ランダムフロー理論とFOREX - ページ 13

新しいコメント
 
shobvas:
加速度はともかく、速度の話ができるのかどうか......。少なくとも、航空機の速度や加速度と同じような感覚で。

スピードと加速度が違うというのは納得です。でも、どっちもどっちなんですよ。この手法により
 
rsi:
しかし、そうなるとポートフォリオテストの問題が本格的に出てきて、またまた問題が大きくなってしまいます :-)
確かに、このL(k)=[V(k),a(k)]というモデルは、本当に簡単に複雑化します。 異なる通貨ペアの速度と加速度、それらの相互相関を考え、Volumeを導入します。複雑にするのは簡単で、まず一番シンプルなレンガを処理すればいいのです。 だから、みんなのために十分なスペースがあると言ったのです :-)
 
レーダーは どのような軌跡を描き、そこからどのように微分しているのか、さらに2つ目は？ ひとつは規則的で「良い」関数の数値微分で、もうひとつはサンプリング間隔（分）が、値が突然変化する間隔より明らかに大きい確率的なプロセスです。

論文「伏字下での速度推定」より。

Д(t),V(t),a(t) – детерминированные составляющие соответственно дальности, скорости и ускорения;

DV(t)、Da(t)は速度、加速度の揺らぎ成分。

しかし、前者は何らかの形で決定されている--特定の変動パターン、すなわちノイズに基づいて。
 

オープンプレスの記事です（添付）。記事の最後に私たちの研究について書かれています。そして、実際の空中線TDS（ドップラー周波数の軌跡）のACFが与えられる（ドップラー周波数は速度に正比例する）、図9参照。私が掲載したACF（「ランダムフロー理論とFOREX」 またはこちら「ランダムフロー理論とFOREX」）と視覚的に比較してみてください。このカーブを見たとき、目を疑いました。20回ほど確認しました（いろいろな方法で構築し、今は3番目の方法で確認しましたが、エラーはありません）。

α、β、Σは、ちょうどACFの形で敷き詰められ（これらの式に挿入される）、2次の慣性リンクとなる。物理的にはあるレベル付近で振動していますが、外部からエネルギーが来なければ振動は減衰します。インパルスが来れば（振動は）新しいレベルに移動することができ、また振動する。

サンプリング深度を変えると、異なる振動（速い、遅い、記事に書いてあるくらい）、つまり全体の動きが異なる（α、β、σ）これらすべての振動で構成されているかのようです。多次元的な動きと多次元的な動き。

最適な処理を行うには、発振ごとに異なるフィルターが必要です。しかし、これではカルマンフィルタが無限に増えてしまう ;-(笑)先ほど、TSを作るには、さらにアート（トリミング計算）が必要だと書きましたが、このプロセスの詳細については、各自で異なるかもしれません。と誰かが、言ってみましょう、異なる通貨の関係を検討したい（この記事のマスター-スレーブに類似）、それらの間の相関があり、これもモデルに置くことができ、この動きを推定し、あなたのポケットに外国為替エネルギーを直接、すべてではない、少しピンチと十分:-)。

追伸：(10)の式に疑問があります、何かしっくりこないのです。そして本編でも、誤植のようです。私はそれでティホノフに行ったが、彼の思想は生きているし、彼の弟子のハリソフやヤリコフもいる、アカデミーで探すだけでも大変だ、最後の手段としてトヴェールのボグダノフ（この論文の著者でこの仕事と私の論文を同時に指導した）に行くつもりだ。

ファイル:
statja.zip  447 kb
 
プライヴァル、この記事を斜め読みしてしまいました。すべてに影響する2つの重要な前提があります。1つ目。



引用過程（とその最初の差分）については、過程自体が定常的なものでもなく、ましてやエルゴード的なものでもないので、非常に疑問である。2番目。



どこに正常性があるんだ、プライヴァル？
 
Mathemat:
1.商プロセス（およびその一次差分）については、プロセス自体が定常、ましてやエルゴードに似ていないため、非常に疑わしいです。 2.ノーマライゼーションはどこまで進んでいるのか、
プライヴァル

1.ACFはY-muに対して構築され、すなわち、「トレンド」mu=y(x)=a+b*xが引用プロセスからあらかじめ除去されているので、プロセスのMOG = const（我々の場合、定常性条件の1つ0）であった。カルマンが "トレンド "を決定するのは問題ない。これはデトレンドされた速度成分である。トレンド」を取り除いた残りが、速度のフラックス成分である。揺らぎ成分がエルゴード過程でないことは同意しますが、揺らぎリンクに相当する部分があり、歴史上（フラットと呼ばれる）たくさん出てくると思います。対応しない部分がある場合は、フィルターに別の機種を使用する必要があることを意味します。そのようなフィルターがたくさんあり、理想は無限大です。物理を説明しようとすると、「受信機と同じで、つまみを回して局（トレンド）を得て、それをキープする。駅を失い、それがアハニュースを鳴らすまでノブを回し、ニュースをオフに動作し、再びさらに回転に行きました消えました。それでは、どうぞ。でも、もっと複雑で、数式で。"

相場の流れが付属のモデルに対応していれば、すべてOKで、ニュースやトレンド、フラットなどに耳を傾けるのです。信号が消えたら（フィルター出力の齟齬が閾値を超えたら）、あとはノブを回して、残りの99（億-1）個の中から、現在のプロセス（に組み込まれたモデル）により適したフィルターを探せばよいのである。

ただ一つ注意したいのは、誰もコテルニコフの定理をキャンセルしなかったことです。もし引用が1分間に1回来るなら（私たちは分単位で仕事をしています）、研究のためにアクセスできるプロセスは少なくとも2分の期間を持っていますが、実際にはサンプリングの頻度は最大頻度の5-8倍であることが望ましいです。TSの仕事をニュースに投影（フォーカス）するのであれば、ティックに切り替えるべきでしょう。

2.おそらく正常なのでしょう。「まっすぐな水平飛行」という条件をよく読んでみると、この時間間隔のどの区間をとっても、MOJ=constで変化しないことを意味しています。そのようなエリアをクォートで探して、（MOJ=constで1時間以内に+-1pips）見てください。間隔については気にしないでください :-)研究の本質とは関係のない、論文中の余計なフレーズ。

そして、一般的に指が痛くなります :-) ヘッドホンをつけてください。

 

MQLでコルマンフィルタを作る必要がありますが、MathCadで見ると以下のようになります。

インデックス "T", "-1" - 転置演算，逆行列の計算．これらはすべて行列（アレイ）であり、行列代数http://alglib.sources.ru/matrixops/ に従ってプログラミングする必要があります。

Cコードの断片はあるが、確認が必要である。matkadelではすべてがうまくいきます。

仕事中にできるかどうかわかりませんが、暇なときにでも、師匠にふさわしい仕事だと思います。目的は、計算の最大限のスピードと正確さです。Matrix H 型の整数（0 または 1 からなる）。残りはダブルです。

または対応できる方、頷くだけです。 詳細なステップバイステップの説明を書くようにします（MQLプログラミングの経験あり）。

 
Prival:

つまり、100～1000億個のカルマンフィルターが並列に動作し、それぞれが気配値を受信しています。 気配値の流れが入れ子モデルに対応していれば、すべてOKで、ニュース、トレンド、フラットなどを聞きます。信号がない（フィルター出力の不一致が閾値を超える）場合、残りの99（億-1）個の中から、現在進行中のプロセス（に内包されるモデル）に最も対応するフィルターを選べばよいのである。


トレーディングにおける主な問題点 - モデルが多少なりとも確実に認識されるようになる頃には、その継続と崩壊の確率はほぼ同じになります。このルールは、10～100ミリ級のカルマンフィルター すべてに適用されると思うのですが、いかがでしょうか。
 
lna01:
プライベートの 話。

つまり、100～1000億個のカルマンフィルターが並列に動作し、それぞれが気配値を受信しています。 気配値の流れが入れ子モデルに対応していれば、すべてOKで、ニュース、トレンド、フラットなどを聞きます。信号が消えたら（フィルター出力の齟齬が閾値を超えたら）、残りの99（億-1）個の中から、進行中のプロセス（に組み込まれたモデル）に最もよく対応するフィルターを探せばよいのだ。


取引における主な問題は、あるモデルが多少なりとも信頼できるようになる頃には、そのモデルが継続する確率と崩壊する確率がほぼ同じになってしまうことです。このルールは、10-100mのカルマンフィルターにも適用されると思うのですが、いかがでしょうか？


まあ、それは言い過ぎだと思いますけど。実際、モデルの寿命について統計をとった研究はない。また、モデルを認識するために必要な情報量（＝ラグタイム）のデータもなく、導入・活用する側でさえ、こうした調査を実施・公表することを好まない。明らかに、ストラテジーに正のモがあれば、確率が均等化される前にモデルが認識されると考えられる。

そして、そのような戦略、ライブがあるのです。ルックアットベター 彼のExpert Advisorは、私が実装したかったことを実際にやってくれています。そして、上にも下にも動きます。ここでは、予報とその前の認識を示しています。

プライバルの プログラムについては、面白い、アイデアがある、パラレルがそれほど遠くない、といったことが言えると思います。残念ながら、私は数学を理解していないので、やることがたくさんあるのですが、遷移行列が何か固定されていないのであれば、この方法で解決することができるかもしれません。しかし、計算機の部分はもっとのびのびとしたものにする必要があります。直接的な計算処理だけであれば、100～1000億個以上のフィルターで計算する必要があるので、ティックのことは忘れてもいい。また、逆問題として、市場環境の変化に合わせて、何とかパラメータを調整しなければなりません。

そのため、メモリと演算サイクルタイムの両面から、リソースを明確に見積もる必要があるのです。そうでなければ、5〜10時間の計算サイクルを1回で済ませることになるかもしれません。その時、どんなニュースになるのでしょうか。あとは、何日も何週間もプレイするだけです。:-)

 

適応的なFの構築には様々な方法があり、複数のフィルタの並列計算が適応の計算コストを超える場合は、それらを使用します。しかし、これはすでに非線形フィルタリングの領域です。とりあえず直線的なろ過の範囲にとどめたいと思います。典型的なエリア（落ち着いたマーケット、セッションのオープニング、ニュースリリース、異なるパラメータを持つ複数のトレンド、異なるパラメータを持つ複数のフルート）でACFの統計をダイヤルする。 紐を引っ張って見るように。 10-16フィルターくらいで十分だと思う。モデルとの不一致、発散が現れたら判断すべき（マーケットの臨界点 - 判断ポイント）。この時点でWald統計的決定関数に切り替わる。どういうわけか、今のところすべての質問に答えられるわけではなく、明確な道と目標があるだけです。

検出時間については、機能の質とモデルのセットに依存します。瞬間的なものかもしれません。例えば、（このセットでは）ギャップを扱う2つのフィルターがあるとします（1つは上、もう1つは下）。モデル全体からの選択が曖昧にならない＋特性がかなり強力:-)。

1...67891011121314151617181920...85
新しいコメント