1. und 2. Ableitung des MACD - Seite 25
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
Ich danke Ihnen. Nur um das klarzustellen, bitte, ist das oben eine Seite aus Ihrem (unveröffentlichten) Buch oder eine andere?
(Wenn es deines ist, dann hast du dir heute, am 09-JAN-2012, DEINE WELTWISSENSCHAFTLICHE PRIORITÄT gesichert, indem du es im Forum veröffentlicht hast).
Lassen Sie mich anderen erklären, wovon ich spreche: In vielen Fällen von verrauschten Signalen funktionieren die üblichen Methoden der Annäherung und Interpolation nicht. In der Regel wird in solchen Fällen die Methode der kleinsten Quadrate verwendet (durch Lösung eines neu definierten Systems linearer Gleichungen). Obwohl ihre Ergebnisse viel zuverlässiger sind, sind alle diese Methoden aufgrund der Lösung des linearen Systems HUNDERTE langsamer als die üblichen einfachen Methoden.
In einigen, sehr wenigen Fällen einer bestimmten Annäherung oder eines bestimmten Signals ist es einzelnen Wissenschaftlern durch rein analytische mathematische Tricks gelungen, das lineare Gleichungssystem (zweidimensional) auf einfachere Methoden (eindimensional, Summation oder Vektor-Faltung) zu reduzieren. Dies beschleunigt die Annäherung an das verrauschte Signal um HUNDERTE Male.
Eine dieser Methoden ist die hier (zum ersten Mal überhaupt) auf MQL4.com vom Autor GPWR (Vladimir) veröffentlichte Methode.
Holoborodko aus Japan hat den gleichen Ansatz verwendet, um die Ableitung eines verrauschten Signals zu berechnen. Ihm gelang es, Ableitungsformeln auf lächerlich einfache Arten zu reduzieren (zu vereinfachen und zu beschleunigen), ohne ein System von linearen Gleichungen zu lösen.
In der digitalen Signalverarbeitung wird derselbe Ansatz in den recht seltenen Savitzky-Golay-Filtern verwendet.
https://en.wikipedia.org/wiki/Savitzky%E2%80%93Golay_smoothing_filter
P.S. Nachtrag für GPWR. Am "russischen" Stil des korrekten Englisch sehe ich, dass es Ihr Buch ist. Es ist hervorragend, einfach hervorragend. Im Übrigen war er sehr klar und deutlich geschrieben. Schade, dass Sie es nicht veröffentlicht haben. Das ist ein guter Beitrag für DSP. Ich fürchte, es ist NICHT für den Handel geeignet, außer vielleicht an einigen Orten als schnelles Hilfsmittel - vielleicht.
P.P.S. Jeder lernt einen wissenschaftlichen Ansatz zur Lösung angewandter mathematischer Probleme.Du schmeichelst mir :) Die zitierten Seiten stammen aus meinem unveröffentlichten Buch. Ehrlich gesagt, als ich diese Formeln abgeleitet habe, habe ich nichts Besonderes gesehen. Es handelt sich um eine gewöhnliche trigonometrische Regression: Man nimmt das trigonometrische Modell der Reihe, legt die Frequenz w fest und erhält ein lineares Modell in Bezug auf die übrigen Parameter A, B und den Mittelwert. Und dann wie alle anderen: Wir nehmen Gaußsches Rauschen an, dann reduziert sich die Maximum-Likelihood-Methode auf die Methode der kleinsten Quadrate. Aber trotzdem vielen Dank für die freundlichen Worte.
Das größere Problem ist übrigens, genau diese Frequenz w zu finden. Für den Indikator habe ich die Methode von Quinn und Fernandez verwendet, die später in meinem Buch beschrieben wird. Es lässt sich leicht zeigen, dass das Zeitreihenmodell x_n, das auf der trigonometrischen Funktion x_n = A*cos(w*n+phase)+epsilon_n beruht, sich auf
Später verwendete ich eine genauere, aber zeitaufwändigere Methode zur Ermittlung der Frequenz, die auf der Suche nach dem Maximum im Spektrum beruht. Aber beide Methoden lieferten in etwa die gleichen Ergebnisse, was mein Vertrauen in die Leistungsfähigkeit des Algorithmus von Quinn und Fernandez gestärkt hat.
Du schmeichelst mir :)
Später habe ich eine genauere, aber zeitaufwändigere Methode zur Ermittlung der Frequenz verwendet, die auf der Suche nach dem Maximum im Spektrum beruht. Aber beide Methoden lieferten in etwa die gleichen Ergebnisse, was mein Vertrauen in die Leistungsfähigkeit des Algorithmus von Queen und Fernandez gestärkt hat.
Ich will nichts beschönigen. Sie, Herr Kollege, haben wahrscheinlich keine sehr umfassende Vorstellung von der Anwendbarkeit Ihrer Methode. Für einige DSP-Anwendungen ist eine Erhöhung der Anpassungsgeschwindigkeit um den Faktor 100 ohne Genauigkeitsverlust (was an sich einer Erhöhung der Genauigkeit um den Faktor 2 entspricht) eine Frage von Leben und Tod - im wahrsten Sinne des Wortes. Zum Beispiel in Flugzeugradaren, in der Luftverteidigung, bei der Raketenabwehr und in anderen Anwendungen. Es ist durchaus an der Zeit, "die richtigen Leute" anzurufen. Es ist seltsam, dass Sie noch nicht "von dort" angerufen wurden, die Methode war bisher praktisch unbekannt. (Auf solche "Kleinigkeiten" wie die Anwendbarkeit in Mobiltelefonen und Modems gehen wir hier nicht ein).
Und wie ich bereits sagte, ist der Erfolg eines solchen "reduktiven" Ansatzes bei MNC eine Seltenheit bei numerischen Methoden. Seien Sie also nicht bescheiden.
Ich bin überhaupt nicht schmeichelhaft. Sie, Herr Kollege, haben wahrscheinlich keine sehr umfassende Vorstellung von der Anwendbarkeit Ihrer Methode. Für einige DSP-Anwendungen ist eine Erhöhung der Anpassungsgeschwindigkeit um den Faktor 100 ohne Genauigkeitsverlust (was an sich einer Erhöhung der Genauigkeit um den Faktor 2 entspricht) eine Frage von Leben und Tod - buchstäblich. Zum Beispiel in Flugzeugradaren, in der Luftverteidigung, bei der Raketenabwehr und in anderen Anwendungen. Es ist durchaus an der Zeit, "die richtigen Leute" anzurufen. Es ist merkwürdig, dass Sie noch nicht "von dort" angerufen wurden, die Methode war bisher praktisch unbekannt. (Auf solche "Kleinigkeiten" wie die Anwendbarkeit in Mobiltelefonen und Modems gehen wir hier nicht ein).
Und wie ich bereits sagte, ist der Erfolg eines solchen "reduktiven" Ansatzes bei MNC eine Seltenheit bei numerischen Methoden. Seien Sie also nicht bescheiden.
Hmmm... Ich werde einen Artikel schreiben und sehen, was die Kritiker zu sagen haben.
Gleiche Vorgehensweise wie bei der gewöhnlichen trigonometrischen Regression: man nimmt ein trigonometrisches Modell einer Reihe, legt die Frequenz w fest und erhält ein lineares Modell in Bezug auf die übrigen Parameter A, B und den Mittelwert
Ich würde gerne die trigonometrische Regression in EViews ausprobieren.
Könnten Sie aufschreiben oder mir sagen, wie man diese Regression schreibt, so dass man die Parameter in EViews schätzen kann. Es gibt eine Vielzahl von Schätzungsmethoden, die auch geändert werden können.
Ich werde das Ergebnis auf jeden Fall veröffentlichen.
Gleiche Vorgehensweise wie bei der gewöhnlichen trigonometrischen Regression: man nimmt ein trigonometrisches Modell einer Reihe, legt die Frequenz w fest und erhält ein lineares Modell in Bezug auf die übrigen Parameter A, B und den Mittelwert
Ich würde gerne die trigonometrische Regression in EViews ausprobieren.
Könnten Sie aufschreiben oder mir sagen, wie man diese Regression schreibt, so dass man die Parameter in EViews schätzen kann. Es gibt eine Vielzahl von Schätzungsmethoden, auch diese können geändert werden.
Tut mir leid, aber ich bin mit EViews nicht vertraut. Wenn Sie den Code für diese Methode benötigen, finden Sie ihn hier:
https://www.mql5.com/ru/code/8732
ARMA-Ökonometrische Methoden reduzieren sich übrigens auf eine trigonometrische Serienregression mit abnehmenden Exponenten wie exp(zeta*n)*cos(w*n+phase). Lesen Sie die Ergebnisse der Methode von Prony und Sie werden alles verstehen. Wenn Sie es nicht finden können, werde ich einen Abschnitt aus meinem Buch veröffentlichen, in dem alles erklärt wird.
Tut mir leid, aber ich bin mit EViews nicht vertraut. Wenn Sie den Code dieser Methode benötigen, finden Sie ihn hier:
https://www.mql5.com/ru/code/8732
Die ARMA-Methoden der Ökonometrie sind übrigens auf die Regression trigonometrischer Reihen mit abnehmenden Exponenten wie exp(zeta*n)*cos(w*n+phase) reduziert. Lesen Sie die Ergebnisse der Methode von Prony und Sie werden alles verstehen. Wenn Sie es nicht finden können, werde ich einen Abschnitt aus meinem Buch veröffentlichen, in dem alles erklärt wird.
Die betreffende Seite ist nicht vorhanden.
Ihre Kenntnisse von EViews sind nicht erforderlich - ich werde versuchen, das zu tun, aber ich kann nicht ohne Ihre Hilfe auskommen.
Die Gleichung in EViews sieht für Lag-Werte wie folgt aus:
EURUSD = c(1) + c(2)*EURUSD(-1) + c(3) * EURUSD(-2) usw.
mit Sinus:
EURUSD = c(1) + c(2)*sin(c(3)* ........ ) ......
Etwas in dieser Art. Die Art der Formel ist recht willkürlich. C(i) sind die nach verschiedenen Methoden zu bewertenden Koeffizienten.
Die betreffende Seite existiert nicht.
Der Code ist hier zu finden:
https://www.mql5.com/ru/code/8732
Wie die Quoten dort angezeigt werden, ist klar. Ich verlange kein Geld für meine Codes, während die Entwickler von EViews >$1000 pro Kopie verlangen. Ich werde ihnen also nicht helfen und meinen Code ins EViews-Format übersetzen.
Der Code ist hier zu finden:
https://www.mql5.com/ru/code/8732
Die Art und Weise, wie die Quoten dort angezeigt werden, ist eindeutig. Ich verlange kein Geld für meine Codes, während die Entwickler von EViews >$1000 pro Kopie verlangen. Ich werde ihnen also nicht helfen und meinen Code ins EViews-Format übersetzen.
EViews ist ein Werkzeug. Alle Programme auf Ihrem Computer sind kostenlos, auch vin?
Wenn Sie es nicht tun wollen, tun Sie es nicht.
...
Es handelt sich um eine normale trigonometrische Regression:
...
Das stimmt, es ist eine normale trigonometrische Regression. Ich bin mir nicht sicher, ob diese beiden Sinus- und Kosinuswerte den DSP revolutionieren werden, aber versuchen Sie, einen Artikel anzukreuzen.
Es ist nicht ganz klar, wie Sie das Modell adäquat identifizieren wollen. Ich meine nicht, dass man das Modell fest in eine Reihe "einpassen" muss, mit MNC kann man jedes Modell in jede Reihe einpassen (mit einigen Annahmen zur Genauigkeit). Ich möchte wissen, ob die gefundenen "optimalen" Parameter für eine lange Zeit in der Zukunft gelten werden, lange genug, um zu funktionieren. Es besteht der dringende Verdacht, dass sich die Parameter zufällig verhalten werden.
Das Modell hat unter anderem einen entscheidenden Nachteil: Man muss weit im Voraus planen, um davon profitieren zu können. Es ist nicht sehr genau, außerdem beschreibt es den Markt überhaupt nicht, wie die Fehleranalyse des Modells zeigt - die ersten Lags sind stark korreliert.
PS: obwohl, es gibt ein paar Gedanken über die Entwicklung dieser Sache, wenn Sie interessiert sind - ich kann unter vier Augen schreiben.
Richtig, es handelt sich um eine normale tr-regression. Ich bin mir nicht sicher, ob diese beiden Sinus- und Kosinusfunktionen den DSP revolutionieren werden, aber versuchen Sie mal, einen Artikel abzuhaken.
Es ist nicht ganz klar, wie Sie das Modell adäquat identifizieren wollen. Ich meine nicht, dass man das Modell fest in eine Reihe "einschreiben" muss, man kann jedes Modell mit MNC in jede Reihe einschreiben (mit einigen Annahmen zur Genauigkeit). Ich möchte wissen, ob die gefundenen "optimalen" Parameter für eine lange Zeit in der Zukunft gelten werden, lange genug, um zu funktionieren. Es besteht der dringende Verdacht, dass sich die Parameter zufällig verhalten werden.
Das Modell hat unter anderem einen entscheidenden Nachteil: Man muss weit im Voraus planen, um davon zu profitieren. Es ist nicht sehr genau, außerdem beschreibt es den Markt überhaupt nicht, wie die Fehleranalyse des Modells zeigt - die ersten Lags sind stark korreliert.
PS: obwohl, es gibt ein paar Gedanken über die Entwicklung dieser Sache, wenn sie für Sie interessant sind - ich kann unter vier Augen schreiben.
Meiner unzureichend aufgeklärten Meinung nach ist der skizzierte Ansatz für den Markt von geringem Nutzen. Alles gut für die Verbesserung des Signal-Rausch-Verhältnisses. Wie oben für die Lenkflugkörper geschrieben. Es gibt kein Signal auf dem Markt, und vor allem die BP-Eigenschaften, einschließlich Frequenz und Phase, schwanken ständig. Wenn wir die Nicht-Stationarität nicht von vornherein anerkennen, bringt das im Prinzip nichts. Durch die Anerkennung der Nicht-Stationarität können wir zumindest die Grenzen der Anwendbarkeit der Methode aufzeigen.
Aus irgendeinem Grund werden die Maximum-Entropie-Methoden (wie Burg) vernachlässigt. Sie können deutlich sehen, wie die AFR schwankt, wenn sich die Fenstergröße ändert oder wenn das Fenster verschoben wird. Sie können sofort mehrere Buckel von Resonanzfrequenzen erkennen, die auf die untersuchte Probe einwirken. Und es ist sofort klar, dass man all diese Schönheit nicht einfach nutzen kann, um den nächsten Takt vorherzusagen und auf den heiligen Glauben zu vertrauen, dass sich die AFR nicht ändern wird, wenn der nächste Takt eintrifft. Und dies ist ein sehr gutes Beispiel dafür, dass die umgesetzte Idee ursprünglich die Nicht-Stationarität nicht berücksichtigt hat.