基于艾略特波浪理论的交易策略 - 页 283

 
<br / translate="no"> 我开始写出在一般情况下用n 度的多项式对时间序列进行插值的公式,尤拉,你知道我得到的结果是什么吗?- 泰勒数列扩展(RT)在某个点的附近!。我对自己的天才感到惊讶:-),稍作思考后,我得出了一个结论:应该如此。毕竟,事实上RT是通过对权重越来越小的高次幂和低次幂的多项式进行求和,对某一点上的初始函数进行近似,这是对第一、第二、...、n-1 导数的行为进行建模。根据定义,如果初始数列是平滑的,即到n-1 的导数被定义并存在,就可以使用这个仪器。金融工具的BP不属于平滑类,所以我们不能应用RT分解,或者,同样的,使用多项式的外推法。
顺便说一下,该系列的顺利性无非是CA的积极性!这也是为什么我们要把它作为一个重要的组成部分。也就是说,这个系列更有可能继续开始的运动,而不是改变方向。是的,就是这样!看来我们需要在研究非光滑函数及其分析方法的数学中设立一个章节...


供思考的信息。小波变换可以应用于任何BP。由此产生的小波图像使其有可能以任何精度 重建原始VR。小波图像(在已知选择了小波变换函数的情况下)是连续的和无限可微的

也许我是文盲,在某个地方没有正确地表达自己。但其含义是正确的。
 
安德烈69
终于有了一个空闲的时间窗口,我想继续写关于小波的帖子。

多么美好的事物啊!
第一张图片看起来像是潜入了一个越来越小的价格变化规模--一种具有可变放大倍数的数字显微镜:-)我认为,通过在原始BP系列的每一步上做减法,可以得到一个非常相似的地图(如果不是相同的话),通过用缓缓下降的过滤器带宽影响它而得到...
 
是的,画面很好。事实上,市场的断裂性是以教科书的方式呈现的。我个人也认为这是对市场不平衡的一种说明。然而,问题是,在历史上,我们清楚地看到许多不同的代表(至少是相同的渠道)的重复结构。但在实时的情况下,当结构被识别时,通常不可能可靠地判断其未来的命运。
 
而这里是由一个与小波变换无关的算法进行VR处理的第一个结果(见上面的帖子)!作为比较,右边是Andre69的 照片。



我想说,这场比赛令人满意。顺便说一下,MathCad中的代码只包含VLF的递归公式--10行,仅此而已,而计数时间为1秒。
令人高兴的是,通过绝对不同的方法得到的结果是相似的。
 
另一张照片。
同一BP的精细结构(高频区)。
 
这是从图片的总和中产生的印象:在一定的频率范围内存在着一个有规律的结构。杂乱的东西在太高和太低的地方都占主导地位。我想知道这是英国石油公司这一部分的特性,还是整个市场的特性。
 
这是从图片的总和中产生的印象:在一定的频率范围内存在着一个有规律的结构。杂乱的东西在太高和太低的地方都占主导地位。我想知道这是英国石油公司这一部分的特性,还是整个市场的特性。

我认为常规结构是在大量资本注入的暂时滞后上出现的。这个过程是渐进的,它造成了局部的定期市场干扰。



这是一个更加精细的结构(细枝末节)。纵轴上是平均数窗口,横轴上是当前的分钟条。
 
我认为在大量资本注入的暂时滞后上出现了一个常规结构。这个过程是渐进式的,会造成局部定期的市场扰动。

我有一个不同的理论--也许它是一个 "绝热窗口"?
 
中子

<br / translate="no">。
安德烈69
...你首先是在区分价格范围。这样做,请注意你扔掉了范围内的一大块低频和中频谐波!当然,对于统计来说,这种方法是明智的。但是,我们在这里不是把婴儿和水一起泼出去了吗...?


在进行区分时,信号的低频成分的信息不会丢失。事实上,在对残余序列进行积分后,我们得到了具有所有趋势和一些常数的原始时间序列。因此,从数学的角度来看,通过微分对原始序列进行残差处理是非常正确的。然而,这里有另一个陷阱:它产生了相邻样本的错误相关性,但这是一个单独的故事。
否则,安德烈69,我同意你的观点。并感谢你提供了丰富的答案。


我同意,我们没有失去信息,但我们非常扭曲它。正是在这个意义上,我表达了自己的观点。实际上,微分是将高通滤波器应用于一个系列。低次谐波被压缩得很厉害。恒定成分...让它见鬼去吧,我们不需要它。但其余的...我又看了一下价格序列及其导数的光谱(傅里叶和小波)。俗话说--感受不同......
否则,我同意。
 
中子

Andre69
终于有了一个空闲的时间窗口,我想继续写关于小波的帖子。

它是多么的美丽!
第一张图片看起来像是潜入了一个越来越小的价格变化规模--一种具有可变放大倍数的数字显微镜:-)我认为,通过在每一步从原始的BP系列中减去将其暴露在一个缓缓下降的带宽LPF中得到的系列,可以得到一个非常相似的地图(如果不是相同的话)。


很高兴你喜欢它!

你接下来描述的是另一种小波方法(细节上不同,但基本正确)。这叫未定额小波变换,采用裤式算法。

祝贺你的发现!