著者の対談です。アレクサンドル・スミルノフ - ページ 3

 
LeoV さん、ありがとうございます。違いはありますが、本当に微々たるものです。また、説明文の画像は、おそらく平滑化周期の値が非常に大きい(ラグが強い)場合に対応するものだと思われます。

2 khorosh: このインジケータは確かにかなりまともですが、それでも私は、すべてのパラメータでDjuricより優れているようなパラメータ法(平滑化法)を見つけていません:それはほとんど常にフラックス上であまりにも頻繁に(変動)、しかし時々ジャンプで速いです。Djuricに近いものがmethod=1で得られています。

Djuricは本当に良い適応フィルタを作ったようだ。
 
Mathemat:
LeoV さん、ありがとうございます。違いはありますが、本当に微々たるものです。そして、説明文に掲載されている画像は、おそらく平滑化期間の値が非常に大きい(ラグが強い)場合に対応するものだと思われます。

2 khorosh: このインジケータは確かにかなりまともですが、それでも私は、すべてのパラメータでDjuricより優れているようなパラメータ法(平滑化法)を見つけていません:それはほとんど常にフラックス上であまりにも頻繁に(変動)、しかし時々ジャンプで速いです。Djuricに近いものがmethod=1で得られています。

Dzurikは本当にとても良い適応フィルタを作ったようですね。


数学者のあなたがそう言うとは、ちょっと驚きです(ほとんどの人はあなたの主張を信じるでしょうから)。何がより適応的なのか、教えてください。品質=数値はどのように測定し、どのように算出しているのですか?

TFが何に適応すべきかの公式を教えてくれれば、本当に適応できるTFを作って渡しますよ。(ジュリックはもっとひどいと思う)。

 
Mathemat:
LeoV さん、ありがとうございます。違いはありますが、本当に微々たるものです。そして、説明文に掲載されている画像は、おそらく平滑化期間の値が非常に大きい(ラグが強い)場合に対応するものだと思われます。

違いはありますが、大きな違いはないと思っています。しかも、周期は大きくない=14。つまり、アルゴリズムは定性的なものなのです。
 
LeoV:
数学
LeoV さん、legalとhttp://codebase。同じ名前のmql4.com/en/1356を視覚的に比較するのは難しすぎないですか?それとも法的にはオメガ用?


ここで-2枚の写真をご覧ください。第14期、第0期。ちなみに、非常に似ています。MT4用の良いアルゴリズムです。他の期間と一緒に掲載することもできますので、よろしければどうぞ。



自分の写真を追加することにした

 
Prival: TFが何に適応すべきかの公式を教えてくれれば、本当に適応できるTFを作って渡しますよ。(ジュリックはもっとひどいと思う)。


Adaptive JMAがあります。そして、通常のJMAとAdaptive JMAの交差点では、すでに作業ができるようになっています。今、驚きとともに発見したのですが・・・。すべて14の期間があります。Adaptiveは14~48の範囲で変化します。

 
プライベート、ジュリックの指標が完璧だと言うつもりはありません(ファジーな問題なので存在しないだけです)。

適応性については、実際どうなのかよくわからないので、急ぎすぎたかもしれません。現在の状況(横ばいかトレンドの動きか)によって計算 アルゴリズムを変えることができるようになっただけだと思うのですが。異なるアダプティブミューイングは、フラクタル次元、ボラティリティなど、異なる「フラット/トレンド」基準を適用します。

Djuricは、自分のフィルターが満たすべき4つの要件を挙げている。

1.信号と価格の間に最小限のタイムラグがあり、そうでない場合はトリガーが遅れてやってくる。
2.最小限のオーバーシュート、そうでない場合は誤った価格水準を生成する。
3 最小のアンダーシュート、さもなければ収束を待つ時間が失われる。
4.価格が新しいレベルにギャップアップした場合を除き、最大限の滑らかさを実現。

翻訳:

1.シグナルと価格の間に最小限のラグがあること。
2.最小オーバーラップ[ギブス現象 - 数学のような何か]、そうでなければMAは偽の価格水準を生成します。
3.最小の「アンダーラップ」。さもなければ、信号が価格に収束するまで時間が失われる。
4.最大限の滑らかさ - 価格差を除く。

Juric & Co.は見事に問題を解決し、多くの例でそれを示しました(英語を理解する必要すらありません、Prival: 全ては鮮やかな絵による良い漫画本のレベルで説明されています)。もちろん、彼のフィルターがムウイングスの代わりとして露骨に適用できるわけではありません。ユーザーの喜びの声には、「信号はある状況下でしか使ってはいけない」ということが何度も強調されています。しかし、最も鈍感な使い方(「ムウイングが2つ」)でも、誤信号は少なくなるのです。

ノイズの多いレーダー情報を処理するために、カルマンで困難な実用的な問題を解決したプライヴァル、賞賛に値するよ。しかし、私たちは今、なぜ気象庁が市場 データに優れているのかを正確に理解しようとしているのです。

繰り返しになるが、完璧な特性を持つムービングなどの最も完璧で工夫された適応フィルターは、それだけでロバストな戦略を作るという問題を解決することはできない。問題はもっと深く、あなたは私たちの個人的な手紙からそれを知っている。
 
Mathemat: 適応性については、その実態がよくわからないので、飛びついてしまったかもしれません。

全てはとてもシンプルです。インジケーターは2入力です。一つはClose用、もう一つはADX系(またはその他)のトレンドを示すインジケータ用で、最小期間と最大期間の2つのパラメータがあります。最小期間-ADX最小時、最大期間-ADX最大時。それは結構なことです。
 

レオV

問題はもう少し深いところにある。1つの指標は他の指標よりも適応的であると答えるためです。何に適応すべきかを知る必要があります。

単純に価格だけで言えば最も正確(ラグがない、揺れないなど)なのはClose[0]です。しかし、これでは困ります。正しい方向性を見出すことを妨げるもの(ノイズ)を取り除くべきです。そして、この問いに正しく、正しく答えるために(数学的な観点から)。何がノイズで何がシグナルなのかという問いに答えることが必要です。そうして初めて、ある指標は、市場を動かす有用な要素(シグナル)によりよく適応していると言えるのです。

そして、Djuricが証明として挙げている信号(モデル)に対して、優秀なDSP専門家が最適+適応的な指標を作ることは、それほど難しいことではないのです。

 
Prival:

レオV

問題はもう少し深いところにある。1つの指標は他の指標よりも適応的であると答えるためです。何に適応すべきかを知る必要があります。


もちろん、トレンドにも順応します。トレンドが「大きく、強い」ほど、気象庁の周期は長くなる。そして、これは私の理解では正しいのですが.
 
Prival: そして、Djuricが証明として挙げている信号(モデル)に対して最適+適応の指標を作ることは、優秀なDSPの専門家にとってはそれほど難しいことではないのです。
このスレッドの筆者は、そのような専門家であるようだ。

ここで、プライバルの ちょっとアホなモデルですが、リターン(シグナルの増分)を考えると、シグナルはゼロ、ノイズは経験的に分かっているコーシー分布型のp.d.f.とACFを持つランダムプロセスです。測定誤差、量子化誤差がない。もちろん、テールが非常に太く、依存性が高いので、統合の結果としての価格は、期待されるペイオフの周りでジャンプすることになる。

しかし、このようなモデルで使えるフィルターであれば、どこでも使えるでしょう。

ところで、ジュリッチからこんな提案があった。「もし、彼の作品を買ってくれた人の中に、コーシーデータで彼よりうまく機能するフィルター(上に挙げた4つの基準で)を提供してくれる人がいたら、お金を返すような形にしよう」というのだ。そしてこれは、彼自身が導かれたノイズモデルの、紛れもないヒントに他なりません。