Filtro FIR con fase mínima - página 8

 

Un filtro es una forma de suavizar los datos económicos. Si se observa la literatura, los dos filtros más utilizados son el Hodrick-Prescott y el Kalman. Sin embargo, hay una gran cantidad de filtros, todos perfectamente diseñados y aplicados en la práctica. ¿Por qué esa limitación en la aplicación de los filtros? La respuesta se encuentra en un área completamente diferente y no tiene nada que ver con los filtros, las fases o cualquier otra cosa.

Si se ha aplicado un filtro a los datos de entrada, la cotización inicial consta de dos componentes: el resultado del filtrado y alguna diferencia entre la señal inicial y el resultado filtrado. Dado que en el comercio (a diferencia de la radioelectrónica) siempre nos interesa la previsión, es bastante natural preguntarse: ¿podemos ampliar el resultado del filtrado hacia adelante? La respuesta no está en el resultado del filtrado, sino en el residuo del filtrado (ruido). Si el ruido es estacionario (mo y dispersión son aproximadamente constantes), podemos ampliar el resultado del filtrado, mientras que la dispersión será un error de esta predicción. Si el residuo no es estacionario (tiene mo variable, que se puede eliminar, y peor aún tiene una varianza variable y a menudo muy intrincada), entonces la predicción no es posible, porque la varianza es sobre el pasado y no tiene nada que ver con el futuro.

Conclusión: todo lo que se diga sobre la fase del filtro no tiene sentido si el filtrado da lugar a un residuo no estacionario.

 
En otras palabras, quería hacer un conjunto de claves que pudieran utilizarse para cortar el espectro de la historia en partes iguales con una profundidad de, por ejemplo, 1024 compases. Pero también hay que extender las líneas de estos filtros hacia el futuro. Para ello tendremos que ampliar las funciones de peso extendiendo sus aristas en forma de oscilación decreciente. Pero estos filtros se redibujan. La tarea es continuar la respuesta del filtro a la influencia de tal manera que habría algo así como la compensación, por ejemplo, cuando repintado en una nueva barra, sería necesario hacer que el siguiente filtro de cambiar su fase y repintado hacia abajo, y así sucesivamente, el conjunto de filtros no sumaría repintado pero compensar entre sí, en el deseo de tener resto mínimo en el final, es decir, durante la construcción como si la respuesta del filtro siguiente de la anterior compensado repintado de ella. En consecuencia la longitud de las características de impulso (inicialmente una campana en forma de parábola será de un triángulo pascal (para los filtros impares), además los extremos de corte de estas parábolas seguiremos construyendo/eligiendo el parámetro de amortiguación y profundidad de los filtros cic de diferentes periodos para, que la suma de los módulos fuera mínima.) variará, eso requiere la participación (en el desplazamiento de los filtros) de los filtros IIR en tal forma de extrapolación. O un amplio conjunto de estos filtros. Intentaré pensar en un ejemplo más detallado y describirlo más adelante.
 
EconModel:

Un filtro es una forma de suavizar los datos económicos. Si se observa la literatura, los dos filtros más utilizados son el Hodrick-Prescott y el Kalman. Sin embargo, hay una gran cantidad de filtros, todos perfectamente diseñados y aplicados en la práctica. ¿Por qué esa limitación en la aplicación de los filtros? La respuesta se encuentra en un área completamente diferente y no tiene nada que ver con los filtros, las fases o cualquier otra cosa.

Si se ha aplicado un filtro a los datos de entrada, la cotización inicial consta de dos componentes: el resultado del filtrado y alguna diferencia entre la señal inicial y el resultado filtrado. Dado que en el comercio (a diferencia de la radioelectrónica) siempre nos interesa la previsión, es bastante natural preguntarse: ¿podemos ampliar el resultado del filtrado hacia adelante? La respuesta no está en el resultado del filtrado, sino en el residuo del filtrado (ruido). Si el ruido es estacionario (mo y dispersión son aproximadamente constantes), podemos ampliar el resultado del filtrado, mientras que la dispersión será un error de esta predicción. Si el residuo no es estacionario (tiene mo variable, que se puede eliminar, y peor aún tiene una varianza variable y a menudo muy intrincada), entonces la predicción no es posible, porque la varianza es sobre el pasado y no tiene nada que ver con el futuro.

Conclusión: Todo lo que se diga sobre la fase del filtro no tiene sentido si el filtrado da lugar a un residuo no estacionario.

Todo es cierto, ¡excepto el ruido! Eso no es ruido. Que sea sólo lo residual. El residuo es no estacionario. Pero puede ser insignificante para la predicción. La inercia existe para todo el espectro.

============

Valera (Nik1972), ¡deja de saturar el hilo!

 
Zhunko:

El residuo es no estacionario. Pero puede no ser esencial para una predicción.


¿Siempre? ¿O se convertirá en algo significativo cuando se desenchufe?

El residuo siempre debe ser analizado y modelado si es necesario. no se debe dejar un residuo inestable. A mí me parece.

 
EconModel:


¿Siempre? ¿O se convertirá en algo importante con un corte de Internet?

El residuo siempre debe ser analizado y modelado si es necesario. no se puede dejar un residuo inestable. A mí me parece.

La previsión debe hacerse en cada bar. El residuo cambiará, pero no mucho.

¿Cuánto tiempo puede extrapolar la línea MA o MACD en el futuro sin superar el error establecido?

No tiene que responder. Usted fija este error y el rango de la previsión. El ST trabaja con estos datos.

¿Qué diferencia hay en que Internet esté caído o no? Poner stops técnicos, seguir la MM, no arriesgar demasiado.

 
Zhunko: Valera (Nik1972), ¡deja de saturar el hilo!
Vadim, aún no es obvio. Pero el estilo es similar.
 
Mathemat:
Vadim, aún no es obvio. Pero el estilo es similar.

¡Eso es!

1. Estilo.

2. Errores.

3. Y lo que es más importante, la dinámica del aprendizaje. Lee algo nuevo en algún sitio y empieza a hablar consigo mismo con cara de listillo.

 
La previsión no es constante en profundidad, y todos los métodos de extrapolación conocidos se basan en la profundidad estática en la extrapolación, y este parámetro también flota, debido al espectro flotante, construyendo un cambio acelerado ("flotabilidad", redibujabilidad, o lo que sea) del espectro, se puede prever su estado en el futuro.
 
Nik1972:
La previsión no es constante en profundidad, y todos los métodos de extrapolación conocidos se basan en la profundidad estática durante la extrapolación, y este parámetro también flota, debido al espectro flotante, construyendo una aceleración del cambio ("flotabilidad", redibujabilidad, o lo que quieras) del espectro, puedes predecir su estado en el futuro.

Así que constrúyelo, ¿cuál es el problema?
 
Peter_Zabriski:

¡Oh, Vadim! Casi filosófico. Casi estoy de acuerdo. Sigue, por favor.

===
No olvides a Nyquist. Vas a ofender al viejo...


Usted .....Nyquist... Que te den por culo y que te pidan consejo. Kotelnikov y su teorema es lo más importante + el sentido común.

Z.I. Así es como he sido baneado hasta 2022, baneado ))). Soy un anciano, estoy ofendido. No se puede pasar. Todo el mundo reconoce desde hace tiempo que el teorema es mucho más importante que cualquier frecuencia.

Razón de la queja: