Ti stai perdendo delle opportunità di trading:
- App di trading gratuite
- Oltre 8.000 segnali per il copy trading
- Notizie economiche per esplorare i mercati finanziari
Registrazione
Accedi
Accetti la politica del sito e le condizioni d’uso
Se non hai un account, registrati
Poiché il filtro è non lineare, la risposta all'impulso nelle diverse sezioni è diversa. Pertanto, sarà meglio utilizzare la deconvoluzione - un'operazione di convoluzione inversa sulla sezione necessaria; a tale scopo è possibile utilizzare la libreria ALGLIB.
E tracciare lo spettro della risposta all'impulso risultante. Un filtro ideale dovrebbe avere una linea verticale tra la soppressione e la trasmissione.
Poiché il filtro è non lineare, la risposta all'impulso nelle diverse sezioni è diversa. Pertanto, sarà meglio utilizzare la deconvoluzione - un'operazione di convoluzione inversa sulla sezione necessaria; a tale scopo è possibile utilizzare la libreria ALGLIB.
E tracciare lo spettro della risposta all'impulso risultante. Un filtro ideale dovrebbe avere una linea verticale tra la soppressione e la trasmissione.
Allora perché non utilizzare il metodo di approssimazione locale https://chaos.phys.msu.ru/loskutov/PDF/Los_Kotl_Zhur.pdf?
Permette non solo di prevedere i dati, ma anche di filtrarli. E, teoricamente, un tale filtro non dovrebbe avere alcun ritardo!L'idea è molto simile. Solo che in questo caso non è necessario passare da un filtro all'altro per le diverse parti della serie temporale. Qui si cercano segmenti nella storia che sono simili agli ultimi conteggi della serie, e poi questi segmenti trovati vengono mediati sull'insieme. Questo è il risultato del filtraggio. L'importante è che ci siano abbastanza dati nella storia, altrimenti potrebbero non esserci trame simili.