市场现象 - 页 28 1...212223242526272829303132333435...75 新评论 Vladimir 2011.07.17 04:14 #271 Farnsworth: 市场模式...其本质是非常简单的。有数量有限的结构来描述输入到输出的转变。每一个这样的结构都意味着某种模式，转化是根据这种模式进行的。观察到的过程是由结构之间的过渡（切换）形成的。 在我看来，你的思考方向是正确的。我还想补充的是，某一时期的价格不仅仅是这些结构之间的过渡，而是它们的加权组合。重要的是要找到这些结构。它们是什么？主要载体？傅里叶变换中的正弦和余弦？小波？如果有人知道如何从时间序列中正确识别这些结构，请分享你的想法。这里可能有很多选择，但只有一个是正确的。我会认为那些结构（小波）是正确的，它们花最少的时间来描述价格。这是我在无线电工程方面的经验。正在传输的数字信息是100110...通过一个数字滤波器/DAC调制器，从而转换成一个比原始信息有更多数值的模拟信号。将市场价格表示为结构之间的转换，这一过程与无线电信号的解调过程（或减少随机过程的维度）基本相同。为了正确解调这个信号，我们需要知道它是用什么滤波器（结构）编码的。 Tantrik 2011.07.17 09:43 #272 Farnsworth: 同事们，我将在很长一段时间内离开论坛。 当然，遗憾的是...(为了计算阿尔法和欧米茄而计算--我认为这些是掩盖趋势、趋势反转的掩饰行为) Sceptic Philozoff 2011.07.17 09:53 #273 gpwr，问题是这种解码（或大致相同的事情，在结构之间切换）很可能是非线性的。 事件之间的线性联系（皮尔逊相关）在事件之间的小 "距离 "上已经消失。我说的距离是指基数TF单位的数量，也就是条数的多少。 到目前为止，没有什么可以补充的，因为我自己也是在黑暗中摸索前进。 sergeyas 2011.07.17 11:15 #274 gpwr: 在我看来，你的思考方向是正确的。我还想补充的是，某个时间间隔的价格不是作为这些结构之间的简单遍历来表示的，而是作为它们的加权组合。重要的是要找到这些结构。它们是什么？主要载体？傅里叶变换中的正弦和余弦？小波？如果有人知道如何从时间序列中正确识别这些结构，请分享你的想法。这里可能有很多选择，但只有一个是正确的。我会认为那些结构（小波）是正确的，它们花最少的时间来描述价格。这是我在无线电工程方面的经验。正在传输的数字信息是100110...通过一个数字滤波器/DAC调制器，从而转换成一个比原始信息有更多数值的模拟信号。将市场价格表示为结构之间的转换，这一过程与无线电信号的解调过程（或减少随机过程的维度）基本相同。为了正确解调这个信号，我们必须知道它是用什么滤波器（结构）进行编码的。作为一名无线电技术员（不幸的是已经过去了），我支持你的解调想法。 提出了同步检测的想法--主要是确定参考信号和过滤的类型（相当非线性）。 Vladimir 2011.07.17 20:01 #275 Mathemat: gpwr，问题是这种解码（或大致相同的事情，在结构之间切换）很可能是非线性的。 事件之间的线性联系（皮尔逊相关）在事件之间的小 "距离 "上已经消失。我说的距离是指基数TF单位的数量，也就是条数的多少。 到目前为止，我没有什么可以补充的，因为我自己在黑暗中摸索。 我对这个话题的兴趣是由它们比市场价格预测更实际的应用引起的。我现在对快速语音识别系统的发展更感兴趣。我们知道，语音由音素（相同的结构）组成，它们的集合构成一个词。例如，在俄语中，只有43个音素，构成15-20万个单词。这些词构成了句子和语音。语音可以被认为相当于一个市场价格，其中的音素（结构）我们并不了解。这就是为什么它看起来像噪音（想象外星人的讲话）。语音音素由声带、舌头等产生--简而言之，由语音过滤器产生，其输入是以呼出的空气为形式的噪音。我们对语音的感知也是一个通过内耳的过滤器过滤声音的过程，这些过滤器被调谐到不同的音素。也就是说，简单地说，编码信号（语音）是输入（耳朵），输出（在大脑皮层）是信号（词语）。价格预测可归结为预测未来的音素（结构）。但我对这一点不感兴趣。我对识别过去和现在的音素（结构）感兴趣。为了达到这个目的，人们应该拥有这些音素的词汇，并将语音与这些已知的音素联系起来（当然是以一种简化的方式）。如果我们知道对话者说的是哪种语言，那么我们就可以简单地查找相应的音素词典，将语音解码成文字，然后用词典进行翻译。但是，如果我们不知道说话者的语言呢？我们如何从语音中得出音素？或者说，我们如何从报价中确定结构？请注意，价格结构的数量必须与语音音素的数量相同（10-100）。 Роман 2011.07.18 00:58 #276 gpwr: ... 请注意，价格结构的数量应与语音音素的数量相同的顺序（10-100）。 在这里，在我看来，"市场模式"（一些，如你写的音素）的主题与我很接近 - 特别是他们的设置和识别，让我们假设，由NS。之后做出交易决定--或者上涨或者下跌。所以它是这样的。 Vladimir 2011.07.18 03:17 #277 Roman.: 在我看来，这是 "市场模式"（某种音素，如你所写的）的一个密切主题--特别是它们的设置和识别，例如由NS进行。之后做出交易决定--或者上涨或者下跌。所以它是这样的。 我同意。有许多不同的术语：音素、结构、模式、小波、基础函数。我更喜欢基础函数这个词。我对以下问题感兴趣：当知道一个时间序列时，如何能自动确定基函数？当然，人们可以从视觉上检查这个系列，发现三角形、旗帜和其他好看的形状。但是还没有人证明这些模式在统计学上是重要的，而不仅仅是想象力的产物。请记住，正如轶事中所说。 精神病医生向病人展示不同的图片，问："你在其中看到了什么？"病人回答："一个男人和一个女人在做爱。""你是某种淫荡的人，"医生说。而病人说。"嗯，你自己给我看了那些淫秽的照片。" 自动识别统计上重要的基础函数是一个复杂的过程，我认为没有人想出如何正确地做到这一点，即使是用神经网络。当然，我们可以简化任务，事先假定时间序列被划分为Haar小波，或像傅里叶数列中的三角函数，或其他常被用于回归的基础函数。而所有这些基础函数将成功地再现我们的系列，无论是价格系列还是语音系列。但是，想象一下，如果我们把语音分解成Haar小波--它们与音素毫无关系。将价格序列分解为Haar小波或三角函数也同样没有意义。提到压缩式传感是合适的，其本质是用最小的基函数集来描述信号。虽然这种方法有很多算法，但它们都假设我们知道基函数。如果你对从价格序列中寻找基础函数的算法有任何想法，请分享。 Andrey Dik 2011.07.18 03:58 #278 gpwr: ...简而言之，如果有人对从价格序列中寻找基础函数的算法有任何想法，请分享。 有一种万能药--遗传算法。至少，如果对这个过程一无所知（或几乎一无所知），而你仍然需要调查并获得结果，那么你应该首先尝试GA。 eura 2011.07.18 04:35 #279 sergeyas: 作为一名无线电技术员（不幸的是已经过去了），我支持你的解调想法。 提出了同步检测的想法--主要是确定参考信号和过滤的类型（相当非线性）。 我已经喜欢了......谢尔盖，无线电（电报等）的主要物理原理是什么？ Юсуфходжа 2011.07.18 04:55 #280 gpwr: 我同意。有许多不同的术语：音素、结构、模式、小波、基础函数。我更喜欢基础函数这个词。我对以下问题感兴趣：当知道一个时间序列时，如何能自动确定基函数？当然，人们可以从视觉上检查这个系列，发现三角形、旗帜和其他好看的形状。但是还没有人证明这些模式在统计学上是重要的，而不仅仅是想象力的产物。请记住，正如轶事中所说。精神病医生向病人展示不同的图片，问："你在其中看到了什么？"病人回答："一个男人和一个女人在做爱。""你是某种淫荡的人，"医生说。而病人说。"好吧，你自己给我看那些淫秽的照片。"自动识别统计上重要的基础函数是一个复杂的过程，我认为没有人想出如何正确地做到这一点，即使是用神经网络。当然，我们可以简化任务，事先假定时间序列被划分为Haar小波，或像傅里叶数列中的三角函数，或其他常被用于回归的基础函数。而所有这些基础函数将成功地再现我们的系列，无论是价格系列还是语音系列。但是，想象一下，如果我们把语音分解成Haar小波--它们与音素毫无关系。将价格序列分解成Haar小波或三角函数也同样毫无意义。提到压缩式传感是合适的，其本质是用最小的基函数集来描述信号。虽然这种方法有很多算法，但它们都假设我们知道基函数。如果你对从价格序列中寻找基础函数的算法有任何想法，请分享。 我试图用[url=https://www.mql5.com/ru/articles/250]"市场价格预测的通用回归模型"[/url]中的（18）作为基础函数。它令人满意地描述了由各种函数在所有可能的组合中人为构建的依赖关系，包括和、积、对数、幂、指数等等。 1...212223242526272829303132333435...75 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
市场模式
...其本质是非常简单的。有数量有限的结构来描述输入到输出的转变。每一个这样的结构都意味着某种模式，转化是根据这种模式进行的。观察到的过程是由结构之间的过渡（切换）形成的。
同事们，我将在很长一段时间内离开论坛。
gpwr，问题是这种解码（或大致相同的事情，在结构之间切换）很可能是非线性的。
事件之间的线性联系（皮尔逊相关）在事件之间的小 "距离 "上已经消失。我说的距离是指基数TF单位的数量，也就是条数的多少。
到目前为止，没有什么可以补充的，因为我自己也是在黑暗中摸索前进。
在我看来，你的思考方向是正确的。我还想补充的是，某个时间间隔的价格不是作为这些结构之间的简单遍历来表示的，而是作为它们的加权组合。重要的是要找到这些结构。它们是什么？主要载体？傅里叶变换中的正弦和余弦？小波？如果有人知道如何从时间序列中正确识别这些结构，请分享你的想法。这里可能有很多选择，但只有一个是正确的。我会认为那些结构（小波）是正确的，它们花最少的时间来描述价格。这是我在无线电工程方面的经验。正在传输的数字信息是100110...通过一个数字滤波器/DAC调制器，从而转换成一个比原始信息有更多数值的模拟信号。将市场价格表示为结构之间的转换，这一过程与无线电信号的解调过程（或减少随机过程的维度）基本相同。为了正确解调这个信号，我们必须知道它是用什么滤波器（结构）进行编码的。
作为一名无线电技术员（不幸的是已经过去了），我支持你的解调想法。
提出了同步检测的想法--主要是确定参考信号和过滤的类型（相当非线性）。
gpwr，问题是这种解码（或大致相同的事情，在结构之间切换）很可能是非线性的。
事件之间的线性联系（皮尔逊相关）在事件之间的小 "距离 "上已经消失。我说的距离是指基数TF单位的数量，也就是条数的多少。
到目前为止，我没有什么可以补充的，因为我自己在黑暗中摸索。
我对这个话题的兴趣是由它们比市场价格预测更实际的应用引起的。我现在对快速语音识别系统的发展更感兴趣。我们知道，语音由音素（相同的结构）组成，它们的集合构成一个词。例如，在俄语中，只有43个音素，构成15-20万个单词。这些词构成了句子和语音。语音可以被认为相当于一个市场价格，其中的音素（结构）我们并不了解。这就是为什么它看起来像噪音（想象外星人的讲话）。语音音素由声带、舌头等产生--简而言之，由语音过滤器产生，其输入是以呼出的空气为形式的噪音。我们对语音的感知也是一个通过内耳的过滤器过滤声音的过程，这些过滤器被调谐到不同的音素。也就是说，简单地说，编码信号（语音）是输入（耳朵），输出（在大脑皮层）是信号（词语）。价格预测可归结为预测未来的音素（结构）。但我对这一点不感兴趣。我对识别过去和现在的音素（结构）感兴趣。为了达到这个目的，人们应该拥有这些音素的词汇，并将语音与这些已知的音素联系起来（当然是以一种简化的方式）。如果我们知道对话者说的是哪种语言，那么我们就可以简单地查找相应的音素词典，将语音解码成文字，然后用词典进行翻译。但是，如果我们不知道说话者的语言呢？我们如何从语音中得出音素？或者说，我们如何从报价中确定结构？请注意，价格结构的数量必须与语音音素的数量相同（10-100）。
gpwr:
...
请注意，价格结构的数量应与语音音素的数量相同的顺序（10-100）。
在我看来，这是 "市场模式"（某种音素，如你所写的）的一个密切主题--特别是它们的设置和识别，例如由NS进行。之后做出交易决定--或者上涨或者下跌。所以它是这样的。
我同意。有许多不同的术语：音素、结构、模式、小波、基础函数。我更喜欢基础函数这个词。我对以下问题感兴趣：当知道一个时间序列时，如何能自动确定基函数？当然，人们可以从视觉上检查这个系列，发现三角形、旗帜和其他好看的形状。但是还没有人证明这些模式在统计学上是重要的，而不仅仅是想象力的产物。请记住，正如轶事中所说。
精神病医生向病人展示不同的图片，问："你在其中看到了什么？"病人回答："一个男人和一个女人在做爱。""你是某种淫荡的人，"医生说。而病人说。"嗯，你自己给我看了那些淫秽的照片。"
自动识别统计上重要的基础函数是一个复杂的过程，我认为没有人想出如何正确地做到这一点，即使是用神经网络。当然，我们可以简化任务，事先假定时间序列被划分为Haar小波，或像傅里叶数列中的三角函数，或其他常被用于回归的基础函数。而所有这些基础函数将成功地再现我们的系列，无论是价格系列还是语音系列。但是，想象一下，如果我们把语音分解成Haar小波--它们与音素毫无关系。将价格序列分解为Haar小波或三角函数也同样没有意义。提到压缩式传感是合适的，其本质是用最小的基函数集来描述信号。虽然这种方法有很多算法，但它们都假设我们知道基函数。如果你对从价格序列中寻找基础函数的算法有任何想法，请分享。
...简而言之，如果有人对从价格序列中寻找基础函数的算法有任何想法，请分享。
作为一名无线电技术员（不幸的是已经过去了），我支持你的解调想法。
提出了同步检测的想法--主要是确定参考信号和过滤的类型（相当非线性）。
我已经喜欢了......谢尔盖，无线电（电报等）的主要物理原理是什么？
我同意。有许多不同的术语：音素、结构、模式、小波、基础函数。我更喜欢基础函数这个词。我对以下问题感兴趣：当知道一个时间序列时，如何能自动确定基函数？当然，人们可以从视觉上检查这个系列，发现三角形、旗帜和其他好看的形状。但是还没有人证明这些模式在统计学上是重要的，而不仅仅是想象力的产物。请记住，正如轶事中所说。
精神病医生向病人展示不同的图片，问："你在其中看到了什么？"病人回答："一个男人和一个女人在做爱。""你是某种淫荡的人，"医生说。而病人说。"好吧，你自己给我看那些淫秽的照片。"
自动识别统计上重要的基础函数是一个复杂的过程，我认为没有人想出如何正确地做到这一点，即使是用神经网络。当然，我们可以简化任务，事先假定时间序列被划分为Haar小波，或像傅里叶数列中的三角函数，或其他常被用于回归的基础函数。而所有这些基础函数将成功地再现我们的系列，无论是价格系列还是语音系列。但是，想象一下，如果我们把语音分解成Haar小波--它们与音素毫无关系。将价格序列分解成Haar小波或三角函数也同样毫无意义。提到压缩式传感是合适的，其本质是用最小的基函数集来描述信号。虽然这种方法有很多算法，但它们都假设我们知道基函数。如果你对从价格序列中寻找基础函数的算法有任何想法，请分享。