交易中的机器学习：理论、模型、实践和算法交易 - 页 2081

新评论
 
mytarmailS:

任何人都有任何想法，如何做到这一点，这基本上是一个圣杯，顺便...有了这项技术，你可以使任何cp变得智能和自适应。

它是自适应滤波，维纳滤波，卡尔曼滤波。

最愚蠢的是采取傅里叶或小波，找到最大的 频率，用它来选择扫频周期。

用傅里叶法，你可以使频谱中无趣的频率归零，反变换将给出滤波器

 
Rorschach:

这就是自适应滤波，维纳滤波，卡尔曼滤波。

这不是自适应滤波，而是寻找最佳控制曲线。

在适应性过滤中，我们不知道未来，我们以最佳的方式/适应性地调整当前的进程。

这里是一个最佳函数的合成问题，所以我们可以展望未来，我们需要找到知道未来的最佳控制方法。

罗夏。

最愚蠢的是采取傅里叶或小波，找到最大 的频率，用它来选择周期时间。

通过傅里叶，你可以将频谱中无趣的频率归零。

傅里叶是一个选择，但不是作为一个与频率共舞的工具，而是作为一个合成未知函数的工具......加入不同的谐波，我们将得到不同的函数，也许它将变成正确的函数，但超调可能是离谱的。

但也许有一个更简单的方法。

 
mytarmailS:

这不是自适应滤波，而是寻找最佳控制曲线。

在适应性过滤中，我们不知道未来，我们以最佳的方式/适应性地调整当前的进程。

这就是最佳功能的合成问题，我们可以展望未来，需要找到知道未来的最佳控制。

傅里叶是一种选择，但不是作为一种与频率有关的舞蹈，而是作为一种合成未知函数的工具......加入不同的谐波，我们将得到不同的函数，也许我们会得到正确的函数，但超调可能是非常大的。

但也许有一个更简单的方法。

卡尔曼是一个信号和干扰的模型，我们应该知道未来，但在市场上一切都很复杂。

 
罗夏。

最愚蠢的做法是采取傅里叶或小波，找到最大的 频率，用它来选择扫频的周期。

为什么你认为最佳控制曲线应该与测距仪中的重要频率相关？

为什么DUT曲线 应该是周期性的？

这些想法是从哪里来的？

 
Rorschach:

信号和干扰的卡尔曼模型， 我们应该知道未来，但在市场上，这很复杂。

它应该在哪里？

总之，不要回答这个问题，这并不重要，只要相信我，这不是自适应过滤。

你想的和我想的不一样，所以你有点从你自己的角度看问题。

 
mytarmailS:

让我给你看一个简单的例子...


我们有一个关于两根魔杖的交易系统，周期为10和20，通过交叉交易，经典...

袋子是一个低通滤波器，袋子的周期是控制参数。

在这种情况下，控制参数是常数10和20

挑战：在一个给定的细分市场中，获得每个切片机的动态（而不是常数）控制参数，使其在利润方面达到最佳状态。

这是标准1


第2条标准 : 获得的动态参数应该类似于一个连续的函数，而不是一个混乱的散点，也就是说，应该引入一个函数平稳性的概念。


你如何看待这种问题的解决方案？

而且它们将是足够连续的，如果通过滑动窗口（0-100，1-101....）进行优化，但如果你将优化非相交段（0-10，11-20....），那么连续性将消失，但它可以通过平滑一系列的接收系数来增加，例如用手掌。

 
Rorschach:

在卡尔曼模型中，信号和干扰模型已经确定，它假定我们知道未来，但在市场上事情很复杂。

在这里，为了清楚起见，我需要得到理想的东西（红色）。

人们可以而且应该展望未来，我所需要的是获得理想的控制曲线

 
mytarmailS:

你需要它来做什么？你将傅里叶窗口向前移动半个周期（向前看），就可以得到实际的参数。

 
kapelmann:

如果通过滑动窗口（0-100，1-101....）进行优化，它们将是足够连续的，但如果你将优化非相交段（0-10，11-20....），那么连续性将消失，但它可以通过平滑获得的系数系列来增加，例如使用掩码。

嗯，是的，我想我会用这种方式来尝试......

但它不应该被抹平 - 即使是最轻微的抹平失真也可能影响 "已开/未开的交易"。

 
Rorschach:

你需要它的目的是什么？

是

Rorschach:

你将傅里叶窗口向前移动半个周期（向前看），就可以得到实际的参数。

对于傻瓜来说，你能告诉我更多关于我如何从傅里叶系数中获得正确的周期吗？

1...207420752076207720782079208020812082208320842085208620872088...3399
新评论