基于数字滤波器的交易策略 - 页 72 1...656667686970717273747576777879...138 新评论 linsher 2009.08.24 00:44 #711 这是很好的帮助 感谢你通过发帖提供的善意帮助。这对我来说是一个很大的帮助。 祝福你们所有人 SIMBA 2009.08.24 13:41 #712 很好 Boyens: 我下载了伟大的Simba发布的#MFT_STLM2_v2指标，但在我的平台上并不适用。这个版本过期了还是什么？ 我想找一个STLM MTF来定义趋势。 提前感谢朋友们。 麻烦你了。 Boyens, 在这里找到它们，你需要在你的指标文件夹中编译这两个指标，以便MTF工作，然后，你可以只附加MTF并使用它，我建议你使用h4和/或d1来定义低tf图表上的趋势。 谢谢 S 附加的文件： mft_stlm2_v2.mq4 2 kb stlm2.mq4 11 kb MadCow 2009.09.09 21:21 #713 计算FATL SATL等的替代品。 不知何故，我对外汇市场的这种多周期模型有疑虑。我并不是要挑战基于该模型的指标的效用，但我想知道这种共振结构的来源会是什么？通常情况下，共振需要对一个刺激物作出延迟反应。共振结构的共振周期等同于延迟。在这个信息时代，什么东西可以延迟200个小时？(如果共振发生在M1 TF的较小周期内，也许会更容易解释）。刺激物可以是什么？新闻？、恐惧和贪婪的交易者作为一个群体行动？一个有趣的社会学问题，但在这里没有用。 第二个反对意见是辛巴指出的事实，即在不同的TF测量时，共振的周期并不一致。如果真的有一个共振结构，例如48个1H周期，那么它应该显示为12个4H周期的共振，或192个15M周期的共振。这似乎并没有发生。为什么？使用周期性假设进行交易难道不会让你紧张吗？ 不管答案是什么，如果这些指标是有用的，那么就有其他方法来计算它们。一旦我们确信有2或3个周期占主导地位，而且它们的频率（周期）和振幅变化缓慢等，我们就不需要依赖连续频谱分析和自适应数字滤波器。我们可以使用FFT、MESA、Goertzel或其他什么来说服自己......。我还没有被说服，尽管3D图片很有说服力。然后，我们可以使用尝试过的真正的方法，从彼此和噪声中提取周期性信号。 这个信号提取问题在设计通信系统时相当常见。只要想想你的无线电接收器（或者手机，如果你非要这么做的话）是如何从背景噪声和附近的其他信号中提取它的信号的。这些信号不是静止的，噪声也不是静止的，尽管它通常是以这种方式建模的。它们是相当复杂的，有不同的相位、频率和振幅。然而，在低信噪比的环境中，只要它们不互相干扰，就可以可靠地提取它们。 使用三个固定的带通滤波器如何，带通窄到足以分离3个信号，但宽到足以通过预期的频率变化。每个滤波器后面都有一个锁相环来提取变化的频率，还有一个相干解调器来提取振幅。不需要频谱分析。(除了选择三个波段。)不需要相对重要性，也不需要即时设计和修改滤波器。(提取的信号将是相位连续的）。 所有这些元素要么是滤波器、乘法器，要么是具有数字控制频率的振荡器（VCO）。唯一有重要频率响应的滤波器是环路滤波器，有很多这样的设计。如果有人感兴趣，我有很多参考资料。如果我能够让我的记忆力合作，使我不忘记我正在试图编程的东西，如果我能够恢复一些C语言编码的模样，我可能会自己尝试。 疯牛 fle 2009.09.15 05:34 #714 数据预处理 Richcap，谢谢你分享你的代码。 你知道这个为AmiBroker编写的MESA的其他版本吗？ AmiBroker - AFL库 它实现了各种预处理（过滤、去趋势），这些预处理没有包括在您的代码中，但您可以从中受益，因为它应该可以在真实数据上获得更好的结果。 希望它能帮助你。 SIMBA 2009.09.15 21:41 #715 共振 MadCow: 不知何故，我对外汇市场的这种多重循环模式有疑问。我无意挑战基于该模型的指标的效用，但我想知道这种共振结构的来源会是什么？通常情况下，共振需要对一个刺激物作出延迟反应。共振结构的共振周期等同于延迟。在这个信息时代，什么东西可以延迟200个小时？(如果共振发生在M1 TF的较小周期内，也许会更容易解释）。刺激物可以是什么？新闻？、恐惧和贪婪的交易者作为一个群体行动？一个有趣的社会学问题，但在这里没有用。第二个反对意见是辛巴指出的事实，即在不同的TF测量时，共振的周期并不一致。如果在48个1H周期真的有一个共振结构，那么它应该在12个4H周期，或192个15M周期显示为共振。这似乎并没有发生。 为什么？使用周期性假设进行交易难道不会让你紧张吗？ 不管答案是什么，如果这些指标是有用的，那么就有其他方法来计算它们。一旦我们确信有2或3个周期占主导地位，而且它们的频率（周期）和振幅变化缓慢等，我们就不需要依赖连续频谱分析和自适应数字滤波器。我们可以使用FFT、MESA、Goertzel或其他什么来说服自己......。我还没有被说服，尽管3D图片很有说服力。然后，我们可以使用尝试过的真正的方法，从彼此和噪声中提取周期性信号。 这个信号提取问题在设计通信系统时相当常见。只要想想你的无线电接收器（或者手机，如果你非要这么做的话）是如何从背景噪声和附近的其他信号中提取它的信号的。这些信号不是静止的，噪声也不是静止的，尽管它通常是以这种方式建模的。它们是相当复杂的，有不同的相位、频率和振幅。然而，在低信噪比的环境中，只要它们不互相干扰，就可以可靠地提取它们。 使用三个固定的带通滤波器如何，带通窄到足以分离3个信号，但宽到足以通过预期的频率变化。每个滤波器后面都有一个锁相环来提取变化的频率，还有一个相干解调器来提取振幅。不需要频谱分析。(除了选择三个波段。)不需要相对重要性，也不需要即时设计和修改滤波器。(提取的信号将是相位连续的）。 所有这些元素要么是滤波器、乘法器，要么是具有数字控制频率的振荡器（VCO）。唯一有重要频率响应的滤波器是环路滤波器，有很多这样的设计。如果有人感兴趣，我有很多参考资料。如果我能够让我的记忆力合作，使我不忘记我正在试图编程的东西，如果我能够恢复一些C语言编码的模样，我可能会自己尝试。 疯牛 嗨，麦考。 金融市场上200小时的延迟反应将导致那些声称有这种行为的参与者的灭绝，因此，这种行为将消失....，正如你正确地暗示的那样。 IMHO，周期可能有不同的原因，如果你阅读周期研究基金会的材料，你可能会看到，在注意到的可能原因中，他们引用了恒星、行星、太阳耀斑活动、地磁风暴等等，如此多的原因，最好只是私下研究可能性，同时在回报与风险的基础上，交易效果是可以量化的。 基本上，IMO，周期就像一个预设的行动反应链，通常需要类似的时间来完成，从一周到一周，从一天到一天，从一小时到一小时（想想捕食者和猎物模型）。要花多少时间让之前的多头被止损或放弃他们的头寸（这里有一个波动的成分）？ 在概念性交易方面，如果在法兰克福开盘后2或3小时，伦敦会议继续进行，我看到价格在周线S1处停滞不前，此前的下行走势快速而猛烈地跌破了先前的支撑（又称运行止损）...同时，我的H4周期也发出了转向的信号，我就做多。 货币对 在H4可能有一个近乎最佳的波动率压缩（所有的TSF都从tick数据中压缩波动率），而较低的时间段可能太嘈杂，我们的过滤器无法检测到周期....，或者也许，很可能 ，我们的过滤器还不够好。 请自由地继续你的想法，它可能为这个迷人的问题提供另一种观点......我相信这里的大多数人都会努力帮助你。 我相信这里的大多数人都会尽力帮助你。 S juanchoc 2009.10.01 03:17 #716 有趣的帖子。 有谁知道Noxa是如何修改SSA算法以使其成为因果关系的？ 在过去的两个月里，我一直在研究这个问题，但没有太多的时间来总结。 我在这个主题的一些帖子中读到，诺克萨斯CSSA使用神经网络？有人能证实这一点吗？ 顺便说一下，只是一个多层前馈神经网络，或者可能是一个自动编码器神经网络？ biddick 2009.10.01 17:39 #717 ''休闲''部分来自于回声状态网络：回声状态网络 - 学术百科 但SSA算法仍然只是曲线拟合而已。 MadCow 2009.10.03 03:33 #718 SIMBA: 嗨，Madcow。... 请自由地继续你的想法，它可能为这个迷人的问题提供另一种观点......我相信这里的大多数人都会努力帮助你。 谢谢 S 谢谢辛巴的解释和鼓励，但在我继续之前，我想确定周期不是价格处理方式的虚构。我想问的是，循环成分是否有可能是混叠的结果。 让我告诉你我的意思。这里是GBPUSD M1和R_MESA的两个光谱图。第一个图是未经处理的GU M1的光谱。第二张是通过抗混叠滤波器后的GU M1的频谱，该滤波器的设计使信号可以在不违反Nyquists采样定律的情况下以1小时的间隔进行采样。如果M1信号只是简单地以1小时的间隔采样，而不先进行低通滤波（这正是H1近点的情况），那么子采样过程就会引入混叠的伪影。因为M1接近点在120分钟周期以下有很大的能量，60分钟的采样将把大量的能量异化到H1的样本中。所有显示在120分钟左边的峰都会作为峰出现在H1光谱中。峰值的位置可以计算出来，但这个过程很混乱，所以我没有做。另外，MESA可能不会像FFT那样采集到所有的混杂能量。 现在让我们看看没有应用抗混叠滤波器的GU H1的光谱。 所有这些峰值是怎么来的？如果我是教会的女士，我可能会认为这是撒旦......但事实上我认为这是混叠。也许我应该对过滤后的M1价格进行子取样，看看它的频谱。但这是后话了。 顺便说一下，感谢RC提供的优秀软件工具。 谢谢...MadCow... P.S. 想想我们可以在H4的频谱上有多少别名。 附加的文件： gum1_spectrum.jpg 29 kb guh1_spectrum.jpg 107 kb SIMBA 2009.10.03 09:37 #719 H4,非线性和分形 缩放法 MadCow: 谢谢辛巴的解释和鼓励，但在我继续之前，我想确定周期不是价格处理方式的虚构。我想问的是，循环成分是否有可能是别名的结果。 让我告诉你我的意思。这里是GBPUSD M1和R_MESA的两个光谱图。第一个图是未经处理的GU M1的光谱。第二张是通过抗混叠滤波器后的GU M1的频谱，该滤波器的设计使信号可以在不违反Nyquists采样定律的情况下以1小时的间隔进行采样。如果M1信号只是简单地以1小时的间隔采样，而不先进行低通滤波（这正是H1近点的情况），那么子采样过程就会引入混叠的伪影。因为M1接近点在120分钟周期以下有很大的能量，60分钟的采样将把大量的能量异化到H1的样本中。所有显示在120分钟左边的峰都会作为峰出现在H1光谱中。峰值的位置可以计算出来，但这个过程很混乱，所以我没有做。另外，MESA可能不会像FFT那样采集到所有的混杂能量。现在让我们看看没有应用抗混叠滤波器的GU H1的光谱。所有这些峰值是怎么来的？如果我是教会的女士，我可能会认为这是撒旦......但事实上我认为这是混叠。也许我应该对过滤后的M1价格进行子取样，看看它的频谱。但这是后话了。顺便说一下，感谢RC提供的优秀软件工具。谢谢...MadCow... P.S. 想一想，我们可以在H4频谱中增加多少别名。 Madcow, 一张图片胜过千言万语......请看附件，我在不同的时间段内进行扫描，寻找并画出多达4个周期（每个时间段）的复合周期斜率 H1......在过去的540个柱子中，寻找90到180个柱子之间的周期性上升。 M30,M15,M5......同样的等效分析......所以基本上我超量取样1、2、4和12次，结果完全一样。 如果你看到图片，你会发现扫描只发现了2个周期，不是1个也不是4个，在4个不同的时间段中完全相同的2个周期，相同的周期108和153个H1条，相同的振幅和相同的相位...这并不总是发生，混叠和重影以及谐波和次谐波的频谱共振通常会出现在图片中，使现实变得模糊不清，但是当你看到这种完美的匹配时，你知道你可以在4个时间段中的任何一个时间段交易这种周期模型...甚至在h4如果你想这样做....，通过使用超采样，你可以在每个柱子上采样几次（例如在h4使用m15采样）...但是你真的不需要这样。 周期是完全一样的......这些是幽灵的可能性有多大？ Richcap可能不同意我的观点，但是，在我看来，MESA不是正确的工具，Fourier及其所有的变化，包括Goertzel，稍微好一点...但是我们真正需要考虑的是分形循环的概念，所以，如果我们真的想 "模拟 "市场，我们必须进入非线性和分形缩放的领域。 我不会试图说服任何人，我已经拥有我在周期领域需要的所有工具，所以，如果你不被Richcap和我的发现所说服，那么合乎逻辑的结论是忘记周期。 谢谢 S 附加的文件： campc19.gif 41 kb campc20.gif 40 kb campc21.gif 36 kb campc22.gif 36 kb MadCow 2009.10.04 02:28 #720 辛巴。 这些是非常有说服力的结果。我不知道我在看什么，但所有TF的曲线都非常相似。似乎没有真正的混叠问题，但是，我不明白为什么没有。H1系列应该比M1系列有明显的噪音。显然，在任何较低的TF中都没有持续的高频周期性成分，而且几乎没有噪音。这在我看来是不可思议的，由于我在你发帖之前花了一些功夫试图了解混叠的可能性，我想发表一下我的想法。 我对混叠的担心可能并不清楚，所以让我更好地说明混叠的影响。为了便于说明，让我们假设M1价格序列的频谱由两个嵌入噪声的周期性成分组成。噪声有一个三角形的频谱，其中一个成分处于低频（长周期，显示为蓝色），另一个处于高频（短周期，显示为红色）。由于我们处理的是M1价格序列，频谱必须在采样率/2（fs/2）（周期=2分钟）结束。(如果交易中存在更高的频率成分，它们将被异化为低于fs/2的频谱）。此外，假设这两个分量都有相当好的信噪比。这都显示在下面第一个图的上半部分。图的下半部分显示了以5分钟为间隔（M5）对这个价格系列进行子采样的效果。通过注意到采样信号的频谱可以通过将原始信号的频谱与一系列采样频率的脉冲进行卷积而得到图形化的计算。(由于M5周期是M1周期的5倍，采样频率是1分钟采样频率的1/5，如图所示。)这涉及到在每个脉冲中叠加初始频谱的简单步骤。很明显，这对原始频谱来说是个大麻烦。请注意，高频分量在低频分量附近被异化了，但低频分量却没有受到影响。 通过对M1系列进行子采样得到的M5价格系列的有效频谱显示在下图中。在左边，我试图显示由于混叠而产生的噪声是如何积累起来的。在右边，我展示了M5信号的最终频谱。高频分量已经在低频分量附近被别离下来，噪声已经积累起来，所以现在的信噪比相当糟糕。 现在假设原始频谱中有几个高频周期性成分，假设我们每小时对其进行一次采样，或者每4小时一次。由此产生的混乱应该到处都有周期性成分，信噪比应该很糟糕。 由于最终的（比如说H1）信号中的任何周期性成分一定存在于原始的M1信号中，但有更好的信噪比，在我看来，应该用M1信号来提取周期性成分。当然，这样做的问题是，那些处于例如20小时周期的成分将很难从M1数据中提取出来，因为M1周期需要60倍于M1的样本数。另一方面，可能有许多成分在M1系列中处于高频率，并多次进入H1系列，导致比实际存在的更多的峰值。 调查这个问题的唯一简单方法是看M1信号和H1信号在同一（绝对）时期的频谱，例如200小时左右。目前可用的R_MESA工具无法做到这一点，因为M1所需的长度超过了编码算法的能力。 看来你已经看了各种TF，并确信周期性成分存在的频率足够低，不会受到子采样的影响。通过使用类似Goertzel算法的东西，（或简单地使用一组窄带滤波器，这也是等效的），显然可以忽略由混叠增加的噪声。这是个好消息。我相信，这些成分是存在的。不知道为什么。所以我将着手研究锁相跟踪滤波器。 如果你有一些资料，我想听听更多关于分形 滤波的情况。 谢谢 ...MadCow... 附加的文件： aliased_build.jpg 58 kb aliased_result.jpg 32 kb 1...656667686970717273747576777879...138 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
这是很好的帮助
感谢你通过发帖提供的善意帮助。这对我来说是一个很大的帮助。
祝福你们所有人
很好
我下载了伟大的Simba发布的#MFT_STLM2_v2指标，但在我的平台上并不适用。
这个版本过期了还是什么？
我想找一个STLM MTF来定义趋势。
提前感谢朋友们。
麻烦你了。Boyens,
在这里找到它们，你需要在你的指标文件夹中编译这两个指标，以便MTF工作，然后，你可以只附加MTF并使用它，我建议你使用h4和/或d1来定义低tf图表上的趋势。
谢谢
S
计算FATL SATL等的替代品。
不知何故，我对外汇市场的这种多周期模型有疑虑。我并不是要挑战基于该模型的指标的效用，但我想知道这种共振结构的来源会是什么？通常情况下，共振需要对一个刺激物作出延迟反应。共振结构的共振周期等同于延迟。在这个信息时代，什么东西可以延迟200个小时？(如果共振发生在M1 TF的较小周期内，也许会更容易解释）。刺激物可以是什么？新闻？、恐惧和贪婪的交易者作为一个群体行动？一个有趣的社会学问题，但在这里没有用。
第二个反对意见是辛巴指出的事实，即在不同的TF测量时，共振的周期并不一致。如果真的有一个共振结构，例如48个1H周期，那么它应该显示为12个4H周期的共振，或192个15M周期的共振。这似乎并没有发生。为什么？使用周期性假设进行交易难道不会让你紧张吗？
不管答案是什么，如果这些指标是有用的，那么就有其他方法来计算它们。一旦我们确信有2或3个周期占主导地位，而且它们的频率（周期）和振幅变化缓慢等，我们就不需要依赖连续频谱分析和自适应数字滤波器。我们可以使用FFT、MESA、Goertzel或其他什么来说服自己......。我还没有被说服，尽管3D图片很有说服力。然后，我们可以使用尝试过的真正的方法，从彼此和噪声中提取周期性信号。
这个信号提取问题在设计通信系统时相当常见。只要想想你的无线电接收器（或者手机，如果你非要这么做的话）是如何从背景噪声和附近的其他信号中提取它的信号的。这些信号不是静止的，噪声也不是静止的，尽管它通常是以这种方式建模的。它们是相当复杂的，有不同的相位、频率和振幅。然而，在低信噪比的环境中，只要它们不互相干扰，就可以可靠地提取它们。
使用三个固定的带通滤波器如何，带通窄到足以分离3个信号，但宽到足以通过预期的频率变化。每个滤波器后面都有一个锁相环来提取变化的频率，还有一个相干解调器来提取振幅。不需要频谱分析。(除了选择三个波段。)不需要相对重要性，也不需要即时设计和修改滤波器。(提取的信号将是相位连续的）。
所有这些元素要么是滤波器、乘法器，要么是具有数字控制频率的振荡器（VCO）。唯一有重要频率响应的滤波器是环路滤波器，有很多这样的设计。如果有人感兴趣，我有很多参考资料。如果我能够让我的记忆力合作，使我不忘记我正在试图编程的东西，如果我能够恢复一些C语言编码的模样，我可能会自己尝试。
疯牛
数据预处理
Richcap，谢谢你分享你的代码。
你知道这个为AmiBroker编写的MESA的其他版本吗？
AmiBroker - AFL库
它实现了各种预处理（过滤、去趋势），这些预处理没有包括在您的代码中，但您可以从中受益，因为它应该可以在真实数据上获得更好的结果。
希望它能帮助你。
共振
不知何故，我对外汇市场的这种多重循环模式有疑问。我无意挑战基于该模型的指标的效用，但我想知道这种共振结构的来源会是什么？通常情况下，共振需要对一个刺激物作出延迟反应。共振结构的共振周期等同于延迟。在这个信息时代，什么东西可以延迟200个小时？(如果共振发生在M1 TF的较小周期内，也许会更容易解释）。刺激物可以是什么？新闻？、恐惧和贪婪的交易者作为一个群体行动？一个有趣的社会学问题，但在这里没有用。
第二个反对意见是辛巴指出的事实，即在不同的TF测量时，共振的周期并不一致。如果在48个1H周期真的有一个共振结构，那么它应该在12个4H周期，或192个15M周期显示为共振。这似乎并没有发生。 为什么？使用周期性假设进行交易难道不会让你紧张吗？
不管答案是什么，如果这些指标是有用的，那么就有其他方法来计算它们。一旦我们确信有2或3个周期占主导地位，而且它们的频率（周期）和振幅变化缓慢等，我们就不需要依赖连续频谱分析和自适应数字滤波器。我们可以使用FFT、MESA、Goertzel或其他什么来说服自己......。我还没有被说服，尽管3D图片很有说服力。然后，我们可以使用尝试过的真正的方法，从彼此和噪声中提取周期性信号。
这个信号提取问题在设计通信系统时相当常见。只要想想你的无线电接收器（或者手机，如果你非要这么做的话）是如何从背景噪声和附近的其他信号中提取它的信号的。这些信号不是静止的，噪声也不是静止的，尽管它通常是以这种方式建模的。它们是相当复杂的，有不同的相位、频率和振幅。然而，在低信噪比的环境中，只要它们不互相干扰，就可以可靠地提取它们。
使用三个固定的带通滤波器如何，带通窄到足以分离3个信号，但宽到足以通过预期的频率变化。每个滤波器后面都有一个锁相环来提取变化的频率，还有一个相干解调器来提取振幅。不需要频谱分析。(除了选择三个波段。)不需要相对重要性，也不需要即时设计和修改滤波器。(提取的信号将是相位连续的）。
所有这些元素要么是滤波器、乘法器，要么是具有数字控制频率的振荡器（VCO）。唯一有重要频率响应的滤波器是环路滤波器，有很多这样的设计。如果有人感兴趣，我有很多参考资料。如果我能够让我的记忆力合作，使我不忘记我正在试图编程的东西，如果我能够恢复一些C语言编码的模样，我可能会自己尝试。
疯牛嗨，麦考。
金融市场上200小时的延迟反应将导致那些声称有这种行为的参与者的灭绝，因此，这种行为将消失....，正如你正确地暗示的那样。
IMHO，周期可能有不同的原因，如果你阅读周期研究基金会的材料，你可能会看到，在注意到的可能原因中，他们引用了恒星、行星、太阳耀斑活动、地磁风暴等等，如此多的原因，最好只是私下研究可能性，同时在回报与风险的基础上，交易效果是可以量化的。
基本上，IMO，周期就像一个预设的行动反应链，通常需要类似的时间来完成，从一周到一周，从一天到一天，从一小时到一小时（想想捕食者和猎物模型）。要花多少时间让之前的多头被止损或放弃他们的头寸（这里有一个波动的成分）？
在概念性交易方面，如果在法兰克福开盘后2或3小时，伦敦会议继续进行，我看到价格在周线S1处停滞不前，此前的下行走势快速而猛烈地跌破了先前的支撑（又称运行止损）...同时，我的H4周期也发出了转向的信号，我就做多。
货币对 在H4可能有一个近乎最佳的波动率压缩（所有的TSF都从tick数据中压缩波动率），而较低的时间段可能太嘈杂，我们的过滤器无法检测到周期....，或者也许，很可能
，我们的过滤器还不够好。
请自由地继续你的想法，它可能为这个迷人的问题提供另一种观点......我相信这里的大多数人都会努力帮助你。
我相信这里的大多数人都会尽力帮助你。
S
有趣的帖子。
有谁知道Noxa是如何修改SSA算法以使其成为因果关系的？
在过去的两个月里，我一直在研究这个问题，但没有太多的时间来总结。
我在这个主题的一些帖子中读到，诺克萨斯CSSA使用神经网络？有人能证实这一点吗？
顺便说一下，只是一个多层前馈神经网络，或者可能是一个自动编码器神经网络？
''休闲''部分来自于回声状态网络：回声状态网络 - 学术百科
但SSA算法仍然只是曲线拟合而已。
嗨，Madcow。
...
请自由地继续你的想法，它可能为这个迷人的问题提供另一种观点......我相信这里的大多数人都会努力帮助你。
谢谢
S谢谢辛巴的解释和鼓励，但在我继续之前，我想确定周期不是价格处理方式的虚构。我想问的是，循环成分是否有可能是混叠的结果。
现在让我们看看没有应用抗混叠滤波器的GU H1的光谱。
所有这些峰值是怎么来的？如果我是教会的女士，我可能会认为这是撒旦......但事实上我认为这是混叠。也许我应该对过滤后的M1价格进行子取样，看看它的频谱。但这是后话了。
顺便说一下，感谢RC提供的优秀软件工具。
谢谢...MadCow...
P.S. 想想我们可以在H4的频谱上有多少别名。
H4,非线性和分形 缩放法
谢谢辛巴的解释和鼓励，但在我继续之前，我想确定周期不是价格处理方式的虚构。我想问的是，循环成分是否有可能是别名的结果。
现在让我们看看没有应用抗混叠滤波器的GU H1的光谱。
所有这些峰值是怎么来的？如果我是教会的女士，我可能会认为这是撒旦......但事实上我认为这是混叠。也许我应该对过滤后的M1价格进行子取样，看看它的频谱。但这是后话了。
顺便说一下，感谢RC提供的优秀软件工具。
谢谢...MadCow...
P.S. 想一想，我们可以在H4频谱中增加多少别名。Madcow,
一张图片胜过千言万语......请看附件，我在不同的时间段内进行扫描，寻找并画出多达4个周期（每个时间段）的复合周期斜率
H1......在过去的540个柱子中，寻找90到180个柱子之间的周期性上升。
M30,M15,M5......同样的等效分析......所以基本上我超量取样1、2、4和12次，结果完全一样。
如果你看到图片，你会发现扫描只发现了2个周期，不是1个也不是4个，在4个不同的时间段中完全相同的2个周期，相同的周期108和153个H1条，相同的振幅和相同的相位...这并不总是发生，混叠和重影以及谐波和次谐波的频谱共振通常会出现在图片中，使现实变得模糊不清，但是当你看到这种完美的匹配时，你知道你可以在4个时间段中的任何一个时间段交易这种周期模型
...甚至在h4如果你想这样做....，通过使用超采样，你可以在每个柱子上采样几次（例如在h4使用m15采样）...但是你真的不需要这样。
周期是完全一样的......这些是幽灵的可能性有多大？
Richcap可能不同意我的观点，但是，在我看来，MESA不是正确的工具，Fourier及其所有的变化，包括Goertzel，稍微好一点...但是我们真正需要考虑的是分形循环的概念，所以，如果我们真的想 "模拟 "市场，我们必须进入非线性和分形缩放的领域。
我不会试图说服任何人，我已经拥有我在周期领域需要的所有工具，所以，如果你不被Richcap和我的发现所说服，那么合乎逻辑的结论是忘记周期。
谢谢
S
辛巴。
这些是非常有说服力的结果。我不知道我在看什么，但所有TF的曲线都非常相似。似乎没有真正的混叠问题，但是，我不明白为什么没有。H1系列应该比M1系列有明显的噪音。显然，在任何较低的TF中都没有持续的高频周期性成分，而且几乎没有噪音。这在我看来是不可思议的，由于我在你发帖之前花了一些功夫试图了解混叠的可能性，我想发表一下我的想法。
我对混叠的担心可能并不清楚，所以让我更好地说明混叠的影响。为了便于说明，让我们假设M1价格序列的频谱由两个嵌入噪声的周期性成分组成。噪声有一个三角形的频谱，其中一个成分处于低频（长周期，显示为蓝色），另一个处于高频（短周期，显示为红色）。由于我们处理的是M1价格序列，频谱必须在采样率/2（fs/2）（周期=2分钟）结束。(如果交易中存在更高的频率成分，它们将被异化为低于fs/2的频谱）。此外，假设这两个分量都有相当好的信噪比。这都显示在下面第一个图的上半部分。图的下半部分显示了以5分钟为间隔（M5）对这个价格系列进行子采样的效果。通过注意到采样信号的频谱可以通过将原始信号的频谱与一系列采样频率的脉冲进行卷积而得到图形化的计算。(由于M5周期是M1周期的5倍，采样频率是1分钟采样频率的1/5，如图所示。)这涉及到在每个脉冲中叠加初始频谱的简单步骤。很明显，这对原始频谱来说是个大麻烦。请注意，高频分量在低频分量附近被异化了，但低频分量却没有受到影响。
通过对M1系列进行子采样得到的M5价格系列的有效频谱显示在下图中。在左边，我试图显示由于混叠而产生的噪声是如何积累起来的。在右边，我展示了M5信号的最终频谱。高频分量已经在低频分量附近被别离下来，噪声已经积累起来，所以现在的信噪比相当糟糕。
现在假设原始频谱中有几个高频周期性成分，假设我们每小时对其进行一次采样，或者每4小时一次。由此产生的混乱应该到处都有周期性成分，信噪比应该很糟糕。
由于最终的（比如说H1）信号中的任何周期性成分一定存在于原始的M1信号中，但有更好的信噪比，在我看来，应该用M1信号来提取周期性成分。当然，这样做的问题是，那些处于例如20小时周期的成分将很难从M1数据中提取出来，因为M1周期需要60倍于M1的样本数。另一方面，可能有许多成分在M1系列中处于高频率，并多次进入H1系列，导致比实际存在的更多的峰值。
调查这个问题的唯一简单方法是看M1信号和H1信号在同一（绝对）时期的频谱，例如200小时左右。目前可用的R_MESA工具无法做到这一点，因为M1所需的长度超过了编码算法的能力。
看来你已经看了各种TF，并确信周期性成分存在的频率足够低，不会受到子采样的影响。通过使用类似Goertzel算法的东西，（或简单地使用一组窄带滤波器，这也是等效的），显然可以忽略由混叠增加的噪声。这是个好消息。我相信，这些成分是存在的。不知道为什么。所以我将着手研究锁相跟踪滤波器。
如果你有一些资料，我想听听更多关于分形 滤波的情况。
谢谢 ...MadCow...