デジタルローパスフィルタを用いたトレーディングシステムの構築 - ページ 21

新しいコメント
 

to中性子

AFってなんだか
よくわからない。

アダプティブ・フィルター（Adaptive Filter）」を短縮した。つまり、このトピックでも他のトピックでも、問題のターゲットは適応型フィルタリングに基づいてしか得られないということだ。他に方法はない、大雑把に言えばこれだ。

自分で判断してください。FZで平滑化したBPに対してPredict関数を実行すると、FZを減らして平滑化したBPが得られますが、平滑化の質という点では、同じLPFの平均化窓を小さくしたものと変わらないし、大きな水平軸では後者に比べて明らかに弱いです（aviを参照）。つまり、予測器は平滑化された系列から反発を受け、地平線が初期BPに近づくと「崩れる」のですが、LPFは逆に初期BPから反発を受け、徐々に離れて平滑化していく...ということです。この結果は予想通りであり、たとえ事前に平滑化したとしても、BPからより多くの情報を得ることは不可能であり、自然をごまかすことはできません。

は、現実的には何の意味もなく、大概は「自己欺瞞」である。

フォーラムにはNSをベースにしたLPFのデモの写真がありましたが、平滑化の品質に優れPFは（ほとんど）観測されませんでしたこれがナンセンスでないなら、私たちはやるべきことがあるのです。

NeuroSolutionsのパッケージは、貼っておくとNSベースのLPFの詳細な例が出てきますね。

興味深いのは、Predict関数を使った予後予測でも同様の結果が得られることです。各ポイントの左近傍で平滑化したBPFを通常のテイラー級数（RT）に分解し、必要なステップ数だけ先に外挿するだけです。Matcad の組み込み関数のアルゴリズムを掘り下げるのではなく、RT を取って遊んでみる、切ってみる、何につながるか見てみる...そんな面白さがあるかもしれませんね。

テイラー級数外挿による予測は、私にとって全く面白くありませんし、比較可能な予測は得られません。）でも、アドバイスありがとうございました。

Neutron さん、ちょっと誤解しているようですが、私は「予測」のアルゴリズムを掘り下げているわけではありません。投稿されたシンプルな感想は、約2年前のものです。本当に必要なら、ソースを探してやっていたでしょうし、そんなに難しいことではありません。この述語は、他のアルゴリズムと同じように、統計によって系列を予測することは非常に悪い結果をもたらすので、機能しません。それを応用するには、予測系列の一般化された特徴に行き着くしかなく、それは有能でなければならない。このような仕組みは儲かりますが、私には面白くありません。

をmql4-codingに 変換する。
わー、全部揃ってるんだ。

もう何度もいろんな掲示板で読んだ気がしますが・・・それでも～頑張ってください :o)))

やばい、リンクを全部なくしてしまった、とにかく、あるフォーラムがあった、かなり長いものだった、そこではみんな真剣に二つのことに取り組んでいた

  • オープンソースのフィルターパッケージを書く（私は、人々がそれらのファットル、サトル - 私は彼らが正しく呼ばれることを覚えていないの作者に腹を立てたことを理解しました。
  • フィルターに基づく戦略の策定

役に立つものがたくさんありそうだった。このやり方は、ちょっと残念だなあと思います。

 

異なるBP平均化アルゴリズム同士の比較は？最適な平均化窓を選ぶには？

確かに、大きな窓を選ぶと、どうしてもFPの影響で信号が遅れ、逆に小さな窓を選ぶと、平均化品質が不満足なものになります。最適なのは真ん中あたりだと思うのですが、得られた平均化の結果を何と比較すればいいのでしょうか？

PDFがゼロの仮想のLPFがあると仮定して、それと比較してみましょう。普通の（未来を見ない）LPFを分析したBPに沿って往復させ、グラフの中央部分を取ることで、BPの右端と左端で避けられないエッジ効果を分析から除外すれば、このような「魔法の」フィルターを実現できる（このためこのLPFはTSでは使用できない）。

左図では、ドットはBP、赤線は対称型LPF（LPFあり）、青線と黒線は平均時間の異なる従来の移動平均を表しています。各ウィンドウについて、理想的なフィルタと研究中のフィルタとの間のBP点の全セットにおける標準偏差を 探し、BP点とLPFとの間の標準偏差で正規化します。このように、LPFの平均化窓の選択に伴う恣意性を排除することができる。この場合、標準偏差の選択はランダムではない。実際、この量は、PZのために滑らかな曲線が右に離れることと、狭い平均化窓でその振動の範囲が大きくなることを等しく反映しているのである。

平滑化の質を分析するために、長方形の平均化窓（図2の青線）、三角形の平均化窓（黒線）、1次バターワースフィルタ（赤線）を持つ標準移動平均を選んでみよう。小さな窓では、初期BPのボラティリティに傾向する大きな「チャタリング」のために、フィルターが系列を滑らかにしないことがわかります。ウィンドウを大きくすると、各フィルタで最適値が観測され、その後、PDFの増加により再び平滑化特性が悪化する。3つのアルゴリズムの中で最も良い結果は、7-8本の幅を持つ長方形の平均化ウィンドウを持つトリビアル移動平均で観察されます。これはこの種のLPFとしては最適であるため、効果的にノイズ成分を15％抑制し、17～18小節のウィンドウを狭くすると平滑化特性を失い、初期BPの優位性が得られない。この場合、SFNFの標準偏差を計算すると、ゼロまたは100%の平滑化、すなわち理想的な変形が得られることを思い出してほしい。ここまでは理想に近い15％の近似値です。もっと増やせないかなぁ？

このように、LPFの平滑化特性を客観的に見積もることができるツールを手に入れたのである。もし、プライヴァルが ACFに基づく適応カルマンフィルタのコードを教えてくれたら、我々はすぐにそれ（フィルタ）を名誉ある場所に置くし、北風は 彼のすでにレトリックな質問に対する答えを得るだろう......。

 
grasn:

あ、しまった、リンク先が全部消えてしまった、とにかく、かなり長いフォーラムがあり、そこでは2つのことについて真剣に議論していた。


アルパリかヴィアックで、「ブルジョワバザールのフィルタリング」みたいなタイトルのスレッド、あれがそうでしょう。
 
NorthernWind:
グラサン

やばい、リンクを全部なくした、とにかく、あるフォーラムがあった、かなり長いもので、そこでは、みんな2つのことを真剣に取り上げていた。


alpariかviacで、「ブルジョワバザールのフィルタリング」みたいなタイトルのスレッドがありますが、たぶんそれです。
そうそう、よく似ていますね。ありがとうございます :o)


to中性子
仮にPFがゼロのLPFがあったとすると、それと比較することができます。

リファレンス・フィルタの入力特性が正しく選択されていない、あるいは最もサブオプティカルな方法で選択されているとしたらどうでしょうか。

 

はい、平均化ウィンドウを非常に広い範囲で変更してみましたが、結果にはまったく影響しませんでしたし、影響しても非常に微々たるものでした。調査したフィルターのCOをそれとの関係でカウントし、それとの関係でBPのCOに正規化する。

すでに書かれていることに加え、grasnさんの発言に補足。

迷子になっちゃった！？

LPFの窓の選択により、研究対象行の最大値の大きさと位置が決まる。相対的な位置には依存しないか、弱く依存する。

つまり、まず、BP上の注目点が明確になるようなELFを選び、次に、従来のLPFの任意のウィンドウを選択する必要があることがわかります。これは、必要なパターンを明らかにする確率が最大になるという意味で、最適な選択となる。

 
to中性子
言い過ぎた！

技術音痴」で申し訳ないのですが、今、何をお書きになったのでしょうか？

IFNFの窓の選択は、研究されたシリーズの最大値の大きさと位置を決定します。相対的な位置には依存しないか、あるいは弱く依存するのみである。

LPFは、サンプリングステップ、帯域通過／抑圧限界周波数、帯域通過／抑圧不均一性係数など、もちろん仕様で完全に定義されていますが、それでもかなり多くのパラメータがあります。どの窓のことでしょうか？フィルタの仕様を1つの入力パラメータとして表現するということであれば、・・・実トレードでそのようなフィルタを使っていないことを祈りますが？

平均化のウィンドウを非常に広い範囲で変更してみましたが、結果には全く影響しないか、非常にわずかな影響しかありませんでした。

フィルターがきちんとリビルトされていないのでは？Butterwordは、窓のような入力特性を持たないが、「窓」と同様に、計算された係数は、仕様によって完全に決定 される。仕様書はどこにあるんだ？いくつかの特性を修正し、今発見している可能性があります、おめでとうございます。

そして、独立か弱依存かは、両極端の相対的な位置関係なのですね。しかも、下手なフィルターでは依存性もないし、よくできたフィルターでも、「その」信号には対応しないのでは？かっこいい、そんなフィルターを2つください...。

 

バターワース・フィルターには平均化窓がなく、再帰的で、多くのノブ（パラメータ）を変更できるため、スロープ、通過帯域の周波数応答の不均一性、通過帯域そのものを決定することができます。しかし、もしあなたが望むなら、このすべての多様性を1つのノブに単純化することができ、その結果、主旨を理解することができるのです。

また、極値の位置はLPF帯域の幅に依存するということですが、訂正しました。

このアプローチ自体は有望だと思います。ある男がやってきて、「これだ！ 超超超かっこいいVFDを発明したぞ！」と叫んだ。渡して、どう滑らかになるのか見てみましょう。そして、例えば同じ移動平均 線と比較するのです。もし、それが最高のスムージングを生み出すのであれば、作者に敬意を表します。

このパラメータは、通過帯域の周波数特性が直線的なLPFを用いない理想的な平滑化LPFと平滑化BPの偏差などです。もちろん恣意的な部分もありますが、これ以上のものはないでしょう。

 

はこちらhttp://www.bcs.ru/school/prof/mts/2003/Gorchakov.zip ちなみに、特に文房具が好きな人にはオススメです。ちなみに、フィルターに関する情報もあります。

いいところは、自分の思いが交錯するところです。:)

 
NorthernWind:

お待たせしました、ところでhttp://www.bcs.ru/school/prof/mts/2003/Gorchakov.zip

引用元
このような状況で取引システムを構築するための最適な統計は、可変窓を持つ線形移動平均であることが判明しました。すなわち、移動平均線は、主に1つのトレンドの区間にかかるようにとらえる必要があります。また、移動平均は指数関数でも何でもなく、単純な移動平均とiをXiで割った係数i付き移動平均の2本立てです。そして、ボラティリティについては、これらの確率変数の列の二乗の和を見る必要があります。

著者はLRMAの発見に近づいたようだ :)
 

LRMAは、価格からの乖離の二乗和が最小になるように設計されている。しかし、別の目標関数（TF）を最小化することもできる。例えば、誤差係数の和などである。このTFは、FXでは誤差の二乗和よりも自然であるとイミフです。解析的に計算するのは問題ですが、近似的に計算することは可能です。

1...141516171819202122232425262728...33
新しいコメント