単純化した仮定（例えば、データは重なり合ったサイクルからなる、日々の価格変化はガウス分布である、すべての価格は等しく重要である、など）をせずにラグを克服することは、些細なことではない。最終的に、気象庁はon the same technology the military uses to track moving objects in the air using nothing more than their noisy radar. JMA sees the price time series as a noisy image of a moving target (the underlying smooth price) and tries to estimate the location of the real target (smooth price). をベースに、金融時系列の特殊性を考慮した独自の数学に変更することになった。
まあ カルマンを狙ったのは失敗だったね。私の理解が正しければ、アルファベッタガンマフィルタと呼ばれる係数一定のカルマンフィルタについて述べています（これらはカルマンフィルタの異なる修正版です）。
ニュートロンが 必要です。
ここでは、カルマンフィルタ（正解）とバターワースフィルタを比較しています。ランダムフロー理論とFOREX」。
matcadで計算するアルゴリズムがあるんです。もし誰かがMQLでバターワースフィルタを作ろうと思い立っているなら、私は手助けできますし（何があって、どのようにMatkadecで計算するのかを説明します）、JMAが良くなるとは思えません（比較できますよ）。
カルマンは本質的に反復的なMNCなので、フィルターに組み込まれたモデルが研究対象のプロセスにマッチしない場合、それを回避する方法は1つしかないのです。(調理方法を知らないだけです :-))
適応という言葉には、何に適応しなければならないかという問いに対する答えが含まれていると理解してください。ラジオロケーションには、シグナル（有用な成分）とノイズ（邪魔なもの）という概念があります。 この問題を理解した上で、適応型フィルタを作ることができるのですが、この問題に答えないと、何に適応する必要があるのかが分かりません。
2grash
気象庁について著者本人が書いているのはこちら ) -http://www.jurikres.com/catalog/ms_ama.htm#top
これはすべて売り物なので、私が理解しているように、私たちはディスアセンブルされたコードしか得られません。）
リンクありがとうございます。このフェレットは、かなりトリッキーな適応フィルタリングアルゴリズムを使っていると思うのですが、おそらく自己相関だけに基づいた予測要素を使っているのでしょう。そうだと思います :o)
toPrivaltoPrival
何を研究したかは関係ないのですが、会社のためにACFを「獲った」んです。これはあくまでも観察であって、何かで確認したわけではありません。大雑把に言えば、結果を目で見て、「引っかかった」のです。統計的に証明されているわけでもなく、まったくのナンセンスかもしれないが、ときどき確認する価値はある。ポイントは、ACFの種類によるシリーズの展開をある程度想定しておくことです。今のところ、大まかに2種類に分類しています（ACFはブラックシリーズ、グレーシリーズはプロセス開発から）。特にコメントもなく、なんとなくであげています。
バリアントA
バリアントB
PS:
プライベート- 私はDSPで - 私は独学で、私の限られた、技術的な文盲は明らかに世界を支配するナイキスト周波数を理解するのに十分ではありません、と書いている...
何が見えるか分かりませんが、ACFから、variant Aについては、200サンプル分予測できることが分かります（X分とか分からない）。オプションBが50なら、プロセスの性質が変わりますが、ACFは時間と共に変化するので、ダイナミクスを見る必要があります。そして、この関数が示す第一のものは相関時間（プロセスを予測できる時間）＋第二のものはプロセスそのもののタイプで、ほとんどの場合、発振回路（無線工学用語）です。発振回路のタイプでさらに分類することもできますが、私の研究においては（現段階では）それほど重要なことではありません。最初は1種類の振動素子を扱えば、他の振動素子を類推して扱いやすくなる。
簡単な観察で「種類別・タイプ別」に分類してみました。
一般的には - メインでないなら問題ない...グッドラック
この気象庁は、とても印象的です。今までなんとなく、ミューウイングに先入観があり、あまり気にしていなかったのですが。しかし、今は考え直さなければならないようです。
コードベース（'JMA'）にあるそのJMAに関しては、明らかにオリジナルのものとは違うような気がします。たしかにスムーズなのですが、明らかにラグが多くなっています。そこに描かれたパラベラムの 絵は、より説得力がある。
そこでまたまた悩ましい問題が出てきました。初値のチャートを変形させて災害をなくし、その変形したチャートにJurikの指標（またはそのクローン）を適用したいのですが・・・。たとえ分布がガウス分布に近いものになったとしても、価格プロセスはWiener-likeにはならないような気がします - なぜならそのハースト指数は0.5以上になるからです（近隣のサンプルの依存性のため）。
P.S. プライベート、再びあなたへhttp://www.jurikres.com/faq/faq_ama.htm#betterthan . 特に下から3番目の図を見ていただきたいのですが、JMAは他のフィルターと違い、ギブス効果（ギャップ後のスパイク）がほとんどないのです。そして、この効果を除去する効果的なテクニックがあります（学生時代、ヘミングの「デジタルフィルター」という本に出会いましたが、探さないといけませんね）。
気象庁、さすがです。今までなんとなく、ミューウイングに先入観があり、あまり気にしていなかったのですが。しかし、今は考え直さなければならないようです。
コードベース（'JMA'）にあるそのJMAに関しては、明らかにオリジナルのものとは違うような気がします。たしかにスムーズなのですが、明らかにラグが多くなっています。そこに描かれたパラベラムの 絵は、より説得力がある。
プライヴァル、本をありがとうございました。そして、ここでまた驚きの事実が判明し、価格をターゲットとする見解が確認されました。
同所より引用、強調。
2番目。JMAは再描画をしないので、FFTの話はない。それでも彼らはギブス 効果を取り除いた......。
3つ目。ジュリック・リサーチチームは、分布モデルとしてコーシー分布に近いものを想定しています。それは何かというと、この配信の瞬間はどれも存在しない、m.o.も存在しない。敵が仕掛けた待ち伏せを感じるか？しかし、逆に言えば、コーシー分布の増分でランダムな迷走も効果的に平滑化するインダクタを作ることが目的だった可能性もありますね。
2 Rosh：まあ、少なくともJurikのインダクタ1個の謎は解けましたね。リスペクトです。