Construcción de un sistema de comercio mediante filtros digitales de paso bajo - página 21

 

a Neutrón

No
entiendo lo que es la AF
.

Acorta el término "filtro adaptativo". Es decir, los objetivos en cuestión, tanto en este tema como en otros, sólo pueden obtenerse a partir del filtrado adaptativo. No hay otra manera, y a grandes rasgos, es ésta:

Juzgue usted mismo, yo ejecuto la función Predict sobre un LPF suavizado con FZ y obtengo un LPF menos suavizado con menos FZ pero, en términos de calidad de suavizado no es mejor que el mismo LPF con una ventana de promediación más pequeña, y en horizontes más grandes es notablemente más débil que este último (ver avi). Es decir, el predictor es repelido en su trabajo desde la serie suavizada y se "desmorona" a medida que el horizonte se aproxima al PB inicial, pero el LPF, por el contrario, repele desde el PB inicial y se aleja gradualmente de él haciéndose más suave... Este resultado es esperado, de hecho es imposible obtener más información de la PA incluso habiéndola suavizado de antemano - ¡no se puede engañar a la naturaleza!

no tiene ningún sentido práctico y es, en general, un "autoengaño".

¡Aunque había una imagen en el foro con una demostración de LPF basada en NS, no se observó ningún PF (casi) con una excelente calidad de suavizado! Si esto no es una tontería, entonces tenemos trabajo que hacer.

He estado trabajando con el paquete NeuroSolutions, si lo pones encontrarás un ejemplo detallado de un LPF basado en NS.

Lo interesante es que se puede obtener un resultado similar para el pronóstico utilizando la función Predict sin necesidad de jugar: basta con descomponer la BPF suavizada en la vecindad izquierda de cada punto (para no mirar hacia el "futuro") en series regulares de Taylor (RT) y luego extrapolar para el número requerido de pasos hacia adelante. Puede que te resulte interesante: en lugar de indagar en el algoritmo de la función incorporada de Matcad, coge RT y juega con él, córtalo, mira a qué te lleva...

La predicción por extrapolación de series de Taylor no me interesa en absoluto y no dará predicciones comparables, quizá una variante por cada 100 intentos :o) Pero gracias por el consejo.

Neutrón, te equivocas un poco: no estoy indagando en el algoritmo de "predicción". Las simples reflexiones publicadas tienen unos dos años de antigüedad. Si fuera realmente necesario - habría encontrado fuentes y lo habría hecho, no es tan difícil. Escribí, el predicado, como cualquier otro algoritmo de este tipo - NO FUNCIONA, la predicción de series por estadística da resultados muy pobres. La única forma de aplicarlo es acudir a las características generalizadas de las series de previsión, y eso hay que hacerlo de forma competente. Los sistemas sobre esta base son rentables, pero no me interesan.

a mql4-codificación
Wow Resulta que todo está ahí Queda por aplicar...

Creo que ya he leído esto muchas veces en varios foros.... pero aun así - buena suerte :o)))

Oh, hombre, perdí todos mis enlaces, de todos modos - había un foro, bastante largo, donde los chicos en serio se redujo a dos cosas

  • Escribir un paquete de filtros de código abierto (tengo entendido que la gente se enfadó con los autores de esos fattles, sattles - no recuerdo cómo se llaman correctamente
  • Desarrollar una estrategia basada en los filtros

Parecía haber muchas cosas útiles. Me decepciona este enfoque, creo que no es el adecuado.

 

¿Cómo se comparan los distintos algoritmos de promediación de la PA? ¿Cómo elegir la ventana de promediación óptima?

En efecto, si se elige una ventana grande, la señal quedará rezagada debido a la inevitable FP, por otro lado, si se elige una ventana pequeña, la calidad del promedio será insatisfactoria. Parece que el óptimo se encuentra en algún punto intermedio, pero ¿con qué debemos comparar el resultado de la media obtenida?

Supongamos que tenemos un hipotético LPF con PDF cero, entonces podemos comparar con él. Es posible realizar dicho filtro "mágico" si se ejecuta un LPF ordinario (sin mirar al futuro) hacia adelante y hacia atrás a lo largo del PA analizado y se toma la parte central del gráfico, excluyendo así del análisis los inevitables efectos de borde en los extremos derecho e izquierdo del PA (por esta razón dicho LPF no puede utilizarse en TS).

En la figura de la izquierda los puntos muestran la PA, la línea roja muestra el LPF simétrico (con LPF), y las líneas azul y negra muestran la media móvil convencional con diferentes tiempos de promediación. Para cada ventana buscamos la desviación estándar en todo el conjunto de puntos de PA entre el filtro ideal y el estudiado y la normalizamos por la desviación estándar entre los puntos de PA y el LPF. Así, nos libramos de la arbitrariedad asociada a la elección de la ventana de promediación del LPF. La elección de la desviación estándar en este caso no parece aleatoria; en efecto, esta cantidad reflejará igualmente la desviación de la curva suave hacia la derecha debida a la ZP y el aumento del rango de sus oscilaciones en una ventana de promediación estrecha.

Para analizar la calidad del suavizado, elijamos una media móvil estándar con una ventana de promediación rectangular (línea azul en la Fig. 2), una ventana de promediación triangular (línea negra) y el filtro Butterworth de primer orden (línea roja). Podemos ver que con una ventana pequeña los filtros no suavizan las series debido al gran "chattering" que tiende a la volatilidad de la PA inicial. Cuando se aumenta la ventana, se observa un óptimo para cada filtro y luego las propiedades de suavizado vuelven a deteriorarse debido al aumento de la PDF. El mejor resultado entre los tres algoritmos presentados se observa para la media móvil trivial con una ventana de promediación rectangular con un ancho de ventana de 7-8 barras. Esto es óptimo para este tipo de LPF, por lo tanto, suprime efectivamente el componente de ruido en un 15% y pierde sus propiedades de suavizado en un ancho de ventana de 17-18 barras, no dando ninguna ventaja sobre el BP inicial. Recordemos que si calculamos en este caso la desviación estándar de la SFNF, obtendremos un alisamiento cero o del 100%, es decir, la variante ideal. Hasta ahora tenemos una aproximación del 15% al ideal. Me pregunto si es posible conseguir más.

Así, disponemos de una herramienta que nos permite estimar objetivamente las propiedades de suavización del LPF. Si Prival nos da el código de su filtro de Kalman adaptativo basado en ACF, lo ponemos inmediatamente (el filtro) en un lugar de honor, y North Wind obtendrá una respuesta a su pregunta retórica...

 
grasn:

Oh, mierda, he perdido todos mis enlaces, de todos modos - había un foro, bastante largo, donde los chicos se pusieron serios sobre dos cosas


En Alpari o Viac, un hilo con un título algo así como "filtrar bazares burgueses", probablemente se trate de eso.
 
NorthernWind:
grasn:

Oh hombre, he perdido todos mis enlaces, de todos modos - había un foro, bastante largo, donde los chicos se tomaron dos cosas en serio


En alpari o viac, un hilo con un título algo así como "filtrar bazares burgueses", probablemente se trate de eso.
Sí, sí - muy similar. Gracias :o)


a Neutrón
Supongamos que tenemos un hipotético LPF con PF cero, entonces podemos comparar con él.

¿Y si las características de entrada de su filtro de referencia no se eligen correctamente o de la forma más subóptima?

 

Sí, probé a cambiar la ventana de promediación en un rango muy amplio - no afectó al resultado en absoluto, o lo hizo, pero de forma muy insignificante. Contamos el CO de los filtros estudiados en relación con él y luego lo normalizamos con el CO de BP en relación con él.

Añado a lo ya escrito, al comentario de grasn.

¡Me he perdido!

De la elección de la ventana en el LPF depende la magnitud y la posición de los máximos en las filas investigadas. No depende o depende débilmente de su posición relativa.

Resulta que, en primer lugar, hay que elegir un ELF que muestre claramente en BP los puntos de interés y, a continuación, seleccionar la ventana deseada del LPF convencional. Esta será la elección óptima en el sentido de la máxima probabilidad de revelar los patrones requeridos.

 
a Neutrón
¡Me he vuelto pícaro!

Disculpe mi "analfabetismo técnico": ¿sobre qué acaba de escribir?

La elección de la ventana en el IFNF determina la magnitud y la posición de los máximos en la serie estudiada. No depende, o sólo débilmente, de su posición relativa.

El LPF tiene bastantes parámetros, por supuesto están totalmente definidos por la especificación, pero aun así, hay bastantes: paso de muestreo, frecuencias límite de paso de banda/supresión, factor de no uniformidad de paso de banda/supresión, etc. ¿De qué ventana hablas? Si te refieres a representar la especificación de un filtro como un único parámetro de entrada, entonces... espero que no utilices dicho filtro en el comercio real.

Intenté cambiar la ventana de promediación en un rango muy amplio - no tuvo NINGÚN efecto en el resultado, o sólo uno muy insignificante

¿Tal vez el filtro no fue reconstruido correctamente? Butterword no tiene características de entrada, como una ventana, sino que es similar a una "ventana" - coeficientes calculados, que están totalmente determinados por la especificación. ¿Dónde tienes la especificación? Lo más probable es que acabes de arreglar algunas características y ahora estés haciendo descubrimientos, enhorabuena.

¿Y es la posición relativa de los extremos la que es independiente o débilmente dependiente? ¿Y ni siquiera depende en un filtro mal diseñado, o bien hecho, pero no para "esa" señal? Genial, dame dos de esos filtros...

 

Pues sí, el filtro Butterworth no tiene ventana de promediación, es recursivo, y hay muchos mandos, parámetros que se pueden cambiar, determinando así la pendiente, la irregularidad de la respuesta en frecuencia en la banda de paso, la propia banda de paso... Pero si quieres, puedes simplificar toda esta variedad a un solo pomo y así captar la idea principal.

Y sobre la posición de los extremos depende de la ANCHURA del ancho de banda del LPF - ¡Me han corregido!

El enfoque en sí parece prometedor. Llega un hombre y grita: "¡Toma, he inventado un VFD superguay! Dáselo tú, a ver cómo se suaviza". Y lo comparamos, por ejemplo, con la misma media móvil. Si produce el mejor alisado, ¡respeto al autor!

La belleza de esto es que podríamos distinguir un único parámetro generalizado para todos los LPFs que permite compararlos objetivamente, y este parámetro es la desviación del BP suavizado del LPF idealmente suavizado sin LPF con respuesta de frecuencia recta en la banda de paso, etc. Por supuesto que hay cierta arbitrariedad, pero no se ve nada mejor.

 

aquí es http://www.bcs.ru/school/prof/mts/2003/Gorchakov.zip, por cierto, lo recomiendo a todo el mundo, especialmente a los que les gusta la papelería. Por cierto, también hay información sobre los filtros.

Lo bueno es que se trata de donde se cruzan mis pensamientos. :)

 
NorthernWind:

aquí tienes, por cierto http://www.bcs.ru/school/prof/mts/2003/Gorchakov.zip

Cita:
Resulta que la estadística óptima para construir nuestros sistemas de trading en esta situación son las medias móviles lineales con ventanas variables. Es decir, las medias móviles, que deben ser tomadas de tal manera, que caen principalmente en un segmento de tendencia. Y las medias móviles no son exponenciales ni nada parecido, son 2 medias móviles: una media móvil simple y una media móvil con factor i, que es la suma de i por Xi. Y para la volatilidad hay que mirar la suma de los cuadrados de la secuencia de estas variables aleatorias.

Parece que el autor ha estado a punto de descubrir la LRMA :)
 

El LRMA se diseña para que la suma de los cuadrados de sus desviaciones respecto al precio sea mínima. Pero también se puede minimizar otra función objetivo (TF): la suma de los módulos de error, por ejemplo. Este TF, en mi opinión, es más natural para Forex que la suma de cuadrados de los errores. Es problemático calcularlo analíticamente, pero se puede intentar aproximarlo.