随机谐振

 
有趣的文章http://elementy.ru/lib/164581

简言之,有引证

1981年,两组物理学家--一组在罗马由R.Benzi,另一个在布鲁塞尔,由C.通过构建一个简单的数学模型并对其进行研究,他们发现了一个绝对惊人的--乍看之下甚至是不自然的--现象 事实证明,一定强度的噪声不仅不会干扰,甚至有助于 微弱的干扰在系统的反应中表现出来。这种现象被称为随机共振。这里的 "共振 "一词意味着系统出乎意料的强烈反应,而 "随机 "则反映了这一效果的原因是混乱的行动,是噪音。

描述...
和结论

因此,地球的气候是一种系统,在强混沌力和弱周期力的同时作用下,定期在两种相对稳定的状态之间 "切换"。现在我们可以在理论物理学中进行一个标准的过渡:忘记具体的情况(地球、气候和冰川),专注于现象的最一般特征。在理论物理学的语言中,构建的模型被称为具有强制力的随机双稳态系统

与价格运动非常相似,有一些周期性(无论周期性如何存在),有噪音(波动性?),有两个稳定的状态(TRENDS?),有一个理论试图解释这个。难道我们不能像蜘蛛的NEO优雅地说的那样,尝试用这个理论把plushies拖出集市吗?
当然,从科普文章到外汇实践的距离是......。但我总是想吃一块蛋糕。
也许社区会有一些想法?呃,也许这不是新闻,那么请原谅我。好运。
 

非常好奇。我遇到了类似于共振的东西,当时我正在设计具有符号变量系数的异国MA。 这里有一张图片。

我现在不记得计算公式了,那是很久以前的事了。下面是一个例子,说明如何计算这样一个周期为7的МА。

Alt_sign_LWMA(i,7) = ( 7*p(i) - 6*p(i-1) + 5*p(i-2) - 4*p(i-3) + 3*p(i-4) - 2*6*p(i-5) + 1*p(i-6) ) / 4

这里是图表上的55期,以使它更清晰,我不知道如何解释。黑色显示日线图上的烛台,蓝色显示MA。

 
Mathemat:

非常好奇。我遇到了类似于共振的东西,当时我正在设计具有符号变量系数的异国MA。 这里有一张图片。

我现在不记得计算公式了,那是很久以前的事了。下面是一个例子,说明如何计算这样一个周期为7的МА。

Alt_sign_LWMA(i,7) = ( 7*p(i) - 6*p(i-1) + 5*p(i-2) - 4*p(i-3) + 3*p(i-4) - 2*6*p(i-5) + 1*p(i-6) ) / 4

这里是图表上的55期,以使它更清晰,我不知道如何解释。黑色显示日线图上的烛台,蓝色显示MA。

你有类似的机器用于MT4吗?这张照片很有趣,我想在更长的间隔时间内看到它...
 

写起来很容易,Figar0。底部的系数是MathCeil( Period/2 ),其中Period是MA的周期。我只是目前对它不太感兴趣,但这幅画真的很有趣......

 
Mathemat:

写起来很容易,Figar0。底部的系数是MathCeil( Period/2 ),其中Period是MA的周期。我只是目前对它不太感兴趣,但这幅画真的很有趣......


不知道为什么,我有点搞错了。

 
Mathemat:

这里的图表上有一个55的时期,以更清楚地显示这里的情况。 如何解释它--我还不知道。黑色显示日线图上的烛台,蓝色显示MA。

不错的照片。共振晃动的地方是平的,清晰的地方是有趋势的。
 
Vinin писал (а): 不知道为什么,我有点搞错了。

是的,我可以看到这一点。你的有很多延迟。我的几乎没有滞后性(应该是这样)。而且我忘了,我们必须从整个表达式中抽取一个模块,因为偶数周期可能导致负值。你能公布代码吗?我是为Trading Solutions制作的,那里的代码相当糟糕,不方便,因为所有的函数都是以前缀形式写的。好吧,让我们说,a+b - 作为Sum(a,b)。你必须对那里的所有括号进行分类。

P.S. 我看到你已经发布了。谢谢你。

 
timbo:
数学

这里的图表上有一个55的时期,以更清楚地显示这里的情况。 如何解释它--我还不知道。黑色显示日线图上的烛台,蓝色显示MA。

不错的照片。共振晃动的地方是平的,清晰的地方是有趋势的。


纠正了指标中的错误,指标附后。
附加的文件:
 
timbo писал (а): 不错的照片。共振晃动的地方是平的,清晰的地方是有趋势的。
在我看来,它只是看起来像这样。也许,为了确认趋势/平坦的条件,我们需要在不同的时期采取几个这样的措施。
 
AAB:
有趣的文章http://elementy.ru/lib/164581
读了这篇文章,非常有趣。有很多事情需要考虑。

那么,我们有什么呢?有噪音--相当强烈:波动性。有一个微弱的定期信号(几乎没有周期性,但它肯定是存在的)。常规信号的弱点被证实为与波动率本身相比非常低的回报值,即使是在强势趋势上。我已经在某个地方给出了这些数值,例如:欧元在日线数据上的上升趋势已经持续了6年,也就是大约1600个日线。 在这段时间里,欧元已经经历了6000点。所以,数学上的期望值是小于4个点(常规的低影响)。同时,日线上的波动率约为几十个点(噪音)。

稳态是指在反转或修正期间的顶部平坦。趋势是不稳定的状态,从一个平面过渡到下一个平面。在一个趋势之前,一个有规律的信号被平坦的噪音放大,并表现为急剧的、往往是瞬间的从一个水平到另一个水平的跳跃。

我们如何能从中学习到一些实际的东西?

P.S. 例如,我们如何从波动性中只提取随机成分(纯噪音)来得到一个有规律的信号? 众所周知,波动性是一个反持久的过程。简单地从中减去一个常数是不行的,因为在趋势中信号会变得更强。去势?那么我想知道,放大系数等于多少呢?
 

感觉它在某种程度上与潜在的模型产生了共鸣,或者说是我对哪里和如何使用它们的看法:)。