다시 수정해서 원본으로 작업을 확인하고 초기 데이터에 간단한 사인 함수를 입력한 결과 재미있는 사실을 하나 발견했습니다.. 사진을 보세요..
보시다시피, 이 기능을 사용하면 위상 변이로 곡선의 연속성을 얻을 수 있습니다. 빨간색 선은 사인 함수의 곡선입니다. 노란색
이것은 예측이 있는 변환 기능을 기반으로 하는 변환된 데이터입니다. 예측 영역에는 작은 오프셋이 있습니다. 이 오프셋은 입력 및 출력 섹션의 시작점을 올바르게 선택하여 예측 영역을 강조 표시하기 위해 특별히 추가되었습니다. 주어진 ..두 개의 다른 주파수로 예측 영역의 이상을 얻으십시오. 여기에 표시됩니다.
여기에 표시된 그림에서 우리는 이미 전방 침투 방향의 발산뿐만 아니라 주 신호에 대한 이동도 관찰했습니다.
대부분이 효과는 입력 데이터의 초기 점이 함수의 0이 아니었지만 약간의 오프셋이 있다는 사실 때문일 가능성이 큽니다. 이상적인 곡선의 경우 이러한 그림이 관찰되는 경우 자연스럽게 문제가 발생할 수 있습니다. , 그렇다면 실제 데이터로 어떤 예측에 대해 이야기 할 수 있습니까?
내 관찰에 따르면, 정확한 예측의 확률은 훈련 창의 마지막 막대에 정비례합니다(예측을 더 멀리 시작할수록 확률이 높을수록 예측의 가치가 높아집니다)
신고전주의 , 통계를 수집하고 결과를 여기에 게시합니다. 그때 우리가 논의할 것입니다.
그리고 이것을 이해하는 방법:
" 정확한 예측의 확률은 마지막 막대에 정비례합니다(예측을 더 멀리 시작할수록 확률이 높아집니다) "?
푸리에 변환을 사용하여 예측하는 데 관심이 생겼습니다. 방금 훌륭한 지표 Extrapolator를 발견했습니다. - https://www.mql5.com/en/code/8608
약간 수정하여 다음 도구를 얻었습니다.
그것을 사용하려면 지표를 실행하고 차트에 스크립트를 넣고 적절한 예측을 얻을 때까지 채널을 이동/변경해야 합니다.
적절한 예측값을 얻으려면 이 표시기가 더 큰 가중치를 갖는 기본 빈도를 찾은 다음 선택별로 입력 데이터의 범위를 변경하여 완벽한 그림을 얻을 필요가 있습니다.
지점 중 하나에서 이미 문제를 설명했습니다.
'누군가에게 어렵지 않다면, 원칙적으로 해결될 수 있는 AdaptiveExtrapolator v1.1'을 염두에 두시기 바랍니다 ..
나는 또한이 전체 스레드가 시작된 지표에 대해 질문을 제기하고 싶었습니다.
다시 수정해서 원본으로 작업을 확인하고 초기 데이터에 간단한 사인 함수를 입력한 결과 재미있는 사실을 하나 발견했습니다.. 사진을 보세요..
보시다시피, 이 기능을 사용하면 위상 변이로 곡선의 연속성을 얻을 수 있습니다. 빨간색 선은 사인 함수의 곡선입니다. 노란색
이것은 예측이 있는 변환 기능을 기반으로 하는 변환된 데이터입니다. 예측 영역에는 작은 오프셋이 있습니다. 이 오프셋은 입력 및 출력 섹션의 시작점을 올바르게 선택하여 예측 영역을 강조 표시하기 위해 특별히 추가되었습니다. 주어진 ..두 개의 다른 주파수로 예측 영역의 이상을 얻으십시오. 여기에 표시됩니다.
여기에 표시된 그림에서 우리는 이미 전방 침투 방향의 발산뿐만 아니라 주 신호에 대한 이동도 관찰했습니다.
대부분이 효과는 입력 데이터의 초기 점이 함수의 0이 아니었지만 약간의 오프셋이 있다는 사실 때문일 가능성이 큽니다. 이상적인 곡선의 경우 이러한 그림이 관찰되는 경우 자연스럽게 문제가 발생할 수 있습니다. , 그렇다면 실제 데이터로 어떤 예측에 대해 이야기 할 수 있습니까?
포르테928
지난 글에 대해 자세히 설명해주실 수 있나요?
포르테928
지난 글에 대해 자세히 설명해주실 수 있나요?
포르테928
그리고 당신은 다른 각도에서 라 푸리에를 보려고 하지 않았습니다.
먼저, 분가 시리즈를 다른 빈도로 나눕니다. 푸리에 급수에서 각 주파수를 개별적으로 확장합니다. 나머지는 따로 둡니다. (우리는 모든 고조파를 찾았고 나머지는 노이즈로 표시) 각 주파수에 대해
포르테928
그리고 당신은 다른 각도에서 라 푸리에를 보려고 하지 않았습니다.
먼저, 분가 시리즈를 다른 빈도로 나눕니다. 푸리에 급수에서 각 주파수를 개별적으로 확장합니다. 나머지는 따로 둡니다. (우리는 모든 고조파를 찾았고 나머지는 노이즈로 표시) 각 주파수에 대해
인터넷에서 "경험적 모드 분해" 및 "힐베르트-황 변환"이라는 문구를 검색하십시오. 해당 주제에 대한 유용한 정보를 많이 얻을 수 있습니다.
푸리에를 던지면 더 현대적인 방법 에는 없는 결함이 너무 많습니다.
기재해 주십시오. 그리고 이러한 방법을 비교하는 러시아어 문헌이 있습니까?
기재해 주십시오. 그리고 이러한 방법을 비교하는 러시아어 문헌이 있습니까?
위에 두 개의 게시물을 나열했습니다(웨이블릿을 더 추가할 수 있음). 예를 들어 이 사진에서 비교하십시오(품질에 대해 죄송합니다).
일반적으로 푸리에(Fourier)는 다른 모든 것이 "더 현대적"으로 간주될 수 있는 수염 난 방법입니다.
인터넷(특히 러시아어)에는 (유용한) 정보가 거의 없고 대부분 기본 정보만 있으므로 종종 자신의 머리로 생각해야 합니다.
여기에서 나는 따옴표(상당히 정밀 검사)를 노이즈 모드가 제외된 Hilbert 스펙트럼 아래의 단일 모드 신호로 분해했습니다. 보시다시피 구성품은 2개뿐입니다. 푸리에에 몇 개나 있는지 알 수 있습니다. 하지만 경고하고 싶습니다. 여전히 최종 효과와 싸워야 합니다.