2007.06.28 14:56 #2814 Andre69 Но есть и другой подход. Можно сначала разложить наш ряд на более простые компонетры. Обратимых преобразований без потери информации полно - Фурье, вейвлеты и масса других. Затем мы делаем экстраполяцию для каждого компонента. 擂り潰す 次に、これらの量の将来の値を、何らかの方法（最も単純な、線形回帰または放物線、より複雑な方法、クローラー、ニューラルネットワークなどがあるかもしれませんが、まだ重要ではありません）を使って予測します。 うーん、これは多くの周波数で同時にリラックスすることを指しているのではないでしょうか？:)とにかく、1/fの話はしないと約束しました。） どうやら、個々の成分の外挿の誤差を合計しても、互いに相殺されないようなのです。おそらくポイントは、外挿しすぎた（5小節以上）ことでしょう。しかし、成分の振幅の変化が独立していない可能性もある。ここでは、例えばFZのように、ある種のフィルターが高周波を見ないということが言えます。しかし、実際には時間が経っても反応してしまう。つまり、高周波から低周波へ、ある有限の速度でエネルギーを送り出すということがあるのです。何か規則性があるのでしょうか？理論的にはどうなのでしょうか？ だから、ナンセンスでうまくいかないんです。:o(( 半年かけてトレンド（トレンドというのはチャンネルのHRとその持続時間の推定という意味です）を探したのですが、いいのが見つからなかったんです。既知の統計情報をすべて試したが、何も効果がなかった。私は、まさにこのチャンネルの長さを推定するための経験的な関数しか持っておらず、その結果には満足していないのです。 そして、周波数間のエネルギー移動に規則性を見出すのに一生かかっても、何も見つからないかもしれません。とはいえ...。:о)))) Forex Trader 2007.06.28 15:01 #2815 ただ、かなり昔は以下のように自分を楽しませてくれたものです。 - インパルス分解 - 新しいインパルスを予測するために、ニューラルネットワークを使用しました。 - これらのインパルスと予測されるインパルスとの畳み込みを行い あまり満足のいく結果ではありませんでした。そこで、低周波を予測してはどうかと考えたのです。 Forex Trader 2007.06.28 17:34 #2816 また、私のフーリエ成分外挿の写真も追加します。地平線が遠くなるほど、予測に関与する成分は少なくなる。 実はこれはトライアルバルーンであり、すべての思いが実現したわけではありません。しかし、突然、言いようのない懐疑心に襲われ :) 、それ以上、この場所を掘り下げることはしませんでした。心の中にしまってはいるけれど。 Forex Trader 2007.06.28 18:43 #2817 ようやく空いた時間ができたので、ウェーブレットについての投稿を続けたいと思います。 遅れて申し訳ありません。生活の喧騒が気になる...。 先ほど、DWTについてごく簡単に説明しました。さて、CWTについてです。 比較できるようにするために、他のことを繰り返します。 1.DWTウェーブレットは必ずスケーリング関数を持つ必要があります。 2.DWTは逆変換で元の系列の完全な再構成（PR）を与えるもので、理論だけでなく実際にも適用されている。 3.DWTの係数は、元の系列の項と全く同じである。通常、長さの異なるベクトルの集合として格納される。 4.スケールは変換の各ステップで正確に2回変化します（二項変換 - スケールのスケール：1,2,4,8...）。 5.実際には、DWT係数は、元の系列に一連の短いフィルタを適用して計算される。分解で2つのフィルタ、再構成で2つの（他の）フィルタ（Mullのアルゴリズム）。 6......今ここにある残りは、関係ない......。 さて、皆さん、連続変換-CWTは上記のすべての点でDWTと異なります! 1.CWT用のウェーブレットは、スケーリング関数を持つ必要は全くない。つまり、DWTで使われているそれらのウェーブレットはCWTでも十分に使えるが、その逆は成り立たないということだ。これが実際にどういうことかというとCWTのウェーブレット関数は、有限区間の外側では必ずしもゼロに収束する必要はなく、そこで素早く減衰すればよい。そのため、ここには非常に興味深く、有用なウェーブレットが数多く存在するのです。その中には、モレットウェーブレット（非常にシンプルで便利なもの）、メキシカンハット、ガウスウェーブレットファミリーなどがあります。 2.CWTは理論上、つまり積分表現においてのみ完全な再構成を行う。しかし、実際には、常に有限のデータセットを操作し、有限のスケール（コンピュータのメモリや計算時間などに制限がある）を使用することができるのである。しかし、これは逆変換が不可能であることを意味するものではありません! かなり可能性があります!すべてが正しく行われれば、逆変換でいくつかの最初の最低周波数の高調波（定数成分とそのうちの1つか2つ）だけを歪ませることができます。実践してみると、これが問題にならないことが多いのです。では、次に進みましょう。 3.CWTは非常に冗長な変換です。係数は元の系列の項より一桁大きくなることもある。通常、長方形のマトリックス状に配置される。その幅は時間（ソース行メンバの番号）、高さはスケールです。 また、直方体行列とは何でしょうか？正解です。データを適切に拡大縮小すれば、それは画像、絵になります。 これが、個人的にCWTの一番好きなところです。私はパターン認識などの画像処理にかなり深く関わっていたので、このような画像を正しく処理し、さまざまな特徴を探す方法を知っています。一番魅力的なのは、これらの特徴と初期シリーズを簡単に関連付けることができ、与えられた特徴が初期シリーズのどの位置に対応するのかが常に分かることです。価格系列に対するCWTの結果は、市場の多変量性を余すところなく示し、フラクタル性を明らかにし、それは簡単に見ることができ、さらに多くのことを教えてくれます。 4.CWTのスケールは任意である。より正確には、単調に増加する自然数の級数であれば、どのようなものでもよい。線形がいいのか、対数がいいのか、その他なのか。どちらか都合のよいほうを選んでください。そして、これがいいんです! 5.CWTの実用的な計算方法は難しくありません。ウェーブレット関数は適当な方法でサンプリングされ、変換の精度を求めるほど、より多くのポイントを取る必要があります。その後、最初のスケールに従って伸張され、データとの畳み込みが行われる。いわば、「スーツを着てみよう」ということです。音階のセットを使い切るまで、すべてを繰り返すのです。その結果は、あらかじめ用意された行列の該当する行に書き込まれる。逆変換も問題ないでしょう。文献から引用した逆CWTの式にしたがって進める。 しかし、計算量が多く、メモリを消費するという欠点があります。今使っているパソコン（3年前は良いパソコンだった）は、2000～3000カウントの価格シリーズの断片を処理するのに、15～20秒かかる。C++コードは高度に最適化されていますが、畳み込み定理と世界最速のフーリエ変換ライブラリの1つを使用しています。そうですね...このようなコードはMQLではプログラムできません。 ここで、CWTが市場分析と価格カーブの外挿方法の探索に向けた最初の一歩を踏み出したことについてお話したいと思います。 まずはMorletウェーブレットから始めました。このウェーブレットを用いたCWTは、ガウス窓を用いたフーリエ変換と等価である。まあ、どの教科書にも書いてあるんですけどね...。ウェーブレットのパラメータを1つだけ調整することで、時間領域と周波数領域での幅の比率を変えることができます。これは便利です。 以下は、EURUSDシリーズ（1時間足の終値）のCWT結果（分解係数は 従来の色で表示され、高値が薄く、安値が濃くなる）の説明である。この作品は、歴史から切り取ったもので、具体的にどこかは、今は重要ではないと思います。以下は、与えられた価格シリーズです。 ここで何を語ればいいのか。市場の分断がはっきりと見て取れます。価格曲線の最大値と最小値がうまく局在している。そう簡単ではありませんが、写真の構造は、異なるスケールでのトレンドチャネルと関連付けることができます。他には？注-驚くべき事実がわかります-市場はいくつかのスケールを好まないのです! ここでは、かなり典型的な写真をお見せしました。このような写真を何枚か作って並べると、ある構造が生まれ、発展し、そして消えていき、他の構造に置き換わっていく様子がわかります。模様のような錯覚さえ覚える。また、絵を立体的に変換して表現するのもよいでしょう。それを知るために、そんな写真で映画を作りたい。でも、時間がかかりそう...。 他のウェーブレットも似たような絵を描きますが、Morlaisではより直接的な解釈が可能です。 だから、今のところこれに落ち着いています。 そんな写真を見るだけでなく、もっと有意義なことができるはずです。 まあ、例えばウェーブレットスペクトルを得るために。パースヴァルの定理がウェーブレットに対して有効だから可能なのだ。モレットウェーブレットの場合、そのスペクトルはフーリエスペクトルのアナログであるが、それ以外は高度に平滑化され、スケーリングされたものである。しかし、分析にとっては天と地ほどの差があります。価格帯別フーリエスペクトルを数多く見てきたが、それらのフェンスを見る限り、一定の結論に達することはできなかった。ここでは、すべてが明確で論理的に見えます。しかし、これらのスペクトルについては、長い話になるかもしれません。今ここで、その話をするのはやめよう。すみません、まだ写真を載せていないんです。ただ、別のPCに入れてあるんですよねー。面白ければ後日掲載します。 今度は外挿です。行そのものではなく、CWT行列を外挿しましょう。著作権法を尊重し、詳細は割愛させていただきます。しかし、クールでとても自明とは言えないアイデアがあるのです。何か直感的に、ここで素晴らしいことをやるか、それとも......。...さもなくば、非常に大きな間違いを犯すことになります。いずれにせよ、私の秘密主義の動機はご理解いただけると思います。自分のアイデアをコードに実装し、ストーリーやデモでテストし、その結果を咀嚼して、初めて言えることなのです。これだけだと、残念ですが、長いです。 ただ、価格シリーズの一部を200サンプル先に外挿した結果（青い曲線）をお見せします。 もちろん、いつもそんなにうまくいくわけではありませんが、かなりの頻度で行われます。頻度を確認したわけではありません。意味がないんです。これは、まさに最初の試みでした。アルゴリズムはプリミティブで、最初に思いついたものです。今、私はそれをすべて手放しました。 終わりです。ご清聴ありがとうございました。 オフ会、あとは話し合いの順番で。 みんなに幸あれ、いい傾向だ! Forex Trader 2007.06.28 18:48 #2818 toAndre69 ...まず価格系列を微分していますね。そうすることで、低周波と中周波の倍音のかなりの部分を捨てていることに気がつくでしょう。もちろん、統計学にとっては、この方法は賢明なものである。でも、ここで赤ちゃんを水と一緒に捨ててしまっては......？ 微分する際に、信号の低周波成分の情報を失わないようにする。実際、残差系列を積分すると、すべてのトレンドに何らかの定数を加えた元の時系列が得られます。したがって、微分によって元の系列を残差化することは、数学的な見地から見ても極めて正しい。しかし、ここで別の罠がある。それは、近隣のサンプルの誤った相関を発生させてしまうことだが、これは別の話である。 それ以外は、Andre69さんの意見に賛成です。そして、有益な回答をありがとうございました。 toYurixx しかし、もっと複雑なもの、たとえば次数2の多項式を例にとると、ちょっと違うんです。 はっきり言いますが、近未来への外挿の話です。 つまり、簡単な2次関数で（数列が本当に性質上それを許すと仮定して）、ピボットポイントの近似値を予測することができるのです。そして、それこそが、誰にとっても必要なことなのです。特に高次の多項式。 一般的な時系列を 次数nの 多項式で補間する式を書き始めたのですが、その結果、何ができたか分かりますか？- テイラーのシリーズ展開(RT)をいつの間にか!私は自分の天才ぶりに驚き、少し考えて、「そうだ、そうだ」という結論に達しました。結局のところ、RTはある点における初期関数を、1次、2次、...、n-1 次導関数の振る舞いをモデル化した、より小さい重みで高次および低次の多項式を合計することによって近似したものである。定義によれば、この装置は初期級数が滑らかである場合、すなわちn-1までの 導関数が定義され存在する場合に使用することができる。金融商品のBPは滑らかなクラスには属さないので、RT分解や、同じように多項式による外挿を適用することはできない。 ちなみに、このシリーズのスムーズさは、CAのポジティブさにほかなりませんよ。つまり、このシリーズは方向転換するよりも、始まった動きを継続する可能性が高い。そうです、それです!NOT平滑関数とその解析法を研究する数学のセクションを作る必要があるようだ...。to Candid 1年半ほど前、私はフーリエ解析を用いたBPの外挿を積極的に行っていました。私は、あらかじめ設定した任意の数の倍音を合計し、それを任意のサンプル数だけ未来に拡張するプログラムを書きました。コードの正しさを確認するために、一番最初のピアノの鍵盤の音をデジタル化し（興味本位で言うと、下請けのLPは500以上の高調波を含んでいて、解析が非常に難しい）、この系列にコードを送り、先の基本波の数周期についてその外挿を得ました。その結果、本物の音と見分けがつかないほどの美しさに驚かされました。つまり、私のコードは、この血まみれの音のごちゃごちゃの今後の挙動を完璧に予測していたのだ!!!!大喜びで、マーケットを荒らす気満々だったのですが...。が、市場には見向きもされなかった。重装備の兵士である私を踏み越えて、そのまま行ってしまったのだ。その結果、固定ハーモニクスは市場に存在しないことが判明したのです......。 Forex Trader 2007.06.28 19:23 #2819 までCandid 要は、「据え置き型のハーモニクスは市場にない」ということが判明したのだが......。 それを説明したつもりだったのですが......）。各高調波の外挿係数は、各バーで再計算された。ベースは高調波周期の4分の1、外挿の長さは8分の1である。また、連続した予報を得ることが目的ではありませんでした。少なくともいくつかの区間では良い予報を出し、その区間が他の区間とどう違うのかを理解しようとするのが目的だ。しかし、その結果は、止まった時計が時間を示すのと同じように、物価を示すものだった) Forex Trader 2007.06.28 19:34 #2820 ニュートロンに、キャンディッド。 実は、ハーモニックフォールディングではなく、ちょっと（というか、まったく）違う意味なんです。よし、じっくりとチェックしよう。 1...275276277278279280281282283284285286287288289...309 新しいコメント 取引の機会を逃しています。 無料取引アプリ 8千を超えるシグナルをコピー 金融ニュースで金融マーケットを探索 新規登録 ログイン スペースを含まないラテン文字 このメールにパスワードが送信されます エラーが発生しました Googleでログイン WebサイトポリシーおよびMQL5.COM利用規約に同意します。 新規登録 MQL5.com WebサイトへのログインにCookieの使用を許可します。 ログインするには、ブラウザで必要な設定を有効にしてください。 ログイン/パスワードをお忘れですか？ Googleでログイン
ここで、私はあなたに同意します。比較について...ウェーブレットの場合、あなたが言っている特性（AFC、FSなど）を直接計算するのは簡単ではありません。そのために理論を深く掘り下げることは、今のところしていません。しかし、特定の価格帯のシリーズを使った実験も計画しています。もし、有意義な結果が得られたら、皆さんにお伝えしたいと思います。しかし、時間がかかる...
私も原則的には賛成です。ただ、分野によって用語が異なり、基本的なセットがあり、これらのセットは重ならないことが多いのです。もうひとつ、予測に関するニュアンスを。元の価格系列を、いわば全体として外挿することができます。たとえば、多項式で近似して、この多項式を未来に続けるのです（これは、下記の例です）。しかし、別のアプローチもあります。まず、この系列をより単純な構成要素に分解することができます。情報を損なわない可逆変換は、フーリエ変換、ウェーブレット変換など、たくさんあります。そして、各成分について外挿を行う。そして、これらの部分は全体よりも単純であるため、外挿が容易になるか、少なくとも便利で効率的なものになります。そして、もしかしたらもっと良くなるかもしれない。その結果をロールバックすることで、シリーズ全体の外挿を得ることができる。もちろん、この2つのアプローチは本質的には同等なのですが、私は2番目のアプローチの方が好きなんです。おそらく私だけではないでしょう。ネット上では、フーリエ高調波を使った価格予測の議論によく出くわしますね。私が見たものは、どちらかというと不器用な感じでしたが。 .
私は、どのような外挿も、時系列（TP）が選択された方向に「従う」 性質を持つことを意味すると主張する。実際、一歩先をn 次の多項式で外挿することで、一次導関数、二次導関数のNEEDを仮定している...元の系列のn-1、少なくともこの段階では......。私が何を言いたいかわかりますか？一次導関数の準連続性は、選択した時間枠（TF）におけるBPの自己相関係数（AC）が正であることに他なりません。ブラウン型BPに外挿を適用しても無意味であることが知られている。なぜ？なぜなら、そのような系列のCAは、同値的にゼロに等しいからですでも、QAがマイナスのGRもあるわけで...。私が正しければ）それらに外挿するのは単に不正確であり、価格は予測された方向と反対方向に行く可能性が高いのです。
手始めに：ほぼすべてのFX VRは負の自己相関関数（これは、すべての可能なTFのKAから構築された関数です）-これは医学的な事実です！-を有しています。例外は、小さい時間枠の一部の通貨商品と、週足TFのSberbankとEU RAOの株式です。これは、特に、移動平均の悪用に基づいてTSの現代の市場での不適当性を説明する - 外挿するために同じ試み。
間違っていなければ、ウェーブレットは先験的に、その機能を正しく発揮できない領域に身を置くことになる。
以前の投稿の記憶が正しければ、自己相関関数を計算するために、まず価格系列を微分していますね。そのため、低周波や中周波の倍音のかなりの部分を捨てていることになります。もちろん、統計学にとっては、この方法は賢明なものである。しかし、ここで赤ちゃんを水と一緒に捨ててしまってはいけないのではないでしょうか？低周波には面白いものがたくさんあります。例えば、トレンドの動き。経験則から言えば、市場のパターンは繰り返されるということは誰もが認めるところである。実際、どんな金融商品の歴史でも、トレンドチャネルなど、双子の兄弟のように見える数字を見つけることは簡単ですが、それらは非常に大きな時間間隔（時には数年）で隔てられています。これは事実です。反論はしないのでしょうか？ また、特性（トレンドチャネルの固有振動数、平均
寿命など）も同じではありません。- これらの「現象」は、しばしば実質的に（比較可能なスケールで、分と日を比べても意味がない）一致し、時間的にも飛躍的な変化はなく、常に滑らかに流れている。この事実をウェーブレット法を用いて明確に証明することができるのです。これまでは単発の例でしたが、近々、履歴の代表的な統計を取ろうと思っています。 これはどういうことなのでしょうか？直接的な情報のつながりは考えにくく、市場の長期的な記憶も疑わしい。私たちが何も知らない、何らかの市場内部の構造、その深い特性の発現は可能である。まるで、市場自身の周波数が一連のセットになっているかのようであり、それは時間の経過とともにスムーズに、静かに経過していく。なぜ、多くのトレンドチャンネルは似ているのか？なぜその性質は安定しているのか、なぜ似たような構造が異なる入れ子レベルで現れ、その周波数配置が完全にランダムではないのか。単にフラクタルというだけでは、あまり建設的ではありません。ましてや、トレーディングに使えないのでしょうか？ここで統計的なアプローチを軽視するつもりは全くありません。AKをベースに予測地平を計算したことがありましたね。素晴らしいのは、それが存在することです。その事実を、適切な状況で活用しよう!しかし、統計的な特性だけでなく、市場にはもっと多くのものがあるように思います。市場のダイナミズムを見抜き、キャッチすることができれば、さらなるアドバンテージとなる。気にならないかな？リーズナブル。頑張って、良い流れを作ってください
ちなみに、このアイデアはバカバカしいかもしれませんが、それにしても。例えば、ある楽器に対して、さらに低周波を象徴するような周波数帯域（浮遊している場合もある）を定義する。 - または何らかの合計係数、例えば振幅の合計、 - または低周波の合計エネルギー - または対応する低周波の各振幅を考慮 - （変形がありえます）。 さらに、これらの量の将来の値を、いくつかの方法（最も単純な、
線形回帰 または放物線、より複雑な方法があるかもしれない、クローラー、ニューラルネットワーク、などはまだ重要ではありません）を使用して予測します。 つまり、予測された低周波から、低周波信号、一種の将来の「傾向」を再構築するのです。 まだ手をつけていないんです。同僚、どうでしょう、振幅もランダムな値になるのは理解できるのですが、それでも？
しかし、別のアプローチもあります。まず、この系列をより単純な構成要素に分解することができます。フーリエ変換、ウェーブレット変換など、情報を失わない可逆変換はたくさんあります。そして、各成分について外挿を行う。
次に、これらの値について、いくつかの方法（最も単純な、線形回帰または放物線、より複雑な方法があるかもしれない、クローラー、ニューラルネットワーク、などまだ重要ではありません）を使用して、将来の値を予測します。
うーん、これは多くの周波数で同時にリラックスすることを指しているのではないでしょうか？:)とにかく、1/fの話はしないと約束しました。）
どうやら、個々の成分の外挿の誤差を合計しても、互いに相殺されないようなのです。おそらくポイントは、外挿しすぎた（5小節以上）ことでしょう。しかし、成分の振幅の変化が独立していない可能性もある。ここでは、例えばFZのように、ある種のフィルターが高周波を見ないということが言えます。しかし、実際には時間が経っても反応してしまう。つまり、高周波から低周波へ、ある有限の速度でエネルギーを送り出すということがあるのです。何か規則性があるのでしょうか？理論的にはどうなのでしょうか？
Но есть и другой подход. Можно сначала разложить наш ряд на более простые компонетры. Обратимых преобразований без потери информации полно - Фурье, вейвлеты и масса других. Затем мы делаем экстраполяцию для каждого компонента.
次に、これらの量の将来の値を、何らかの方法（最も単純な、線形回帰または放物線、より複雑な方法、クローラー、ニューラルネットワークなどがあるかもしれませんが、まだ重要ではありません）を使って予測します。
うーん、これは多くの周波数で同時にリラックスすることを指しているのではないでしょうか？:)とにかく、1/fの話はしないと約束しました。）
どうやら、個々の成分の外挿の誤差を合計しても、互いに相殺されないようなのです。おそらくポイントは、外挿しすぎた（5小節以上）ことでしょう。しかし、成分の振幅の変化が独立していない可能性もある。ここでは、例えばFZのように、ある種のフィルターが高周波を見ないということが言えます。しかし、実際には時間が経っても反応してしまう。つまり、高周波から低周波へ、ある有限の速度でエネルギーを送り出すということがあるのです。何か規則性があるのでしょうか？理論的にはどうなのでしょうか？
だから、ナンセンスでうまくいかないんです。:o(( 半年かけてトレンド（トレンドというのはチャンネルのHRとその持続時間の推定という意味です）を探したのですが、いいのが見つからなかったんです。既知の統計情報をすべて試したが、何も効果がなかった。私は、まさにこのチャンネルの長さを推定するための経験的な関数しか持っておらず、その結果には満足していないのです。
そして、周波数間のエネルギー移動に規則性を見出すのに一生かかっても、何も見つからないかもしれません。とはいえ...。:о))))
- インパルス分解
- 新しいインパルスを予測するために、ニューラルネットワークを使用しました。
- これらのインパルスと予測されるインパルスとの畳み込みを行い
あまり満足のいく結果ではありませんでした。そこで、低周波を予測してはどうかと考えたのです。
実はこれはトライアルバルーンであり、すべての思いが実現したわけではありません。しかし、突然、言いようのない懐疑心に襲われ :) 、それ以上、この場所を掘り下げることはしませんでした。心の中にしまってはいるけれど。
遅れて申し訳ありません。生活の喧騒が気になる...。
先ほど、DWTについてごく簡単に説明しました。さて、CWTについてです。
比較できるようにするために、他のことを繰り返します。
1.DWTウェーブレットは必ずスケーリング関数を持つ必要があります。
2.DWTは逆変換で元の系列の完全な再構成（PR）を与えるもので、理論だけでなく実際にも適用されている。
3.DWTの係数は、元の系列の項と全く同じである。通常、長さの異なるベクトルの集合として格納される。
4.スケールは変換の各ステップで正確に2回変化します（二項変換 - スケールのスケール：1,2,4,8...）。
5.実際には、DWT係数は、元の系列に一連の短いフィルタを適用して計算される。分解で2つのフィルタ、再構成で2つの（他の）フィルタ（Mullのアルゴリズム）。
6......今ここにある残りは、関係ない......。
さて、皆さん、連続変換-CWTは上記のすべての点でDWTと異なります!
1.CWT用のウェーブレットは、スケーリング関数を持つ必要は全くない。つまり、DWTで使われているそれらのウェーブレットはCWTでも十分に使えるが、その逆は成り立たないということだ。これが実際にどういうことかというとCWTのウェーブレット関数は、有限区間の外側では必ずしもゼロに収束する必要はなく、そこで素早く減衰すればよい。そのため、ここには非常に興味深く、有用なウェーブレットが数多く存在するのです。その中には、モレットウェーブレット（非常にシンプルで便利なもの）、メキシカンハット、ガウスウェーブレットファミリーなどがあります。
2.CWTは理論上、つまり積分表現においてのみ完全な再構成を行う。しかし、実際には、常に有限のデータセットを操作し、有限のスケール（コンピュータのメモリや計算時間などに制限がある）を使用することができるのである。しかし、これは逆変換が不可能であることを意味するものではありません!
かなり可能性があります!すべてが正しく行われれば、逆変換でいくつかの最初の最低周波数の高調波（定数成分とそのうちの1つか2つ）だけを歪ませることができます。実践してみると、これが問題にならないことが多いのです。では、次に進みましょう。
3.CWTは非常に冗長な変換です。係数は元の系列の項より一桁大きくなることもある。通常、長方形のマトリックス状に配置される。その幅は時間（ソース行メンバの番号）、高さはスケールです。
また、直方体行列とは何でしょうか？正解です。データを適切に拡大縮小すれば、それは画像、絵になります。
これが、個人的にCWTの一番好きなところです。私はパターン認識などの画像処理にかなり深く関わっていたので、このような画像を正しく処理し、さまざまな特徴を探す方法を知っています。一番魅力的なのは、これらの特徴と初期シリーズを簡単に関連付けることができ、与えられた特徴が初期シリーズのどの位置に対応するのかが常に分かることです。価格系列に対するCWTの結果は、市場の多変量性を余すところなく示し、フラクタル性を明らかにし、それは簡単に見ることができ、さらに多くのことを教えてくれます。
4.CWTのスケールは任意である。より正確には、単調に増加する自然数の級数であれば、どのようなものでもよい。線形がいいのか、対数がいいのか、その他なのか。どちらか都合のよいほうを選んでください。そして、これがいいんです!
5.CWTの実用的な計算方法は難しくありません。ウェーブレット関数は適当な方法でサンプリングされ、変換の精度を求めるほど、より多くのポイントを取る必要があります。その後、最初のスケールに従って伸張され、データとの畳み込みが行われる。いわば、「スーツを着てみよう」ということです。音階のセットを使い切るまで、すべてを繰り返すのです。その結果は、あらかじめ用意された行列の該当する行に書き込まれる。逆変換も問題ないでしょう。文献から引用した逆CWTの式にしたがって進める。
しかし、計算量が多く、メモリを消費するという欠点があります。今使っているパソコン（3年前は良いパソコンだった）は、2000～3000カウントの価格シリーズの断片を処理するのに、15～20秒かかる。C++コードは高度に最適化されていますが、畳み込み定理と世界最速のフーリエ変換ライブラリの1つを使用しています。そうですね...このようなコードはMQLではプログラムできません。
ここで、CWTが市場分析と価格カーブの外挿方法の探索に向けた最初の一歩を踏み出したことについてお話したいと思います。
まずはMorletウェーブレットから始めました。このウェーブレットを用いたCWTは、ガウス窓を用いたフーリエ変換と等価である。まあ、どの教科書にも書いてあるんですけどね...。ウェーブレットのパラメータを1つだけ調整することで、時間領域と周波数領域での幅の比率を変えることができます。これは便利です。
以下は、EURUSDシリーズ（1時間足の終値）のCWT結果（分解係数は 従来の色で表示され、高値が薄く、安値が濃くなる）の説明である。この作品は、歴史から切り取ったもので、具体的にどこかは、今は重要ではないと思います。以下は、与えられた価格シリーズです。
ここで何を語ればいいのか。市場の分断がはっきりと見て取れます。価格曲線の最大値と最小値がうまく局在している。そう簡単ではありませんが、写真の構造は、異なるスケールでのトレンドチャネルと関連付けることができます。他には？注-驚くべき事実がわかります-市場はいくつかのスケールを好まないのです!
ここでは、かなり典型的な写真をお見せしました。このような写真を何枚か作って並べると、ある構造が生まれ、発展し、そして消えていき、他の構造に置き換わっていく様子がわかります。模様のような錯覚さえ覚える。また、絵を立体的に変換して表現するのもよいでしょう。それを知るために、そんな写真で映画を作りたい。でも、時間がかかりそう...。
他のウェーブレットも似たような絵を描きますが、Morlaisではより直接的な解釈が可能です。
だから、今のところこれに落ち着いています。
そんな写真を見るだけでなく、もっと有意義なことができるはずです。
まあ、例えばウェーブレットスペクトルを得るために。パースヴァルの定理がウェーブレットに対して有効だから可能なのだ。モレットウェーブレットの場合、そのスペクトルはフーリエスペクトルのアナログであるが、それ以外は高度に平滑化され、スケーリングされたものである。しかし、分析にとっては天と地ほどの差があります。価格帯別フーリエスペクトルを数多く見てきたが、それらのフェンスを見る限り、一定の結論に達することはできなかった。ここでは、すべてが明確で論理的に見えます。しかし、これらのスペクトルについては、長い話になるかもしれません。今ここで、その話をするのはやめよう。すみません、まだ写真を載せていないんです。ただ、別のPCに入れてあるんですよねー。面白ければ後日掲載します。
今度は外挿です。行そのものではなく、CWT行列を外挿しましょう。著作権法を尊重し、詳細は割愛させていただきます。しかし、クールでとても自明とは言えないアイデアがあるのです。何か直感的に、ここで素晴らしいことをやるか、それとも......。...さもなくば、非常に大きな間違いを犯すことになります。いずれにせよ、私の秘密主義の動機はご理解いただけると思います。自分のアイデアをコードに実装し、ストーリーやデモでテストし、その結果を咀嚼して、初めて言えることなのです。これだけだと、残念ですが、長いです。
ただ、価格シリーズの一部を200サンプル先に外挿した結果（青い曲線）をお見せします。
もちろん、いつもそんなにうまくいくわけではありませんが、かなりの頻度で行われます。頻度を確認したわけではありません。意味がないんです。これは、まさに最初の試みでした。アルゴリズムはプリミティブで、最初に思いついたものです。今、私はそれをすべて手放しました。
終わりです。ご清聴ありがとうございました。
オフ会、あとは話し合いの順番で。
みんなに幸あれ、いい傾向だ!
微分する際に、信号の低周波成分の情報を失わないようにする。実際、残差系列を積分すると、すべてのトレンドに何らかの定数を加えた元の時系列が得られます。したがって、微分によって元の系列を残差化することは、数学的な見地から見ても極めて正しい。しかし、ここで別の罠がある。それは、近隣のサンプルの誤った相関を発生させてしまうことだが、これは別の話である。
それ以外は、Andre69さんの意見に賛成です。そして、有益な回答をありがとうございました。
toYurixx
はっきり言いますが、近未来への外挿の話です。
つまり、簡単な2次関数で（数列が本当に性質上それを許すと仮定して）、ピボットポイントの近似値を予測することができるのです。そして、それこそが、誰にとっても必要なことなのです。特に高次の多項式。
一般的な時系列を 次数nの 多項式で補間する式を書き始めたのですが、その結果、何ができたか分かりますか？- テイラーのシリーズ展開(RT)をいつの間にか!私は自分の天才ぶりに驚き、少し考えて、「そうだ、そうだ」という結論に達しました。結局のところ、RTはある点における初期関数を、1次、2次、...、n-1 次導関数の振る舞いをモデル化した、より小さい重みで高次および低次の多項式を合計することによって近似したものである。定義によれば、この装置は初期級数が滑らかである場合、すなわちn-1までの 導関数が定義され存在する場合に使用することができる。金融商品のBPは滑らかなクラスには属さないので、RT分解や、同じように多項式による外挿を適用することはできない。 ちなみに、このシリーズのスムーズさは、CAのポジティブさにほかなりませんよ。つまり、このシリーズは方向転換するよりも、始まった動きを継続する可能性が高い。そうです、それです!NOT平滑関数とその解析法を研究する数学のセクションを作る必要があるようだ...。to
Candid
1年半ほど前、私はフーリエ解析を用いたBPの外挿を積極的に行っていました。私は、あらかじめ設定した任意の数の倍音を合計し、それを任意のサンプル数だけ未来に拡張するプログラムを書きました。コードの正しさを確認するために、一番最初のピアノの鍵盤の音をデジタル化し（興味本位で言うと、下請けのLPは500以上の高調波を含んでいて、解析が非常に難しい）、この系列にコードを送り、先の基本波の数周期についてその外挿を得ました。その結果、本物の音と見分けがつかないほどの美しさに驚かされました。つまり、私のコードは、この血まみれの音のごちゃごちゃの今後の挙動を完璧に予測していたのだ!!!!大喜びで、マーケットを荒らす気満々だったのですが...。が、市場には見向きもされなかった。重装備の兵士である私を踏み越えて、そのまま行ってしまったのだ。その結果、固定ハーモニクスは市場に存在しないことが判明したのです......。
要は、「据え置き型のハーモニクスは市場にない」ということが判明したのだが......。
それを説明したつもりだったのですが......）。各高調波の外挿係数は、各バーで再計算された。ベースは高調波周期の4分の1、外挿の長さは8分の1である。また、連続した予報を得ることが目的ではありませんでした。少なくともいくつかの区間では良い予報を出し、その区間が他の区間とどう違うのかを理解しようとするのが目的だ。しかし、その結果は、止まった時計が時間を示すのと同じように、物価を示すものだった)
実は、ハーモニックフォールディングではなく、ちょっと（というか、まったく）違う意味なんです。よし、じっくりとチェックしよう。