自适应数字滤波器 - 页 8 123456789101112131415...41 新评论 Prival 2008.01.15 08:42 #71 Mathemat: 2 Prival: 我记得卡尔曼，按照你的说法，是基于MNC的。现在我明白了为什么它在雷达数据（具有高斯分布误差）上效果很好，但在市场数据上却很糟糕。卡尔曼在高斯数据上是完美的，主要原因是误差函数（目标）--在这种情况下是方差的平方之和--仅仅对高斯分布来说是完美的。对于其他分布，误差函数是不同的。对于具有幂尾的分布（重尾），目标函数是相当不同的，MNC在这里不算数。这就是为什么JMA在市场系列上比Kalman好。 多么有趣。来吧，阿列克谢，我也要在你头上挥舞我的白桦树:-)。毕竟，99%的争端都是在1个人说它更好的时候产生的。但他没有说在什么意义上更好（标准在哪里+好多少）。让我们说，我认为MA甚至更好，是最好的，只是可怕的更好 :-)。JMA和Kalman还差得远呢。 这就像说一个人比另一个人好。但不能说以什么方式（没有标准）。假设第一个人更擅长喝伏特加，而第二个人更擅长用弹弓射杀先驱者。问题是他们中的哪一个更好？ 毕竟JMA对你和我来说是一个黑盒子。而卡尔曼滤波器必须包含 1.一个观察模型（信号模型+噪声模型）。 2.一个测量模型（测量误差模型）。 而要用二次损失函数的ANC来寻找解决方案。根据先验数据和获得的测量结果。而且我想指出，这样的目标误差函数不仅对高斯有效，而且对任何对称的分布规律 都有效。 数学，现在有一个问题。假设被分析的过程是具有均匀噪声的正弦波，测量结果受制于非平稳的泊松定律。所有这些模型都嵌套在卡尔曼滤波器中，它根据嵌套在其中的所有先验数据，通过ANC（二次损失函数）找到了新测量到来时的最佳估计值（这种野生混合物）。 JMA黑匣子在哪里，在什么地方更好？ 如果你在卡尔曼过滤器中放入一个与外汇（信号+噪声）100%一致的模型和一个适当的测量模型（非同步专家估计系统），它将是一个地狱般的机器。 Z.U.的观察和测量噪声模型可以是任何东西。最主要的是要与现有的东西保持一致。 Sceptic Philozoff 2008.01.15 09:07 #72 深信不疑，私下里。因此，有一些事情，Djuric显然没有告诉我们，或者是在故意炫耀他的产品。然而，然而：为什么是OLS，而不是，例如，偏差模数之和？仅仅因为ANC在分析上更方便？ P.S. 我记得在我以前对神经网络的 研究中曾想过一个权宜之计的损失函数（在那里它是一个目标函数）。并以某种方式推导出或在某处读到，平方之和与关于误差分布规律的特定假设（这里--高斯）直接相关。在我的研究中，当我把函数改为模块之和时（即通过把误差分布的先验规律改为指数），预测的质量略有改善，但不是完全的。 [删除] 2008.01.15 09:53 #73 Prival: 如果你在卡尔曼过滤器中放入一个与外汇（信号+噪声）100%一致的模型和一个适当的测量模型（非同步专家判断系统），它将是一个地狱般的机器。 Z.U.的观察和测量噪声模型可以是任何东西。最主要的是要与现有的东西相匹配。 信号的模型本身是否有任何限制？ [删除] 2008.01.15 09:55 #74 grasn: 到北风。 谢谢你。而 "我们需要一个简单和足够一致的市场生活概念"--你是指你自己的发展，还是使用一些技术，如希尔耶夫所描述的那些？ 所有这些都是我自己的，基于我所看到和读到的东西。 [删除] 2008.01.15 09:57 #75 Mathemat: ...平方之和与误差分布规律的特定假设（此处为高斯）直接相关... 如果我没记错的话，确实如此。 rsi 2008.01.15 10:45 #76 私人的，Mathemat， 我怕再被惹恼，但我必须再说一遍--引文中几乎没有噪音--那是输入信号。你正试图使用数学统计学的工具（过滤是一样的）。什么的 统计？统计学、分布规律、它们的不同阶数的时刻是指随机变量（过程）。如果你得到一个嘀嗒声，那是一个信号还是噪音？我认为这是一个信号，因为有了这个数据，你可以发出一个买入 或卖出指令，而且会被执行（所有其他一般条件都相同）。是的，很难预测下一个价格值是多少，所以我想 相信有一个随机的成分和一个非随机的成分，可以被检测出来，然后推断出--可预测的。而且这不是随机的，只是未知的。或者，如果你愿意，全部都是随机的--不把它分成加法成分。你要分开什么？同样的卡尔曼滤波器将过滤掉一个非常明确的成分--由你自己的模型以平滑分析函数的形式定义。你认识它吗？我不知道。你试图找出市场的动态特性，运用物理类比恐怕也是徒劳的：你可以找到振幅大于数字的分钟蜡烛，也可以找到缺口，这表明它实际上是没有惯性的。在接受价格值是随机的假设下，有可能用数学统计学来研究它们。这是Mathemat和 其他 ，长期以来一直很喜欢的事情。其结果是肥大的尾巴，因此，又缺乏实际的前景。但是，"钢琴家 "和锦标赛领导人的积极成果呢！？他们只是讲到需要扩大方法论范式的人。技术（甚至可能是基本面）分析的要素应该被引入MTS，但不是直接使用老的 "经典 "配方，而是在贝叶斯方法的基础上对工作模型进行初步过滤。很难 "手动 "处理如此大量的信息，但有人做到了。结论是显而易见的--训练一个机器人。我已经在MQL中做了一个概率网络，但我不能让它在利润系数高于1.5的情况下工作--老师太弱了:-)。 P.S. 另一个例子证实了关于价格中没有噪音的论点。 当他们谈到测量噪声时，他们指的是测量数据与被测量量的真实值之间的随机偏差。例如，雷达（对专家来说:-)）给出的范围值是105，而真实值是100，在下一次测量中是99而不是101，等等。误差的分布一般是正常的。例如，如果价格为1.2567--这是它的真实值，那么误差等于零！如果价格为1.2567，那么误差等于零。我们谈论的是什么样的噪音？ Sceptic Philozoff 2008.01.15 11:08 #77 rsi: 私人的，Mathemat， 我怕再被惹恼，但我必须再说一遍--引号中几乎没有噪音--这就是输入。 没有烦扰，rsi，正常讨论。总的来说，我同意你的观点：引号中的噪音只能在某种解释中看到，是一种模式。当我谈及误差时，我通常谈的是预测或近似误差。 Prival 说的是观察和测量的错误。就他的专长而言，这是很自然的。但这些都是非常不同的错误。 尽管如此，这种观点还是有生命权的，尽管在我看来它是人为的。私人 的，没有冒犯的意思，但你实际上打算如何实现你的100MHz采样率，我还不知道。 我认为将统计方法应用于金融系列的处理，只在评估可能的风险方面有用，仅此而已。 ......你可以找到振幅大于数字的分钟蜡烛，也可以找到间隙，这表明其实际的无惯性性质。 是的，在2000年的时候，还有一根5分钟的蜡烛，是198点，谁更大？ Prival 2008.01.15 12:45 #78 rsi: Prival，Mathemat， 我怕再被惹恼，但我必须再说一遍--报价中几乎没有噪音--那是输入信号。 Rsi，恰恰相反，我非常高兴你回到了讨论中。毕竟，你说的很有道理，你让我思考。如果我说了（或已经说了）错话，我为自己和他人道歉。我有个数学家给我下了这样的命令（将军放松:-）），让我做俯卧撑:-）。我将看到他活着，我将像兄弟一样拥抱他。而你对我来说是一条黄色的裤子，在MT4中的ns，向导。就像klot一样。 关于噪音，我自己也一直在想这个问题。我做了以下工作。我拿着每周的报价，开始分析这个流程的所有组成部分。首先我减去了趋势，然后减去了波动，减去了我能得到的一切。而在每个程序之后，都看了看残余物。当我选择了所有的人，残差中有噪音，但不是高斯噪音。一些奇怪的噪音+-1个点，其他什么都没有，一些罕见的2-5个点的尖峰，一个缺口是40个点（我特别想找一个有良好缺口的一周）。我坐下来想了想，我想我找到了这种噪音的解释。最有可能的是测量噪声，如果你从ADC的角度看报价（它是量化和采样噪声），如果我们把一个连续的过程数字化，它们应该是物理存在的。所以我想你可能是对的，那里没有噪音--它是一个纯信号。但有一个细微的差别，它困扰着我:-(。 数学 从他的专业角度来看，这是很自然的。但这些是完全不同的错误。尽管如此，这种观点还是有生命权的，尽管在我看来，它是人为的。Prival，无意冒犯，但你打算如何实际实现你的100MHz采样率，我还不知道。 没有办法做到100MHz，这是不可能的（否则我已经在甜蜜点了:-)）。改善这种情况的唯一方法，至少是一点点，就是像他们在正常的特区那样做。我们必须采取最大数量的供应商的报价，并由我们自己处理这个流量（而不是建立一个蜡烛，而是一个恒定概率的椭圆）。毕竟，我们必须按照经纪公司提供的数据完成交易（买和卖）。但我们不必只使用这家经纪公司的数据来做出买入或卖出的决定；我们可以完全不使用报价:-) 对于偏离模块的数量。如果我没有弄错的话，用这种方法，估值要么有偏差，要么站不住脚。我不记得具体内容了，我怕犯错，但是关于估计的力量的东西。尽管你可以选择一个非二次方的。基本上任何，主要是确定在哪个方向从中间（理想的观察者）的错误是更重要的，比方说在一个方向是一个正方形在另一个立方体。 这是从决策的统计理论。(沃尔德的《统计决定性规则》一书，我想它就在里面）。如果有人需要一本书，我可以把它贴出来。 北风 我不明白你所问的限制，请说明问题。 该模型必须以随机微分方程系统的形式表示。而主要的条件是，它必须适合于被过滤的过程。这些恰恰是我们的制约因素。 Z.I.Mathemat 想得罪我:-)，你不能等。那些我尊敬的人，他们就是做不到这一点。除非他握住我的手，把白兰地扔掉（为他精心保存了那么久），然后我就会先想，也许我做错了什么。然后由我来提水 :-) Prival 2008.01.15 14:51 #79 rsi: 同样的卡尔曼过滤器将过滤掉一个定义明确的成分--由你自己的模型定义为一个平滑的分析函数。你认识它吗？我不知道。你试图确定市场的动态属性，应用物理类比恐怕也是徒劳的：你可以找到振幅大于数字的分钟蜡烛，也可以找到缺口，这表明其实际的无惯性性质。 我同意，事情在缺口点上很糟糕，也许没有惯性。而且，我们没有办法摆脱所有的差距（我提出了一个假设，即这是由于采样率与分析过程的差异造成的--似乎并不矛盾）。但差距不是一天中所有的24小时。ACF分析表明，该过程是相关的，有一个相关的时间，因此该过程可以被预测。毕竟，这几乎是与物理过程的直接类比，飞机不能瞬间转弯，质量干扰，有惯性，这个过程可以预测，因为它是相关的。没有这一点，NS就不会工作IHMO（我在这里看到，这个缩写可以有不同的解释，我有这个拙见）。 但是，"钢琴家 "和锦标赛领导人的积极成果呢！？这正是他们所说的需要扩大方法论范式。技术（甚至可能是基本面）分析的要素应该被引入到MTS中，但不是直接用老的 "经典 "配方，而是在贝叶斯方法的基础上初步筛选出工作模型。很难 "手动 "处理如此大量的信息，但有人做到了。结论是要训练一个机器人。 结果令人鼓舞，让我举双手赞成（谈论马丁格和维纳过程的经济学家）。我不知道我是否遵循老的 "经典 "配方（虽然我读过关于外汇分析的书，不是所有的书，但有几十本好书）。我找了很多，因为我找不到将卡尔曼滤波器 应用于分析报价的结果。他们要么不存在，要么相反，那些设法实施的人小心翼翼地隐瞒了他们的结果。因为使用贝叶斯方法选择工作模型是非常重要的。否则它将无法工作。我尝试手动操作--这很难，但很有趣。我不相信算法，在这里我不知道决定是如何做出的。我不喜欢他们。 卡尔曼滤波器很少能在现实生活中实施。它可以被视为一种理想，就像众所周知的贝叶斯解决方案一样，在存在先验和后验信息的情况下，选择最有力的估计。 它是这样的。 [删除] 2008.01.15 15:44 #80 Prival: 残差中有一些噪音，但不是高斯的。奇怪的噪音是+-1个点，其他什么都没有，几个罕见的峰值是2-5个点，加上一个缺口是40个点（我特别想找一个有良好缺口的一周）。 而我和Mathemat 以及其他人都看到了蜱虫的这种噪音。此外，在点位上，很明显，+-1点的反向运动的概率比它的延续性要高。 不幸的是，这种规律性是在价差内。而且，这并不高。 但它在处理后出现的事实是很有趣的。 123456789101112131415...41 新评论 您错过了交易机会： 免费交易应用程序 8,000+信号可供复制 探索金融市场的经济新闻 注册 登录 拉丁字符（不带空格） 密码将被发送至该邮箱 发生错误 使用 Google 登录 您同意网站政策和使用条款 如果您没有帐号，请注册 可以使用cookies登录MQL5.com网站。 请在您的浏览器中启用必要的设置，否则您将无法登录。 忘记您的登录名/密码？ 使用 Google 登录
2 Prival: 我记得卡尔曼，按照你的说法，是基于MNC的。现在我明白了为什么它在雷达数据（具有高斯分布误差）上效果很好，但在市场数据上却很糟糕。卡尔曼在高斯数据上是完美的，主要原因是误差函数（目标）--在这种情况下是方差的平方之和--仅仅对高斯分布来说是完美的。对于其他分布，误差函数是不同的。对于具有幂尾的分布（重尾），目标函数是相当不同的，MNC在这里不算数。这就是为什么JMA在市场系列上比Kalman好。
多么有趣。来吧，阿列克谢，我也要在你头上挥舞我的白桦树:-)。毕竟，99%的争端都是在1个人说它更好的时候产生的。但他没有说在什么意义上更好（标准在哪里+好多少）。让我们说，我认为MA甚至更好，是最好的，只是可怕的更好 :-)。JMA和Kalman还差得远呢。
这就像说一个人比另一个人好。但不能说以什么方式（没有标准）。假设第一个人更擅长喝伏特加，而第二个人更擅长用弹弓射杀先驱者。问题是他们中的哪一个更好？
毕竟JMA对你和我来说是一个黑盒子。而卡尔曼滤波器必须包含
1.一个观察模型（信号模型+噪声模型）。
2.一个测量模型（测量误差模型）。
而要用二次损失函数的ANC来寻找解决方案。根据先验数据和获得的测量结果。而且我想指出，这样的目标误差函数不仅对高斯有效，而且对任何对称的分布规律 都有效。
数学，现在有一个问题。假设被分析的过程是具有均匀噪声的正弦波，测量结果受制于非平稳的泊松定律。所有这些模型都嵌套在卡尔曼滤波器中，它根据嵌套在其中的所有先验数据，通过ANC（二次损失函数）找到了新测量到来时的最佳估计值（这种野生混合物）。
JMA黑匣子在哪里，在什么地方更好？
如果你在卡尔曼过滤器中放入一个与外汇（信号+噪声）100%一致的模型和一个适当的测量模型（非同步专家估计系统），它将是一个地狱般的机器。
Z.U.的观察和测量噪声模型可以是任何东西。最主要的是要与现有的东西保持一致。
深信不疑，私下里。因此，有一些事情，Djuric显然没有告诉我们，或者是在故意炫耀他的产品。然而，然而：为什么是OLS，而不是，例如，偏差模数之和？仅仅因为ANC在分析上更方便？
P.S. 我记得在我以前对神经网络的 研究中曾想过一个权宜之计的损失函数（在那里它是一个目标函数）。并以某种方式推导出或在某处读到，平方之和与关于误差分布规律的特定假设（这里--高斯）直接相关。在我的研究中，当我把函数改为模块之和时（即通过把误差分布的先验规律改为指数），预测的质量略有改善，但不是完全的。
如果你在卡尔曼过滤器中放入一个与外汇（信号+噪声）100%一致的模型和一个适当的测量模型（非同步专家判断系统），它将是一个地狱般的机器。
Z.U.的观察和测量噪声模型可以是任何东西。最主要的是要与现有的东西相匹配。
信号的模型本身是否有任何限制？
到北风。
谢谢你。而 "我们需要一个简单和足够一致的市场生活概念"--你是指你自己的发展，还是使用一些技术，如希尔耶夫所描述的那些？
...平方之和与误差分布规律的特定假设（此处为高斯）直接相关...
私人的，Mathemat， 我怕再被惹恼，但我必须再说一遍--引文中几乎没有噪音--那是输入信号。你正试图使用数学统计学的工具（过滤是一样的）。什么的 统计？统计学、分布规律、它们的不同阶数的时刻是指随机变量（过程）。如果你得到一个嘀嗒声，那是一个信号还是噪音？我认为这是一个信号，因为有了这个数据，你可以发出一个买入 或卖出指令，而且会被执行（所有其他一般条件都相同）。是的，很难预测下一个价格值是多少，所以我想 相信有一个随机的成分和一个非随机的成分，可以被检测出来，然后推断出--可预测的。而且这不是随机的，只是未知的。或者，如果你愿意，全部都是随机的--不把它分成加法成分。你要分开什么？同样的卡尔曼滤波器将过滤掉一个非常明确的成分--由你自己的模型以平滑分析函数的形式定义。你认识它吗？我不知道。你试图找出市场的动态特性，运用物理类比恐怕也是徒劳的：你可以找到振幅大于数字的分钟蜡烛，也可以找到缺口，这表明它实际上是没有惯性的。
在接受价格值是随机的假设下，有可能用数学统计学来研究它们。这是Mathemat和 其他 ，长期以来一直很喜欢的事情。其结果是肥大的尾巴，因此，又缺乏实际的前景。
但是，"钢琴家 "和锦标赛领导人的积极成果呢！？他们只是讲到需要扩大方法论范式的人。技术（甚至可能是基本面）分析的要素应该被引入MTS，但不是直接使用老的 "经典 "配方，而是在贝叶斯方法的基础上对工作模型进行初步过滤。很难 "手动 "处理如此大量的信息，但有人做到了。结论是显而易见的--训练一个机器人。
我已经在MQL中做了一个概率网络，但我不能让它在利润系数高于1.5的情况下工作--老师太弱了:-)。
P.S. 另一个例子证实了关于价格中没有噪音的论点。
当他们谈到测量噪声时，他们指的是测量数据与被测量量的真实值之间的随机偏差。例如，雷达（对专家来说:-)）给出的范围值是105，而真实值是100，在下一次测量中是99而不是101，等等。误差的分布一般是正常的。例如，如果价格为1.2567--这是它的真实值，那么误差等于零！如果价格为1.2567，那么误差等于零。我们谈论的是什么样的噪音？
私人的，Mathemat， 我怕再被惹恼，但我必须再说一遍--引号中几乎没有噪音--这就是输入。
没有烦扰，rsi，正常讨论。总的来说，我同意你的观点：引号中的噪音只能在某种解释中看到，是一种模式。当我谈及误差时，我通常谈的是预测或近似误差。
Prival 说的是观察和测量的错误。就他的专长而言，这是很自然的。但这些都是非常不同的错误。 尽管如此，这种观点还是有生命权的，尽管在我看来它是人为的。私人 的，没有冒犯的意思，但你实际上打算如何实现你的100MHz采样率，我还不知道。
我认为将统计方法应用于金融系列的处理，只在评估可能的风险方面有用，仅此而已。
是的，在2000年的时候，还有一根5分钟的蜡烛，是198点，谁更大？
Prival，Mathemat， 我怕再被惹恼，但我必须再说一遍--报价中几乎没有噪音--那是输入信号。
Rsi，恰恰相反，我非常高兴你回到了讨论中。毕竟，你说的很有道理，你让我思考。如果我说了（或已经说了）错话，我为自己和他人道歉。我有个数学家给我下了这样的命令（将军放松:-）），让我做俯卧撑:-）。我将看到他活着，我将像兄弟一样拥抱他。而你对我来说是一条黄色的裤子，在MT4中的ns，向导。就像klot一样。
关于噪音，我自己也一直在想这个问题。我做了以下工作。我拿着每周的报价，开始分析这个流程的所有组成部分。首先我减去了趋势，然后减去了波动，减去了我能得到的一切。而在每个程序之后，都看了看残余物。当我选择了所有的人，残差中有噪音，但不是高斯噪音。一些奇怪的噪音+-1个点，其他什么都没有，一些罕见的2-5个点的尖峰，一个缺口是40个点（我特别想找一个有良好缺口的一周）。我坐下来想了想，我想我找到了这种噪音的解释。最有可能的是测量噪声，如果你从ADC的角度看报价（它是量化和采样噪声），如果我们把一个连续的过程数字化，它们应该是物理存在的。所以我想你可能是对的，那里没有噪音--它是一个纯信号。但有一个细微的差别，它困扰着我:-(。
没有办法做到100MHz，这是不可能的（否则我已经在甜蜜点了:-)）。改善这种情况的唯一方法，至少是一点点，就是像他们在正常的特区那样做。我们必须采取最大数量的供应商的报价，并由我们自己处理这个流量（而不是建立一个蜡烛，而是一个恒定概率的椭圆）。毕竟，我们必须按照经纪公司提供的数据完成交易（买和卖）。但我们不必只使用这家经纪公司的数据来做出买入或卖出的决定；我们可以完全不使用报价:-)
对于偏离模块的数量。如果我没有弄错的话，用这种方法，估值要么有偏差，要么站不住脚。我不记得具体内容了，我怕犯错，但是关于估计的力量的东西。尽管你可以选择一个非二次方的。基本上任何，主要是确定在哪个方向从中间（理想的观察者）的错误是更重要的，比方说在一个方向是一个正方形在另一个立方体。 这是从决策的统计理论。(沃尔德的《统计决定性规则》一书，我想它就在里面）。如果有人需要一本书，我可以把它贴出来。
北风
我不明白你所问的限制，请说明问题。
该模型必须以随机微分方程系统的形式表示。而主要的条件是，它必须适合于被过滤的过程。这些恰恰是我们的制约因素。
Z.I.Mathemat 想得罪我:-)，你不能等。那些我尊敬的人，他们就是做不到这一点。除非他握住我的手，把白兰地扔掉（为他精心保存了那么久），然后我就会先想，也许我做错了什么。然后由我来提水 :-)
我同意，事情在缺口点上很糟糕，也许没有惯性。而且，我们没有办法摆脱所有的差距（我提出了一个假设，即这是由于采样率与分析过程的差异造成的--似乎并不矛盾）。但差距不是一天中所有的24小时。ACF分析表明，该过程是相关的，有一个相关的时间，因此该过程可以被预测。毕竟，这几乎是与物理过程的直接类比，飞机不能瞬间转弯，质量干扰，有惯性，这个过程可以预测，因为它是相关的。没有这一点，NS就不会工作IHMO（我在这里看到，这个缩写可以有不同的解释，我有这个拙见）。
但是，"钢琴家 "和锦标赛领导人的积极成果呢！？这正是他们所说的需要扩大方法论范式。技术（甚至可能是基本面）分析的要素应该被引入到MTS中，但不是直接用老的 "经典 "配方，而是在贝叶斯方法的基础上初步筛选出工作模型。很难 "手动 "处理如此大量的信息，但有人做到了。结论是要训练一个机器人。
结果令人鼓舞，让我举双手赞成（谈论马丁格和维纳过程的经济学家）。我不知道我是否遵循老的 "经典 "配方（虽然我读过关于外汇分析的书，不是所有的书，但有几十本好书）。我找了很多，因为我找不到将卡尔曼滤波器 应用于分析报价的结果。他们要么不存在，要么相反，那些设法实施的人小心翼翼地隐瞒了他们的结果。因为使用贝叶斯方法选择工作模型是非常重要的。否则它将无法工作。我尝试手动操作--这很难，但很有趣。我不相信算法，在这里我不知道决定是如何做出的。我不喜欢他们。
卡尔曼滤波器很少能在现实生活中实施。它可以被视为一种理想，就像众所周知的贝叶斯解决方案一样，在存在先验和后验信息的情况下，选择最有力的估计。
它是这样的。
而我和Mathemat 以及其他人都看到了蜱虫的这种噪音。此外，在点位上，很明显，+-1点的反向运动的概率比它的延续性要高。 不幸的是，这种规律性是在价差内。而且，这并不高。
但它在处理后出现的事实是很有趣的。