Résonance stochastique - page 31

Nouveau commentaire
 
Ce n'est pas difficile.
 

C'est compréhensible, Rosh, nous connaissons une telle fonction. Le problème est de calculer la fonction, et non la covariance des deux séries de données. Eh bien, pour donner une sorte de tableau de valeurs pour différentes valeurs de décalage "tau", comme la fonction FREQUENCY fonctionne. OK, réfléchissons...

P.S. Il était temps que vous arriviez. Vous avez lu Peters. Est-ce qu'il dit quelque chose sur la stationnarité du processus ?

P.P.S. Oui, j'ai été trop hâtif avec la fonction de covariance : pour rendre le processus stationnaire au moins au sens large, je vais devoir dériver un tableau à deux dimensions pour toutes les paires d'échantillons R(ti, tj), c'est-à-dire une matrice...

 
Si je ne m'abuse, les processus ont un biais, et ce même biais change périodiquement (une tendance change avec une autre). Il m'est donc difficile de répondre. Il cite les fonctions de distribution qui :
a) ont un MO fini et une variance infinie
b) ont un DO infini et une variance infinie

Et la distribution normale est un cas particulier de distribution fractale généralisée. Voici une définition :
Dans le cas général X(t) est considéré comme un processus stationnaire si toutes ses caractéristiques de probabilité ne dépendent pas du temps (plus précisément, elles ne changent pas avec tout déplacement des arguments, dont elles dépendent, le long de l'axe t). Par conséquent, l'espérance mathématique d'un processus aléatoire, sa variance et sa fonction de corrélation ne dépendent pas du temps.
La définition est ici http://www.nntu.sci-nnov.ru/RUS/fakyl/VECH/metod/metod7/vvedenie.htm. Alors la distribution des rendements n'est pas stationnaire.
 

à Yurixx a écrit (a) :

"J'ai une question intéressante en cours de route. Quelqu'un peut-il nous éclairer sur la raison pour laquelle une fonction de distribution aussi simple et pratique, dotée de bonnes propriétés, n'est pas utilisée en statistique ? Et si elle est utilisée, pourquoi ne fait-elle pas l'objet d'un article ? Je n'ai jamais vu personne essayer d'approximer une distribution incrémentale autre que la lognormale."

Il s'agit très probablement d'un cas particulier de la distribution de Rayleigh-Rice. J'ai donné un lien vers cette distribution plus tôt. Voici la formule. Et le chiffre.

Physiquement, la distribution de Rayleigh-Rice décrit une distribution unidimensionnelle de l'enveloppe de la somme d'un signal déterministe et d'un bruit normal. Très similaire au problème que vous résolvez. Je joins un fichier matcad avec un exemple. L'algorithme qui permet de vérifier la conformité de l'échantillon analysé avec la loi de distribution théorique, selon le critère de Neyman-Pearson, fait l'objet de commentaires détaillés. J'espère que ça a aidé.

à Mathématiques

Je ne sais pas car dans Excel, le matcad peut calculer l'autocorrélation de 2 façons. Le dossier, lui aussi, est joint avec un exemple. La seule remarque est qu'il existe deux approches pour calculer l'ACF, chacune ayant ses propres avantages et inconvénients. Au fait, l'IHMO est très prometteur. À une époque, j'ai dû concevoir des filtres de poursuite adaptatifs pour la cible aérienne. Vous pouvez également essayer de suivre le prix :). L'ACF est exactement ce qui détermine les coefficients dans les équations.

à grasn

Désolé, je me suis trompé dans la précipitation, j'aurais dû demander un histogramme àYurixx. Quand j'ai reçu les images, j'ai réalisé mon erreur. Je continue à travailler sur l'idée de résonance, selon ma définition :"L'énergie du signal fait bouger le marché. L'énergie du bruit - nous empêche de voir ce mouvement". (Merci pour le tuyau sur les IIH ou IIH, mais il y a environ 12 ans, j'ai lu des cours sur ces sujets à des cadets et je me souviens même leur avoir donné des notes :)).

Pour tous les

J'ai trouvé ici sur le forum un prototype de FFT_MA et je l'ai reconstruit selon les images précédentes (FFT_MA_mod). La seule chose, c'est qu'il y a une surcharge, ce qui rend l'analyse difficile. Si quelqu'un est en mesure de résoudre ce problème, veuillez m'aider. Je ne parviens pas à le faire. Je joins également le fichier avec des explications. D'ailleurs, la loi de distribution de l'amplitude à la sortie du filtre obéit à la loi de Rayleigh-Rice - en cas de présence de signal, s'il n'y a que du bruit, elle dégénère en Rayleigh, alpha devient=0.

Si nous voulons supposer que nous pouvons séparer le signal et le bruit de cette manière, nous devrons alors rechercher la résonance, entre quels processus nous devrions rechercher la coïncidence de phase ?

Si quelqu'un a une idée, qu'il en parle.

Et s'il n'est pas difficile de suggérer le type de distribution dont vous parlez. Si possible avec un exemple simple. Ou au moins un lien.

Dossiers :
akf.zip  59 kb
 
Cela ne fonctionne pas :( Je ne peux pas l'attacher.
Dossiers :
fft_ma_mod.mq4  2 kb
 
Ne s'attache qu'en mode édition :) Tout le monde se lève dans quatre heures :(
Dossiers :
zr_1.zip  1375 kb
 
Grasn , Sergey, à propos des fosses potentielles je m'excuse profondément, et confesse ma propre stupidité :) Il est vrai que le niveau de support et de résistance peut être comparé à une barrière potentielle, à partir de laquelle le prix rebondit. Mais j'ai bien peur de devoir débattre de la fiction du phénomène. De plus, à mon avis, c'est la seule réalité sur le marché, contrairement à la fiction des ondes, des fibros, des fourches et des alligators. Du moins, c'est la seule chose qui peut être facilement expliquée sans impliquer de postulats supplémentaires non évidents. Félicitations pour la découverte d'un critère X intéressant ! C'est tout. Continuez à lire, je ne suis pas venu ici depuis deux ans et il y a 11 pages depuis :)
 
Prival писал (а): De plus, si ça ne vous dérange pas trop, dites-moi quelle est la distribution dont vous parlez. Si possible, à l'aide d'un exemple simple. Ou au moins un lien.
Returns[i] = Close[i] - Close[i+1], c'est-à-dire qu'il s'agit simplement d'incréments historiques des prix de clôture. Si nous les calculons sur l'ensemble de l'historique d'un certain TF, que nous les chargeons dans Excel et que nous construisons un histogramme de fréquence (en utilisant la fonction WHAT() d'Excel), nous obtiendrons une courbe qui ressemble un peu à la courbe de Gauss, mais seulement extérieurement. En réalité, cette distribution n'est pas normale - par exemple, en raison de queues épaisses et d'un pic irréalisablement élevé au point proche de zéro.

La sous-estimation des queues de distribution conduit le spéculateur à une forte sous-estimation des risques : s'il pense que la probabilité d'un événement "quatre sigmas ou plus" est extrêmement faible (dans l'hypothèse normale, elle est d'environ 0,0063%), alors le marché réel est d'environ 0,7%, soit 100 fois plus. Pour les événements plus importants, la différence est encore plus grande. Si je dois le faire, je posterai une photo.

Merci pour l'archive - je la consulterai demain matin. Cependant, je vais essayer de le faire à la fois dans Excel et dans MQL4.
 
Prival, la coupure de Fourier inverse à haute fréquence dont vous parlez ici est une excellente idée. Cela permet un mouillage parfaitement fluide et sans décalage. Il n'y a qu'une petite goutte de goudron dans cet énorme tonneau de miel. Un tel opérateur n'est pas causal. Et plus votre fenêtre est large, plus elle dépend d'échantillons futurs. Et plus la fenêtre est étroite, plus le lissage est mauvais. Par conséquent, il aura une belle apparence sur l'historique, mais en réalité, un tel indicateur se redessinera toujours près du bord droit de l'écran. Le bruit à haute fréquence sera donc mis en évidence en conséquence. Il ne sera marqué que sur l'historique. Et vous serez aveugle et sourd au bord droit de l'écran. Si ce n'est pas ce que vous voulez dire, veuillez m'excuser. Je n'ai pas encore terminé tous les postes. Je n'écris que sur vos deux premiers.

P.S. J'ai lu tous les messages jusqu'à la fin. Oui, c'est la même chose que ce que vous avez vu dans votre expérience. Hélas, personne ne pourra vous aider à redessiner, car ce point est fondamental. Un tel opérateur de filtrage n'est pas causal. En général, mon IMHO est que la principale contradiction dans le Forex, ainsi que dans l'ensemble du monde lunaire, est une contradiction dans le concept du temps. Dans le cas du Forex, cela se manifeste par le fait qu'une bonne estimation statistique demande beaucoup de temps. C'est-à-dire des échantillons. Mais pendant que ces valeurs sont collectées, les paramètres du marché ont le temps de changer. Si seulement quelqu'un pouvait aider à résoudre cette contradiction... (c'est une petite blague bien sûr :)
 
eugenk:
Prival, la coupure de Fourier inverse à haute fréquence dont vous parlez ici est une excellente idée. En effet, vous obtenez un mouillage complètement fluide et sans lag.


Conformément au sujet du fil de discussion, je suggère simplement comment séparer le signal du bruit. Le but est de trouver une résonance, pas de construire un muwig. Pour les prévisions, et même pour le muwigging, il existe un bien meilleur compagnon. Tous bien sûr IHMO.

Comme une option, dans l'indicateur sera deux tampons séparés qui ne dérivent pas, et se rappeler sur Close[0]=Open[0], les énergies de signal et de bruit.

1...242526272829303132333435363738
Nouveau commentaire