Dérivées 1 et 2 du MACD - page 24
Vous manquez des opportunités de trading :
- Applications de trading gratuites
- Plus de 8 000 signaux à copier
- Actualités économiques pour explorer les marchés financiers
Inscription
Se connecter
Vous acceptez la politique du site Web et les conditions d'utilisation
Si vous n'avez pas de compte, veuillez vous inscrire
Comment calculer un filtre sans retard et à déphasage nul pour toutes les composantes spectrales ? L'idée est simple. Nous prenons les devis FFT. On zalue les coefficients de Fourier au-dessus d'une certaine fréquence. Ensuite, nous inversons la transformée de Fourier et obtenons la valeur filtrée. Mais cela n'a pas l'air bon, surtout au début et à la fin. Ce qui est compréhensible en raison de la périodicité des composantes de Fourier. Si vous voulez jouer avec ce filtre, le code est joint.
Il ne s'agit pas d'un "filtre" mais d'un approximateur. Sinon, vous avez raison : il n'y a pas de filtre sans délai. Il n'est même pas nécessaire d'être titulaire d'un doctorat pour le comprendre. Le problème est que les connaissances de la plupart des membres de ce forum, bien que profondes, sont FRAGMENTAIRES. Pour défragmenter ces îles, il faut une fuite de la pensée, il faut la liberté d'expression. Et sur ce forum, il n'y en a pas et il n'y en aura pas de sitôt. Il ne faut donc pas espérer tirer des modèles de travail ici, entouré de ces modérateurs, dans le cadre de ce modèle économique de Metakwots.
Il serait préférable que vous, collègue, affichiez quand même le résultat rigoureux de la méthode Fit de votre extrapolateur. Bien que vous ne soyez pas le premier, le premier était un étudiant diplômé d'Asie, mais sa conclusion (qu'il n'a d'ailleurs pas publiée dans son intégralité, la conclusion complète a été faite par un autre scientifique des pays baltes, les deux publications sont pratiquement inconnues), son approche est étroite. Peut-être votre conclusion sera-t-elle plus large (plus elle est large, mieux c'est), bien qu'elle ne soit pas aussi exacte - à cause des degrés. Mettez-le en avant, ou il sera perdu dans l'histoire du monde.
Peut-être que quelqu'un possède déjà un algorithme de conversion Hilbert-Huang ?
J'ai trouvé quelques codes en C++, mais je n'ai pas assez d'expérience en C++ et de connaissances de Hilbert-Huang pour les traduire en MQL4/5. Peut-être que quelqu'un serait prêt à aider ?
Ce n'est pas un "filtre", c'est un approximateur. Sinon, vous avez raison : il n'y a pas de filtre sans délai. Il n'est même pas nécessaire d'être un docteur pour comprendre cela. Le problème est que les connaissances de la plupart des membres de ce forum, bien que profondes, sont FRAGMENTAIRES. Pour défragmenter ces îles, il faut une fuite de la pensée, il faut la liberté d'expression. Et sur ce forum, il n'y en a pas et il n'y en aura pas de sitôt. Il ne faut donc pas espérer tirer des modèles de travail ici, entouré de ces modérateurs, dans le cadre de ce modèle économique de Metakwots.
Il serait préférable que vous, collègue, affichiez quand même le résultat rigoureux de la méthode Fit de votre extrapolateur. Bien que vous ne soyez pas le premier, le premier était un étudiant diplômé d'Asie, mais sa conclusion (qu'il n'a d'ailleurs pas publiée dans son intégralité, la conclusion complète a été faite par un autre scientifique des pays baltes, les deux publications sont pratiquement inconnues), son approche est étroite. Peut-être votre conclusion sera-t-elle plus large (plus elle est large, mieux c'est), bien qu'elle ne soit pas aussi exacte - à cause des degrés. Mettez-le en avant, ou il sera perdu dans l'histoire du monde.
La sortie des formules dans Fit a été effectuée dans Maple. Je vais essayer de trouver ce fichier et de le poster ici. À une époque, j'étais tellement intéressé par les méthodes de prédiction des séries chronologiques que j'ai même commencé à écrire un livre sur le sujet. J'ai écrit une centaine de pages, puis j'ai été déçu et je l'ai abandonné. Voici un morceau de livre, qui décrit superficiellement la sortie des formules dans Fit (désolé, mais c'est en anglais) :
La sortie de la formule dans Fit a été faite dans Maple. Je vais essayer de trouver ce fichier et de le poster ici. À une époque, j'étais tellement intéressé par les méthodes de prédiction des séries chronologiques que j'ai commencé à écrire un livre sur le sujet. J'ai écrit une centaine de pages, puis j'ai été déçu et je l'ai abandonné. Voici un morceau de livre, qui décrit superficiellement la sortie des formules dans Fit (désolé, mais c'est en anglais) :
Merci. Veuillez préciser, s'il vous plaît, que cette image ci-dessus est une page de votre livre (non publié), ou une autre ?
(Si c'est le vôtre, alors aujourd'hui 09-JAN-2012 vous avez assuré VOTRE PRIORITÉ SCIENTIFIQUE MONDIALE en postant sur le forum).
Permettez-moi d'expliquer aux autres ce dont je parle : dans de nombreux cas de signaux bruyants, les méthodes conventionnelles d'approximation et d'interpolation ne fonctionnent pas. Habituellement, dans de tels cas, la méthode des moindres carrés est utilisée (en résolvant un système redéfini d'équations linéaires). Bien que leurs résultats soient beaucoup plus fiables, toutes ces méthodes sont des CENTAINES plus lentes que les méthodes simples habituelles, en raison de la résolution du système linéaire.
Dans certains cas, très rares, d'une approximation particulière ou d'un signal particulier, des scientifiques individuels, par des astuces mathématiques purement analytiques, ont réussi à réduire le système linéaire d'équations (bidimensionnel) à des méthodes plus simples (unidimensionnelles, sommation ou convolution vectorielle). Cela accélère l'approximation du signal bruyant par des CENTAINES de fois.
L'une de ces méthodes est celle publiée ici (pour la toute première fois) sur MQL4.com par l'auteur GPWR (Vladimir).
Holoborodko du Japon, cité plus haut, a utilisé la même approche pour calculer la dérivée d'un signal bruyant. Il a réussi à réduire (simplifier et accélérer) les formules de dérivation à des types ridiculement simples, sans résoudre un système d'équations linéaires.
En traitement numérique du signal, la même approche est utilisée dans des filtres Savitzky-Golay assez rares.
https://en.wikipedia.org/wiki/Savitzky%E2%80%93Golay_smoothing_filter
P.S. Addendum pour GPWR. Par le style "russe" de l'anglais correct, je vois que c'est votre livre. Il est excellent, tout simplement excellent. D'ailleurs, il a été écrit de façon très lucide. C'est dommage que vous ne l'ayez pas publié. C'est une bonne contribution pour la DSP. Je crains que pour le commerce, ce ne soit VRAIMENT pas approprié, sauf dans certains endroits comme moyen auxiliaire rapide - peut-être.
P.P.S. Chacun apprend une approche scientifique pour résoudre des problèmes de mathématiques appliquées..... Dans de nombreux cas de signaux bruyants, les méthodes classiques d'approximation et d'interpolation ne fonctionnent pas.
Les mots approximation et interpolation sont appropriés lorsqu'il y a un signal. Les spécialistes du DSP oublient sans cesse qu'il n'y a pas de signal en tant que tel sur le marché et qu'en ce sens, la manière dont on a réussi à s'insérer dans un échantillon n'est pas très importante. La séquence de critères est différente : il s'agit d'entrer dans l'échantillon pour pouvoir extrapoler hors de l'échantillon. Nous ne sommes tous intéressés que par la prédiction hors échantillon, et la qualité des algorithmes en échantillon n'est intéressante que dans le sens du pouvoir prédictif de l'approximation résultante.
Par conséquent, nous devons d'abord répondre à la question de savoir quelle est la capacité prédictive du modèle, et ensuite seulement répondre à la question suivante, à savoir quel est l'algorithme d'approximation qui satisfait le critère prédictif.
.... Dans de nombreux cas de signaux bruyants, les méthodes classiques d'approximation et d'interpolation ne fonctionnent pas.
Les mots approximation et interpolation sont appropriés lorsqu'il y a un signal. Les spécialistes du DSP oublient sans cesse qu'il n'y a pas de signal en tant que tel sur le marché et qu'en ce sens, la manière dont on a réussi à s'insérer dans un échantillon n'est pas très importante. La séquence de critères est différente : il s'agit d'entrer dans l'échantillon pour pouvoir extrapoler hors de l'échantillon. Nous ne sommes tous intéressés que par la prédiction hors échantillon, et la qualité des algorithmes en échantillon n'est intéressante que dans le sens de la capacité de prédiction de l'approximation résultante.
Il faut donc d'abord répondre à la question de savoir quelle est la capacité prédictive du modèle, et ensuite seulement répondre à la question suivante, à savoir quel est l'algorithme d'approximation qui satisfait le critère prédictif.
C'est vrai, absolument vrai. Et une réponse partielle, je le répète, partielle à cette question très correcte ne peut être donnée qu'en donnant une réponse correcte à une question parfaitement simple, stupide dans sa simplicité : "Qu'est-ce qu'un indicateur":
https://www.mql5.com/ru/forum/137416
L'approche correcte pour construire un système de trading se situe au CENTRE de différents concepts issus des mathématiques, de l'économie et même de la jurisprudence. Elle ne peut pas se trouver ailleurs, car les gestionnaires expérimentés des banques avides du monde ont déjà tout essayé, toutes les méthodes connues, engagé tous les mathématiciens connus et essayé toutes les astuces des méthodes modernes d'approximation, de modélisation, d'optimisation. Bon, sauf qu'ils ne connaissaient pas la méthode GPWR, mais cette méthode en elle-même ne leur apportera rien d'autre que la vitesse. La réponse sera "et alors" ? Ils ont des superordinateurs depuis longtemps ; la vitesse n'est pas un problème pour eux.
Je ne comprends pas pourquoi l'auteur du fil de discussion est attaqué ici ? Qu'est-ce qui est si rouge dans sa question ? Pourquoi criez-vous "qu'il aille se faire foutre" ?
Peut-être, très probablement, qu'il y a quelque chose à faire :
Par exemple, il est vrai que la dérivée MACD ne fournit que le taux de variation de la BANDE du signal de négociation (et la bande elle-même n'est pas très distincte et claire). Mais ici, comme cela a été dit à juste titre, le GRADIENT, c'est-à-dire la dérivée multidimensionnelle du MACD, peut donner quelque chose d'utile. Par exemple la dérivée du signal MACD + le gradient le long du FOLLOWING de ce même MACD. C'est inhabituel et frais.
Le problème des utilisateurs avancés du forum est qu'ils sont négligés. Reshetov, par exemple, a abordé un sujet important, celui du minimax. C'est important. Tout le monde sait depuis longtemps, parmi les économistes - les optimiseurs de modèles - que les méthodes "techniques" ordinaires d'optimisation ne donnent pas les bonnes conclusions. Ce n'est pas du tout une question pour les économistes - qu'il est nécessaire de creuser dans les minimax. Von, même SProgrammer sur le thème de Reshetov a réagi et s'est enthousiasmé, il a entendu des informations privilégiées sur les méthodes de pro-trading dans les grandes entreprises. Et qu'ont fait les participants au forum ? Ils ont frappé Reshetov ! Et ce, malgré le fait que, grosso modo, sans connaissance de l'optimisation minimax, les économistes-modélisateurs ne délivrent plus du tout de diplômes aujourd'hui.
Je ne comprends pas pourquoi l'auteur de ce fil est attaqué ? Qu'y a-t-il de si redoutable dans sa question ? Pourquoi crier "attrapez-le !" ?
L'énoncé de la question par l'auteur est très peu précis.
Si la dérivée, alors quelle variable. A droite, la différence entre les deux régressions. A première vue, la variable est la valeur du quotient. Je n'en ai pas l'impression. Il existe une variable plus intéressante - il s'agit du coefficient de ces régressions. Que représentent-ils ? Des constantes ? Cela doit être prouvé. À mon avis, ces coefficients ne sont pas du tout des constantes, mais des variables aléatoires et nous devons encore travailler pour les rendre au moins semblables à des constantes. Alors, qu'est-ce qu'un dérivé ? J'ai posé cette question, mais je n'ai pas obtenu de réponse.
La formulation de la question par l'auteur est très peu précise.
Si dérivée, quelle variable. A droite, la différence des deux régressions. A première vue, la variable est la valeur du quotient. Je n'en ai pas l'impression. Il existe une variable plus intéressante - il s'agit du coefficient de ces régressions. Que représentent-ils ? Des constantes ? Cela doit être prouvé. À mon avis, ces coefficients ne sont pas du tout des constantes, mais des variables aléatoires et nous devons encore travailler pour les rendre au moins semblables à des constantes. Alors, le dérivé - qu'est-ce que c'est ? J'ai posé cette question, mais je n'ai pas obtenu de réponse.
La dérivée est le taux de variation d'une fonction dans une variable. Un gradient est le taux de variation multivarié d'une fonction sur plusieurs variables.
Mais il faut faire attention aux mots "régression" et "coefficient de régression". Ne soyez pas si prompt à sauter le pas et à l'étiqueter immédiatement.
Il est possible de glisser la définition dans une incohérence avec notre sujet d'étude.
Et il y aura d'autres malentendus et l'ensemble se transformera en "rédaction de journal agricole" de Mark Twain.
La dérivée est le taux de variation d'une fonction dans une variable. Le gradient est le taux de variation multivarié d'une fonction en plusieurs variables.
A quoi ressemble exactement ce dérivé pour le MACD. Pas en paroles.