適応型デジタルフィルタ - ページ 8

新しいコメント
 
Mathemat:
2 Prival： そういえば、先生のおっしゃるKalmanはMNCをベースにしているんでしたね。レーダーデータ（ガウス分布誤差あり）には効果的なのに、マーケットデータではダメな理由がわかりました。カルマンがガウス分布のデータに対して完全である最大の理由は、誤差関数（ターゲット）-この場合は分散の二乗和-がガウス分布に対してだけ完全であることです。他の分布の場合は誤差関数が異なる。パワーテール（重い尾）を持つ分布の場合、目標関数は全く異なり、MNCはここではカウントされない。これが、市場系列においてJMAがKalmanよりも優れている理由です。 。

なんて面白いんでしょう。さあ、アレクセイ、あなたの頭上でも白樺の木を振ってあげるわ :-)。結局、99％の争いは、1人が「こうした方がいい」と言うことで発生します。しかし、どのような意味で優れているのか（基準がどこにあるのか＋どの程度優れているのか）については語られなかった。そして、MAはさらに優れている、最高である、とにかく素晴らしく優れている、と私が主張したとしましょう :-)。JMAとKalmanは全然違いますね。

ある人が他の人より優れていると言っているようなものです。しかし、どのような方法でとは言わない（基準がない）。前者はウォッカを飲むのが得意で、後者は開拓者をパチンコで撃つのが得意だとする。問題は、どちらが優れているかということです。

結局、気象庁はあなたや私にとってブラックボックスなのです。そして、カルマンフィルターには

1.観測モデル（信号モデル＋ノイズモデル）。

2.測定モデル（測定誤差モデル）。

そして、二次損失関数を持つANCで求める解。アプリオリデータと得られた測定値に基づく。そして、このような目標誤差関数は、ガウスだけでなく、どんな対称的な分布則に対しても 有効であることに注意したい。

数学、そして今、質問です。解析対象が正弦波で一様なノイズを持ち、測定値が非定常なポアソン則に従うとする。これらのモデルはすべてカルマンフィルタにネストされており、カルマンフィルタは新しい測定値が到着すると、ANC（二次損失関数）により、ネストされているすべての先験的データに従って（この野生混合物の）最適推定値を求めている。

気象庁のブラックボックスはどこがいいのか？

カルマンフィルターにFXと100％一致するモデル（シグナル＋ノイズ）と適切な計測モデル（非同期型エキスパート推定システム）を入れたら、とんでもない機械になりますよ。

Z.U.観測・測定ノイズのモデルは何でもいいんです。要は、そこにあるものに一貫性を持たせるということです。

 

確信犯、プライヴァル つまり、ジュリッチが明らかに隠していること、あるいは意図的に製品を誇示していることがあるのです。それなのに、なぜOLSではなく、例えば偏差係数の和なのでしょうか？単にANCの方が分析的に都合がいいから？

追伸：昔、ニューラルネットワークの 研究に関連して、都合の良い損失関数について悩んだ記憶があります（そこでは目標関数となっています）。そして、二乗和が誤差分布の法則（ここではガウシアン）に関する特定の仮説に直接関係していることを、なんとなく推理したか、どこかで読んだかしました。私の研究において、関数をモジュールの総和に変更（つまり誤差分布の先験的な法則を指数関数に変更）したところ、予測の質は若干向上しましたが、決定的なものではありませんでした。

 
Prival:

カルマンフィルターに、FX（シグナル＋ノイズ）と100％一致するモデルと、適切な計測モデル（非同期型エキスパート判定システム）を入れたら、とんでもない機械になりますよ。

Z.U.観測・測定ノイズのモデルは何でもいいんです。そこにあるものと一致させることが最大のポイントです。


信号のモデル自体に限界はないのでしょうか？
 
grasn:

をノースウインドに 変更しました。

ありがとうございます。また、「シンプルで十分に一貫性のある市場生活のコンセプトが必要」というのは、ご自身で開発されたものなのか、それともShiryaev氏が述べたような何らかのテクニックを利用されたものなのでしょうか？


すべて、私が見たり読んだりしたものをもとに、自分で考えたものです。
 
Mathemat:

...平方和は誤差分布の法則（ここではガウス分布）についての特定の仮説に直接関係する...。

私の記憶が正しければ、そうです。
 

Privalさん、Mathematics さん、またイライラして恐縮ですが、何度も言いますが、引用文にノイズはほぼありません、それが入力信号です。数学的統計学のツールを使おうとしているのですね（フィルタリングも同じです）。何の 統計？統計学、分布の法則、異なるオーダーのそのモーメントは、ランダムな変数（プロセス）を指します。ティックが出たら、それは信号なのかノイズなのか？このデータがあれば、売買注文を 出すことができ、それが実行される（他の一般的な条件がすべて同じ）ので、シグナルであると主張するのである。そうですね、次の値動きを予測するのは難しいので、ランダムな要素と非ランダムな要素があり、それを検知して外挿-予測できると信じたいですね 。しかも、ランダムではなく、未知数なのです。あるいは、加算要素に分けずに、すべてランダムにすることもできます。何を分離するのですか？同じカルマンフィルターでも、非常に明確な成分（滑らかな解析関数の形で独自のモデルで定義される）をフィルターにかけます。知っていますか？しないんです。相場のダイナミックな性質を見極めようとしているのに、物理的なアナロジーを適用するのも、残念ながら無駄なことです。図よりも大きな振幅を持つ分ローソク足や、ギャップも見つかりますから、実質的に慣性力がないことが分かります。

価格値はランダムであるという仮説を前提に、数理統計学的に調査することは可能である。これは、Mathematicsを はじめとする が昔から好きなことです。その結果、テールが太くなり、それ故にまた実用的な見通しが立たなくなる。

しかし、「ピアニスト」や「選手権」の指導者たちの好結果はどうだろうか!彼らは、方法論のパラダイムを拡大する必要性を語っているに過ぎないのです。テクニカル分析（およびファンダメンタル分析）の要素は、MTSに導入されるべきであるが、古い「古典的」レシピを使用して直接ではなく、ベイズアプローチに基づく作業モデルの予備的なフィルタリングを使用する。これだけの情報量を "人力 "で処理するのは大変なことですが、それをやってのける人がいるんです。結論は明白で、ロボットを訓練することです。

すでにMQLで確率的ネットワークを作っているのですが、プロフィットファクターが1.5以上で動作させることができません - 先生が弱すぎます :-)。
追伸：価格にはノイズがないという主張を裏付けるもう一つの例です。
測定ノイズとは、測定データの真値からのランダムなずれを意味する。例えば、レーダー（専門家向け:-)がレンジ値105を出したが、真の値は100であり、次の測定では101の代わりに99となり、といった具合です。誤差の分布は概ね正規分布である。例えば、価格が1.2567になった場合、これはその真の値であり、誤差はゼロに等しくなります!どのようなノイズなのか？

 
rsi:

Privalさん、Mathematics さん、またイライラして恐縮ですが、何度も言いますが、引用文にノイズはほぼありません、それがインプットなのです。

迷惑行為もなく、rsiも なく、普通に話し合える。引用文中のノイズは、ある解釈、モデルの中でしか見ることができないものです。誤差というと、普通は予測誤差や近似誤差のことを指します。

プライヴァルは 、観測と測定の誤差について話しているのです。これは、彼の専門性からすれば至極当然なことです。しかし、これらはまったく異なる誤りである。 とはいえ、この視点には、人為的ではあるが、生きる権利があると私は考える。しかし、100MHzのサンプリングレートをどのように実現するのか、私にはまだわかりません。

私は、統計的手法を金融シリーズの処理に適用することは、起こりうるリスクを評価する文脈でのみ有用であり、それ以上ではないと考えます。

...図よりも大きな振幅を持つ微細なローソクや、隙間のあるローソクを見つけることができ、実用的な慣性のなさを示しています。

そうそう、2000年に198pipsのオワリで5分足のローソク足もある。どっちが大きい？

 
rsi:

Privalさん、Mathematics さん、またイライラして恐縮ですが、何度も言いますが、引用文にノイズはほとんどありません、それが入力信号です。


Rsi さん、逆に、議論に復帰していただいて、とてもうれしいです。やはり、センスのある話をすると、考えさせられますね。自分にも他人にも、間違ったことを言った（言ってしまった）場合は、謝る。私の数学者にも、そういう命令（将棋倒し：-）をしたり、腕立て伏せをさせたりする人がいました。）生きている彼に会って、兄弟のように抱きしめてあげよう。そして、あなたは私のために黄色のズボン、MT4でns、ウィザード。klotと同じですね。

ノイズの件ですが、私自身もいつも考えています。次のようにしました。私は週次で見積もりを取り、このフローのすべての構成要素を分析し始めました。まずトレンドを引き、次に変動を引き、出せるものはすべて出した。そして、それぞれの処置の後、残差を見てください。全部を選択すると、残差にノイズが入るが、ガウスノイズではない。いくつかの奇妙なノイズ +-1 pip と何もない、いくつかの珍しいスパイク 2-5 pips と 1 つのギャップは 40 pips だった (私は特に良いギャップの週を探していた)。腰を据えて考えてみたら、このノイズの説明がついたような気がします。おそらく測定ノイズだと思いますが、ADCの観点から引用すると（量子化ノイズとサンプリングノイズです）、連続的なプロセスをデジタル化すれば物理的に存在するはずです。だから、そこにノイズはなく、純粋な信号であるというのが正しいかもしれませんね。ただ、1つだけ気になるニュアンスがあります:-(

得意分野という点では、ごく自然なことです。しかし、これらは全く異なるエラーです。とはいえ、この視点には、人為的とはいえ、生きる権利があると私は思う。しかし、100MHzのサンプリングレートをどのように実現するのか、私にはまだわかりません。

100MHzにする方法はない......ありえない（そうでなければ、私はすでにスイートスポットにいるはずだ :-) ）。この状況を少しでも改善するためには、通常のDCで行っているようなことを行うしかない。見積もりのサプライヤーを最大数取り、この流れを自分たちで処理する（しかもローソクではなく、一定の確率で楕円を描く）必要があるのです。結局、証券会社から提供されたデータに従って取引（BuyとSell）を成立させなければならないのです。ただし、この証券会社のデータだけを使って売り買いの判断をする必要はなく、気配値を全く使わないことも可能です:-)

偏差値モジュールの量について。私の誤解でなければ、このやり方では評価が偏るか、あるいは成り立たなくなります。間違うと怖いので正確には覚えていませんが、何か見積りの力について。2次関数でないものを選ぶことも可能ですが。基本的には、真ん中からどの方向（理想的な観察者）の誤差が大きいかを判断することが重要で、例えば、ある方向は四角で、他の方向は立方体だとします。 これは、意思決定の統計理論に基づくものです。(Waldの本「統計的決戦ルール」、入っていると思います)。もし本が必要な方がいらっしゃれば、掲載しますよ。

ノーザンウインド

お聞きしている制限がよくわかりませんので、質問を明確にしてください。

モデルは確率微分方程式系で表現されなければならない。そして、濾過されるプロセスに適したものであることが最大の条件です。これらはまさに、私たちが持つ制約です。

Z.I.Mathematicsは 私を怒らせたかったんだ :-)、待てないんだな。私が尊敬する人たちは、それができないんです。彼が私の手を握って、（彼のために長い間大切に保存してきた）コニャックを投げ捨てない限り、私はまず、何か間違ったことをしたのかもしれないと思うだろう。そして、水を運ぶのは私です :-)

 
rsi:
同じカルマンフィルターでも、よく定義された成分（滑らかな解析的関数として独自のモデルで定義されたもの）をフィルターにかけます。知っていますか？しないんです。相場のダイナミックな性質を見極めようとしているのに、物理的なアナロジーを適用しても、残念ながら無駄なことです。図よりも大きな振幅を持つ分ローソク足や、ギャップも見つけることができ、実用的な慣性のない性質であることを表しています。

ギャップポイントで状況が悪く、おそらく惰性でやっているのだろうというのは、私も同感です。また、すべてのギャップをなくすことはできません（私は、サンプリングレートと解析プロセスの不一致が原因であるという仮説を提示しましたが、何も矛盾していないようです）。しかし、ギャップは1日24時間ばかりではありません。ACF分析では、プロセスに相関があること、相関時間があること、したがってプロセスを予測できることがわかります。結局、物理的なプロセスにほぼ直接的に例えて、飛行機は瞬時に回転できない、質量が邪魔をする、慣性がある、相関があるからプロセスが予測できる。これとNSがなければIHMO（私はこの頭字語が異なる方法で解釈することができることをここで読んでいる、私は私の謙虚な意見でこれを持っている）動作しません。

しかし、「ピアニスト」や「チャンピオンシップリーダー」の好成績はどうでしょう!それこそ、方法論のパラダイムの拡張が必要だと言われています。テクニカル分析（そしておそらくファンダメンタル分析）の要素は、MTSに導入されるべきですが、直接、古い「古典的」レシピではなく、ベイズアプローチに基づく作業モデルの予備的なフィルタリングを行う必要があります。これだけの情報量を "人力 "で処理するのは大変なことですが、それをやってのける人がいるんです。結論は、ロボットを鍛えることです。

結果は心強く、私の手を離さない（マルチンゲールやウィーナー過程を語る経済学者）。昔の「古典的」なレシピ通りにやっているのかどうか（FXの分析に関する本は、全部ではないけれど、いいものが何十冊もあるので、読んでいるけれど）。カルマンフィルタを 相場分析に適用した結果は、いくら探しても見つかりませんでした。そのような人はいないか、逆に、実行に移した人はその成果を慎重に隠しているのです。ベイズ法を用いて作業モデルを選択することは非常に重要である。それ以外の場合は動作しません。手動でやってみると......難しいけど、面白いですね。どのように判断されているのか分からないアルゴリズムは信用できない。私は好きではありません。

カルマンフィルタは、現実にはほとんど実用化されていない。これは、よく知られたベイズ解のように、アプリオリ情報と事後情報がある中で最も有力な推定値を選択する場合の理想とみなすことができる。

こんな感じです。

 
Prival:
残差には若干のノイズがありましたが、ガウスではありません。1pipの奇妙なノイズと何もない、2-5pipのいくつかのまれなスパイクに加えて、1ギャップは40pipでした（私は特に良いギャップの週を探していました）。

そして、私とMathematics、そして他の何人かは、ティックでこのノイズを見たことがあります。さらに、ティック上では、+-1ポイントが継続よりも逆行する確率が高いことが明らかである。 残念ながら、この規則性はスプレッドの内側である。しかも、高くない。

しかし、加工して出てきたというのが面白いですね。

123456789101112131415...41
新しいコメント