matkad에 계산 알고리즘이 있습니다. 누군가 MQL에서 버터플라이 필터를 만들려고 하면 내가 도울 수 있고(matcad에서 무엇이 있고 어떻게 계산되는지 설명) JMA가 더 나을 것이라고 생각하지 않습니다(비교가 가능할 것입니다).
Kalman은 본질적으로 반복 최소 제곱이므로 필터에 포함된 모델이 연구 중인 프로세스와 일치하지 않는 경우 한 조건에서만 우회할 수 있습니다. (그들은 요리하는 법을 모릅니다 (필터) :-))
적응이라는 단어를 이해한다는 것은 무엇에 적응해야 하는지에 대한 질문에 대한 답을 의미합니다. 레이더에는 신호(유용한 구성요소)와 노이즈(우리를 괴롭히는 것)와 같은 개념이 있습니다. 이 문제를 처리한 후 적응 필터를 만들 수 있습니다. 이 질문에 대답할 때까지 적응해야 할 항목이 명확하지 않습니다.
링크 주셔서 감사합니다. 이 페럿은 자기 상관을 기반으로 하는 예측 요소와 함께 다소 교활한 적응 필터링 알고리즘을 사용하는 것 같습니다. 그것은 나에게 보인다. :에 대한)
비공개 로
적응이라는 단어를 이해한다는 것은 무엇에 적응해야 하는지에 대한 질문에 대한 답을 의미합니다. 레이더에는 신호(유용한 구성요소)와 노이즈(우리를 괴롭히는 것)와 같은 개념이 있습니다. 이 문제를 처리한 후 적응 필터를 만들 수 있습니다. 이 질문에 대답할 때까지 적응해야 할 항목이 명확하지 않습니다.
얼마나 사실인지, Prival은 ... 완전히 동의합니다. 그건 그렇고, 나는 당신과 당신의 ACF 동료가 일종의 지표 구성에 대해 괴로움을 겪었던 것을 기억합니다. 그들은 "AKF 지표"로 정면으로 시작한 것 같습니다. 무슨 일이 있었나요? 그렇지 않으면 여기에 일종의 "관찰"이 있었습니다.
AKF를 이해하는 것은 끝났고 포럼 회원들의 도움이 아니었다면 나는 여전히 땜질을 했을 것입니다. 그래서 그들은 적어도 제 관점에서 보면 좋은 일과 유용한 일을 많이 했습니다. 이제 멈췄습니다. 많은 것들이 한 가지 이유로 인해 무너지고 있다고 생각해야 합니다. 프로세스의 샘플링 속도에 대한 무지입니다. 나는 내일 새로운 주제를 열 것이라고 생각합니다. 최소 신뢰 구간 으로 가격과 샘플링 비율에 대한 현재 추정치를 얻어야 합니다. 그런 다음 계속 진행합니다. 왜 이것이 필요한지 설명하기 위해 소개 페이지를 작성하는 동안 더 명확하게 할 수 있습니다. 할 수 있다면 이것에 대해 조금 더 자세히 "여기에 일종의 "관찰"이 있습니다. "Widrow-Hopf"라는 단어를 아는 사람은 매우 흥미로운 관찰을 할 수 있습니다 IMMO
그가 무엇을 조사했는지는 중요하지 않지만 AKF는 회사에 "연결"되었습니다. 이것은 어디까지나 관찰일 뿐, 확인된 바가 없으며, 대략적으로 말하면 결과를 눈으로 보고 "발견"했습니다. 통계적으로 확인되지 않고 입증되지 않은 것은 없으며 완전히 넌센스 일 수도 있지만 때로는 확인할 가치가 있습니다. 요점은 ACF의 형식을 기반으로 시리즈의 발전에 대해 몇 가지 가정을 하는 것입니다. 지금까지 대략 2가지 옵션을 분류했습니다. 나는 특별한 언급 없이 인용합니다. 모든 것이 분명한 것 같습니다.
옵션 A
옵션 B
추신:
"Widrow-Hopf"라는 단어를 아는 사람은 매우 흥미로울 수 있습니다 ...
Prival - 나는 DSP에서 독학했으며 내 한계와 기술 문맹이 Nyquist 주파수가 세상을 지배한다는 것을 이해하기에 분명히 충분하지 않다고 썼습니다 ...
나는 당신이 무엇을 볼 수 있는지 모르지만 ACF에서 옵션 A가 200개의 판독값에 대해 예측할 수 있음을 알 수 있습니다(당신이 몇 분 동안 X축에 무엇을 가지고 있는지 모릅니다). 옵션 B 50, 더 나아가 프로세스 변경의 특성, 하지만 역학을 살펴볼 필요가 있습니다. 왜냐하면 ACF는 시간이 지남에 따라 변경됩니다. 그리고 첫 번째 것은 이 함수가 상관 시간(프로세스를 예측할 수 있는 시간) + 두 번째 유형의 프로세스 자체를 표시한다는 것입니다. 거의 항상 진동 링크(무선 엔지니어의 관점에서 말함)입니다. 진동 링크의 유형과 유형에 따라 추가로 분류할 수 있지만 내 연구(현재 이 단계에서)는 주요 사항이 아닙니다. 먼저 한 가지 유형의 진동 링크를 처리해야 하며 나머지는 유추하면 더 쉬울 것입니다.
Prival : 나는 당신이 무엇을 볼 수 있는지 모르지만 ACF에서 옵션 A가 200개의 판독값에 대해 예측할 수 있음을 알 수 있습니다(당신이 몇 분 동안 X축에 무엇을 가지고 있는지 모릅니다). 옵션 B 50, 더 나아가 프로세스 변경의 특성, 하지만 역학을 살펴볼 필요가 있습니다. 왜냐하면 ACF는 시간이 지남에 따라 변경됩니다. 그리고 첫 번째 것은 이 함수가 상관 시간(프로세스를 예측할 수 있는 시간) + 두 번째 유형의 프로세스 자체를 표시한다는 것입니다. 거의 항상 진동 링크(무선 엔지니어의 관점에서 말함)입니다. 진동 링크의 유형과 유형에 따라 추가로 분류할 수 있지만 내 연구(현재 이 단계에서)는 주요 사항이 아닙니다. 먼저 한 가지 유형의 진동 링크를 처리해야 하며 나머지는 유추하면 더 쉬울 것입니다.
나는 간단한 관찰을 통해 "종과 유형별로" 분류하려고 했습니다.
변형 A의 ACF "유형"의 경우 프로세스는 가장 자주 평균 값에서 벗어나지 않고 한동안 통계를 유지했습니다.
ACF 변형 B의 "유형"의 경우: 프로세스가 평균값에서 "떨어지는" 경우가 더 많습니다.
그리고 이 JMA는 인상적이고 매우 인상적입니다. 나는 이동 평균에 대해 편향된 견해를 가지고 있기 때문에 이전에는 어떻게 든 그것에 대해 너무 많은 관심을 기울이지 않았습니다. 그러나 이제는 다시 생각해 볼 필요가 있는 것 같습니다.
그러나 Code Base( 'JMA' )에 있는 JMA는 분명히 원본과 유사하지 않습니다. 예, 매끄럽지 만 분명히 더 늦습니다. 같은 장소에 Parabellum '을 그리는 것이 훨씬 더 설득력이 있습니다.
그래서 문제가 다시 발생합니다. 초기 따옴표 차트를 변환하여 재앙이 사라지도록 한 다음 Jurik (또는 해당 클론)에서 변환 된 지표를 가져 와서 부과하는 것 ... 어떤 이유로 그것은 수익률 분포가 가우스 분포와 유사한 것으로 바뀌더라도 가격 프로세스는 Wiener가 아닐 것입니다. Hurst 지수가 0.5보다 클 것이기 때문입니다(인접 샘플의 의존성으로 인해).
PS Prival , 다시 연락드립니다: http://www.jurikres.com/faq/faq_ama.htm#betterthan . 특히 아래에서 세 번째 그림을 보십시오. JMA는 다른 필터와 달리 Gibbs 효과가 거의 없습니다(갭 후 튀는 현상). 그리고 이 효과를 없애기 위한 효과적인 방법이 있습니다(학생 시절 Hamming의 책 "Digital Filters"을 만났을 때 찾았어야 했습니다).
Prival님 , 책 감사합니다. 그리고 여기에 또 다른 놀라움이 있습니다. 가격을 목표로 삼는 관점을 확인시켜줍니다.
단순화된 가정(예: 데이터가 중첩된 주기로 구성됨, 가우스 분포가 있는 일일 가격 변동, 모든 가격이 동등하게 중요함 등)을 수행하지 않으면서 지연을 극복하는 것은 간단한 작업이 아닙니다. 결국 JMA는 on the same technology the military uses to track moving objects in the air using nothing more than their noisy radar. JMA sees the price time series as a noisy image of a moving target (the underlying smooth price) and tries to estimate the location of the real target (smooth price). 독점적인 수학은 금융 시계열의 특수 속성을 고려하도록 수정되었습니다.
나는 거기에서 그것을 가져 와서 내가 강조했습니다.
두번째. JMA는 다시 그려지지 않으므로 여기서 말할 FFT가 없습니다. 그럼에도 불구하고 그들은 Gibbs 효과를 제거했습니다 ...
제삼. Jurik Research 팀은 수익에 대한 분포 모델로 Cauchy 분포와 유사한 것으로 가정합니다. 당신은 그것이 무엇인지 압니다. 이 분포의 어떤 순간도 존재하지 않습니다. 심지어 m.o. 적이 우리를 위해 마련한 매복의 냄새가 나나요? 다른 한편으로, 그들의 목표는 단순히 Cauchy-distributed 증분으로 임의의 보행을 효과적으로 매끄럽게 하는 유도 장치를 만드는 것이었을 수도 있습니다.
글쎄, 그는 헛되이 칼만과 마주쳤다. 내가 올바르게 이해한다면 이것은 우리에게 알파-베타-감마 필터로 알려진 상수 계수를 가진 칼만 필터에 대해 말합니다(이들은 칼만 필터의 다양한 수정 사항입니다).
중성자 가 필요하다
여기에서 우리는 Kalman 필터(정확함)와 Butterworth 필터를 비교했습니다. '무작위 흐름 이론과 FOREX'
matkad에 계산 알고리즘이 있습니다. 누군가 MQL에서 버터플라이 필터를 만들려고 하면 내가 도울 수 있고(matcad에서 무엇이 있고 어떻게 계산되는지 설명) JMA가 더 나을 것이라고 생각하지 않습니다(비교가 가능할 것입니다).
Kalman은 본질적으로 반복 최소 제곱이므로 필터에 포함된 모델이 연구 중인 프로세스와 일치하지 않는 경우 한 조건에서만 우회할 수 있습니다. (그들은 요리하는 법을 모릅니다 (필터) :-))
적응이라는 단어를 이해한다는 것은 무엇에 적응해야 하는지에 대한 질문에 대한 답을 의미합니다. 레이더에는 신호(유용한 구성요소)와 노이즈(우리를 괴롭히는 것)와 같은 개념이 있습니다. 이 문제를 처리한 후 적응 필터를 만들 수 있습니다. 이 질문에 대답할 때까지 적응해야 할 항목이 명확하지 않습니다.
2 그라쉬
다음은 저자가 JMA에 대해 작성한 내용입니다. - http://www.jurikres.com/catalog/ms_ama.htm#top
이 모든 것이 판매용이기 때문에 우리는 디스어셈블된 코드만 얻습니다. 내가 직접 이해하지만 하이라이트가 무엇인지 정말로 이해하고 싶습니다)
링크 주셔서 감사합니다. 이 페럿은 자기 상관을 기반으로 하는 예측 요소와 함께 다소 교활한 적응 필터링 알고리즘을 사용하는 것 같습니다. 그것은 나에게 보인다. :에 대한)
비공개 로비공개 로
그가 무엇을 조사했는지는 중요하지 않지만 AKF는 회사에 "연결"되었습니다. 이것은 어디까지나 관찰일 뿐, 확인된 바가 없으며, 대략적으로 말하면 결과를 눈으로 보고 "발견"했습니다. 통계적으로 확인되지 않고 입증되지 않은 것은 없으며 완전히 넌센스 일 수도 있지만 때로는 확인할 가치가 있습니다. 요점은 ACF의 형식을 기반으로 시리즈의 발전에 대해 몇 가지 가정을 하는 것입니다. 지금까지 대략 2가지 옵션을 분류했습니다. 나는 특별한 언급 없이 인용합니다. 모든 것이 분명한 것 같습니다.
옵션 A
옵션 B
추신:
Prival - 나는 DSP에서 독학했으며 내 한계와 기술 문맹이 Nyquist 주파수가 세상을 지배한다는 것을 이해하기에 분명히 충분하지 않다고 썼습니다 ...
나는 당신이 무엇을 볼 수 있는지 모르지만 ACF에서 옵션 A가 200개의 판독값에 대해 예측할 수 있음을 알 수 있습니다(당신이 몇 분 동안 X축에 무엇을 가지고 있는지 모릅니다). 옵션 B 50, 더 나아가 프로세스 변경의 특성, 하지만 역학을 살펴볼 필요가 있습니다. 왜냐하면 ACF는 시간이 지남에 따라 변경됩니다. 그리고 첫 번째 것은 이 함수가 상관 시간(프로세스를 예측할 수 있는 시간) + 두 번째 유형의 프로세스 자체를 표시한다는 것입니다. 거의 항상 진동 링크(무선 엔지니어의 관점에서 말함)입니다. 진동 링크의 유형과 유형에 따라 추가로 분류할 수 있지만 내 연구(현재 이 단계에서)는 주요 사항이 아닙니다. 먼저 한 가지 유형의 진동 링크를 처리해야 하며 나머지는 유추하면 더 쉬울 것입니다.
나는 간단한 관찰을 통해 "종과 유형별로" 분류하려고 했습니다.
일반적으로 - 중요한 것이 아니라면 중요하지 않습니다 ... 행운을 빕니다
그리고 이 JMA는 인상적이고 매우 인상적입니다. 나는 이동 평균에 대해 편향된 견해를 가지고 있기 때문에 이전에는 어떻게 든 그것에 대해 너무 많은 관심을 기울이지 않았습니다. 그러나 이제는 다시 생각해 볼 필요가 있는 것 같습니다.
그러나 Code Base( 'JMA' )에 있는 JMA는 분명히 원본과 유사하지 않습니다. 예, 매끄럽지 만 분명히 더 늦습니다. 같은 장소에 Parabellum '을 그리는 것이 훨씬 더 설득력이 있습니다.
그래서 문제가 다시 발생합니다. 초기 따옴표 차트를 변환하여 재앙이 사라지도록 한 다음 Jurik (또는 해당 클론)에서 변환 된 지표를 가져 와서 부과하는 것 ... 어떤 이유로 그것은 수익률 분포가 가우스 분포와 유사한 것으로 바뀌더라도 가격 프로세스는 Wiener가 아닐 것입니다. Hurst 지수가 0.5보다 클 것이기 때문입니다(인접 샘플의 의존성으로 인해).
PS Prival , 다시 연락드립니다: http://www.jurikres.com/faq/faq_ama.htm#betterthan . 특히 아래에서 세 번째 그림을 보십시오. JMA는 다른 필터와 달리 Gibbs 효과가 거의 없습니다(갭 후 튀는 현상). 그리고 이 효과를 없애기 위한 효과적인 방법이 있습니다(학생 시절 Hamming의 책 "Digital Filters"을 만났을 때 찾았어야 했습니다).
그리고 이 JMA는 인상적이고 매우 인상적입니다. 나는 이동 평균에 대해 편향된 견해를 가지고 있기 때문에 이전에는 어떻게 든 그것에 대해 너무 많은 관심을 기울이지 않았습니다. 그러나 이제는 다시 생각해 볼 필요가 있는 것 같습니다.
그러나 Code Base( 'JMA' )에 있는 JMA는 분명히 원본과 유사하지 않습니다. 예, 매끄럽지 만 분명히 더 늦습니다. 같은 장소에 있는 Parabellum '에서 그리는 것이 훨씬 더 설득력이 있습니다.
Prival님 , 책 감사합니다. 그리고 여기에 또 다른 놀라움이 있습니다. 가격을 목표로 삼는 관점을 확인시켜줍니다.
나는 거기에서 그것을 가져 와서 내가 강조했습니다.
두번째. JMA는 다시 그려지지 않으므로 여기서 말할 FFT가 없습니다. 그럼에도 불구하고 그들은 Gibbs 효과를 제거했습니다 ...
제삼. Jurik Research 팀은 수익에 대한 분포 모델로 Cauchy 분포와 유사한 것으로 가정합니다. 당신은 그것이 무엇인지 압니다. 이 분포의 어떤 순간도 존재하지 않습니다. 심지어 m.o. 적이 우리를 위해 마련한 매복의 냄새가 나나요? 다른 한편으로, 그들의 목표는 단순히 Cauchy-distributed 증분으로 임의의 보행을 효과적으로 매끄럽게 하는 유도 장치를 만드는 것이었을 수도 있습니다.
2 Rosh : 글쎄, 적어도 하나의 Jurik 인듀서의 수수께끼는 풀렸다. 존경.