1ª y 2ª derivadas del MACD - página 25
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
Gracias. Sólo para aclarar, por favor, ¿es esto de arriba una página de su libro (no publicado) o alguna otra?
(Si es tuyo, hoy 09-ENE-2012 te has asegurado TU PRIORIDAD CIENTÍFICA MUNDIAL al publicarlo en el foro).
Permítanme explicar a los demás de qué estoy hablando: en muchos casos de señal ruidosa los métodos habituales de aproximación e interpolación no funcionan. Normalmente, en estos casos se utiliza el método de los mínimos cuadrados (resolviendo un sistema de ecuaciones lineales redefinido). Aunque sus resultados son mucho más fiables, todos estos métodos son CIEN veces más lentos que los simples habituales, debido a la solución del sistema lineal.
En algunos casos, muy pocos, de una aproximación particular o de una señal particular, los científicos individuales, mediante trucos matemáticos puramente analíticos, han logrado reducir el sistema lineal de ecuaciones (bidimensional) a métodos más simples (unidimensional, suma o convolución vectorial). Esto acelera la aproximación de la señal ruidosa cientos de veces.
Uno de estos métodos es el que se ha publicado aquí (por primera vez) en MQL4.com por el autor GPWR (Vladimir).
Holoborodko, de Japón, como se ha citado anteriormente, ha utilizado el mismo enfoque para calcular la derivada de una señal ruidosa. Consiguió reducir (simplificar y acelerar) las fórmulas de las derivadas a tipos ridículamente simples, sin resolver un sistema de ecuaciones lineales.
En el procesamiento digital de la señal se utiliza el mismo enfoque en los filtros savitzky-golay, que son bastante raros.
https://en.wikipedia.org/wiki/Savitzky%E2%80%93Golay_smoothing_filter
P.D. Adenda para GPWR. Por el estilo "ruso" del inglés apropiado veo, que es su libro. Es excelente, simplemente excelente. Por cierto, está escrito con mucha lucidez. Es una pena que no lo hayas publicado. Es una buena contribución para el DSP. Me temo que NO es adecuado para el comercio, excepto en algunos lugares como una forma rápida auxiliar - tal vez.
P.P.S. Todos aprenden un enfoque científico para resolver problemas matemáticos aplicados.Me halagas :) Las páginas citadas son de mi libro inédito. Sinceramente, cuando derivé esas fórmulas, no vi nada especial. Se trata de una regresión trigonométrica habitual: se toma el modelo trigonométrico de la serie, se fija la frecuencia w y se obtiene un modelo lineal en relación con sus restantes parámetros A, B y la media. Y entonces, como todo el mundo: suponemos un ruido gaussiano, entonces el método de máxima verosimilitud se reduce al método de mínimos cuadrados. Pero gracias de todos modos por las amables palabras.
Por cierto, el mayor problema es encontrar esa misma frecuencia w. En el indicador he utilizado el método de Quinn y Fernández, que se describe más adelante en mi libro. Es fácil demostrar que el modelo de serie temporal x_n basado en la función trigonométrica x_n = A*cos(w*n+fase)+epsilon_n se reduce a
Más tarde utilicé un método más preciso, pero que requiere más tiempo, para encontrar la frecuencia, basado en la búsqueda del máximo en el espectro. Pero ambos métodos me dieron aproximadamente los mismos resultados, lo que me dio más confianza en el poder del algoritmo de Quinn y Fernández.
Me halagas :)
Más tarde utilicé un método más preciso, pero que requiere más tiempo, para encontrar la frecuencia, basado en la búsqueda del máximo en el espectro. Pero ambos métodos me dieron más o menos los mismos resultados, lo que me dio más confianza en el poder del algoritmo de Queen y Fernández.
No estoy adulando nada. Usted, colega, probablemente no tiene una idea muy amplia de la aplicabilidad de su método. Para algunas aplicaciones DSP, aumentar la velocidad de ajuste en un factor 100 sin perder precisión (lo que en sí mismo equivale a aumentar la precisión en un factor 2) es una cuestión de vida o muerte, literalmente. Por ejemplo, en radares de aviones, en defensa aérea, en casos de antimisiles, así como en otras aplicaciones. Ya es hora de llamar a "las personas adecuadas", es extraño que aún no te hayan llamado "de allí", el método ha sido prácticamente desconocido hasta ahora. (Esas "pequeñas cosas" como la aplicabilidad en los teléfonos móviles y los módems no las vamos a discutir aquí).
Además, como ya he dicho, el éxito de este enfoque "reductor" en la MNC es una rareza en los métodos numéricos. Así que no seas modesto.
No soy nada halagador. Usted, colega, probablemente no tiene una idea muy amplia de la aplicabilidad de su método. Para algunas aplicaciones DSP, aumentar la velocidad de ajuste en un factor 100 sin perder precisión (lo que en sí mismo equivale a aumentar la precisión en un factor 2) es una cuestión de vida o muerte, literalmente. Por ejemplo, en radares de aviones, en defensa aérea, en casos de antimisiles, así como en otras aplicaciones. Ya es hora de llamar a "las personas adecuadas", es extraño que aún no te hayan llamado "de allí", el método ha sido prácticamente desconocido hasta ahora. (Esas "pequeñas cosas" como la aplicabilidad en móviles y módems no las vamos a discutir aquí).
Además, como ya he dicho, el éxito de este enfoque "reductor" en la MNC es una rareza en los métodos numéricos. Así que no seas modesto.
Hmmm... Escribiré un artículo y veré lo que los críticos tienen que decir.
Igual que la regresión trigonométrica ordinaria: se toma un modelo trigonométrico de una serie, se fija la frecuencia w y se obtiene un modelo lineal respecto a sus restantes parámetros A, B, y la media
Me gustaría probar la regresión trigonométrica en EViews.
Podría escribir o decirme cómo escribir esta regresión, para poder estimar los parámetros en EViews. Hay muchos métodos de estimación, esto también se puede cambiar.
Definitivamente voy a publicar el resultado
Igual que la regresión trigonométrica ordinaria: se toma un modelo trigonométrico de una serie, se fija la frecuencia w y se obtiene un modelo lineal respecto a sus restantes parámetros A, B, y la media
Me gustaría probar la regresión trigonométrica en EViews.
Podría escribir o decirme cómo escribir esta regresión, para poder estimar los parámetros en EViews. Hay muchos métodos de estimación, esto también se puede cambiar.
Lo siento, pero no estoy familiarizado con EViews. Si necesitas el código de este método, mira aquí:
https://www.mql5.com/ru/code/8732
Por cierto, los métodos econométricos ARMA se reducen a una regresión de series trigonométricas con exponentes decrecientes como exp(zeta*n)*cos(w*n+fase). Lee el resultado del método de Prony y lo entenderás todo. Si no lo encuentras, publicaré un fragmento de mi libro que lo explica todo.
Lo siento, pero no estoy familiarizado con EViews. Si necesitas el código de este método, mira aquí:
https://www.mql5.com/ru/code/8732
Por cierto, los métodos ARMA de la econometría se reducen a la regresión de series trigonométricas con exponentes decrecientes como exp(zeta*n)*cos(w*n+fase). Lee el resultado del método de Prony y lo entenderás todo. Si no lo encuentras, publicaré un fragmento de mi libro que lo explica todo.
La página en cuestión ha desaparecido.
No es necesario que tenga conocimientos de EViews; lo intentaré, pero no puedo prescindir de su ayuda.
La ecuación en EViews tiene el siguiente aspecto para los valores de retardo:
EURUSD = c(1) + c(2)*EURUSD(-1) + c(3) * EURUSD(-2) etc.
con senos:
EURUSD = c(1) + c(2)*sin(c(3)* ........ ) ......
Algo parecido a esto. El tipo de fórmula es bastante arbitrario. C(i) son los coeficientes que deben evaluarse por diferentes métodos.
La página en cuestión no existe.
El código está aquí:
https://www.mql5.com/ru/code/8732
La forma en que se muestran las probabilidades allí es clara. Yo no cobro dinero por mis códigos, mientras que los creadores de EViews quieren >1000 dólares por copia. Así que no voy a ayudarles y traducir mi código al formato de EViews.
El código está aquí:
https://www.mql5.com/ru/code/8732
La forma en que se muestran las probabilidades allí es clara. Yo no cobro dinero por mis códigos, mientras que los creadores de EViews quieren >1000 dólares por copia. Así que no voy a ayudarles y traducir mi código al formato de EViews.
EViews es una herramienta. Todos los programas de tu ordenador son gratuitos, incluido vin?
Si no quieres hacerlo, no lo hagas.
...
Es una regresión trigonométrica regular:
...
Así es, es una regresión trigonométrica normal. No estoy muy seguro de que esos dos senos y cosenos vayan a revolucionar el DSP, pero intenta marcar un artículo.
No está muy claro cómo vas a identificar adecuadamente el modelo. No me refiero a "encajar" firmemente el modelo en una serie, con MNC se puede encajar cualquier modelo en cualquier serie (con algunos supuestos de precisión). Lo que pregunto es si se entiende que los parámetros "óptimos" encontrados se mantendrán durante mucho tiempo en el futuro, lo suficiente como para tener tiempo para trabajar. Existe una fuerte sospecha de que los parámetros se comportarán de forma aleatoria.
Entre otras cosas, el modelo tiene una clara desventaja: hay que predecir con mucha antelación para poder beneficiarse de él. No es muy preciso, es más, no describe el mercado en absoluto, se verá por el análisis de errores del modelo - los primeros rezagos estarán fuertemente correlacionados.
PS: aunque, hay un par de pensamientos sobre el desarrollo de esta cosa, si usted está interesado - puedo escribir en privado.
Así es, es una tr-regresión normal. No estoy tan seguro de que estos dos senos y cosenos vayan a revolucionar el DSP, pero intenta marcar un artículo.
No está muy claro cómo vas a identificar adecuadamente el modelo. No me refiero a "encajar" firmemente el modelo en una serie, con MNC se puede encajar cualquier modelo en cualquier serie (con algunos supuestos de precisión). Lo que pregunto es si se entiende que los parámetros "óptimos" encontrados se mantendrán durante mucho tiempo en el futuro, lo suficiente como para tener tiempo para trabajar. Existe una fuerte sospecha de que los parámetros se comportarán de forma aleatoria.
Entre otras cosas, el modelo tiene una clara desventaja: hay que predecir con mucha antelación para poder beneficiarse de él. No es muy preciso, es más, no describe el mercado en absoluto, se verá por el análisis de errores del modelo - los primeros rezagos estarán fuertemente correlacionados.
PS: aunque, hay un par de pensamientos sobre el desarrollo de esta cosa, si son interesantes para usted - puedo escribir en privado.
En mi opinión poco ilustrada, el planteamiento expuesto es poco útil para el mercado. Todo ello es bueno para mejorar la relación señal/ruido. Como se ha escrito anteriormente para la orientación de los misiles. No hay ninguna señal en el mercado, y lo más importante es que las características de la PA, incluyendo la frecuencia, la fase, flotan todo el tiempo. Si no reconocemos la no estacionariedad desde el principio, no se consigue nada bueno en principio. Al reconocer la no estacionariedad, podemos al menos indicar los límites de aplicabilidad del método.
Por alguna razón, los métodos de máxima entropía (como Burg) se pasan por alto. Se puede ver claramente cómo el AFR se desplaza cuando el tamaño de la ventana cambia o cuando la ventana se desplaza. Inmediatamente se pueden ver varias jorobas de frecuencias resonantes que actúan sobre la muestra analizada. Y queda claro de inmediato que no se puede utilizar toda esta belleza para predecir la siguiente barra y predecir con la santa fe que el AFR no cambiará cuando llegue la siguiente barra. Y este es un muy buen ejemplo en el que la idea implementada inicialmente no tenía en cuenta la no estacionariedad.