你如何测量噪音？
这个问题不是编程的问题，而是哲学的问题。
众所周知，当信号特性已知时，噪声是非常好测量的。在我们的案例中，并不完全清楚什么是噪音，什么是信号。
对剥头皮者来说是一回事，对日内交易者来说是另一回事，对短期交易者来说是另一回事。但他们捕捉到的是不同的信号。而对于这些类别和噪音的概念是非常不同的。
当我们看图表时，没有任何指标，我们可以看到噪音在哪里，信号在哪里。特别是在历史上。更有经验的人甚至可能在信号超过噪音的实时情况下理解（我不是说那一刻的交易会成功，但这种结果的概率更高）。
我试图在这个方向做一些事情。说，回归线，回归曲线都是同样的线，只是在每一点的导数相当于一条线。而相对于他们来说，算得上是噪音。然而，人类的大脑决定了这一切，如果不是更快，那就是更好。而在自动机决定进入交易的地方，在人类看来根本就不需要做，反之亦然，顺便说一下，也是不罕见的。在测试时，我通常会查看大多数交易，包括图表，有时会想--他为什么会去那里？虽然，是的，我自己也是这么告诉他的：）。
因此出现了这样的想法：在我们测量任何东西之前，最好先制定我们要测量的东西。我怀疑当我们看一个图表时，我们每次都会根据情况适应性地改变我们对噪声的概念。也就是说，我们会凭直觉想到几个选项，并选择适合我们在那个特定时刻的选项。而我们每次都根据不同的标准进行平均--我们在脑子里画出几条线，然后选择我们目前喜欢的那条。
建议讨论什么是噪声以及如何处理它，从测量其特征的意义上来说。
这是一个略显混乱的问题......反问的问题是，为什么需要测量噪声？简而言之，任何不能被识别为有用信号的东西都是噪音。但还是那句话，你为什么要测量它呢？
职业习惯。总而言之，我没有看到任何令人困惑的地方。如果有人感兴趣的话，通常会有一个讨论的阶段性开始。同时，我们将了解是否有人对这个话题感兴趣。你不能尝试，帕夫伦蒂-帕夫洛维奇（C）是对的。
我建立系统时，坚持市场中的噪音和信号的概念。简而言之，当信号水平超过噪声水平时就会执行交易--这是一种控制系统中常见的阈值装置。正是对于这样的系统，需要噪声测量和独特的噪声和信号标准。
如果论坛上有人在做类似的方法，为什么不讨论呢。
这个问题不是编程的问题，而是哲学的问题。
众所周知，当信号特性已知时，噪声是非常好测量的。在我们的案例中，并不完全清楚什么是噪音，什么是信号。
对剥头皮者来说是一回事，对日内交易者来说是另一回事，对短期交易者来说是另一回事。但他们捕捉到的是不同的信号。而对于这些类别和噪音的概念是非常不同的。
当我们看图表时，没有任何指标，我们可以看到噪音在哪里，信号在哪里。特别是在历史上。更有经验的人甚至可能在信号超过噪音的实时情况下理解（我不是说那一刻的交易会成功，但这种结果的概率更高）。
我试图在这个方向做一些事情。说，回归线，回归曲线都是同样的线，只是在每一点的导数相当于一条线。而相对于他们来说，算得上是噪音。然而，人类的大脑决定了这一切，如果不是更快，那就是更好。而在自动机决定进入交易的地方，在人类看来根本就不需要做，反之亦然，顺便说一下，也是不罕见的。在测试时，我通常会查看大多数交易，包括图表，有时会想--他为什么会去那里？虽然，是的，我自己也是这么告诉他的：）。
因此，我们想到，在测量任何东西之前，最好先制定我们要测量的东西。我怀疑当我们看一个图表时，我们每次都会根据情况适应性地改变我们对噪声的概念。也就是说，我们会凭直觉想到几个选项，并选择适合我们在那个特定时刻的选项。而我们每次都根据不同的标准进行平均--我们在脑子里画出几条线，然后选择我们目前喜欢的那条。
建议讨论什么是噪声以及如何处理它，从测量其特征的意义上来说。
没有那么多。实际上，市场上没有噪音。唯一的噪声是采样噪声，它产生于对图形的时间采样。如果数据没有经过时间采样，那么眼睛就会发现，没有噪音，有不同大小的运动。小的运动组成大的运动，它们看起来都很相似。
市场是一个复杂的动态系统，不可能不产生噪音。如果我们认为这个系统包含正反馈（从市场到交易者的信息），那么市场输入的噪音也应该增加。如果我们把市场放在一个信息真空中（没有外部影响、新闻等），我们会看到系统噪音的纯粹形式。比方说，平坦是一种市场噪音。而这是系统的输出信号。
市场噪音代表了类似于随机漫步的东西，如维纳随机过程。至少许多特征是相同的。自相似性，等等。
市场作为一个复杂的动态系统，不能不发出声音。如果我们认为这个系统包含正反馈（从市场到交易者的信息），那么市场输入噪音也应该增加。如果我们把市场放在一个信息真空中（没有外部影响、新闻等），我们会看到系统噪音的纯粹形式。比方说，平坦是一种市场噪音。而这是系统的输出信号。
市场噪音代表了类似于随机漫步的东西，如维纳随机过程。至少许多特征是相同的。自相似性，等等。
如果你把市场放在真空中，价格就会停止，因为没有人做任何交易，也就没有噪音。
市场确实可以被认为是一个被正反馈所包含的系统，而且会是那么简单，如果....。想象一下，一个具有刚性参数的反馈的放大器，会发生什么？它将会自我激发，并发生谐波振荡。现在想象一下，一个有无数个反馈电路的放大器！有不同的参数。而且它不总是一百万，现在可能有两百万，现在可能只有1000，而且它们都有不同的特点，不同的深度，不同的延迟时间，不同的瞬时时间，再加上所有这些参数在每个单独的环节上都有时间浮动。在这种情况下，市场上永远不会有一个和谐的信号，每个运动都可以以完全不可预测的方式加强或削弱，所以事实证明，现实中没有噪音，都是信息性的运动。你不能应用电路理论或信号理论或过滤掉噪音，因为市场由这种噪音组成，它在不同的参考间隔上是自我同步的。
为什么我们在无线电工程中那么容易过滤噪音？因为我们知道我们需要隔离的信号，所有不是信号的都是噪音。我们的信号有相当明确的特征，我们知道如何通过哪些间接或直接的迹象来计算它。在市场上，噪音本身就是信号，事实上没有噪音或信号，只有波动。没有什么可以过滤。
虽然那里有一些噪音，但它是量化噪音，每个交易都是以有限的精确体积进行的，会出现噪音，但随后这些噪音会转化为运动，正如我上面写的那样。
如果你把市场放在真空中，价格就会停止，因为没有人进行交易，也就没有噪音。
只有在某些pvr参数下才有正反馈，导致生成和自激。严格来说，我们只有一个反馈，而不是很多，它通向系统的输入，但输入的过滤器都是不同的，而且，是随着时间的推移而变化。此外，每个人对外部影响的过滤器、形式和对这些影响的反应幅度都不同。我运行这样的模式已经有几年了。主要是在质量层面上。
那么，到底有没有噪音呢？如果市场上有噪音，那就是信号，事实上没有噪音也没有信号，只有波动。没有什么可以过滤。
比方说，综合运动不是噪音-- 与平均数的偏差在那里可以忽略不计 。 而系统的反应形状与大多数系统的反应相当相似，有轻微的过冲。而在平坦的地方，噪声 ，与震颤或围绕平均值（偏航）的徘徊相当相似，也许有漂移。 这种反应在许多控制系统中也很常见。
当我们看图表时，没有任何指标，我们可以看到噪音在哪里，信号在哪里。特别是在历史上。
让我问你，那你在这里做什么？到主要的证券交易所去粉碎全球金融系统。
让我问你，那你在这里做什么？去各大证券交易所压榨世界金融系统。
这个问题不是编程的问题，而是哲学的问题。
众所周知，当信号特性已知时，噪声是非常好测量的。在我们的案例中，不仅是什么是噪音，而且什么是信号也不是很清楚。
对剥头皮者来说是一回事，对日内交易者来说是另一回事，对短期交易者来说是另一回事。但他们捕捉到的是不同的信号。而对于这些类别和噪音的概念是非常不同的。
当我们看图表时，没有任何指标，我们可以看到噪音在哪里，信号在哪里。特别是在历史上。更有经验的人甚至可能在信号超过噪音的实时情况下理解（我不是说那一刻的交易会成功，但这种结果的概率更高）。
我试图在这个方向做一些事情。说，回归线，回归曲线都是同样的线，只是在每一点的导数相当于一条线。而相对于他们来说，算得上是噪音。然而，人类的大脑决定了这一切，如果不是更快，那就是更好。而在自动机决定进入交易的地方，在人类看来根本就不需要做，反之亦然，顺便说一下，也是不罕见的。在测试时，我通常会查看大多数交易，包括图表，有时会想--他为什么会去那里？虽然，是的，我自己也是这么告诉他的：）。
因此，我们想到，在测量任何东西之前，最好先制定我们要测量的东西。我怀疑当我们看一个图表时，我们每次都会根据情况适应性地改变我们对噪声的概念。也就是说，我们会凭直觉想到几个选项，并选择适合我们在那个特定时刻的选项。而我们每次都根据不同的标准进行平均--我们在脑子里画出几条线，然后选择我们目前喜欢的那条。
我建议讨论什么是噪声，以及如何处理它，在测量其特征的意义上。
这个问题不是编程的问题，而是哲学的问题。
众所周知，当信号的特性已知时，噪声是非常好测量的。在我们的案例中，不仅是什么是噪音，而且什么是信号也不是很清楚。
对剥头皮者来说是一回事，对日内交易者来说是另一回事，对短期交易者来说是另一回事。但他们捕捉到的是不同的信号。而噪音的概念对这些类别来说是非常不同的。
当我们看图表时，我们可以看到 哪里是噪音，哪里是信号，没有任何指标。特别是在历史上。更有经验的人甚至可能在信号超过噪音的实时情况下理解（我不是说此时的交易会成功，但这种结果的概率更高）。
我试图在这个方向做一些事情。说，回归线，回归曲线都是同样的线，只是在每一点上，导数与线是等价的。而相对于他们来说，算得上是噪音。然而，人类的大脑决定了这一切，如果不是更快，那就是更好。而在自动机决定进入交易的地方，在人类看来根本就不需要做，反之亦然，顺便说一下，也是不罕见的。在测试时，我通常会查看大多数交易，包括图表，有时会想--他为什么会去那里？虽然，是的，我自己也是这么告诉他的：）。
因此，我们想到，在测量任何东西之前，最好先制定我们要测量的东西。我怀疑当我们看一个图表时，我们每次都会根据情况适应性地改变我们对噪声的概念。也就是说，我们会凭直觉想到几个选项，并选择适合我们在那个特定时刻的选项。而我们每次都根据不同的标准进行平均--我们在脑子里画出几条线，然后选择我们此刻喜欢的那条。
建议我们讨论什么是噪声，以及如何处理它，在测量其特征的意义上。