MACD的第一和第二导数 - 页 25 1...181920212223242526272829303132...67 新评论 Vladimir 2012.01.09 14:34 #241 AlexEro: 谢谢你。请澄清一下，上面这一页是你（未出版的）书中的一页还是其他？ (如果是你的，今天2012年1月9日，你在论坛上公布了你的世界科学优先权，你就获得了世界科学优先权）。 让我向其他人解释一下我的意思：在许多噪音信号的情况下，通常的近似和插值方法都不起作用。通常在这种情况下，会使用最小二乘法（通过解决重新定义的线性方程组）。虽然他们的结果更可靠，但由于线性系统的求解，所有这些方法都比通常的简单方法慢了几百倍。 在一些极少数的特定近似或特定信号的情况下，个别科学家通过纯粹的分析性数学技巧，成功地将线性方程组（二维）简化为更简单的方法（一维，求和或矢量卷积）。这使噪声信号的近似速度加快了几百倍。 其中一个方法是作者GPWR（Vladimir）在MQL4.com上发布的（有史以来第一次）。 如上文所述，来自日本的Holoborodko用同样的方法来计算一个噪声信号的导数。他设法将导数公式减少（简化和加速）到简单得令人发指的类型，而没有解决线性方程组。 在数字信号处理中，同样的方法被用于相当罕见的savitzky-golay滤波器。 https://en.wikipedia.org/wiki/Savitzky%E2%80%93Golay_smoothing_filter P.S. GPWR的补遗。通过 "俄罗斯 "风格的适当英语，我看到，这是你的书。它很好，就是很好。顺便说一下，这篇文章写得非常清晰。你没有发表太可惜了。这对DSP来说是一个很好的贡献。恐怕它不适合交易，除了在某些地方作为一种辅助的快速 方式--也许。 P.P.S. 大家学习科学的方法来解决应用数学问题。 你太夸奖我了 :)引用的页面来自我未出版的书。老实说，当我推导这些公式时，我没有看到任何特别的东西。这是一个通常的三角回归：取系列的三角模型，固定频率w，得到与其剩余参数A、B和平均值有关的线性模型。然后像其他人一样：我们假设高斯噪声，那么最大似然法就会简化为最小二乘法。但还是要感谢你的好意。 顺便说一下，更大的问题是找到那个非常的频率W。在指标中，我使用了奎因和费尔南德斯的方法，这在我的书中后面有描述。很容易表明，基于三角函数x_n = A*cos(w*n+phase)+epsilon_n的时间序列模型x_n可以简化为 后来我使用了一种更准确但更耗时的方法来寻找频率，基于寻找频谱中的最大值。但这两种方法给我的结果大致相同，这让我对奎因和费尔南德斯的算法的力量更有信心。 [删除] 2012.01.09 14:59 #242 gpwr: 你太夸奖我了 :) 后来我用更准确但更耗时的方法来寻找频率，基于寻找光谱中的最大值。但这两种方法给我的结果大致相同，这让我对奎恩和费尔南德斯的算法的力量更有信心。 我不是在奉承什么。你，同事，可能对你的方法的适用性没有一个非常广泛的概念。对于某些DSP应用来说，在不损失精度 的情况下将Fit速度提高100倍（这本身就相当于将精度提高2倍）是一个生死攸关的问题--从字面上讲。例如，在飞机雷达、防空、反导弹案例以及其他应用中。现在是给 "正确的人 "打电话的时候了，奇怪的是，你还没有被 "从那里 "打电话，这个方法直到现在几乎都是未知的。(这样的 "小事"，如在移动电话和调制解调器中的适用性，我们不在这里讨论）。 然后，正如我已经说过的，MNC中这种 "还原 "方法的成功在数值方法中是罕见的。所以不要谦虚。 Vladimir 2012.01.09 15:04 #243 AlexEro: 我一点都不奉承。你，同事，可能对你的方法的适用性没有一个非常广泛的概念。对于某些DSP应用来说，在不损失精度的情况下将Fit速度提高100倍（这本身就相当于将精度提高2倍）是一个生死攸关的问题--从字面上讲。例如，在飞机雷达、防空、反导弹案例以及其他应用中。现在是给 "正确的人 "打电话的时候了，奇怪的是，你还没有被 "从那里 "打电话，这个方法直到现在几乎都不知道。(这样的 "小事"，如在移动电话和调制解调器中的适用性，我们不在这里讨论）。 然后，正如我已经说过的，MNC中这种 "还原 "方法的成功在数值方法中是罕见的。所以不要谦虚。 嗯...我将写一篇文章，看看评论家们怎么说。 СанСаныч Фоменко 2012.01.09 16:35 #244 gpwr: 与普通三角回归相同：取一个系列的三角模型，固定频率w，得到一个关于其剩余参数A、B和平均值的线性模型 我想在EViews中尝试三角回归。 你能否写下或告诉我如何写这个回归，以便在EViews中估计参数。那里有很多估计方法，这也可以改变。 我一定会公布结果的 Vladimir 2012.01.09 16:41 #245 faa1947: 与普通三角回归相同：取一个系列的三角模型，固定频率w，得到一个关于其剩余参数A、B和平均值的线性模型 我想在EViews中尝试三角回归。 你能否写下或告诉我如何写这个回归，以便在EViews中估计参数。有很多估计方法，这也可以改变。 对不起，我对EViews不熟悉。如果你需要这个方法的代码，请看这里。 https://www.mql5.com/ru/code/8732 顺便说一下，ARMA计量经济学方法可简化为三角数列回归，其衰减指数如exp(zeta*n)*cos(w*n+phase)。阅读Prony的方法的输出，你就会明白一切。如果你找不到，我就把我书中的一段话贴出来，解释这一切。 СанСаныч Фоменко 2012.01.09 16:59 #246 gpwr: 对不起，我对EViews不熟悉。如果你需要这个方法的代码，请看这里。 https://www.mql5.com/ru/code/8732 顺便说一下，计量经济学的ARMA方法被简化为指数衰减的三角数列的回归，如exp(zeta*n)*cos(w*n+phase)。阅读Prony的方法的输出，你就会明白一切。如果你找不到，我就把我书中的一段话贴出来，解释这一切。 有关的页面已经丢失。 你对EViews的了解不是必须的--我会尽量做到这一点，但没有你的帮助我做不到。 对于滞后值，EViews中的方程式是这样的。 EURUSD = c(1) + c(2)*EURUSD(-1) + c(3) * EURUSD(-2) 等等。 用正弦波。 EURUSD = c(1) + c(2)*sin(c(3)* ........) ...... 类似于这样的内容。这种公式是很随意的。C(i)是要用不同方法评估的系数。 Vladimir 2012.01.09 18:24 #247 faa1947: 有关的页面不存在。 代码在这里。 https://www.mql5.com/ru/code/8732 那里的赔率是如何显示的很清楚。我的代码不收钱，而EViews的创造者却要每份超过1000美元。所以我不打算帮助他们，把我的代码翻译成EViews格式。 СанСаныч Фоменко 2012.01.10 05:24 #248 gpwr: 代码在这里。 https://www.mql5.com/ru/code/8732 那里的赔率显示方式很清楚。我的代码不收钱，而EViews的创造者每份要1000美元以上。所以我不打算帮助他们，把我的代码翻译成EViews格式。 EViews是一种工具。你电脑上的所有程序都是免费的，包括vin? 你不想做，就不要做。 Сергей 2012.01.10 06:52 #249 gpwr: ... 这是一个常规的三角回归。 ... 这是正确的，这是一个普通的三角回归。不是很确定这两个正弦和余弦是否会彻底改变DSP，但可以尝试在一篇文章中打勾。 你如何充分识别模型，这一点不是很清楚。我的意思不是要坚定地把模型 "套入 "一个系列，用MNC你可以把任何模型套入任何系列（对准确性有一些假设）。我问的是这样的理解：找到的 "最佳 "参数将在未来很长一段时间内保持不变，长到有时间来工作。有一个强烈的怀疑，那就是参数的行为是随机的。 除其他外，该模型有一个明显的缺点--你需要提前很长时间预测，以便从中获利。它不是很准确，此外，它根本没有描述市场，通过对模型的误差分析会发现--第一个滞后期会有强烈的相关性。 PS：虽然，对这件事的发展有一些想法，如果你有兴趣--我可以私下里写。 СанСаныч Фоменко 2012.01.10 07:05 #250 Farnsworth: 这是正确的，它是一个普通的tr-regression。我不太确定这两个正弦和余弦会彻底改变DSP，但试着在一篇文章上打勾。 你如何充分识别模型，这一点不是很清楚。我并不是说要坚定地把模型 "归入 "一个系列，你可以用MNC把任何模型归入任何系列（对精度有一些假设）。我问的是这样的理解：找到的 "最佳 "参数将在未来很长一段时间内保持不变，长到有时间来工作。有一个强烈的怀疑，那就是参数的行为是随机的。 除其他外，该模型有一个明显的缺点--你需要提前很长时间预测，以便从中获利。它不是很准确，此外，它根本没有描述市场，通过对模型的误差分析会发现--第一个滞后期会有强烈的相关性。 PS：虽然，关于这个事情的发展有几个想法，如果你感兴趣的话--我可以私下里写。 在我拙劣的启蒙观点中，所概述的方法对市场没有什么用处。这对提高信噪比都有好处。如上文所写，用于导弹指导。市场上没有信号，最重要的是BP特性，包括频率、相位，一直在浮动。如果我们不从一开始就承认非平稳性，你在原则上就得不到任何好处。通过承认非平稳性，我们至少可以指出方法的适用范围。 由于某些原因，最大熵方法（如Burg）被掩盖了。你可以清楚地看到，当窗口大小改变或窗口移位时，AFR是如何波动的。你可以立即看到有几个共振频率的驼峰作用于被分析的样品。而且马上就可以看出，你不能只用这些美丽的东西来预测下一个小节，并凭着神圣的信念预测下一个小节到来时AFR不会改变。而这是一个非常好的例子，所实施的想法最初并没有考虑到非平稳性。 1...181920212223242526272829303132...67 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
谢谢你。请澄清一下，上面这一页是你（未出版的）书中的一页还是其他？
(如果是你的，今天2012年1月9日，你在论坛上公布了你的世界科学优先权，你就获得了世界科学优先权）。
让我向其他人解释一下我的意思：在许多噪音信号的情况下，通常的近似和插值方法都不起作用。通常在这种情况下，会使用最小二乘法（通过解决重新定义的线性方程组）。虽然他们的结果更可靠，但由于线性系统的求解，所有这些方法都比通常的简单方法慢了几百倍。
在一些极少数的特定近似或特定信号的情况下，个别科学家通过纯粹的分析性数学技巧，成功地将线性方程组（二维）简化为更简单的方法（一维，求和或矢量卷积）。这使噪声信号的近似速度加快了几百倍。
其中一个方法是作者GPWR（Vladimir）在MQL4.com上发布的（有史以来第一次）。
如上文所述，来自日本的Holoborodko用同样的方法来计算一个噪声信号的导数。他设法将导数公式减少（简化和加速）到简单得令人发指的类型，而没有解决线性方程组。
在数字信号处理中，同样的方法被用于相当罕见的savitzky-golay滤波器。
https://en.wikipedia.org/wiki/Savitzky%E2%80%93Golay_smoothing_filter
P.S. GPWR的补遗。通过 "俄罗斯 "风格的适当英语，我看到，这是你的书。它很好，就是很好。顺便说一下，这篇文章写得非常清晰。你没有发表太可惜了。这对DSP来说是一个很好的贡献。恐怕它不适合交易，除了在某些地方作为一种辅助的快速 方式--也许。
P.P.S. 大家学习科学的方法来解决应用数学问题。你太夸奖我了 :)引用的页面来自我未出版的书。老实说，当我推导这些公式时，我没有看到任何特别的东西。这是一个通常的三角回归：取系列的三角模型，固定频率w，得到与其剩余参数A、B和平均值有关的线性模型。然后像其他人一样：我们假设高斯噪声，那么最大似然法就会简化为最小二乘法。但还是要感谢你的好意。
顺便说一下，更大的问题是找到那个非常的频率W。在指标中，我使用了奎因和费尔南德斯的方法，这在我的书中后面有描述。很容易表明，基于三角函数x_n = A*cos(w*n+phase)+epsilon_n的时间序列模型x_n可以简化为
后来我使用了一种更准确但更耗时的方法来寻找频率，基于寻找频谱中的最大值。但这两种方法给我的结果大致相同，这让我对奎因和费尔南德斯的算法的力量更有信心。
你太夸奖我了 :)
后来我用更准确但更耗时的方法来寻找频率，基于寻找光谱中的最大值。但这两种方法给我的结果大致相同，这让我对奎恩和费尔南德斯的算法的力量更有信心。
我不是在奉承什么。你，同事，可能对你的方法的适用性没有一个非常广泛的概念。对于某些DSP应用来说，在不损失精度 的情况下将Fit速度提高100倍（这本身就相当于将精度提高2倍）是一个生死攸关的问题--从字面上讲。例如，在飞机雷达、防空、反导弹案例以及其他应用中。现在是给 "正确的人 "打电话的时候了，奇怪的是，你还没有被 "从那里 "打电话，这个方法直到现在几乎都是未知的。(这样的 "小事"，如在移动电话和调制解调器中的适用性，我们不在这里讨论）。
然后，正如我已经说过的，MNC中这种 "还原 "方法的成功在数值方法中是罕见的。所以不要谦虚。
我一点都不奉承。你，同事，可能对你的方法的适用性没有一个非常广泛的概念。对于某些DSP应用来说，在不损失精度的情况下将Fit速度提高100倍（这本身就相当于将精度提高2倍）是一个生死攸关的问题--从字面上讲。例如，在飞机雷达、防空、反导弹案例以及其他应用中。现在是给 "正确的人 "打电话的时候了，奇怪的是，你还没有被 "从那里 "打电话，这个方法直到现在几乎都不知道。(这样的 "小事"，如在移动电话和调制解调器中的适用性，我们不在这里讨论）。
然后，正如我已经说过的，MNC中这种 "还原 "方法的成功在数值方法中是罕见的。所以不要谦虚。
嗯...我将写一篇文章，看看评论家们怎么说。
与普通三角回归相同：取一个系列的三角模型，固定频率w，得到一个关于其剩余参数A、B和平均值的线性模型
我想在EViews中尝试三角回归。
你能否写下或告诉我如何写这个回归，以便在EViews中估计参数。那里有很多估计方法，这也可以改变。
我一定会公布结果的
与普通三角回归相同：取一个系列的三角模型，固定频率w，得到一个关于其剩余参数A、B和平均值的线性模型
我想在EViews中尝试三角回归。
你能否写下或告诉我如何写这个回归，以便在EViews中估计参数。有很多估计方法，这也可以改变。
对不起，我对EViews不熟悉。如果你需要这个方法的代码，请看这里。
https://www.mql5.com/ru/code/8732
顺便说一下，ARMA计量经济学方法可简化为三角数列回归，其衰减指数如exp(zeta*n)*cos(w*n+phase)。阅读Prony的方法的输出，你就会明白一切。如果你找不到，我就把我书中的一段话贴出来，解释这一切。
对不起，我对EViews不熟悉。如果你需要这个方法的代码，请看这里。
https://www.mql5.com/ru/code/8732
顺便说一下，计量经济学的ARMA方法被简化为指数衰减的三角数列的回归，如exp(zeta*n)*cos(w*n+phase)。阅读Prony的方法的输出，你就会明白一切。如果你找不到，我就把我书中的一段话贴出来，解释这一切。
有关的页面已经丢失。
你对EViews的了解不是必须的--我会尽量做到这一点，但没有你的帮助我做不到。
对于滞后值，EViews中的方程式是这样的。
EURUSD = c(1) + c(2)*EURUSD(-1) + c(3) * EURUSD(-2) 等等。
用正弦波。
EURUSD = c(1) + c(2)*sin(c(3)* ........) ......
类似于这样的内容。这种公式是很随意的。C(i)是要用不同方法评估的系数。
有关的页面不存在。
代码在这里。
https://www.mql5.com/ru/code/8732
那里的赔率是如何显示的很清楚。我的代码不收钱，而EViews的创造者却要每份超过1000美元。所以我不打算帮助他们，把我的代码翻译成EViews格式。
代码在这里。
https://www.mql5.com/ru/code/8732
那里的赔率显示方式很清楚。我的代码不收钱，而EViews的创造者每份要1000美元以上。所以我不打算帮助他们，把我的代码翻译成EViews格式。
EViews是一种工具。你电脑上的所有程序都是免费的，包括vin?
你不想做，就不要做。
...
这是一个常规的三角回归。
...
这是正确的，这是一个普通的三角回归。不是很确定这两个正弦和余弦是否会彻底改变DSP，但可以尝试在一篇文章中打勾。
你如何充分识别模型，这一点不是很清楚。我的意思不是要坚定地把模型 "套入 "一个系列，用MNC你可以把任何模型套入任何系列（对准确性有一些假设）。我问的是这样的理解：找到的 "最佳 "参数将在未来很长一段时间内保持不变，长到有时间来工作。有一个强烈的怀疑，那就是参数的行为是随机的。
除其他外，该模型有一个明显的缺点--你需要提前很长时间预测，以便从中获利。它不是很准确，此外，它根本没有描述市场，通过对模型的误差分析会发现--第一个滞后期会有强烈的相关性。
PS：虽然，对这件事的发展有一些想法，如果你有兴趣--我可以私下里写。
这是正确的，它是一个普通的tr-regression。我不太确定这两个正弦和余弦会彻底改变DSP，但试着在一篇文章上打勾。
你如何充分识别模型，这一点不是很清楚。我并不是说要坚定地把模型 "归入 "一个系列，你可以用MNC把任何模型归入任何系列（对精度有一些假设）。我问的是这样的理解：找到的 "最佳 "参数将在未来很长一段时间内保持不变，长到有时间来工作。有一个强烈的怀疑，那就是参数的行为是随机的。
除其他外，该模型有一个明显的缺点--你需要提前很长时间预测，以便从中获利。它不是很准确，此外，它根本没有描述市场，通过对模型的误差分析会发现--第一个滞后期会有强烈的相关性。
PS：虽然，关于这个事情的发展有几个想法，如果你感兴趣的话--我可以私下里写。
在我拙劣的启蒙观点中，所概述的方法对市场没有什么用处。这对提高信噪比都有好处。如上文所写，用于导弹指导。市场上没有信号，最重要的是BP特性，包括频率、相位，一直在浮动。如果我们不从一开始就承认非平稳性，你在原则上就得不到任何好处。通过承认非平稳性，我们至少可以指出方法的适用范围。
由于某些原因，最大熵方法（如Burg）被掩盖了。你可以清楚地看到，当窗口大小改变或窗口移位时，AFR是如何波动的。你可以立即看到有几个共振频率的驼峰作用于被分析的样品。而且马上就可以看出，你不能只用这些美丽的东西来预测下一个小节，并凭着神圣的信念预测下一个小节到来时AFR不会改变。而这是一个非常好的例子，所实施的想法最初并没有考虑到非平稳性。