Владимир : 바에서 바, 그 특성에 따라 그 차이는 단순히 거대합니다. 5분짜리와 1시간짜리를 비교하는 것조차 의미가 없고, 매일 하는 것과 비교하면 더욱 그렇습니다.
원칙적으로 차이는 없습니다. 정확히 동일한 사진을 5분 만에 만들 수 있습니다. 문제는 사용 방법입니다. 예를 들어, 5분과 MA 사이의 노이즈를 5주기로 찾을 수 있습니다. 이 경우 MA의 마지막 값은 2바 뒤로만 이동하고 이동 평균의 두 값만 외삽해야 하며 이동 평균에서 편차의 수익을 거래할 수 있습니다. 그러나 모든 것이 훨씬 더 슬프다. 역 공식을 사용하여 이동 평균의 예측 값에서 계산 된 미래 가격 값의 오차와 마찬가지로 예측 오차가 너무 큰 것으로 판명되었습니다.
Maxim Romanov : 신호 모델로 특정 주기, 부동 위상 및 진폭을 갖는 정현파를 취하려고 할 수 있습니다. 신호 필터링 알고리즘을 적용하고 주어진 주기의 신호만 거래합니다.
하지만 그런 모델을 어떻게 설명해야 할지 모르겠습니다.
이것은 지나치게 단순화된 접근 방식이며 처음에는 큰 신호 왜곡을 수반합니다. 보다 합리적인 접근 방식은 신호 구성 요소를 단계별로 결정하는 소급 분석입니다. 도식적으로 다음과 같습니다. - 처음에는 요일 , 시간, 시장 상황(추세 상승/하락, 플랫), 중요한 경제 금융 뉴스 등과 같은 몇 가지 요인이 미래의 가격 움직임에 영향을 미친다고 가정합니다. 모델의 복잡성은 고려되는 영향 요인의 수에 따라 달라집니다. - "가격 벡터=F{인자(n)}" 형식으로 축소될 수 있는 각 요인에 대한 가격 변동의 의존성을 찾습니다. 가격의 의존성을 추적하지 않는 요소는 중요하지 않은 것으로 간주되어 향후 고려되지 않습니다. - 얻은 의존성을 그래프로 요약하고 실제 신호에 중첩합니다. 결과 불일치는 우리의 경우 "잡음"이 될 것입니다. 그러나 본질적으로 이러한 "잡음"은 신호의 일부이기도 합니다. 단순히 우리가 고려하지 않은 중요한 영향 요인이 있기 때문에 결정할 수는 있지만 어느 쪽도 예측할 수는 없습니다. "소음"의 특성 또는 그 특성. 따라서 나 자신에게는 노이즈 측정의 요점이 보이지 않습니다. 그러나 이것은 내 개인적인 의견이며 이 문제에 대한 접근 방식입니다.
문제에 순전히 공식적으로 접근하면 노이즈는 데이터와 데이터에 구축된 일종의 평활화 간의 차이로 정의할 수 있습니다.
정확히. 곡선이 최적으로 구축되면 노이즈가 최소화됩니다. 이제 노이즈 레벨을 측정하고 신호가 노이즈를 초과하는 위치를 확인해야 합니다.
앞서 화제의 시작 부분에 제가 소음을 측정한 고양이에 대한 곡선 중 하나가 있는 사진을 공개한 바 있습니다. 저녁에 나는 소음 트랙을 만들고 배치할 것입니다.
인근 술집 시가 의 차이다.
바에서 바, 그 특성에 따라 그 차이는 단순히 거대합니다. 5분짜리와 1시간짜리를 비교하는 것조차 의미가 없고, 매일 하는 것과 비교하면 더욱 그렇습니다.
스무딩 1로 동일한 분석을 수행하십시오. 51이 아닌 하나의 양초에서 노이즈를 측정해야 하기 때문입니다.
그리고 이것이 평활 가격과 종가의 차이가 어떻게 보이는지 - 악명 높은 소음입니다.
그의 성격이 끊임없이 변화하고 있음을 눈으로도 알 수 있습니다.
평활화 - 실제로 주파수 필터 역할을 합니다. 그리고 이 상황에서 노이즈라고 부르는 것은 단순히 신호의 고주파수(평활 주기와 관련하여) 구성요소일 수 있습니다.
신호 모델로 특정 주기, 부동 위상 및 진폭을 갖는 정현파를 취하려고 할 수 있습니다. 신호 필터링 알고리즘을 적용하고 주어진 주기의 신호만 거래합니다.
보다 합리적인 접근 방식은 신호 구성 요소를 단계별로 결정하는 소급 분석입니다. 도식적으로 다음과 같습니다.
- 처음에는 요일 , 시간, 시장 상황(추세 상승/하락, 플랫), 중요한 경제 금융 뉴스 등과 같은 몇 가지 요인이 미래의 가격 움직임에 영향을 미친다고 가정합니다. 모델의 복잡성은 고려되는 영향 요인의 수에 따라 달라집니다.
- "가격 벡터=F{인자(n)}" 형식으로 축소될 수 있는 각 요인에 대한 가격 변동의 의존성을 찾습니다. 가격의 의존성을 추적하지 않는 요소는 중요하지 않은 것으로 간주되어 향후 고려되지 않습니다.
- 얻은 의존성을 그래프로 요약하고 실제 신호에 중첩합니다. 결과 불일치는 우리의 경우 "잡음"이 될 것입니다.
그러나 본질적으로 이러한 "잡음"은 신호의 일부이기도 합니다. 단순히 우리가 고려하지 않은 중요한 영향 요인이 있기 때문에 결정할 수는 있지만 어느 쪽도 예측할 수는 없습니다. "소음"의 특성 또는 그 특성.
따라서 나 자신에게는 노이즈 측정의 요점이 보이지 않습니다. 그러나 이것은 내 개인적인 의견이며 이 문제에 대한 접근 방식입니다.
문제 자체는 소음을 측정하는 방법입니다. - 잘못된, 비논리적인, 잘못된.
먼저 입력에 신호 + 잡음 혼합이 있다는 것을 이해해야 합니다.
이러한 이해가 존재한다면 질문은 다르게 제기될 것입니다. "신호 + 잡음" 혼합물에서 "신호"를 분리하는 방법은 무엇입니까? 이 문제를 해결할 때 "노이즈"를 결정하는 것은 어렵지 않습니다.
이 문제는 적응 제어 이론의 방법으로 해결됩니다.
예를 들어.
상단 그래프의 빨간색 선은 "신호"입니다. 이와 같이 그래프 상의 "노이즈"는 불필요한 것으로 표시되지 않고, 이를 기반으로 분산, 즉 신호 전파관인 레인이 계산됩니다.