MACDの1次導関数と2次導関数 - ページ 24

 
gpwr:

すべてのスペクトル成分について、遅延のないゼロ位相シフトのフィルタをどのように計算するのですか?発想はシンプルです。FFTのお見積もりをお受けします。ある周波数以上のフーリエ係数を値付けするのです。そして、逆フーリエ変換を行い、フィルタリングされた見積書を得る。しかし、特に最初と最後が良く見えません。これは、フーリエ成分の周期性から理解できることです。このフィルターで遊びたい方は、コードを添付します。

フィルター」ではなく「近似器」なのです。そうでなければ、あなたの言う通り、遅延のないフィルターは存在 しません。博士号を持っていなくても理解できる。問題は、このフォーラムのメンバーのほとんどの知識が、深いとはいえ、断片的なものであるということです。この島々を脱皮させるには、思想の飛翔が必要であり、言論の自由が必要なのです。そして、このフォーラムには何もなく、これからもないでしょう。だから、このメタクウォッツというビジネスモデルのもとで、このモデレーターたちに囲まれたここで、何らかのワーキングモデルを導き出すことを望んではいけないのだ。

やはり、Fitメソッドの厳密な出力をエクストラポレーターから出力していただくと、より良いのではないかと思います。あなたが最初ではなく、最初はアジアの大学院生でしたが、彼の結論(ちなみに、彼は全文を発表しておらず、全文はバルトの別の科学者が発表したもので、どちらの発表もほとんど知られていません)、彼のアプローチは狭いのです。おそらく、あなたの結論は、それほど正確ではないものの、より広く(広ければ広いほどよい)なることでしょう - 程度の問題です。出さないと世界史に残る。

 

もしかしたら、誰かがすでにHilbert-Huang変換アルゴリズムを持っているかもしれませんね。

C++で書かれたコードをいくつか見つけましたが、それをMQL4/5に翻訳するには、C++の経験とHilbert-Huangの知識が足りません。もしかしたら、誰かが助けてくれるかもしれませんよ?

 
AlexEro:

フィルター」ではなく、「近似器」なのです。そうでなければ、おっしゃるとおり、遅延のないフィルターという のは存在しません。博士号を持っていなくても、それは理解できるはずです。問題は、このフォーラムのメンバーのほとんどの知識が、深いとはいえ、断片的なものであるということです。この島々を脱皮させるには、思想の飛翔が必要であり、言論の自由が必要なのです。そして、このフォーラムには何もなく、これからもないでしょう。だから、このメタクウォッツというビジネスモデルのもとで、このモデレーターたちに囲まれたここで、何らかのワーキングモデルを導き出すことを望んではいけないのだ。

やはり、Fitメソッドの厳密な出力をエクストラポレーターから出力していただくと、より良いのではないかと思います。あなたが最初ではなく、最初はアジアの大学院生でしたが、彼の結論(ちなみに、彼は全文を発表しておらず、全文はバルトの別の科学者が発表したもので、どちらの発表もほとんど知られていません)、彼のアプローチは狭いのです。おそらく、あなたの結論は、それほど正確ではないものの、より広く(広ければ広いほどよい)なることでしょう - 程度の問題です。出さないと世界史に残る。


Fitでの計算式の出力は、Mapleで行いました。このファイルを探してここに掲載してみます。一時期、時系列 予測手法に興味を持ち、本を書こうとしたこともありました。100枚以上書いたのに、がっかりして放棄してしまった。ここに、Fitでの数式の出力について表面的に説明した本があります(申し訳ありませんが、英語です)。

 
gpwr:


Fitでの数式出力は、Mapleで行いました。そのファイルを探して、ここに掲載してみます。一時期、時系列予測手法に興味を持ち、本を書き始めたことがあります。100枚以上書いたのに、がっかりして放棄してしまった。ここに、Fitでの数式の出力について表面的に説明した本があります(申し訳ありませんが、英語です)。

ありがとうございます。これはあなたの(未発表の)本からのページですか?

(それがあなたのものであれば、今日09-JAN-2012あなたはフォーラムに投稿することによって、あなたの世界科学の優先順位を確保したことになります).

ノイズの多い信号の場合、従来の近似手法や補間手法が通用しないことが多いのです。このような場合、通常は最小二乗法(再定義された連立一次方程式を解く方法)を用います。しかし、これらの方法は、線形システムの解法であるため、通常の単純な方法よりも何百倍も時間がかかる。

ある特定の近似値や特定の信号のごく少数のケースでは、個々の科学者が純粋に解析的な数学的トリックによって、線形方程式系(2次元)をより単純な方法(1次元、総和またはベクトル畳み込み)に還元することに成功した。これにより、ノイズの多い信号の近似を何百倍も高速化することができる。

その一つが、作者のGPWR(Vladimir)がMQL4.comに(今回初めて)投稿した方法です。

日本のホロボロドコは、ノイズの多い信号の微分を計算するために同じ方法を用いた。彼は、連立方程式を解くことなく、微分方程式をとんでもなく単純な型に落とし込む(単純化・高速化する)ことに成功したのだ。

デジタル信号処理では、かなり珍しいサヴィツキー・ゴレイ・フィルターに同じ手法が用いられている。

https://en.wikipedia.org/wiki/Savitzky%E2%80%93Golay_smoothing_filter

追伸:GPWRの追記です。ロシア語風の正しい英語で、なるほど、これはあなたの本ですね。素晴らしい、まさに素晴らしい。ところで、とても明晰に書かれていますね。発表していないのが残念です。DSPへの貢献度は高いと思います。取引には本当に向いていないと思う。ただし、補助的な手っ取り早い 方法として、ある場所では使えるかもしれない。

P.P.S. みなさんは、応用数学の問題を解くための科学的なアプローチを学びます。
 
AlexEro:

....ノイズの多い信号の場合、従来の近似や補間の方法ではうまくいかないことが多い。

信号があるところでは、近似や補間という言葉が適切である。DSPの専門家は、市場には信号というものが存在しないことを忘れがちで、その意味で、サンプルの中にどのように収まるかはあまり重要ではありません。サンプルから外挿できるように、サンプルに適合させるという、一連の基準が異なるのです。我々は皆、サンプル外の予測にしか興味がなく、サンプル内のアルゴリズムの品質は、結果として得られる近似の予測力という意味においてのみ興味深いものである。

したがって、まずモデルの予測能力は何かということに答え、次に予測基準を満たす近似アルゴリズムは何かということにのみ答えなければならない。

 
faa1947:

....ノイズの多い信号の場合、従来の近似や補間の方法ではうまくいかないことが多い。

信号があるところでは、近似や補間という言葉が適切である。DSPの専門家は、市場には信号というものが存在しないことを忘れがちで、その意味で、サンプルの中にどのように収まるかはあまり重要ではありません。サンプルから外挿できるように、サンプルに適合させるという、一連の基準が異なるのです。我々は皆、サンプル外予測にしか興味がなく、サンプル内アルゴリズムの品質は、結果として得られる近似の予測能力という意味でしか興味はないのです。

そこで、まずモデルの予測能力が何であるかを答え、次に予測基準を満たす近似アルゴリズムは何かという問いにのみ答える必要がある。

そうですね、まったくその通りです。そして、この非常に正しい質問に対する部分的な、繰り返しますが、部分的な答えは、完全に単純で、その単純さゆえに愚かな「指標とは何か」という質問に対する正しい答えを与えることによってのみ与えられるかもしれないのです。

https://www.mql5.com/ru/forum/137416

トレーディングシステムを構築するための正しいアプローチは、数学、経済学、そして法律学のさまざまな概念のCENTERにあります。なぜなら、世界中の強欲な銀行の経験豊富なマネージャーたちは、すでにあらゆる方法を試し、既知の数学者を雇い、近似、モデリング、最適化の現代的な手法のトリックをすべて試したからだ。まあ、GPWR方式を知らなかったということを除けば、この方式単体ではスピード以外には何も得られない。答えは「だからどうした」でしょう。彼らは昔からスーパーコンピューターを持っており、スピードは問題ではありません。

なんでここでスレの作者が攻撃されてるのか理解できないんだけど?彼の質問のどこが赤いのか?なんで「ファック・ヒム」なんて叫ぶんだ?

もしかしたら、かなりの確率で、何かあるのかもしれませんね。

例えば、MACDのデリバティブは、売買シグナルのBANDの変化率しか提供しないのは事実です(しかも、そのバンド自体があまり明確でなく、クリアでもない)。しかし、ここでは、正しく述べられているように、GRADIENT、つまり、MACDの多次元微分が有用なものを与えることができるのです。例えば、MACDシグナルの微分値+このまさにMACDのFOLLOWINGに沿った勾配です。それが珍しくて新鮮なんです。

ここの掲示板の上級者の問題は、ツラツラ書いてあることです。 例えばレシェトフは、ミニマックスという重要なトピックを持ち出しました。これは重要なことです。経済学者やモデル最適化の専門家の間では、通常の「技術的」な最適化手法では正しい結論が得られないことは、以前から知られていたことである。ミニマックスで掘る必要があるというのは、経済学者の問題ではまったくない。フォン、レシェトフテーマのSProgrammerも反応して興奮し、彼は大企業のプロトレーディングの方法についていくつかのインサイダー情報を聞いた。そして、フォーラムの参加者はどうしたのか。レシェトフが叩かれた!?大雑把に言えば、ミニマックス最適化の知識がなければ、エコノミスト・モデラーは今、まったく卒業証書を与えられないという事実にもかかわらず、である。

 
AlexEro:
このスレの作者が攻撃される理由がわからないんだけど?彼の質問のどこが赤点なのか?なぜ「やっつけろ!」と叫ぶのか?

筆者の質問文は、非常に具体性に欠ける。

微分であれば、どのような変数か。右側は、2つの回帰の差です。表面上は - 変数は商の値です。私にはそうは見えません。さらに興味深い変数がある。それは、これらの回帰の係数である。何を表現しているのか?定数?これは証明する必要があります。私の考えでは、これらの係数は全く定数ではなく、ランダム変数であり、少なくとも定数に近いものにするための作業が残っています。では、デリバティブとは何か? この質問をしたのだが、答えは返ってこなかった。

 
faa1947:

著者の問いの立て方は、非常に不特定多数です。

微分の場合、どの変数か。右側は2つの回帰の差分です。一見すると、この変数は商の値である。私にはそうは見えません。さらに興味深い変数がある。それは、これらの回帰の係数である。何を表現しているのか?定数?これは証明する必要があります。私の考えでは、これらの係数は全く定数ではなく、ランダム変数であり、少なくとも定数に近いものにするための作業が残っています。では、デリバティブとは何か? この質問をしたのだが、答えは返ってこなかった。

微分は、1変数の関数の変化 率です。勾配とは、ある関数の複数変数に対する多変量変化の割合のことである。

しかし、「回帰」「回帰係数」という言葉には注意が必要です。すぐに飛びついてラベルを貼るのはやめましょう。

私たちの研究対象とは矛盾するような定義にすり替えることも可能です。

そして、さらに誤解が生じ、全体がマーク・トウェインの「農業新聞編集」になってしまうだろう。

 
AlexEro:

微分は、1変数の関数の変化率です。勾配とは、関数の多変量変化率である。


このデリバティブは、MACDの場合、具体的にどのようなものなのでしょうか。言葉ではありません。
 
faa1947:
このデリバティブは、MACDでは具体的にどのようなものなのでしょうか。言葉ではありません。
それは私にではなく、このスレッドの筆者にです。今は他のことに興味があります。