Você está perdendo oportunidades de negociação:
- Aplicativos de negociação gratuitos
- 8 000+ sinais para cópia
- Notícias econômicas para análise dos mercados financeiros
Registro
Login
Você concorda com a política do site e com os termos de uso
Se você não tem uma conta, por favor registre-se
Dê-me uma dica! =)
A propósito, não suspeito que a solução de f(t) ainda inclua eXponentes decadentes =)
Pelo menos me dê uma dica de qual direção, porque o ANG3110 o incomodou com perguntas, mas isso acabou sendo em vão.
Só ele e eu perdemos tempo em vão =)
Os expoentes decadentes são a mesma série harmônica, o problema é que esta série é infinita.
Se fizermos a transformação de Fourier, obteremos séries de freqüência a partir de f0, mas para olharmos para o futuro pelo menos um pouco, ou seja, para vermos a direção da tendência, devemos fazer com que a freqüência mínima analisada seja no máximo 2 vezes menor que f0 (fmin<=f0/2). Mas se quisermos usar Fourier para obter fmin, teremos que aumentar a série analisada por um fator de 2, o que contradiz a condição. Conclusão: Fourier não é apropriado aqui. Saída: Encontre outro algoritmo, método, solução.
Que tal aumentar a fila a ser analizada desta forma?
for(int i=0; i<=M/2-1; i++)
{
aa[2*i]=(iClose(NULL,0,i);
aa[2*i+1]=(iClose(NULL,0,i)+iClose(NULL,0,i+1))/2;
}
Em princípio, você pode aumentar este valor três ou quatro vezes.
E se aumentarmos a fila a ser analisada desta forma:
for(int i=0; i<=M/2-1; i++)
{
aa[2*i]=iClose(NULL,0,i);
aa[2*i+1]=(iClose(NULL,0,i)+iClose(NULL,0,i+1))/2;
}
Em princípio, você pode aumentar este valor três ou quatro vezes.
E a questão é que, em primeiro lugar, temos todos os dados históricos. O problema não é a escolha dos dados a serem analisados, mas a forma como os dados são analisados.
E se você aumentar as séries analizáveis desta forma:
for(int i=0; i<=M/2-1; i++)
{
aa[2*i]=iClose(NULL,0,i);
aa[2*i+1]=(iClose(NULL,0,i)+iClose(NULL,0,i+1))/2;
}
Em princípio, você pode aumentar este valor três ou quatro vezes.
E a questão é que, em primeiro lugar, temos todos os dados históricos. O problema não é a escolha dos dados a serem analisados, mas a forma como os dados são analisados.
Sim, apenas a suavização da série pelos métodos de Fourier, com tal característica é mais estável.
De qualquer forma, é melhor :)
De qualquer forma, é melhor :)
Usei este método para calcular a correlação dos espectros de várias moedas em relação ao dólar. Em geral, estou tendo dificuldade para apertar botões neste momento, mas estou preparando uma série de artigos sobre este método, vou publicá-los em breve, acho que muitas pessoas estarão interessadas....
Enquanto isso, Feliz Ano Novo !!!!!! Tendências Feliz para você!!!!!
para klot
Por favor, ajude-me a entender a estrutura dos dados de saída
realfastfouriertransform(data,N,false);
Qual será a saída se data=[0,1,2,3,4,5,6,7]
no matcad é
O que você tem na saída, você pode apenas citar os dados, eu mesmo o descobrirei a partir daí. Obrigado. A questão apareceu enquanto se discutia neste tópico do fórum'Ressonância Estocástica'.
Graças a todos aqueles que me ajudaram. Descobrimos isso.
É uma coisa boa que nunca tinha lido antes. É bom ser um amador em qualquer assunto. Sem barreiras, sem noções pré-concebidas.
O PF não é adequado para previsão em uma aplicação estática. Isto está claro como está.
Ninguém levantou o problema das harmônicas parasitárias decorrentes das diferenças de preço nas extremidades da amostra.
É um ângulo de 90 graus!!! Há todas as harmônicas que existem na natureza em tal frente!
E quase ninguém usou, exceto o klot, PF na dinâmica.
Eu também fiz um visualizador. E eu obtive um resultado surpreendente.
Tudo o que resta é escrever um prognosticador. É claro que não vai prever longe disso. Mas o resultado será quase absoluto dentro da metade da amostra.
Quando eu obtiver o resultado final, eu o publicarei definitivamente. E não importa o que será. Um resultado negativo também é um resultado.
Que velho fio que era!
É uma coisa boa que nunca tinha lido antes. É bom ser um amador em qualquer assunto. Sem barreiras, sem noções pré-concebidas.
O PF não é adequado para previsão em uma aplicação estática. Isto está claro como está.
Ninguém levantou o problema das harmônicas parasitárias decorrentes das diferenças de preço nas extremidades da amostra.
É um ângulo de 90 graus!!! Há todas as harmônicas que existem na natureza em tal frente!
E quase ninguém usou, exceto o klot, PF na dinâmica.
Eu também fiz um visualizador. E obteve um resultado surpreendente.
Tudo o que resta é escrever um prognosticador. É claro que não vai prever longe disso. Mas o resultado será quase absoluto dentro da metade da amostra.
Quando eu obtiver o resultado final, eu o publicarei definitivamente. E não importa o que será. Um resultado negativo também é um resultado.
Agora vamos lutar com harmônicas parasíticas, mas com uma referência de propósito diferente acima. IHMO para previsão de preços PF não promete ter uma matriz melhor.
Utilizá-lo para outros fins que não o uso pretendido. Isto é, as conseqüências do uso do PF na dinâmica.
Eu tenho um filtro de espectro real. Ele corta automaticamente os harmônicos parasitas.
Eu mesmo estou surpreso com o resultado. Consegui transformar uma desvantagem da PF em uma vantagem.