Los conocedores de Fourier... - página 9
Está perdiendo oportunidades comerciales:
- Aplicaciones de trading gratuitas
- 8 000+ señales para copiar
- Noticias económicas para analizar los mercados financieros
Registro
Entrada
Usted acepta la política del sitio web y las condiciones de uso
Si no tiene cuenta de usuario, regístrese
Son los que no aplican Fourier).
la curva en rojo en la imagen inferior es la transformada de Fourier y un par de otras funciones...
El color verde es el de los datos en bruto...
El proceso de la transformada de Fourier requiere una selección del periodo para obtener un proceso estable en el punto de partida tiempo[0]...
La transformada de Fourier no tiene más efecto en este proceso...
¿Y si vas más allá con tu método y descompones el residuo entre la línea roja y la verde de la misma manera?
Creo que es nuestro caso.
https://www.mql5.com/go?link=http://dxdy.ru/topic54592.html
y mnc, y mmm podría ser más apropiado sustituirlo por https://ru.wikipedia.org/wiki/Метод_максимального_правдоподобия
que está pensando en esto.
Creo que es nuestro caso.
https://www.mql5.com/go?link=http://dxdy.ru/topic54592.html
y mnc, y mmm podría ser más apropiado sustituirlo por https://ru.wikipedia.org/wiki/Метод_максимального_правдоподобия
Te lo digo en confianza, MNC y MNM son casos especiales de MMP.
Añadiré, también en confianza, que el LPI se deduce del LMP bajo el supuesto de que el error es gaussiano, mientras que el MMC se deduce del LMP bajo el supuesto de que el error es de Laplace. Es decir, tenemos un problema de modelización lineal:
x[n] = SUMA( a[i]*f[i][n] ) + e[n], n=1...N
o
x[n] = y[n] + e[n], donde y[n] = SUMA( a[i]*f[i][n] ), n=1...N
donde x[] son los datos de entrada, a[] son los coeficientes, f[][] son las funciones de regresión y e[] es el error del modelo. Por ejemplo, si f[i][n] = exp(j*2*pi*i*n/N), esta fórmula da una serie de Fourier. Si suponemos que el error e[] es gaussiano, es decir, P(e) ~ exp(-e^2/2/s^2), entonces MMP conduce a MNC, es decir, a buscar los coeficientes de a[] minimizando la suma de cuadrados del error:
Obj Func = SUM(e[n]^2) = SUM( (x[n] - y[n])^2 ).
Si suponemos que el error e[] es laplaceano, es decir, P(e) ~ exp(-|e|/s), entonces el MMM conduce al MNM, es decir, a encontrar los coeficientes de a[] minimizando la suma de los módulos de error:
Obj Func = SUM(|e[n]|) = SUM( |x[n] - y[n]| ).
De forma más general, el error puede describirse mediante la distribución supergaussiana P(e) ~ exp(-e^q). ¿Por qué todo el mundo elige la distribución gaussiana? Porque el CNA del modelo lineal puede resolverse fácilmente diferenciando Obj Func e igualando el resultado a cero. De aquí surge el método de expansión de la serie de Fourier. Prueba a diferenciar SUM( |x[n] - y[n]| ).
Entonces, ¿qué distribución de errores es la correcta? Depende de la naturaleza del proceso que estamos modelando con nuestro modelo lineal. Si está seguro de ello.
(1) los precios de los intercambios se describen mediante un modelo lineal con senos y cosenos, y
(2) el error del modelo debe obedecer a la distribución de Laplace,
entonces sigue adelante y minimiza SUM( |x[n] - y[n]| ). No olvide enviar la solicitud al Premio Fields en el proceso.
No olvide enviar una solicitud al Premio Fields cuando lo haga.
Las matemáticas son el lenguaje de la ciencia. No está directamente relacionado con los hechos.
Pero los hechos a veces pueden describirse con mucha precisión en el lenguaje de las matemáticas y llamarse, por ejemplo, física.
En definitiva resulta que la física siempre puede ser descrita a través de las matemáticas, pero las matemáticas no siempre pueden ser explicadas por la física, ¿no? Si es así, entonces las matemáticas, como reina de las ciencias, han castigado una vez más a la mente racional)).
¿Qué conciencia racional? ¿Escribiendo ondas sinusoidales en los precios? ¿O hacerlo por MNM? ¿Y cuál es la física implicada? Entender que cualquier N funciones ortogonales pueden ser escritas en una serie de N cantidades, no sólo senos y cosenos como en Fourier. Entonces, piense por qué son los senos y cosenos los que tienen sentido físico para modelar los precios del mercado.