自适应数字滤波器 - 页 9

 
NorthernWind:
私下 的。
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。

而它在处理后出现的事实是很有趣的。

你分析了回报,我已经看到了你发布的所有内容。重读了几遍。我以不同的方式做了。我取了这周的所有刻度,删除了趋势y(x)=a*x+b。我在残差中寻找震荡过程。 计算了ACF。而使用卡尔曼,我正在消除这种振荡,以此类推,直到我得到几乎类似于返回者的结果(这几乎就是我得到的结果)。我在寻找过程中的所有组成部分,我想近似于模型的维度(一周内有多少次重要的振荡)。
 
grasn:

Piligrimm

关于多项式--你犯了严重的错误。它们可以有效地用于预测...

我已经用MathCad和MathLab中所有可用的方法试过了,但我对结果并不满意。

PS:你的头像不会是通用的 "OM "声吧?


我只能重复,如果有些东西对你不起作用,这并不意味着它根本不可能是。继续看,根据我的实践经验,我确信在预测中使用多项式和神经网络一样有效,尽管要耗费更多的时间。关于头像--你是对的。
 
Prival:

对Grasn和Rsi 和所有

我想解释一下,因为你一再攻击我 "数字统治世界 "的口号。我把它带来是为了让你能注意它。你在笑,但我认为你没有完全理解我在说什么。我建议你做一个非常简单的实验。 假设价格以正弦波的形式变化。在一张纸上画一个正弦,在上面放两个参考点。比如这个。

图1

也就是说,我们把Close minutiae拿出来,认为是正确的数字化,见图1。(蓝色标记)。一切看起来都很好,也很正确,现在想一想,如果第一个刻度不是正好在分钟结束时出现,而是在分钟结束前2秒出现,+第二个刻度不是在分钟结束时,而是在开始时。结果见图2(蓝色计数在时间轴上的位置不同)。结果发现,正弦波的形状发生了变化,频率不对,相位也不对,总的来说,一切都很糟糕.....。

图2

谁能告诉我哪个正弦波是真的?或者你也可以给我一个预测,在下一次收盘时将会是什么数字(即使是严格意义上的正弦波)?

在Y轴(价格)的分析中,有多少份已经被打破,而X轴(时间)被遗忘。或者他们认为这是好的。他们采取关闭和前进。而结果是.... 长时间坚持不懈的搜索和结论DSP不起作用。

让我们用不同的方式来写这个首字母缩写,所以DSP。(DSP!!!)唯一要做的就是定义信号是什么。我们不知道如何处理数字,如加、减、乘、除,我们还有什么?那么,这里谁不知道DC,这些复杂的操作。

你可能仍然想知道为什么许多DSP方法没有产生你所期望的结果。也许适当的X轴处理将改善许多数字处理方法,从最简单的MA开始?而对于信号(推动市场的有用成分),也没有多少人知道,我读到的是同样的哲学:-(。

而不幸的是,金钱统治了世界,而不是数字。

尽管我仍然承诺向任何人证明(你可以请我喝杯白兰地,因为我已经欠了很多人的钱:-)),如果在那个没有人知道的 "真实 "价格之间,有一个人可以控制采样率,那么他可以做任何他想做的事情。从一个普通的100兆赫正弦波,你可以做出你在屏幕上看到的任何曲线。至少要记住电影中,轮子向后走,小车向前走的情节 :-)。

这就是为什么那个美丽的短语,"一个数字统治世界,这个数字的名字是采样率"。这还不算太糟。毕竟,通过控制这个数字,你可以控制屏幕上的曲线,也就是货币的价值(价格)。如果金钱统治世界,那么通过控制它,我将统治世界。

Z.U.,那部动画片是什么,"海狸的呼吸",我真想看看:-)。而且你不要轻易摆脱我,就像泥潭中的Prival一样,不要等待:-)。

根据我上面所写的,对我来说,任何特区都不会是那个万能的上帝,他可以在任何时候给我提供任何数字。他们会很虚弱 :-)在战斗的过程中很难休息一下 :-)

当我在2000年开始研究外汇市场时,我也认为根据我以前在时间序列建模和预测方面的经验,我应该同时预测价格和时间,以获得准确和客观的过程。 但经过几年的实验,我意识到外汇市场的时间预测比价格要难得多,我所拥有的计算机资源不足以进行充分的预测,而对于相对正常的交易,你唯一需要的是知道价格。所以,看了你的正弦曲线图,我可以说,原则上,相位和频率发生变化不是问题,两者的振幅是一样的,基于此,你可以预测价格运动的方向,如果没有更复杂的东西,不值得为之烦恼。
 
rsi:

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,所以我喜欢 认为那里有一个随机的成分,还有一个非随机的成分,可以被识别,然后推断-预测。 而且它不是随机的,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,以及缺口,这表明它实际上是无惯性的。

我完全同意,报价中既没有噪音,也没有随机成分;由于直流滤波器和延迟以及通信和史前的烛台形成方法造成的信号信息损失,导致信号失真。不幸的是,在这种情况下,我们将不得不为每个经纪公司重新训练模型,它将不会是普遍的。至于信息性损失,我们可以使用路透社和其他新闻机构提供的刻度线,总的来说,这不是一个绊脚石,主要是找到一个有效的策略,其余的是一个技术问题。
 
Prival:
北风
私下 的。
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。

而它在处理后出现的事实是很有趣的。

你分析了回报,我已经看到了你发布的所有内容。重读了几遍。我以不同的方式做了这件事。我取了这周的所有刻度,删除了趋势y(x)=a*x+b。我在残差中寻找震荡过程。 计算了ACF。而用卡尔曼,我正在消除这种振荡,以此类推,直到我得到几乎类似于返回者的结果(这几乎正是我得到的)。我在寻找过程中的所有组成部分,我想近似于模型的维度(一周内有多少次重要的振荡)。

没有完美的过滤器,这个 "噪音 "是+-1个点,是处理过程中出现的失真,由于电脑的分辨率是有限的,过滤器也不完美,等等,它不是原始信号的噪音。
 
Piligrimm:
没有完美的过滤器,这个 "噪音 "是+-1点,它是在处理过程中发生的失真,由于计算机的分辨率是有限的,过滤器不完美,等等,它不是原始信号的噪音。


这就是我所说的那种情况。它是测量噪声(量化和采样噪声)。

OM "的普遍声音象征着什么。启蒙。

 

Piligrimm,你会允许吗?

这是我们的正常感官不允许通过其过滤器的宇宙噪音。同时也是修行者必须发出的信号,以便与宇宙进入随机的精神共鸣。舒德科 :)

 
Piligrimm:
至于信息量的损失,你可以使用路透社和其他新闻机构提供的刻度线,这不是一个绊脚石......
:-)
 
Mathemat:
... 当我谈论错误时,我通常谈论的是预测或近似的错误。Prival 谈到了观察和测量的错误。就他的专长而言,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力的,尽管在我看来它是人为的......。

完全同意你的观点。关于测量误差,我在之前的帖子中补充了PS。但关于预测误差--在我看来,它必须是研究的主题,也是贸易决策的标准,而且是随机变量,应该应用统计方法和确切的Bayss方法。而不是对价格或回报--这对进入来说是好事,而且是在预处理之后。预测概率有权利存在,所有已经发生的事情都有概率等于1。

MTS不一定要用神经网络来实现,所以被Prival所不喜欢,但我们必须明白,这不是关于过滤器(不清楚它们与什么分开),而是关于DataMining、聚类和其他类似的现代多变量数据分析 技术(我想Piligrimm 在这里提到了MSUA),这可以识别时间序列 中的潜在模式。

总的来说,我有一种左派试图说明问题的感觉。"英国人不会用砖头擦枪!" :-)

 
Prival:

我很愿意提供帮助。但不幸的是,我不能像MathCad那样自由地阅读MQL代码,因为MathCad的公式是按照我们习惯在书上看到的方式写的。在我看来(尽管我不确定),唯一的事情是使用回归类型中的一种,使其更加清晰

有一个线性回归,如y(x)=ax+b。你可以用不同的方法计算系数a和b,你可以使用ANC(似乎那里不使用),你可以使用递归,但要理解它,你应该清楚地了解周期(我在那里感到困惑,在哪里,什么和为什么计算)。最有可能的是有一个非线性回归,因为有一些if()同时计算+类型的回归方程本身并不清楚,有多少系数。

一般来说,几乎所有的指标都可以被认为是数字滤波器,MA就是一个数字滤波器。适应这个词通常意味着一些参数(滤波器肠道中的系数)必须根据输入信号的特性而改变。因此,首先我要提到AMA、FRAMA和类似的自适应数字滤波器(平均参数(n)的变化取决于输入过程的方差估计),几乎所有的FFT、小波滤波器都使用阈值处理(试图将TF参数与输入期望信号的频谱相匹配)。

但SATL和FATL不是自适应的,因为TF系数在设计阶段计算过一次,以使滤波器的瞬态响应与输入信号(AFR和IFR)的频谱相匹配,而且在运行过程中这些系数不会改变。 这些是所谓的匹配滤波器。但有一个理想的,在DSP中被称为最佳滤波器的东西,建立它是困难的,但却是可能的。为此,你需要知道有用信号和噪声的光谱。

我不知道,我是帮助了你还是让你感到困惑:-),但无论如何,祝你好运。