フローティング・マーケット・パラメーター - ページ 2

 
理解すること、PARAMETERSはある領域で安定しているべき、あるいはそうであってはならないが、原則的に市場に関連する(リアルであるべき)パラメータであるべきである。そして、ある領域から別の領域へ手法を引き伸ばそうとしているのですね。モルモットの体温を色で予測するようなものです。そこに相関関係がないとは言いませんが......。ただ、あったとしても非常に弱く、そのような方法は非論理的であり(まあ、同意)、一般的には彼女の体温を測る方が論理的です。
 
IronBird:
そして、ある分野の手法を別の分野に適用しようとしている。

また、どのような方法が適用できるのでしょうか?差し支えなければ、リストアップしてください。
 
フーリエ級数展開を修正することは可能ですか?各周波数の周期を2回だけなど、限定して撮影する。そうすると、通常の分解と比較してデータの関連性が薄くなってしまいます。そして、位相、周波数、振幅の変化をニューラルネットワークの入力に与えるなどして、変調を監視することができる。どなたか試された方はいらっしゃいますか?
 

方法は(簡略化)-誰がいくらで入ったか、なぜ入ったか、いつ出るかを考えなければならない。そしてそこから、踊りまくるのです。確かに市場とは関係ありますね。例えば、ボラティリティは市場に存在し、一日の間に変化し、それは否定できない事実であり、計算することができます。だから、それが仕事になるんです。あるいは、市場の平均価格への回帰度(奇妙に思えるかもしれないが、簡略化するとMAである))のような特性を開発することである。そんな逆転現象がバザーに存在するのも、また事実...。季節感とか...。まあ、私が挙げたものは、先験的に市場に関係するものです。もしかしたら、月の満ち欠けや大衆の気分など、アストロメソッドもマーケットと関係があるのかもしれませんね......。しかし、ウェーブレットはそれにどう関係するのでしょうか?それとも量子力学?ウェーブレットは、音楽などの調和振動に関係するものです。DJに聞かれたら、理屈はそうでしょう。量子力学は、原子力の研究者にとっても興味深いものでしょう。といった具合に。しかし、市場と何の関係があるのでしょうか?実際、関連性はあるのかもしれないが、まず、それが正当化されなければならない(つまり、トレーダーのグループは、そうだから核の中の原子のように振る舞うのだと自分に言い聞かせる必要がある)。そして、プログラマーはこの辺りのヘッドとテールに行くはずです。そうでなければ、ただの時間の無駄です。イミフ。

 
IronBird:

あるいは、その平均価格に対するリターンの度合いなどの市場特性を開発する(奇しくも簡略化した形でMAとなる :)。


これは私がやっていることですが、MA(または他のもの)を半期後ろにずらす必要があります)。そのためにPredictorを使いたいのですが、まず、どのようなエラーが発生する可能性があるのかを見て、その方法を開発するか、他の方法を探します。

IronBird です。

しかし、そこにウェーブレットはどのように適用されるのでしょうか?それとも量子力学?ウェーブレットは、音楽などの調和振動に関係するものです。DJに聞かれたら、理屈抜きでそう思います。量子力学は、原子力の研究者にとっても興味深いものでしょう。といった具合に。しかし、市場と何の関係があるのでしょうか?


例えば、最大エントロピー法は地質学的な探鉱から電波工学に来たもので、回帰は電波工学や経済学で使われ、価格は水準から水準へ、これは物理学とは違うのです。もっと実験したほうがいいと思う。
 
IgorM:

ウェーブレットは何ができるのか?

フーリエ変換が信号の周波数領域を表現するのに対して、ウェーブレット変換は信号の周波数-時間領域を表現するのです。信号が様々な周期の正弦波の和である場合、ウェーブレット変換は、それらの周期が時間とともにどのように変化するかを示します(フーリエ変換とは異なり、単にぼやけたスペクトルが得られます)。

 
Rorschach:
フーリエ級数分解を修正することは可能ですか?各周波数の周期を2回だけなど、限定して撮影する。そうすると、通常の分解と比較して、データの意味が薄れてしまうのです。そして、位相、周波数、振幅の変化をニューラルネットワークの入力に与えるなどして、変調を監視することができる。どなたか試された方はいらっしゃいますか?

時系列解析手法の適用性については、ここにいる方々の意見が基本的に正しいです。

まず、BPのパターンや性質に注目し、その上で、与えられた系列に対して適切な行列解析の装置を選択することが必要である。カートが牝馬より前に出ている限り、これは時間と労力(多分お金)の無駄です。私たちの仕事は、様々な方法とその複雑さによって、予想される価格の動き(買いか売りか)のサインを予測することに集約されます。神秘主義に陥らないためには、予測は初期BPの分析(歴史)またはその環境の分析(他のツール)に行き着く。第一の方向ではあらゆる種類の回帰 モデルが使われ、タスクを形式化する力がなければニューラルネットワークが使われる。第二のアプローチは、相互相関解析とそのマッピングを利用したものである。

 
Neutron:

時系列解析の手法の適用性については、ここの人たちが基本的に正しい。

まず、BPの特定のパターンや性質に注目し、与えられた系列に対して適切な行列解析の装置を選択する必要がある。


適正価格」を中心にした変動というパターンを見つけたので、あとは適切な方法を選択していくだけです。

 

ウェーブレットの情報を検索してみたら、なかなか良さそうです。

ウェーブレット変換の長所と短所。

-ウェーブレット変換は、フーリエ変換の長所をほぼすべて備えています。
-ウェーブレット基底は、周波数と時間の両方でよく局在化することができます。信号中の局所的なマルチスケールプロセスをうまく拾い出すには、関心のあるスケール分解レベルのみを考慮すればよい。
-ウェーブレット基底は、フーリエ変換とは異なり、その特性が異なる問題の解決に向けられた非常に多様な基底関数を持っています。ベースライン・ウェーブレットは有限および無限のキャリアを持つことができ、様々な滑らかさを持つ関数によって実装されます。
-ウェーブレット変換の欠点は、その相対的な複雑さです。

つまり、そのようなマイナスはないのです。

特に、こちらの アプリケーションでの結果が気に入りました(Andre69 2007.06.28 20:43)。かなり特殊な周波数依存性、時間依存性があり、やや定常性がある。

アーカイブには、ウェーブレットの市場応用やフーリエとの比較に関するファイルがあります。

ファイル:
1_2.zip  1279 kb
 

IgorMさん、ライブラリーを教えていただけませんか?