Prival : 그리고 Jurik이 증거로 인용한 신호(모델)에 대한 최적의 + 적응형 지표를 만드는 것은 우수한 DSP 전문가에게 어렵지 않을 것입니다.
주제의 저자는 그런 전문가 인 것 같습니다.
여기에 약간 바보 같은 모델이 있습니다. Prival : 수익률(신호 증분)을 고려하면 신호는 0이고 노이즈는 경험적으로 알고 있는 Cauchy 분포 유형의 pdf와 ACF를 사용하는 무작위 프로세스입니다. 측정 및 양자화 오류가 없습니다. 물론 통합의 결과로 가격 자체가 "수학적 기대치"를 뛰어넘을 것이기 때문입니다. 꼬리는 너무 두껍고 여전히 의존적입니다.
이 모델은 아마도 시장 자체보다 훨씬 더 터프합니다. 그러나 필터가 이러한 모델에서 작동하면 어디에서나 작동합니다.
신호가 0인 경우 0을 곱하는 매우 멋진 필터가 설명에 맞습니다. :-). 신호 선택을 작업으로 이해하면 어디서나 작동합니다.
Prival : 개념(트렌드, 더 큰, 더 강한)을 숫자로 변환합니다. 그러면 =를 계산하고 비교하여 이 표시자가 다른 표시자보다 낫다고 말할 수 있습니다.
개념이 아니라 추세 표시기, 나는 위에서 이것에 대해 썼습니다(당신은 아마도 주의 깊게 읽지 않았을 것입니다) - ADX 표시기 또는 Yurik의 경우 CFB 표시기 또는 .... 글쎄, 그것들이 많이 있습니다 .. ...
아니, 잘 읽었습니다. 내가 어떻게 보는지 설명하려고 합니다. 그것이 바로 요점입니다. 그것은 당신의 마지막 구절에 있습니다 .... 글쎄, 그것들 중 많은 수가 있습니다 .... 그리고 진정한 것은 어디에 있습니다. 하나, 최고, 가장 적응력이 뛰어나고 트렌드를 가장 잘 부각시키는 것은 무엇입니까? 속성이 있는 쪽은 내려갔다가(드로다운 = 0), 올라갔다가 올라갔다가 다시 드로다운 = 0 등으로 떨어졌다. 무한대. 그리고 지그재그처럼 소급해서 작동하지 않고 t=0 시점에서 작동합니다. (돌아보면 더 나은 지그재그를 만들 수 있습니다)
유용한 신호라고 결정하면 필터링해야 할 대상 = 선택 = 노이즈로부터 제거해야 함을 이해하십시오. 신호와 모든 구성 요소 + 노이즈 및 매개 변수를 알아야 합니다.
의 말을하자
1. 신호는 직선 방정식(방향 이동 = 추세)이며 많은 사람들이 이미 그러한 디지털 필터를 만들고 MQL4로 작성했으며 현재도 자유롭게 사용할 수 있습니다.
2. 이것이 진동 운동(정현파)의 혼합인 경우 다른 디지털 필터입니다.
3. 이것이 직접운동과 진동운동이 혼재되어 있다면 이것은 3차 디지털 필터 등이다.
신호가 무엇인지 결정했다면 더 나아가
이것은 표준 합성 작업입니다. 입력 -> 신호 + 잡음의 혼합이 있습니다. 출력에서 수행(디지털 필터 합성)이 필요하며, 어떤 기준(더 나은 Bayes)에 따라 신호가 선택됩니다. . 합성 문제의 올바른 공식화를 위해서는 입력에 대한 수학적 설명이 필요합니다.
Prival : 아니요, 잘 읽었습니다. 내가 어떻게 보는지 설명하려고 합니다. 그것이 바로 요점입니다. 그것은 당신의 마지막 구절에 있습니다 .... 글쎄, 그것들 중 많은 수가 있습니다 .... 그리고 진정한 것은 어디에 있습니다. 하나, 최고, 가장 적응력이 뛰어나고 트렌드를 가장 잘 부각시키는 것은 무엇입니까?
Ehhhhhh .... 환매를 알았다면 - 나는 소치에 살았을 것입니다 ....))))))))) CFB를 사용합니다 - 그리고 저는 만족합니다. 이상형과는 거리가 멀지만 .... 역시 ADX ....
평활화 알고리즘을 사용할 때 군지연(GD) 발생에 대해 언급한 곳에서 저자는 역주행을 사용하여 후자를 "제거"하는 방법을 제시합니다. .. 이게 뭐야, 농담이야? 캐주얼(VR의 오른쪽 끝에서 작동) 시스템의 경우 원칙적으로 GZ를 제거할 수 없는 것으로 알려져 있습니다. 그러나 물론 VR이 정의되고 행 중앙(오른쪽 가장자리가 아님)에서 VR로 작업할 계획이라면 저자가 조언한 대로 반대 방향으로 동일한 매개변수. 그런데 저자는 왜 그런 평균화 알고리즘을 사용하면 필연적으로 마지막 막대에 다시 그리기가 나타날 것이라고 말을 하지 않는 것일까요? 그는 잊었습니까 아니면 모르십니까? 아니면 또 어떤가요?
다음은 기사의 인용문입니다.
"따라서 위에서 고려한 제안의 도움으로 시간 지연 m/2를 부분적으로 보상하는 것이 가능합니다(기존 이동 평균의 첫 번째 단점 제거). ... 그리고 두 번째 부정적인 영향이 제거됩니다... 둘 다 세 번째와 네 번째 ...
제안된 평균 알고리즘을 사용하면 선형 주파수 왜곡도 크게 줄일 수 있습니다."
집단지연 보상에 대한 아이디어는 내 것이 아니라 미국 과학자들의 것이다. 그러나 그것은 실시간 밖에서 "작동"했습니다. 예를 들어, 전파 천문학에서. 나의 성과는 합성 이동 평균의 형태로 실용적인 알고리즘을 제공할 수 있었다는 것입니다. 동료, 사이비 과학 논쟁을 시작하기 전에 "물질적인 부분"을 연구해야합니다.
여기에 약간 바보 같은 모델이 있습니다. Prival : 수익률(신호 증분)을 고려하면 신호는 0이고 노이즈는 경험적으로 알고 있는 Cauchy 분포 유형의 pdf와 ACF를 사용하는 무작위 프로세스입니다. 측정 및 양자화 오류가 없습니다. 물론 통합의 결과로 가격 자체가 "수학적 기대치"를 뛰어넘을 것이기 때문입니다. 꼬리는 너무 두껍고 여전히 의존적입니다.
이 모델은 아마도 시장 자체보다 훨씬 더 터프합니다. 그러나 필터가 이러한 모델에서 작동하면 어디에서나 작동합니다.
신호가 0인 경우 0을 곱하는 매우 멋진 필터가 설명에 맞습니다. :-). 신호 선택을 작업으로 이해하면 어디서나 작동합니다.
레오V
질문이 조금 더 깊습니다. 하나의 지표가 다른 지표보다 더 적응력이 높다는 것에 답하기 위해. 그가 무엇에 적응해야 하는지 알아야 합니다.
물론 트렌드에 맞게 조정됩니다. "더 크고 강한" 경향 - JMA 기간이 길어짐. 그리고 이것은 내가 이해하는 바가 맞습니다 ....
개념(추세, 더 큰, 더 강한)을 숫자의 언어로 번역하십시오. 그러면 =를 계산하고 비교하여 이 표시자가 다른 표시자보다 낫다고 말할 수 있습니다.
Prival , 브라운 모션 증분에서 기대치는 0입니다.
알아요. 그리고 신호가 0이면 디지털 필터의 작업은 신호를 선택하는 것이므로 최적의 디지털 필터의 출력은 0이어야 합니다.
개념이 아니라 추세 표시기, 나는 위에서 이것에 대해 썼습니다(당신은 아마도 주의 깊게 읽지 않았을 것입니다) - ADX 표시기 또는 yurik에는 CFB 표시기가 있거나 .... 글쎄, 그것들이 많이 있습니다 ... ..
개념이 아니라 추세 표시기, 나는 위에서 이것에 대해 썼습니다(당신은 아마도 주의 깊게 읽지 않았을 것입니다) - ADX 표시기 또는 Yurik의 경우 CFB 표시기 또는 .... 글쎄, 그것들이 많이 있습니다 .. ...
아니, 잘 읽었습니다. 내가 어떻게 보는지 설명하려고 합니다. 그것이 바로 요점입니다. 그것은 당신의 마지막 구절에 있습니다 .... 글쎄, 그것들 중 많은 수가 있습니다 .... 그리고 진정한 것은 어디에 있습니다. 하나, 최고, 가장 적응력이 뛰어나고 트렌드를 가장 잘 부각시키는 것은 무엇입니까? 속성이 있는 쪽은 내려갔다가(드로다운 = 0), 올라갔다가 올라갔다가 다시 드로다운 = 0 등으로 떨어졌다. 무한대. 그리고 지그재그처럼 소급해서 작동하지 않고 t=0 시점에서 작동합니다. (돌아보면 더 나은 지그재그를 만들 수 있습니다)
유용한 신호라고 결정하면 필터링해야 할 대상 = 선택 = 노이즈로부터 제거해야 함을 이해하십시오. 신호와 모든 구성 요소 + 노이즈 및 매개 변수를 알아야 합니다.
의 말을하자
1. 신호는 직선 방정식(방향 이동 = 추세)이며 많은 사람들이 이미 그러한 디지털 필터를 만들고 MQL4로 작성했으며 현재도 자유롭게 사용할 수 있습니다.
2. 이것이 진동 운동(정현파)의 혼합인 경우 다른 디지털 필터입니다.
3. 이것이 직접운동과 진동운동이 혼재되어 있다면 이것은 3차 디지털 필터 등이다.
신호가 무엇인지 결정했다면 더 나아가
이것은 표준 합성 작업입니다. 입력 -> 신호 + 잡음의 혼합이 있습니다. 출력에서 수행(디지털 필터 합성)이 필요하며, 어떤 기준(더 나은 Bayes)에 따라 신호가 선택됩니다. . 합성 문제의 올바른 공식화를 위해서는 입력에 대한 수학적 설명이 필요합니다.
Jurik이 디지털 필터가 더 낫다는 증거로 제공하는 사진을 찍으면 사인파와 직사각형 펄스의 혼합에 더 잘 적응합니다( http://www.jurikres.com/catalog/ms_ama.htm#top ). ,
그런 다음 이러한 신호는 일반 무선 공학 대학의 실험실 작업에 사용됩니다. 그리고 오랫동안 수학과 이를 최적으로 필터링하는 방법에 대한 이론이 있습니다.
수학 으로
수익은 우리가 얻을 수 있는 추세를 죽입니다. 예측할 수 없는 ACF 델타 함수가 있습니다. 필터링이 필요한 노이즈입니다. 우리에게 필요한 것은 순수한 신호입니다. 당신이 얻을 수 있습니다.
Z.Y. 뭔가 안 좋은 일이 있어서 선생님이 되었어요. 간단하고 이해하기 쉬운 언어로 모든 것을 설명할 수 없었습니다.
Ehhhhhh .... 환매를 알았다면 - 나는 소치에 살았을 것입니다 ....))))))))) CFB를 사용합니다 - 그리고 저는 만족합니다. 이상형과는 거리가 멀지만 .... 역시 ADX ....
네 항상 부탁드립니다!
그는 기사를 훑어보았다. 내가 작가를 이해하지 못했을 뿐이야!
평활화 알고리즘을 사용할 때 군지연(GD) 발생에 대해 언급한 곳에서 저자는 역주행을 사용하여 후자를 "제거"하는 방법을 제시합니다. .. 이게 뭐야, 농담이야? 캐주얼(VR의 오른쪽 끝에서 작동) 시스템의 경우 원칙적으로 GZ를 제거할 수 없는 것으로 알려져 있습니다. 그러나 물론 VR이 정의되고 행 중앙(오른쪽 가장자리가 아님)에서 VR로 작업할 계획이라면 저자가 조언한 대로 반대 방향으로 동일한 매개변수. 그런데 저자는 왜 그런 평균화 알고리즘을 사용하면 필연적으로 마지막 막대에 다시 그리기가 나타날 것이라고 말을 하지 않는 것일까요? 그는 잊었습니까 아니면 모르십니까? 아니면 또 어떤가요?
다음은 기사의 인용문입니다.
"따라서 위에서 고려한 제안의 도움으로 시간 지연 m/2를 부분적으로 보상하는 것이 가능합니다(기존 이동 평균의 첫 번째 단점 제거). ... 그리고 두 번째 부정적인 영향이 제거됩니다... 둘 다 세 번째와 네 번째 ...
제안된 평균 알고리즘을 사용하면 선형 주파수 왜곡도 크게 줄일 수 있습니다."
감사합니다 뉴트론 ! Alexander , Easy Language의 알고리즘이 맞습니까?
"IZI"의 알고리즘은 정확하지만 이를 구현한 프로그래머는 이 언어에 대한 경험이 없습니다. 진리의 기준은 실천이다. 이 알고리즘은 평균화 창의 크기에 관계없이 평균화 곱의 지연을 1bar로 보장합니다.