MACDの1次導関数と2次導関数 - ページ 25

 
AlexEro:

ありがとうございます。はっきりさせておきたいのですが、この上はあなたの(未発表の)本か何かのページなのでしょうか?

(あなたのものであれば、今日09-JAN-2012、あなたはそれをフォーラムで公開することによって、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、通常の近似や補間の方法ではうまくいかないことが多いのです。通常、このような場合は最小二乗法(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分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。私は、それがいくつかの場所で迅速な 方法の補足として、多分を除いて、取引には適していないことを恐れている。

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。


お世辞は結構です :)引用したページは、私の未刊行本からのものです。正直なところ、この数式を導き出したときは、特に何も感じなかったんです。これは通常の三角回帰で、系列の三角モデルをとり、頻度wを固定し、その残りのパラメータA、B、平均との関係で線形モデルを得ます。そして、みんなと同じように:ガウスノイズを仮定すると、最尤法は最小二乗法に還元されます。でも、とにかく嬉しいお言葉をありがとうございます。

ところで、より大きな問題は、そのまさに周波数wを見つけることです。指標には、後述するQuinn and Fernandezの方法を用いました。三角関数 x_n = A*cos(w*n+phase)+epsilon_n に基づく時系列モデル x_n は、以下のように簡単に示せます。

その後、より正確ではあるが、より時間のかかる、スペクトルの最大値を見つけることから周波数を求める方法を使った。しかし、どちらの方法でもほぼ同じ結果が得られたので、QuinnとFernandezのアルゴリズムの威力をより確信することができました。

 
gpwr:


お世辞は結構です :)

その後、より正確な、しかしより時間のかかる方法で、スペクトルの最大値を見つけることに基づいて周波数を求めました。しかし、どちらの方法でもほぼ同じ結果が得られたので、Queen'sとFernandezのアルゴリズムの威力をより確信することができたのです。

何も媚びない。同僚であるあなたは、おそらく自分のメソッドの適用範囲についてあまり広い考えを持っていないでしょう。DSPアプリケーションの中には、精度を 落とさずにFit速度を100倍にする(それ自体は精度を2倍にすることと同じ)ことが、文字通り死活問題であるものもあります。例えば、航空機のレーダー、防空、対ミサイルのケース、その他のアプリケーションなどです。正しい人」を呼ぶのはかなり時間がかかる、まだ「そこから」呼ばれないのはおかしい、その方法は今まで実質的に知られていなかった。(携帯電話やモデムへの適用性など、「ちょっとしたこと」はここでは触れません)。

それから、すでに述べたように、MNCでこのような「還元的」なアプローチが成功したことは、数値計算の手法では珍しいことです。だから、遠慮はいらない。

 
AlexEro:

全然お世辞にもうまいとは言えない。同僚であるあなたは、おそらく自分のメソッドの適用範囲についてあまり広い考えを持っていないでしょう。DSPアプリケーションの中には、精度を落とさずにFit速度を100倍にする(それ自体は精度を2倍にすることに相当する)ことが、文字通り死活問題であるものもあります。例えば、航空機のレーダー、防空、対ミサイルのケース、その他のアプリケーションなどです。正しい人」を呼ぶのはかなり時間がかかる、まだ「そこから」呼ばれないのはおかしい、その方法は今まで実質的に知られていなかった。(携帯電話やモデムでの適用性など、「ちょっとしたこと」はここでは触れません)。

それから、すでに述べたように、MNCでこのような「還元的」なアプローチが成功したことは、数値計算の手法では珍しいことです。だから、遠慮はいらない。


うーん...。記事を書いて、レビュアーの意見を聞いてみる。
 
gpwr:

通常の三角回帰と同じ:系列の三角モデルをとり、頻度wを固定し、その残りのパラメータA、B、平均に関して線形モデルを求める。

EViewsで三角回帰をやってみたいのですが。

この回帰をどのように書けば、EViewsでパラメータを推定できるのか、書いていただくか、教えてください。そこにはたくさんの推定方法があり、これも変更することができます。

結果は必ず掲載します

 
faa1947:

通常の三角回帰と同じ:系列の三角モデルをとり、頻度wを固定し、その残りのパラメータA、B、平均に関して線形モデルを求める。

EViewsで三角回帰をやってみたいのですが。

この回帰をどのように書けば、EViewsでパラメータを推定できるのか、書いていただくか、教えてください。見積もり方法はいくらでもありますから、これも変更可能です。


申し訳ありませんが、私はEViewsに詳しくありません。このメソッドのコードが必要な場合は、こちらをご覧ください。

https://www.mql5.com/ru/code/8732

ところで、ARMA計量法は、exp(zeta*n)*cos(w*n+phase)のように指数関数的に減衰する三角測地系回帰に還元される。Pronyのメソッドのアウトプットを読めば、すべてが理解できるはずです。もし見つからなかったら、私の本から説明した部分を掲載します。

 
gpwr:


申し訳ありませんが、私はEViewsに詳しくありません。このメソッドのコードが必要な場合は、ここをご覧ください。

https://www.mql5.com/ru/code/8732

ところで、計量経済学のARMA法は、exp(zeta*n)*cos(w*n+phase)のように指数関数的に減衰する三角級数の回帰に還元される。Pronyのメソッドのアウトプットを読めば、すべてが理解できるはずです。もし見つからなかったら、私の本から説明した部分を掲載します。

該当するページがありません。

あなたのEViewsの知識は必要ありません。

EViewsの式はラグ値でこのようになる。

EURUSD = c(1) + c(2)*EURUSD(-1) + c(3) * EURUSD(-2) など。

を正弦波で表示します。

EURUSD = c(1)+c(2)*sin(c(3)* ............................。) ......

このような内容です。式の種類はかなり恣意的です。C(i)は異なる手法で評価する係数である。

 
faa1947:

該当するページが存在しない。


コードはこちらです。

https://www.mql5.com/ru/code/8732

そこにどのようにオッズが表示されるかは明確である。私は自分のコードにお金を請求しませんが、EViewsの作成者は1枚あたり1000ドル以上要求します。だから、彼らを助けて、私のコードをEViewsのフォーマットに翻訳するつもりはないんだ。

 
gpwr:


コードはこちらです。

https://www.mql5.com/ru/code/8732

そこでのオッズの表示の仕方は明確です。私は自分のコードにお金を請求しませんが、EViewsの作成者は1枚あたり1000ドル以上要求します。だから、彼らを助けて、私のコードをEViewsのフォーマットに翻訳するつもりはないんだ。

EViewsはツールです。あなたのコンピューターにあるすべてのプログラムは、vin?

やりたくないなら、やらなければいい。

 
gpwr:

...

正三角形の回帰です。

...

そうなんです、普通の三角波の回帰なんです。その2つのサインとコサインがDSPに革命を起こすかどうかはあまりわかりませんが、記事にカチカチと書いてみてください。

どうやってモデルを適切に特定するのか、あまり明確ではありませんね。モデルを系列にしっかり「当てはめる」という意味ではなく、MNCならどんなモデルでも(精度に多少の前提はありますが)どんな系列にも当てはめることができるのです。見つかった「最適」なパラメータが、将来、時間があるほど長い間保持されるという理解でいいのか、ということです。パラメータがランダムな挙動をする疑いが濃厚です。

特に、このモデルには明確な欠点があり、このモデルから利益を得るためには、かなり先のことを予測する必要があるのです。それは非常に正確ではなく、さらに、それは全く市場を記述していない、それは、モデルのエラー分析によって見られるでしょう - 最初のラグは強く相関しているでしょう。

PS:とはいえ、今回の展開については、いくつか思うところがありますので、ご興味があれば~プライベートで書かせていただきます。

 
Farnsworth:

そうです、普通のtr-regressionです。この2つのサインとコサインがDSPに革命を起こすかというと、そうでもないのですが、記事をカチカチ打ってみてください。

どうやってモデルを適切に特定するのか、あまり明確ではありませんね。しっかりとシリーズに「はめ込む」という意味ではなく、MNCを使えばどんなモデルでもどんなシリーズにもはめ込むことができます(精度に多少の前提はありますが)。見つかった「最適」なパラメータが、将来、時間があるほど長い間保持されるという理解でいいのか、ということです。パラメータがランダムな挙動をする疑いが濃厚です。

特に、このモデルには明確な欠点があり、このモデルから利益を得るためには、かなり先のことを予測する必要があるのです。それは非常に正確ではなく、さらに、それは全く市場を記述していない、それは、モデルのエラー分析によって見られるでしょう - 最初のラグは強く相関しているでしょう。

PS:とはいえ、今回の展開については、いくつか思うところがあり、もしご興味があれば~プライベートで書かせていただきますね。

私の乏しい見識では、このようなアプローチは市場にはほとんど役に立たないと思います。S/N比を向上させるのに効果的なものばかりです。ミサイルの誘導については上に書いた通りです。市場に信号は存在しないし、何より周波数、位相などのBP特性は常に浮いている。最初から非定常性を認めておかないと、原理的に何もいいことはないんです。非定常性を認識することで、少なくともこの手法の適用限界を示すことができます。

なぜか、(Burgのような)最大エントロピー法がもてはやされる。ウィンドウサイズを変更したり、ウィンドウを移動させたときの空燃比の泳ぎ方がよくわかります。すぐに、分析した試料に共振周波数のこぶがいくつか作用しているのがわかります。そして、この美しさを利用して、次の小節が来ても空燃比が変化しないことを聖なる信仰で予測することはできないことはすぐにわかるのです。そしてこれは、実装されたアイデアが当初は非定常性を考慮に入れていなかったという非常に良い例です。