随机流理论和外汇 - 页 13

新评论
 
shobvas:
我怀疑我们可以谈论速度，更不用说加速了......至少与飞机的速度和加速度有相同之处。

我同意，速度和加速度是不同的。但他们都在那里，也在那里。这种方法使我们有可能预测
 
rsi:
但这样一来，组合测试的问题就会全面出现--问题又一次变得巨大了:-(。
你是对的，这个模型，L(k)=[V(k),a(k)]，真的很容易复杂化。 考虑不同货币对的速度和加速度+它们的相互关联性+引入量。复杂化很容易，你只需要先处理最简单的砖头。 这就是为什么我说有足够的空间给大家 :-)
 
私下里，你可以简要说明一下，雷达看到的飞机运动轨迹是什么，以及如何从这些轨迹中提取导数，此外还有第二种？ 一种是有规律的、"好的 "函数的数值微分，另一种是随机过程，其采样间隔（分钟）显然比间隔大得多，在这种情况下，它可以突然改变价值。

从你的文章 "前凸下的速度估计"。

Д(t),V(t),a(t) – детерминированные составляющие соответственно дальности, скорости и ускорения;

DV(t)、Da(t)是速度和加速度的波动成分。

但前者是以某种方式确定的--基于一种特定的波动模式，即噪音。
 

这里有一篇公开的新闻报道（附后），它在文章的结尾提到了我们的研究。并给出了真实机载TDS的ACF（多普勒频率轨迹）（多普勒频率与速度成正比），见图9。将它们与我发布的ACF（"随机流动理论和外汇 " 或这里的"随机流动理论和外汇"）进行直观的比较。当我看到这条曲线时，我简直不敢相信自己的眼睛，我检查了20次（我用不同的方法建立它，现在我通过第三种方法检查，没有错误）。

阿尔法、贝塔和西格玛，只是以ACF的形式奠定的（被插入这些方程），是一个二阶的惯性链接。在物理上，它进行振荡，围绕一定的水平，如果没有外部能量的到来，振荡会被阻尼。如果一个冲动到来，它（震荡）可以移动到一个新的水平，它将再次震荡。

如果你改变采样深度，不同的振荡（快，慢，大约是文章中所说的），也就是说，总的运动好像是由所有这些具有不同（α，β，σ）的振荡组成。运动的多维性和多维性。

在最佳处理中，对于每个振荡，你需要有一个不同的滤波器。但这是一个无限多的卡尔曼滤波器;-(。我在前面写道，进一步的艺术（修剪计算）我们每个人都可能需要这个过程的不同细节来建立一个TS。而有人，比方说，想考虑不同货币的关系（类似于本文中的主从关系），它们之间存在关联，这也可以放在模型中，估计这种运动，把外汇的能量引向你的口袋，不是全部，捏一下就够了 :-)。

P.S. 我对公式（10）有疑问，有些地方不适合。而在书中，也似乎是一个错字。我因此去找季霍诺夫，但他的思想还活着，还有他的学生哈里索夫和亚里科夫，光在学院里找他们就很困难，作为最后的手段，我将去找特维尔的博格达诺夫（本文作者，同时也是这项工作和我论文的导师）。

附加的文件：
statja.zip  447 kb
 
私人，我已经斜着看了这篇文章。有两个关键的假设影响着一切。第一个。



对于一个报价过程（甚至是它的第一个差值）来说，这是非常值得怀疑的，因为过程本身不像一个静止的过程，更不是一个遍历的过程。第二。



我们哪里有常态，Prival？
 
Mathemat:
1.对于一个商数过程（甚至是它的第一个差分）来说，这是非常值得怀疑的，因为过程本身并不像静止的，更不像遍历的。 2. ，我们

的 规范性在哪里？

1.ACF是针对Y-mu构建的，即 "趋势 "mu=y(x)=a+b*x先前已从报价过程中删除，因此过程的MOG=const（在我们的案例中，静止性条件之一为0）。对于卡尔曼来说，确定 "趋势 "是没有问题的--这就是去趋势的速度成分。去除 "趋势 "后的剩余部分是速度的通量部分。我同意波动成分不是一个遍历过程，但有些地方对应于振荡环节，我认为在历史上会有很多（所谓的平坦）。有一些部分不对应，这意味着在过滤器中应该使用另一个模型。应该有很多这样的过滤器，最好是无限大。当我解释物理学时，"就像在接收器中，你转动旋钮来获得一个站（趋势），并保持在那里。丢失了一个电台，转动旋钮，直到它响起aha新闻，工作了的新闻，又走了，去进一步旋转。所以，你去那里。但它更复杂，而且是以公式的形式。"

如果一个报价流与所附模型相对应，那么一切都很好，我们听从新闻、趋势、平淡等等。当信号消失时（过滤器输出的差异超过阈值），我们所需要的就是转动一个旋钮，从剩余的99个（十亿分之一）中寻找一个更适合当前过程（嵌入的模型）的过滤器。

我想注意的是，没有人取消科捷尔尼科夫定理，如果报价在一分钟内出现一次（我们以分钟为单位工作），那么我们可用于研究的过程至少有2分钟的时间，在实践中，采样频率最好在最大频率的5-8倍。如果你把TS的工作投射（集中）在新闻上，那么我们就应该改用ticks。

2.可能有常态，仔细阅读 "直线水平飞行 "的条件，它意味着MOJ=const，并且不改变，无论我们在这个时间间隔的哪一段。在报价单上找到这样一个区域，看看（在MOJ=const时，一小时内+-1点）。不要在意间隔时间 :-)文章中的多余的短语，与研究的本质无关。

而且总的来说，我的手指很疼:-)戴上耳机。

 

你需要在MQL中制作一个Kolman过滤器，这里是MathCad中的样子

索引 "T"、"-1"--转置操作，逆矩阵计算。所有这些都是矩阵（数组），必须根据矩阵代数进行编程http://alglib.sources.ru/matrixops/

有一些C代码的片段，但需要检查。一切都在matkadel中运作。

我不知道我是否能在工作中做到这一点，但这是一个值得大师级的任务，也许在我的业余时间。其目的是最大限度地提高计算的速度和准确性。矩阵H型整数（由0或1组成）。其余的是双倍的。

或者有谁能处理，就点头。 我会尽量写出详细的步骤说明（我有MQL编程的经验）。

 
Prival:

这意味着有100-1000亿个卡尔曼过滤器在并行工作，每个过滤器都在接收报价。 如果报价流与嵌套模型相对应，则一切正常，我们听取新闻、趋势、平盘等。如果没有信号（过滤器输出的差异超过阈值），我们要做的就是在剩下的99个（十亿分之一）过滤器中选择一个最符合正在进行的过程（其中包含的模型）的过滤器。


交易中的主要问题--当模型被或多或少地认可时，其延续和崩溃的概率是差不多的。恐怕这个规则将适用于所有10-100百万的卡尔曼过滤器。
 
lna01:
私下 的。

这意味着有100-1000亿个卡尔曼过滤器在并行工作，每个过滤器都在接收报价。 如果报价流与嵌套模型相对应，则一切正常，我们听取新闻、趋势、平盘等。当信号消失时（过滤器输出的差异超过阈值），我们要做的就是在剩下的99个（十亿分之一）过滤器中寻找一个最符合当前过程（嵌入其中的模型）的过滤器。


交易中的主要问题是，当一个模型被或多或少地认可时，其延续和崩溃的概率是差不多的。恐怕这条规则也将适用于所有10-100米的卡尔曼滤镜。


嗯，我认为这是一个过于严厉的说法。事实上，没有任何研究对模型的寿命作出统计。此外，没有关于识别一个模型所需的信息量（=lag time）的数据。 甚至那些引入和使用这些模型的人也不愿意进行或发表这样的研究。显然，人们认为，如果策略具有正摩，那么在概率均衡之前，该模型就会被认可。

而且有这样的策略，活生生的。看得更 清楚。他的专家顾问实际上做了我想在我的顾问中实现的事情--它识别了转折点，并在波浪的起点进入。而且它既可以向上移动，也可以向下移动。在这里，你有一个预测和之前的认识。

至于Prival 的方案，我想说的是：它很有趣，有一个想法，平行的距离不是那么遥远。不幸的是，我还没有理解数学，我有很多自己的案例，但如果过渡矩阵不是固定的东西，可能会有这样的解决方案。但计算的部分需要少些铺张。如果只是直接计算过程需要计算超过100-1000亿个过滤器，那么我们就可以忘掉ticks。还有一个反面的问题，我们必须以某种方式调整参数以适应不断变化的市场条件。

因此，有必要在内存和计算周期时间方面明确估计资源。否则我们可能会得到一个5-10小时的计算周期。届时会有什么新闻呢？我们所要做的就是玩上几天或几周。:-)

 

适应性F的构造有一些变体，如果几个滤波器的并行计算超过了适应性的计算成本，就会进入这些变体。即矩阵F(t,ACF,L)取决于时间、ACF参数和L--流量的一些属性。但这已经是非线性过滤的范畴了。我想暂时保持在线性过滤的限度内。在典型的区域（平静的市场，开盘，新闻发布，几个不同参数的趋势，几个不同参数的笛子）为ACF拨号统计。 正如他们所说的拉弦看。 我认为大约10-16个过滤器就足够了，当出现差异，与模型的分歧，应该做出决定（市场的关键点--决定点）。这时改用Wald统计决策函数。不知何故，到目前为止，我对所有问题都没有答案，只有一条明确的道路和一个目标。

是的，关于检测时间，它取决于特征和模型集的质量。它可能是瞬间的。例子（比方说在这套系统中）将有2个负责处理间隙的过滤器（1个向上1个向下）。从整套模型中的选择是毫不含糊的+该特征是相当强大的:-)。

1...67891011121314151617181920...85
新评论