Filtros digitales adaptativos - página 9

 
NorthernWind:
Privado:
Había algo de ruido en los residuos, pero no era gaussiano. Ruido extraño de +-1 pip y nada más, algunos picos raros de 2-5 pips más 1 gap fue de 40 pips (estaba buscando específicamente una semana con un buen gap).

Y yo y Mathemat y alguien más vimos este ruido en las garrapatas. Además, en los ticks está claro que los puntos +-1 tienen mayor probabilidad de que se produzca el movimiento inverso que su continuación. Por desgracia, esta regularidad está dentro del spread. Y no es alto.

Y el hecho de que haya aparecido después del tratamiento es interesante.

Has analizado los rendimientos, he visto todo lo que has publicado. Releerlo varias veces. Lo hice de una manera diferente. Tomé todos los ticks de la semana, quité la tendencia y(x)=a*x+b. Busqué un proceso oscilante en los residuos. Calculé la ACF. Y usando Kalman fui quitando esta oscilación, y así sucesivamente, hasta que obtuve algo casi similar a la devolución (que es casi exactamente lo que obtuve). Buscaba todos los componentes del proceso, quería aproximar la dimensionalidad del modelo (cuántas oscilaciones significativas hay en una semana)
 
grasn:

a Piligrimm

En cuanto a los polinomios, estás muy equivocado. Pueden utilizarse eficazmente para la predicción...

Lo probé con todo lo disponible en MathCad y MathLab y no quedé satisfecho con el resultado.

P.D.: por casualidad, tu avatar no es el sonido universal "OM".


Sólo puedo repetir que si algo no te funciona, no significa que no pueda serlo en absoluto. Siga buscando, estoy seguro, por mi experiencia práctica, de que el uso de polinomios en la previsión es tan eficaz como las redes neuronales, aunque consume mucho más tiempo. Sobre el avatar, tienes razón.
 
Prival:

a grasn y rsi y a todos

Quiero explicarlo, porque usted me ha atacado repetidamente por el lema "El número manda en el mundo". Lo he traído para que le prestes atención. Estás sonriendo, pero creo que no entiendes del todo de lo que estoy hablando. Le sugiero que haga un experimento muy sencillo: suponga que el precio cambia como una onda sinusoidal. Dibuja un seno en un papel y pon dos puntos de referencia en él. Como éste.

Figura 1

Es decir, hemos tomado los puntos característicos de Close y consideramos que es una digitalización correcta, véase la figura 1. (marcas azules). Todo parece bonito y correcto, y ahora piensa, si el primer tick no ha llegado exactamente al final del minuto, sino por ejemplo 2 segundos antes del final del minuto, + el segundo tick no ha llegado al final del minuto, sino al principio. Véase el resultado en la Fig. 2 (los recuentos azules se distinguen en el eje temporal). Y resulta que la forma de onda sinusoidal ha cambiado, la frecuencia está mal, la fase está mal, y en general, todo está mal .....

Figura 2

¿Quién puede decirme qué forma de onda sinusoidal es real? ¿O también puede darme una predicción, cuál será el número en el próximo Cierre (aunque sea estrictamente una onda sinusoidal)?

Cuántas copias se rompen ya en el análisis del eje Y (precios), y se olvida el eje X (tiempo). O creen que está bien. Toman Close y siguen adelante. Y como resultado .... largas y persistentes búsquedas y conclusiones DSP no funciona.

Y vamos a escribir este acrónimo de otra manera, así que DSP. (¡¡¡DSP!!!) lo único que queda por hacer es definir qué es la señal. Si no sabemos procesar números como sumar, restar, multiplicar y dividir, ¿qué más tenemos? Bueno, quien aquí no conoce DC, estas complejas operaciones.

Quizá aún se pregunte por qué muchos métodos DSP no producen los resultados que se esperan de ellos. ¿Quizá un procesamiento adecuado del eje X mejore muchos métodos de procesamiento digital, empezando por el más sencillo MA? Y poco se sabe de la señal (el componente útil que mueve el mercado).

Y, por desgracia, el dinero gobierna el mundo, no los números.

Aunque todavía me comprometo a demostrar a cualquiera (me podéis invitar a un brandy, porque ya le debo a mucha gente :-)) que si entre ese precio "verdadero", que nadie conoce, hay alguien que puede controlar la tasa de muestreo, entonces puede hacer lo que quiera. A partir de una onda sinusoidal ordinaria de 100 MHz, puedes hacer cualquier curva que veas en la pantalla. Al menos recuerda las películas, donde las ruedas van hacia atrás y el carro hacia delante :-).

Y por eso esa hermosa frase, "un número gobierna el mundo y el nombre de este número es frecuencia de muestreo". No es tan malo. Al fin y al cabo, controlando este número, puedes controlar la curva de la pantalla, es decir, el valor (precio) del dinero. Y si el dinero gobierna el mundo, entonces al controlarlo, gobernaré el mundo.

Z.U., qué es ese dibujo animado, "aliento de castor" que realmente quiero ver :-). Y no puedes deshacerte de mí tan fácilmente, como Prival en el fango, no esperes :-).

Y a la luz de lo que he escrito arriba, para mí cualquier DC nunca será ese DIOS todopoderoso que me puede colar cualquier cifra en cualquier momento. Serán débiles :-) Es difícil tomarse un descanso del curso de lucha :-)

Cuando empecé a estudiar el mercado de divisas en el año 2000 también pensé que, basándome en mi experiencia previa en la modelización y previsión de series temporales, debería prever tanto el precio como el tiempo para obtener una imagen precisa y objetiva de los procesos. Pero después de algunos años de experimentos me di cuenta de que la previsión del tiempo en el mercado de divisas es mucho más difícil que el precio y que los recursos informáticos de los que dispongo no son suficientes para una previsión adecuada, mientras que para una negociación relativamente normal lo único que se necesita es conocer el precio. Así que viendo tus gráficas sinusoidales puedo decir que en principio no es un problema que la fase y la frecuencia hayan cambiado, la amplitud es la misma en ambas, y en base a eso se puede predecir la dirección del movimiento del precio, si no es nada más complicado y no vale la pena molestarse en ello.
 
rsi:

Prival, Mathemat, tengo miedo de volver a enfadarme, pero tengo que volver a decirlo: prácticamente no hay ruido en las comillas, es la señal de entrada. Se trata de utilizar las herramientas de la estadística matemática (el filtrado es lo mismo). ¿Estadísticas de qué? La estadística, las leyes de distribución, sus momentos de diferentes órdenes se refieren a variables aleatorias (procesos). Si se produce un tic, ¿es una señal o un ruido? Yo sostengo que es una señal, porque con estos datos se puede dar una orden de compra o de venta, y se ejecutará (en igualdad de condiciones generales). Sí, es difícil predecir cuál será el próximo valor del precio, por lo que me gusta pensar que hay un componente aleatorio y otro no aleatorio que se puede identificar y luego extrapolar-predecir. Y no es aleatorio, simplemente es desconocido. O, si se quiere, todo al azar, sin dividirlo en componentes aditivos. ¿Qué vas a separar? El mismo filtro de Kalman filtrará una componente muy definida, definida por su propio modelo en forma de función analítica suave. ¿Lo conoces? No lo sé. Estás tratando de identificar las propiedades dinámicas del mercado, y aplicar una analogía física es, me temo, también inútil: puedes encontrar velas diminutas con una amplitud mayor que una cifra, así como huecos, lo que indica que es prácticamente inercial.

Estoy completamente de acuerdo, no hay ni ruido ni componente aleatorio en las cotizaciones; hay distorsiones en las señales debido a los filtros de corriente continua y a los retrasos y pérdidas de información de las señales debido a la comunicación y al método prehistórico de formación de velas. En cuanto a las distorsiones de la CA, pueden resolverse en parte, si se construye un modelo adecuado, que las tenga en cuenta. Por desgracia, en esta situación tendremos que volver a entrenar el modelo para cada empresa de corretaje, no será universal. En cuanto a las pérdidas de informatividad, podemos utilizar los ticks proporcionados por Reuters y otras agencias de noticias, en general, no es un escollo, lo principal es encontrar una estrategia eficaz, el resto es una cuestión técnica.
 
Prival:
NorthernWind:
Privado:
Había algo de ruido en los residuos, pero no era gaussiano. Ruido extraño de +-1 pip y nada más, algunos picos raros de 2-5 pips más 1 gap fue de 40 pips (estaba buscando específicamente una semana con un buen gap).

Y yo y Mathemat y alguien más vimos este ruido en las garrapatas. Además, en los ticks está claro que los puntos +-1 tienen mayor probabilidad de que se produzca el movimiento inverso que su continuación. Por desgracia, esta regularidad está dentro del spread. Y no es alto.

Y el hecho de que haya aparecido después del tratamiento es interesante.

Has analizado los rendimientos, he visto todo lo que has publicado. Releerlo varias veces. Lo hice de una manera diferente. Tomé todos los ticks de la semana, quité la tendencia y(x)=a*x+b. Busqué un proceso oscilante en los residuos. Calculé la ACF. Y usando el Kalman fui quitando esta oscilación, y así sucesivamente, hasta que conseguí algo casi similar a la devolución (que es casi lo que conseguí). Buscaba todos los componentes del proceso, quería aproximar la dimensionalidad del modelo (cuántas oscilaciones significativas hay en una semana)

No existe un filtro perfecto, este "ruido" es de +-1 pips, es la distorsión que se produce durante el procesamiento, debido a que la resolución del ordenador es finita, el filtro no es perfecto, etc., no es ruido en la señal original.
 
Piligrimm:
No existe un filtro perfecto, este "ruido" es de +-1 pips, es una distorsión que se produce durante el procesamiento, debido a que la resolución del ordenador es finita, el filtro no es perfecto, etc., no es ruido en la señal original.


A eso me refería. Es el ruido de las mediciones (ruido de cuantificación y muestreo).

¿Qué simboliza el sonido universal "OM"? La iluminación.

 

Piligrimm, ¿lo permites?

Es el ruido del universo que nuestros sentidos normales no dejan pasar por sus filtros. Y al mismo tiempo la señal que el practicante debe emitir para entrar en resonancia espiritual estocástica con el universo. Shudko :)

 
Piligrimm:
En cuanto a la pérdida de informatividad, puedes utilizar los ticks suministrados por Reuters y otras agencias de noticias, esto no es un obstáculo...
:-)
 
Mathemat:
... Cuando hablo de errores, suelo hablar de errores de predicción o de aproximación. Prival habla de errores de observación y medición. Esto es bastante natural en términos de su especialidad. Pero se trata de errores muy diferentes. Sin embargo, este punto de vista tiene derecho a la vida, aunque en mi opinión es artificial...

Totalmente de acuerdo con usted. En cuanto a los errores de medición, he añadido el PS en mi post anterior. Pero en lo que respecta a los errores de previsión - debe ser, en mi opinión, el tema de la investigación, y el criterio para las decisiones comerciales, y que la variable aleatoria, a la que los métodos estadísticos y exactamente el enfoque Bayss debe aplicarse. Y no al precio o a los rendimientos - eso es bueno para entrar y eso es después de la pre-procesamiento. Las probabilidades de predicción tienen derecho a existir y todo lo que ya ha ocurrido tiene una probabilidad igual a uno.

El MTS no tiene por qué implementarse con redes neuronales tan poco recomendadas por Prival, pero hay que entender que no se trata de filtros (no está claro qué separan de qué), sino de DataMining, clustering y otras tecnologías modernas similares de análisis de datos multivariantes (creo que Piligrimm mencionó aquí el MSUA), que permiten identificar patrones latentes en las series temporales.

En general, tengo la sensación de ser un zurdo tratando de hacer un punto: "¡Los ingleses no limpian sus armas con un ladrillo!" :-)

 
Prival:

Me encantaría ayudar. Pero, por desgracia, no puedo leer el código MQL con la misma libertad que MathCad, donde las fórmulas están escritas de la forma en que estamos acostumbrados a verlas en los libros. Lo único que me parece (aunque no estoy seguro) es utilizar uno de los tipos de regresión, para que quede más claro

Hay una regresión lineal como y(x)=ax+b. Se pueden calcular los coeficientes a y b de diferentes maneras, se puede usar el CNA (parece que no se usa ahí), y se puede usar la recursividad, pero para entenderlo hay que entender claramente los ciclos (ahí me confundo, dónde, qué y por qué se calcula). Lo más probable es que haya una regresión no lineal, porque hay algunos if() mientras se calcula + tipo de ecuación de regresión en sí no está claro, cuántos coeficientes hay.

En general, casi todos los indicadores pueden considerarse filtros digitales, el MA es un filtro digital. La palabra adaptación suele significar que algunos parámetros (coeficientes de la tripa del filtro) tienen que cambiar en función de las características de la señal de entrada. Por lo tanto, en primer lugar me referiría a AMA, FRAMA y filtros digitales adaptativos similares (el parámetro de promediación (n) cambia dependiendo de la estimación de la varianza del proceso de entrada), casi todos los FFT, filtros wavelet que utilizan el procesamiento de umbral (tratando de hacer coincidir los parámetros TF con un espectro de la señal deseada de entrada).

Pero SATL, FATL no son adaptativos, porque los coeficientes TF se calcularon una vez en la etapa de diseño para ajustar la respuesta transitoria del filtro con el espectro de la señal de entrada (AFR e IFR), y durante el funcionamiento estos coeficientes no cambian. Estos son los llamados filtros emparejados. Pero hay un ideal, lo que se llama en DSP filtro óptimo, para construir es difícil, pero posible. Para ello es necesario conocer los espectros de la señal útil y del ruido.

No sé si te he ayudado o te he confundido :-), pero en cualquier caso buena suerte.

Razón de la queja: