차이 미적분, 예. - 페이지 5

[Nikolai Semko]

알렉세이 판필로프 :

푸리에에 관해서는 주제가 풍부합니다. 관심이 있으면 주기적으로 터치하겠습니다.

대부분의 경우 주요 질문은 문제를 공식화할 때 발생합니다(다른 방법으로 인해). 이제 내가 이해하는 한 표시기는 푸리에 스펙트럼에서 가장 큰 진폭 주파수를 선택합니다.

이미 다항식으로 평균을 낸 선에 푸리에 표시기를 고정하는 아이디어가 있었습니다. 그의 외삽 판독 값이 더 천천히 변할 것이라는 의심이 있습니다.

일반적으로 올바른 방향으로 생각하십시오.

다항식 및 푸리에 방법에 의한 외삽은 완전히 다른 특성을 갖습니다. 푸리에 외삽법은 주기적인 특성으로 인해 평평한 시장에서만 적용할 수 있으며(이 선은 다양한 주파수, 위상 및 진폭의 정현파의 합임) 항상 돌아올 것입니다.

반대로 다항식 외삽법은 추세에 적합합니다. 거듭제곱법칙 특성으로 인해 항상 아래로 또는 위로 "날아가려고" 합니다.
따라서 이 두 가지 방법을 결합하는 것이 매우 편리합니다. 물론 여기에서 간단한 요약으로 벗어날 수는 없습니다. 그러나 나는 그것들을 서로 결합하는 가장 좋은 방법에 대한 명확한 아이디어가 있으며 이것은 이미지 인식을 사용하여 수행해야 합니다. 그리고 나는 이미 이 주제에 대해 심각한 발전을 이루었습니다. 나는 심지어 아주 오래 전에 나의 첫 번째 인식 알고리즘을 오픈 소스 로 발표했습니다. 이 알고리즘은 모든 TF에서 선형(1차 다항식) 채널을 찾습니다. 가장 원시적이고 느린데도 불구하고 지금까지 시중에서 만나보지도 못한게 낫다(자랑 ).

푸리에 외삽은 다항식보다 훨씬 느리므로 속도를 높이려고 하면 좋겠지만 현재 속도로도 꽤 잘 작동할 수 있습니다.

[Aleksey Panfilov]

예브게니 벨랴예프 :

모두가 이것을했습니다 ... 그들은 썼습니다 ...

일련의 비교를 시작하기 위해 잘 알려진 비교로 돌아가 보겠습니다.

 
      a1_Buffer[i] = iMA ( NULL , 0 , 145 , 0 , MODE_EMA , PRICE_OPEN ,i) ; // a1_Buffer[i]=  ((open[i] - Znach)    +5061600*a1_Buffer[i+1 ]-7489800   *a1_Buffer[i+2 ]+4926624*a1_Buffer[i+3 ]-1215450*a1_Buffer[i+4 ])/1282975;

      a5_Buffer[i+ 92 ]=a1_Buffer[i];   if (i<= 1 ) { for (z= 92 - 1 ;z>= 0 ;z--){        a5_Buffer[i+ 0 +z]=   2 *a5_Buffer[i+ 1 +z]  -   1 *a5_Buffer[i+ 2 +z]  ;  }}



      a2_Buffer[i]= ( (open[i] - Znach)  + 72    *a2_Buffer[i+ 1 ] )/ 73 ;
      
      a6_Buffer[i+ 92 ]=a2_Buffer[i];   if (i<= 1 ) { for (z= 92 - 1 ;z>= 0 ;z--){         a6_Buffer[i+ 0 +z]=   2 *a6_Buffer[i+ 1 +z] -   1 *a6_Buffer[i+ 2 +z]  ;  }}

첫 번째 라인 a1_Buffer 는 시작점을 기준으로 145(72*2+1)의 기간을 갖는 클래식 EMA로 구축되고 왼쪽으로 72단계 이동합니다. 그림의 넓은 회색 선.

두 번째 줄 a5_Buffer 는 첫 번째 줄의 마지막 두 점에 대해 직선을 사용한 외삽법을 보여줍니다. 회색 선은 그림에서 더 가늘습니다.

세 번째 라인 a2_Buffer 는 첫 번째 차수의 차분 방정식에서 직접 만들어집니다. 그림의 파란색 선입니다.

1 *Y_(-1)- 2 *Y_0+ 1 *Y_(+1)=0 등거리 점에 대한 첫 번째 차수의 차분 방정식.

2 *Y_(-1)- 3 *Y_0+ 1 *Y_(+2)=0 2개 간격의 어깨에 대한 1차 차수의 차분 방정식.

72 *Y_(-1)- 7 3 *Y_0+ 1 *Y_(+72)=0 72 간격의 숄더에 대한 첫 번째 차수의 미분 방정식.

사실 이것은 1급 아르키메데스의 지렛대 방정식입니다.

네 번째 라인 a6_Buffer 는 세 번째 라인의 마지막 두 지점에 대해 직선을 사용한 외삽법을 보여줍니다. 오프닝 포인트에 놓이는 그림의 빨간 선.

우리는 두 구조의 완전한 정체성을 봅니다. 그는 코드와 고전 EMA 공식의 형태가 다른 형태로 변형되는 것을 보여주지 않도록 예를 들었다.

나는 그것이 의미하는 바를 주목하고 싶습니다. 현재 용어의 틀 내에서 우리는 다항식을 사용하는 구성 , 어느 정도 EMA를 호출할 수 있습니다. 건설 된 라인의 이름에 대한 질문은 열려 있기 때문에. )

물론 상관없으시다면. :)

[Aleksey Panfilov]

니콜라이 셈코 :

나는 심지어 아주 오래 전에 나의 첫 번째 인식 알고리즘을 오픈 소스 로 발표했습니다. 이 알고리즘은 모든 TF에서 선형(1차 다항식) 채널을 찾습니다. 가장 원시적이고 느린데도 불구하고 지금까지 시장에서 만나보지도 못한게 낫다( 자랑   ).

제 생각에는 상당히 타당합니다. :))

[Aleksey Panfilov]

계수를 미리 계산( a2_Buffer blue line )하고 다시 그리기 선( a6_Buffer yellow line )에서 원하는 값을 제거하여 점을 외삽할 수 있다는 사실에 주의를 기울이고 싶습니다. 하지만. 물론 두 번째 옵션은 리소스 측면에서 비용이 많이 듭니다.

      a1_Buffer[i] = iMA ( NULL , 0 , 145 , 0 , MODE_EMA , PRICE_OPEN ,i); // a1_Buffer[i]=  ((open[i] - Znach)    +5061600*a1_Buffer[i+1 ]-7489800   *a1_Buffer[i+2 ]+4926624*a1_Buffer[i+3 ]-1215450*a1_Buffer[i+4 ])/1282975;

      a5_Buffer[i+ 92 ]=a1_Buffer[i];   if (i<= 1100 ) { for (z= 92 - 1 ;z>= 0 ;z--){        a5_Buffer[i+ 0 +z]=   2 *a5_Buffer[i+ 1 +z]  -   1 *a5_Buffer[i+ 2 +z]  ;  }}



      a2_Buffer[i]= 37 * a1_Buffer[i] - 36 *a1_Buffer[i+ 1 ];
      
      a6_Buffer[i+ 56 ]=a5_Buffer[i+ 56 ];  

[Aleksey Panfilov]

이제 2차 다항식(2차 EMA)으로 평균화하고 직선을 사용하여 다른 숄더로 외삽합니다.

      a1_Buffer[i]=  ((open[i] - Znach)    + 5328 *a1_Buffer[i+ 1 ]-   2628 *a1_Buffer[i+ 2 ])/ 2701 ;

      a5_Buffer[i+ 92 ]=a1_Buffer[i];   if (i<= 1100 ) { for (z= 92 - 1 ;z>= 0 ;z--){        a5_Buffer[i+ 0 +z]=   2 *a5_Buffer[i+ 1 +z]  -   1 *a5_Buffer[i+ 2 +z]  ;  }}



      a2_Buffer[i+ 20 ]=a5_Buffer[i+ 20 ]; 
      
      a3_Buffer[i+ 38 ]=a5_Buffer[i+ 38 ]; 
      
      a4_Buffer[i+ 56 ]=a5_Buffer[i+ 56 ];
        
      a6_Buffer[i+ 74 ]=a5_Buffer[i+ 74 ];
    

첫 번째 그림은 구성도이고 두 번째 그림에서는 다시 그리지 않는 모든 선이 마지막 값으로 그려집니다.

지하실의 표시기는 지정된 라인 오프셋에서만 다릅니다.

[Aleksey Panfilov]

2차 다항식(2차 EMA)으로 평균화하고 제곱 포물선(2차 다항식)을 사용하여 다른 팔로 외삽합니다.

       a1_Buffer[i]=  ((open[i] - Znach)    + 5328 *a1_Buffer[i+ 1 ]-   2628 *a1_Buffer[i+ 2 ])/ 2701 ;

      a5_Buffer[i+ 92 ]=a1_Buffer[i];   if (i<= 1100 ) { for (z= 92 - 1 ;z>= 0 ;z--){         a5_Buffer[i+ 0 +z]=   3 *a5_Buffer[i+ 1 +z]  -   3 *a5_Buffer[i+ 2 +z]  +   1 *a5_Buffer[i+ 3 +z]  ;   }}


      a2_Buffer[i+ 20 ]=a5_Buffer[i+ 20 ]; 
      
      a3_Buffer[i+ 38 ]=a5_Buffer[i+ 38 ]; 
      
      a4_Buffer[i+ 56 ]=a5_Buffer[i+ 56 ];
        
      a6_Buffer[i+ 74 ]=a5_Buffer[i+ 74 ];
  

첫 번째 그림은 구성도이고 두 번째 그림에서는 다시 그리지 않는 모든 선이 마지막 값으로 그려집니다.

지하실의 표시기는 지정된 라인 오프셋에서만 다릅니다.

[СанСаныч Фоменко]

스레드를 여러 번 살펴보았지만 여전히 이해가 되지 않습니다. 무슨 내용인가요?

견적은 다양한 분석 곡선, 특히 여기 지점에 있는 분석 곡선으로 근사할 수 있는 무작위 프로세스입니다.

하지만 아주 근본적인 포인트가 하나 있습니다.

이러한 분석 곡선의 계수는 상수이며 이는 매우 대담한 아이디어입니다.

무작위 프로세스를 근사화하고 있기 때문에 계수도 RANDOM 값이며 ESTIMATED여야 하며 모든 결과로 계산되지 않아야 합니다. 예를 들어 계수 값을 쉽게 얻을 수 있고 값을 볼 수 있으며 추정치를 고려할 때 계수 값을 결정할 때 오류가 이 값 자체의 배수임을 알 수 있습니다.

그리고 문제는 여기서 끝나지 않습니다. 오류는 정규 분포를 따르는 경우 오류이고 정상적이지 않은 경우 우리가 볼 수 있지만 계수가 전혀 없습니다.

이것이 모든 지표가 작동하지 않는 이유입니다. 비록 아름다움은 형언할 수 없지만.

추신.

과거에서 미래가 따라가지 않는다는 글이 위에 올라와 있었습니다. 이상은 이 안타까운 사실을 폭로한 것입니다.

[Aleksey Panfilov]

산산이치 포멘코 :

스레드를 여러 번 살펴보았지만 여전히 이해가 되지 않습니다. 무슨 내용인가요?

견적은 다양한 분석 곡선, 특히 여기 지점에 있는 분석 곡선으로 근사할 수 있는 무작위 프로세스입니다.

하지만 아주 근본적인 포인트가 하나 있습니다.

이러한 분석 곡선의 계수는 상수이며 이는 매우 대담한 아이디어입니다.

무작위 프로세스를 근사화하고 있기 때문에 계수도 RANDOM 값이며 ESTIMATED여야 하며 모든 결과로 계산되지 않아야 합니다. 예를 들어 계수 값을 쉽게 얻을 수 있고 값을 볼 수 있으며 추정치를 고려할 때 계수 값을 결정할 때 오류가 이 값 자체의 배수임을 알 수 있습니다.

그리고 문제는 여기서 끝나지 않습니다. 오류는 정규 분포를 따르는 경우 오류이고 정상적이지 않은 경우 우리가 볼 수 있지만 계수가 전혀 없습니다.

이것이 모든 지표가 작동하지 않는 이유입니다. 아름다움은 형언할 수 없지만.

추신.

과거에서 미래가 따라가지 않는다는 글이 위에 올라와 있었습니다. 이상은 이 안타까운 사실을 폭로한 것입니다.

메시지를 보내주셔서 감사합니다.

또한 기억하십시오.

거래, 자동 거래 시스템 및 거래 전략 테스트에 관한 포럼

채널 준비 방법을 알고 있습니까?

SanSanych Fomenko , 2017.12.31 11:00

거래, 자동 거래 시스템 및 거래 전략 테스트에 관한 포럼

채널 준비 방법을 알고 있습니까?

알렉세이 이바노프 , 2017.12.31 10:48

예, 이러한 이동 확률 분포를 지연되지 않는 분포( 이동 평균 , 2n + 1 이상, 점은 n점 뒤처짐, 물론 분포에 해당)로 구축했다는 점을 명확히 하는 것을 잊었습니다. , 모델에 따라

GARCH는 그들이 제공하는 추가 통계를 이미 고려하여 역사의 마지막 섹션(중요함)에서 지연되지 않는 분포의 모델을 생성하여 많은 포인트를 예측했습니다. SanSanych( SanSanych Fomenko )에 대한 질문: "이 접근 방식이 레이스 중에 더 정확할까요? 아니면 엉망이 될까요?"

나는 당신의 방법을 평가하고 답을 줄 수 없습니다.

시장에 무수히 많은 아이디어가 있는 몇 가지 아이디어를 고려하려고 합니다. 그러나 대다수의 아이디어 작성자와 마찬가지로 스스로에게 질문하지 마십시오. 과거 데이터에서 보는 모든 것이 반복되는 근거는 무엇입니까? 미래에? 더 구체적으로, 당신의 아이디어는 적어도 어느 정도 예측력을 가지고 있습니까?

GARCH의 저자들은 즉시가 아니라 효율적 시장의 이데올로기자들과의 치열한 투쟁을 통해 이 모델에 도달했습니다.

고정 프로세스는 예측할 수 있는 반면 고정 프로세스가 아님은 매우 잘 예측되지 않는 것으로 통계를 통해 알려져 있습니다. 그게 바로 문제 야. NOT 고정은 수학의 산을 쓸모없게 만들었습니다. 다른 영역에서 매우 효과적입니다.

이념 GARCH:

• 초기 전제 - 정상이 아님
• 우리는 NOT stationarity라는 단어의 의미를 정확하게 공식화합니다.
• 우리는 NOT에서 고정으로, 그리고 고정으로 조금씩 이동하기 시작합니다.
• 정상성이 가까울수록 알고리즘이 미래를 예측하는 능력이 커집니다.

당신의 아이디어가 이렇게 가나요?

확실히 유용할 것 같아요.

[Aleksey Panfilov]

숄더가 72인 4차 다항식으로 평균화(4차 EMA)하고 직선을 사용하여 다른 숄더로 외삽합니다.

      a1_Buffer[i]=((open[i] - Znach)    + 5061600 *a1_Buffer[i+ 1 ]- 7489800     *a1_Buffer[i+ 2 ]+ 4926624 *a1_Buffer[i+ 3 ]- 1215450 *a1_Buffer[i+ 4 ])/ 1282975 ;

      a5_Buffer[i+ 92 ]=a1_Buffer[i];   if (i<= 1100 ) { for (z= 92 - 1 ;z>= 0 ;z--){        a5_Buffer[i+ 0 +z]=   2 *a5_Buffer[i+ 1 +z]  -   1 *a5_Buffer[i+ 2 +z]  +   0 *a5_Buffer[i+ 3 +z]  ;  }}


      a2_Buffer[i+ 20 ]=a5_Buffer[i+ 20 ]; 
      
      a3_Buffer[i+ 38 ]=a5_Buffer[i+ 38 ]; 
      
      a4_Buffer[i+ 56 ]=a5_Buffer[i+ 56 ];
        
      a6_Buffer[i+ 74 ]=a5_Buffer[i+ 74 ];
 

첫 번째 그림은 구성도이고 두 번째 그림에서는 다시 그리지 않는 모든 선이 마지막 값으로 그려집니다.

지하실의 표시기는 지정된 라인 오프셋에서만 다릅니다.

[Aleksey Panfilov]

숄더가 72인 4차 다항식으로 평균화(4차 EMA)하고 정사각형 포물선(2차 다항식)을 사용하여 다른 숄더로 외삽합니다 .

      a1_Buffer[i]=((open[i] - Znach)    + 5061600 *a1_Buffer[i+ 1 ]- 7489800     *a1_Buffer[i+ 2 ]+ 4926624 *a1_Buffer[i+ 3 ]- 1215450 *a1_Buffer[i+ 4 ])/ 1282975 ;

      a5_Buffer[i+ 92 ]=a1_Buffer[i];   if (i<= 1100 ) { for (z= 92 - 1 ;z>= 0 ;z--){         a5_Buffer[i+ 0 +z]=   3 *a5_Buffer[i+ 1 +z]  -   3 *a5_Buffer[i+ 2 +z]  +   1 *a5_Buffer[i+ 3 +z]  ;   }}


      a2_Buffer[i+ 20 ]=a5_Buffer[i+ 20 ]; 
      
      a3_Buffer[i+ 38 ]=a5_Buffer[i+ 38 ]; 
      
      a4_Buffer[i+ 56 ]=a5_Buffer[i+ 56 ];
        
      a6_Buffer[i+ 74 ]=a5_Buffer[i+ 74 ];

첫 번째 그림은 구성도이고 두 번째 그림에서는 다시 그리지 않는 모든 선이 마지막 값으로 그려집니다.

지하실의 표시기는 지정된 라인 오프셋에서만 다릅니다.