이동하는 대신 푸리에, 웨이블릿 또는 일부 디지털 필터 를 기반으로 구축된 스무딩을 사용할 수 있습니다. 문제는 변화하는 분산(또는 간단한 계량 경제학 용어로) 이분산성입니다. 나는 한 번 화학자들로부터 Savitsky-Halley 필터를 사용하여 스펙트로그램의 노이즈를 필터링하는 흥미로운 기사를 읽었습니다. 이 필터는 주어진 기간에 주어진 차수의 다항식을 만들고 다항식의 중간 점을 평활화에 넣은 다음 한 점을 오른쪽으로 이동하고 데이터가 다 떨어질 때까지 모든 것을 반복합니다. 일반적으로 다항식에서만 움직이는 일종의 유사체. 그래서 그들은 다음과 같은 트릭을 생각해 냈습니다. - 신호와 필터링된 값의 차이는 작지만 - 많은 양의 데이터와 선형 다항식을 구축하는 데 사용되며, 편차가 커지기 시작하면 - 필터링할 데이터의 수가 줄어듭니다. , 다항식의 차수가 증가합니다. 글쎄, 그것은 MA에서 편차가 증가하는 것처럼 기간을 줄이는 것과 같습니다.
일반적으로 먼저 신호 모델을 결정한 다음 신호 모델을 기반으로 노이즈, 즉 신호 모델에 맞지 않는 움직임을 필터링해야 합니다.
신호 모델을 만들면 주제가 더 흥미롭고 건설적이 될 것입니다. 그렇지 않으면 노이즈가 존재하지 않는 곳에서 노이즈를 찾는 것이 의미가 없습니다. 시장에서 노이즈가 제가 작업에 사용하는 것으로 간주하는 것에 대한 노이즈가 없을 뿐입니다. .
이전에는 노이즈를 제거하는 방법, 트렌드와 플랫을 분리하는 방법 등의 문제에 대해서도 작업했습니다. 그러다가 시세의 이산화를 없애고 트렌드와 플랫은 없다는 결론에 이르렀다.
게다가 노이즈는 정규 분포를 가져야 하고 진정으로 무작위적이어야 합니다. 저는 시장 움직임이 무작위적이라는 증거를 찾지 못했습니다.
일반적으로 노이즈를 관찰하려면 왜 필요한지 명확하게 이해해야 한다는 점에 동의합니다. 노이즈를 거래하려면 맨 오른쪽의 스무딩 값을 알아야 합니다. 바, 그런 다음 이 값을 보고 삽으로 매끄럽게 하고 돈을 젓는 방향으로 엽니다. 그러나 문제는 예를 들어 평활화 평균은 항상 위 그림에서 25바만큼 뒤로 이동 하며, 25개의 이동 값을 극단까지 알고 있다면 자동으로 다음을 의미합니다. 가격의 미래 25개 막대를 알고 있습니다. 그렇다면 왜 소음을 거래하고, 미래 가격을 거래할 수 있습니다. 이동 평균의 미래 가치에 대한 정확한 예측조차도 미래 막대의 정확한 가치를 제공합니다.
일반적으로 노이즈를 관찰하려면 왜 필요한지 명확하게 이해해야 한다는 점에 동의합니다. 노이즈를 거래하려면 맨 오른쪽의 스무딩 값을 알아야 합니다. 바, 그런 다음 이 값을 보고 삽으로 매끄럽게 하고 돈을 젓는 방향으로 엽니다. 그러나 문제는 예를 들어 평활화 이동은 항상 위 그림에서 25막대만큼 뒤로 이동하며, 극한값까지 25개의 이동 값을 알고 있다면 자동으로 알고 있음을 의미합니다. 미래 25 가격 막대. 이동 평균의 미래 가치에 대한 정확한 예측조차도 미래 막대의 정확한 가치를 제공합니다.
바에서 바, 그 특성에 따라 그 차이는 단순히 거대합니다. 5분짜리와 1시간짜리를 비교하는 것조차 의미가 없고, 매일 하는 것과 비교하면 더욱 그렇습니다.
그리고 이것이 평활 가격과 종가의 차이가 어떻게 보이는지 - 악명 높은 소음입니다.
그의 성격이 끊임없이 변화하고 있음을 눈으로도 알 수 있다.
이동하는 대신 푸리에, 웨이블릿 또는 일부 디지털 필터 를 기반으로 구축된 스무딩을 사용할 수 있습니다. 문제는 변화하는 분산(또는 간단한 계량 경제학 용어로) 이분산성입니다. 나는 한 번 화학자들로부터 Savitsky-Halley 필터를 사용하여 스펙트로그램의 노이즈를 필터링하는 흥미로운 기사를 읽었습니다. 이 필터는 주어진 기간에 주어진 차수의 다항식을 만들고 다항식의 중간 점을 평활화에 넣은 다음 한 점을 오른쪽으로 이동하고 데이터가 다 떨어질 때까지 모든 것을 반복합니다. 일반적으로 다항식에서만 움직이는 일종의 유사체. 그래서 그들은 다음과 같은 트릭을 생각해 냈습니다. - 신호와 필터링된 값의 차이는 작지만 - 많은 양의 데이터와 선형 다항식을 구축하는 데 사용되며, 편차가 커지기 시작하면 - 필터링할 데이터의 수가 줄어듭니다. , 다항식의 차수가 증가합니다. 글쎄, 그것은 MA에서 편차가 증가하는 것처럼 기간을 줄이는 것과 같습니다.
일반적으로 먼저 신호 모델을 결정한 다음 신호 모델을 기반으로 노이즈, 즉 신호 모델에 맞지 않는 움직임을 필터링해야 합니다.
신호 모델을 만들면 주제가 더 흥미롭고 건설적이 될 것입니다. 그렇지 않으면 노이즈가 존재하지 않는 곳에서 노이즈를 찾는 의미가 없습니다. 시장에서 노이즈가 내가 작업에 사용하는 것으로 간주하는 노이즈가 없습니다. .
이전에는 노이즈를 제거하는 방법, 트렌드와 플랫을 분리하는 방법 등의 문제에 대해서도 작업했습니다. 그러다가 시세의 이산화를 없애고 트렌드와 플랫은 없다는 결론에 이르렀다.
게다가 노이즈는 정규 분포를 가져야 하고 진정으로 무작위적이어야 합니다. 저는 시장 움직임이 무작위적이라는 증거를 찾지 못했습니다.
스무딩 1로 동일한 분석을 수행하십시오. 51이 아닌 하나의 양초에서 노이즈를 측정해야 하기 때문입니다.
글쎄, 그것은 단지 H4의 시작 가격의 차이 일 것입니다. 여기 있어요.
일반적으로 먼저 신호 모델을 결정한 다음 신호 모델을 기반으로 노이즈, 즉 신호 모델에 맞지 않는 움직임을 필터링해야 합니다.
신호 모델을 만들면 주제가 더 흥미롭고 건설적이 될 것입니다. 그렇지 않으면 노이즈가 존재하지 않는 곳에서 노이즈를 찾는 것이 의미가 없습니다. 시장에서 노이즈가 제가 작업에 사용하는 것으로 간주하는 것에 대한 노이즈가 없을 뿐입니다. .
이전에는 노이즈를 제거하는 방법, 트렌드와 플랫을 분리하는 방법 등의 문제에 대해서도 작업했습니다. 그러다가 시세의 이산화를 없애고 트렌드와 플랫은 없다는 결론에 이르렀다.
게다가 노이즈는 정규 분포를 가져야 하고 진정으로 무작위적이어야 합니다. 저는 시장 움직임이 무작위적이라는 증거를 찾지 못했습니다.
일반적으로 노이즈를 관찰하려면 왜 필요한지 명확하게 이해해야 한다는 점에 동의합니다. 노이즈를 거래하려면 맨 오른쪽의 스무딩 값을 알아야 합니다. 바, 그런 다음 이 값을 보고 삽으로 매끄럽게 하고 돈을 젓는 방향으로 엽니다. 그러나 문제는 예를 들어 평활화 평균은 항상 위 그림에서 25바만큼 뒤로 이동 하며, 25개의 이동 값을 극단까지 알고 있다면 자동으로 다음을 의미합니다. 가격의 미래 25개 막대를 알고 있습니다. 그렇다면 왜 소음을 거래하고, 미래 가격을 거래할 수 있습니다. 이동 평균의 미래 가치에 대한 정확한 예측조차도 미래 막대의 정확한 가치를 제공합니다.
글쎄, 그것은 단지 H4의 시작 가격의 차이 일 것입니다. 여기 있어요.
일반적으로 노이즈를 관찰하려면 왜 필요한지 명확하게 이해해야 한다는 점에 동의합니다. 노이즈를 거래하려면 맨 오른쪽의 스무딩 값을 알아야 합니다. 바, 그런 다음 이 값을 보고 삽으로 매끄럽게 하고 돈을 젓는 방향으로 엽니다. 그러나 문제는 예를 들어 평활화 이동은 항상 위 그림에서 25막대만큼 뒤로 이동하며, 극한값까지 25개의 이동 값을 알고 있다면 자동으로 알고 있음을 의미합니다. 미래 25 가격 막대. 이동 평균의 미래 가치에 대한 정확한 예측조차도 미래 막대의 정확한 가치를 제공합니다.
눈으로 판단해 보니 평균 가격에서 ~ 20포인트 정도의 범위에서 시그널을 얻고 나머지는 노이즈다.
눈으로 판단해 보니 평균 가격에서 ~ 20포인트 정도의 범위에서 시그널을 얻고 나머지는 노이즈다.
matlab은 분산이 32.02포인트라고 말하지만 이상치가 큰 경우의 실제 통계에서는 모듈의 합계를 샘플 수로 나눈 값을 계산할 것을 권장합니다. 그렇게 계산하면 실제로는 20.48포인트가 됩니다.
그림의 축이 평균 가격이라는 것이 확실합니까?