Sie verpassen Handelsmöglichkeiten:
- Freie Handelsapplikationen
- Über 8.000 Signale zum Kopieren
- Wirtschaftsnachrichten für die Lage an den Finanzmärkte
Registrierung
Einloggen
Sie stimmen der Website-Richtlinie und den Nutzungsbedingungen zu.
Wenn Sie kein Benutzerkonto haben, registrieren Sie sich
Wenn wir uns der Frage rein formal nähern, dann kann das Rauschen als die Differenz zwischen den Daten und einer gewissen Glättung definiert werden.
Ganz genau. Wenn die Kurve optimal aufgebaut ist, wird das Rauschen minimal sein. Nun müssen Sie den Rauschpegel messen und feststellen, wo das Signal das Rauschen übersteigt.
Zu Beginn des Threads habe ich ein Bild einer der Kurven gepostet, die ich zur Messung des Rauschens verwendet habe. Am Abend werde ich die Geräuschspur erstellen und veröffentlichen.
Dies ist die Differenz zwischen den Eröffnungspreisen der benachbarten Bars.
Was die Leistung betrifft, so ist der Unterschied von Bar zu Bar enorm. Es macht keinen Sinn, die 5-Minuten-Taktung mit der Stunden-Taktung und noch weniger mit der Tages-Taktung zu vergleichen.
Führen Sie die gleiche Analyse mit Glättung 1 durch, da Sie das Rauschen in einer Kerze messen müssen und nicht in 51
Und so sieht der Unterschied zwischen der Glättung und den Schlusskursen aus - das sprichwörtliche Rauschen.
Man kann sogar mit bloßem Auge erkennen, dass sich der Charakter der Karte ständig verändert.
Ihre Glättung ist in Wirklichkeit ein Frequenzfilter. Und was Sie in dieser Situation als Rauschen bezeichnen, kann einfach die hochfrequente (im Verhältnis zur Glättungsperiode) Komponente des Signals sein.
Wir können versuchen, eine Sinuswelle mit einer bestimmten Periode, gleitender Phase und Amplitude als Signalmodell zu nehmen. Wenden Sie Algorithmen zur Signalfilterung an und handeln Sie nur die Signale mit einer bestimmten Periode.
Ein rationellerer Ansatz ist die retrospektive Analyse mit schrittweiser Bestimmung der Signalkomponenten. Es sieht schematisch wie folgt aus
- Zunächst wird davon ausgegangen, dass die künftige Kursbewegung von mehreren Faktoren beeinflusst wird, z. B. Wochentag, Tageszeit, Marktzustand (Aufwärts-/Abwärtstrend, Flaute), wichtige wirtschaftliche Finanznachrichten usw. Die Komplexität des Modells hängt von der Anzahl der zu berücksichtigenden Einflussfaktoren ab.
- Wir suchen nach der Abhängigkeit der Preisbewegung von jedem der Faktoren, die sich auf die Form "Preisvektor=F{Faktor(n)}" reduzieren lässt. Faktoren, deren Preisabhängigkeit wir nicht nachvollziehen können, werden als unbedeutend angesehen und nicht weiter berücksichtigt.
- Wir fassen die erhaltenen Abhängigkeiten in einem Diagramm zusammen und überlagern es mit dem realen Signal. Die erzielte Differenz ist in unserem Fall "Rauschen".
Aber auch dieses "Rauschen" ist in seinem Wesen ein Teil des Signals; allein durch das Vorhandensein bedeutender, von uns nicht berücksichtigter Einflussfaktoren können wir weder den Charakter des "Rauschens" noch irgendeine seiner Eigenschaften bestimmen, aber auch nicht vorhersagen.
Ich sehe also keinen Sinn darin, den Lärm zu messen. Aber das ist meine persönliche Meinung und mein Zugang zu diesem Thema.
Die eigentliche Frage lautet: Wie misst man Lärm? -- ist unrichtig, unlogisch, falsch.
Zunächst muss man verstehen, dass der Eingang eine Mischung aus "Signal+Rauschen" ist.
Wenn dem so wäre, würde die Frage lauten: Wie trennt man das "Signal" vom "Signal+Rauschen"? Wenn Sie dieses Problem gelöst haben, dürfte es nicht allzu schwierig sein, das "Rauschen" zu identifizieren.
Das Problem wird mit Methoden der adaptiven Steuerungstheorie gelöst.
Zum Beispiel.
Die rote Linie in der oberen Grafik ist das "Signal". Das "Rauschen" als solches ist in der Grafik nicht eingezeichnet, weil es nicht benötigt wird, aber es wird verwendet, um die Dispersion, also die Bandbreite, das Ausbreitungsrohr des Signals zu berechnen.