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。