Fourier Dönüşümlerini Kullanarak Geleceği Tahmin Etme - sayfa 22
Alım-satım fırsatlarını kaçırıyorsunuz:
- Ücretsiz alım-satım uygulamaları
- İşlem kopyalama için 8.000'den fazla sinyal
- Finansal piyasaları keşfetmek için ekonomik haberler
Kayıt
Giriş yap
Gizlilik ve Veri Koruma Politikasını ve MQL5.com Kullanım Şartlarını kabul edersiniz
Hesabınız yoksa, lütfen kaydolun
Gözlemlerime göre, doğru bir tahminin olasılığı, eğitim penceresinin son çubuğuyla doğru orantılıdır (tahmini ne kadar ileri başlatırsak, olasılık o kadar yüksek, tahmin o kadar değerlidir)
neoklasik , istatistikleri toplar ve sonucu buraya gönderirsiniz. İşte o zaman tartışacağız.
Ve bunu nasıl anlayabilirim:
" doğru bir tahminin olasılığı son çubukla doğru orantılıdır (tahmini ne kadar uzağa başlatırsak olasılık o kadar yüksek olur) "?
Fourier dönüşümlerini kullanarak tahmin yapmakla ilgilenmeye başladım, az önce mükemmel bir gösterge Ekstrapolatör ile karşılaştım - https://www.mql5.com/en/code/8608
Biraz değiştirdi, aşağıdaki aracı aldı:
Bunu kullanmak için göstergeyi çalıştırmanız, komut dosyasını grafiğe koymanız ve yeterli bir tahmin elde edene kadar kanalı taşımanız/değiştirmeniz gerekir.
Yeterli bir tahmin elde etmek için, bu göstergenin daha büyük bir ağırlığa sahip olduğu temel frekansı bulmanız ve ardından giriş verilerinin aralığını seçime göre değiştirerek mükemmel resmi elde etmeniz gerekir.
Şubelerden birinde sorunu zaten açıkladım
Prensipte çözülebilecek olan 'Birisi için zor değilse, lütfen AdaptiveExtrapolator v1.1'i akla getirin' ..
Ayrıca tüm bu konunun başladığı gösterge hakkında bir soru sormak istedim ..
Yeniden düzenledim ve orijinali ile çalışmayı kontrol ettim ve ardından ilk verilere basit bir sinüs fonksiyonu girdim ve sonuç olarak ilginç bir şey keşfettim .. resimlere bakın ..
Gördüğünüz gibi fonksiyon eğrinin devamını faz kayması ile almanızı sağlar.. kırmızı çizgi sinüs fonksiyonunun eğrisidir sarı
bu, bir tahmin ile dönüştürme işlevine dayalı dönüştürülmüş bir veridir ..tahmin edilen alan, giriş ve çıkış bölümünün başlangıç noktasının doğru seçimi ile tahmin edilen alanı vurgulamak için özel olarak eklenen küçük bir kaymaya sahiptir. verilen alan ile tahmin edilen alanın idealliğini elde edin..burada iki farklı frekans gösterilmektedir..
burada gösterilen şekillerde, sadece ileri penetrasyon yönünde bir sapma değil, aynı zamanda ana sinyale göre bir kayma da gözlemliyoruz.
büyük olasılıkla bu etki, giriş verilerinin başlangıç noktasının fonksiyonun sıfırı olmadığı, ancak bir miktar kayma ile olduğu gerçeğinden kaynaklanmaktadır, o zaman soru doğal olarak ortaya çıkabilir - ideal bir eğri durumunda böyle bir resim gözlemlenirse peki gerçek verilerle nasıl bir tahminden bahsedebiliriz..
forte928
Son gönderiyi detaylandırabilir misiniz?
forte928
Son gönderiyi detaylandırabilir misiniz?
forte928
Ve Ra Fourier'e farklı bir açıdan bakmaya çalışmadınız.
İlk olarak, dakika fiyat serisini farklı frekanslara bölelim. ve bir Fourier serisinde her frekansı ayrı ayrı genişletin. gerisini ayrı bırakın. (tüm harmonikleri bulduk ve geri kalanlar gürültü olarak gösteriliyor) vb. her frekans için
forte928
Ve Ra Fourier'e farklı bir açıdan bakmaya çalışmadınız.
İlk olarak, dakika fiyat serisini farklı frekanslara bölelim. ve bir Fourier serisinde her frekansı ayrı ayrı genişletin. gerisini ayrı bırakın. (tüm harmonikleri bulduk ve geri kalanlar gürültü olarak gösteriliyor) vb. her frekans için
İnternette "ampirik mod ayrıştırması" ve "Hilbert-huang dönüşümü" ifadelerini arayın - sadece konuyla ilgili birçok yararlı bilgi alacaksınız.
ve fourier atmak, daha modern yöntemlerin sahip olmadığı çok fazla kusuru var.
Lütfen listeleyin. Ve bu yöntemlerin karşılaştırıldığı Rusça literatür var mı?
Lütfen listeleyin. Ve bu yöntemlerin karşılaştırıldığı Rusça literatür var mı?
Yukarıda iki gönderi listelendi (daha fazla dalgacık ekleyebilirsiniz). Örneğin, bu resimde karşılaştırın (kalite için üzgünüm):
Genel olarak, Fourier o kadar sakallı bir yöntemdir ki, pratikte diğer her şey "daha modern" olarak kabul edilebilir.
İnternette (özellikle Rusça'da) çok az (faydalı) bilgi var, çoğunlukla sadece temel, bu yüzden genellikle kendi kafanızla düşünmeniz gerekiyor.
Burada alıntıları (biraz elden geçirilmiş) Hilbert spektrumunun altında, hariç tutulan gürültü moduyla tek modlu sinyallere ayırmayı başardım. Gördüğünüz gibi, sadece 2 bileşen var. Kaç tanesi Fourier'de, biliyorsun. Ama sizi uyarmak istiyorum - yine de son etkilerle savaşmanız gerekiyor.