フーリエベース仮説 - ページ 11 1...4567891011 新しいコメント Сергей 2009.08.16 22:14 #101 equantis >> : そうです、残す価値があるのです...。 この問題を解決するために、典型的な結果を写真でお見せしたいと思います。 ブルー - 価格 赤：0からコサイン変換したプログラムによる予報 紫 - 同じ曲線だが、予測の開始点(100)から計算される。 緑色：価格カーブに基づく単純な予測（内蔵の予測機能を使用しました） すでに書いたように、モデルを特定するのがコツです。この問題は実に複雑で、目だけで解決できるものではありません。また、概念的に言えば、「周波数領域での予測」は、いくつかのタスクで使われていますが、非常に特殊です。 削除済み 2009.09.11 08:13 #102 grasn писал(а)>> 以前にも書きましたが、モデルを見極めるのがコツです。この問題は実に複雑で、目だけで解決できるものではありません。また、概念的に言えば、「周波数領域での予測」は、いくつかのタスクで使われていますが、非常に特殊です。 PFの分解に1ヶ月近く費やしたが、すべて無駄だった。時系列、移動平均、インジケータ、何でも予測してみましたが、結果はすべて五分五分（くらい）でした。 離散コサイン変換を使って、あなたのアイデアを実現しようとしました。残念ながら，逆コサイン変換の結果，次のような図が得られました：復元された信号では，（実際に予測が行われた）最後のバーは，ある小さな誤差を伴って，（トレーニングセットの最後の）最後のバーを繰り返すだけです。 念のため、私がやっていた簡単なアルゴリズムを記述しておきます。 START= 1:FRAMEで始まるテストデータセットを取得した。 各データセットにWINDウィンドウを選択（START:START+WINDの範囲でサンプリングを行っている） 各ウィンドウについて、コサイン変換を行いました。 すべての結果は、FRAME x WINDサイズの行列にまとめられ、列には各周波数のコサイン変換係数が、行には各テストデータセットの1周波数に対する係数が格納された 各係数の列に対して、小さなニューラルネットワークが学習され、過去の4つの値に基づいて、1気圧の正弦波の変化を非常によく予測することができました。ARの予測結果が非常に悪かったため、ニューラルネットワークを導入することになった。 予測されたデータセットに対して、予測された係数のセットを生成し、最後のバーが望ましい値となった。予測された係数に対して逆コサイン変換が行われた。 残念ながら、奇跡は起こりませんでした。予測されたバーは、わずかな誤差を伴って、テストシーケンスから最後から2番目のバーを繰り返しました。解析してみると、最初の小節が少し変化しているだけで、他の小節は変化しておらず、ただ1つずつ位置がずれている（はず）ことがわかりました。しかし、最後の小節は予測ではなく、単に前の小節を繰り返しただけである。(上の写真参照)。 この結果は、数学者にとっては有用かもしれないが、EURUSDの予測には役に立たないことが判明した。嗚呼。まだ。))) Сергей 2009.09.11 10:09 #103 equantis >> : PFとの関係を整理するのに1ヶ月近く費やしましたが、すべて無駄になってしまいました。時系列、移動平均、インジケータ、すべて予測してみましたが、予測結果はすべて五分五分（くらい）でした。 離散コサイン変換を使って、あなたのアイデアを実現しようとしました。残念ながら，逆コサイン変換の結果，次のような図が得られました：復元された信号では，（実際に予測が行われた）最後のバーは，ある小さな誤差を伴って，（トレーニングセットの最後の）最後のバーを繰り返すだけです。 念のため、私がやっていた簡単なアルゴリズムを記述しておきます。 START= 1:FRAMEで始まるテストデータセットを取得した。 各データセットにWINDウィンドウを選択（START:START+WINDの範囲でサンプリングを行っている） 各ウィンドウについて、コサイン変換を行いました。 すべての結果は、FRAME x WINDサイズの行列にまとめられ、列には各周波数のコサイン変換係数が、行には各テストデータセットの1周波数に対する係数が格納された 各係数の列に対して、小さなニューラルネットワークが学習され、過去の4つの値に基づいて、1気圧の正弦波の変化を非常によく予測することができました。ARの予測結果が非常に悪かったため、ニューラルネットワークを導入することになった。 予測されたデータセットに対して、予測された係数のセットを生成し、最後のバーが望ましい値となった。予測された係数に対して逆コサイン変換が行われた。 残念ながら、奇跡は起こりませんでした。予測されたバーは、わずかな誤差を伴って、テストシーケンスから最後から2番目のバーを繰り返しました。解析してみると、最初の小節が少し変化しているだけで、他の小節は変化しておらず、ただ1つずつ位置がずれている（はず）ことがわかりました。しかし、最後の小節は予測ではなく、単に前の小節を繰り返しただけ。(上の写真参照)。 この結果は、数学者にとっては有用かもしれないが、EURUSDの予測には役に立たないことが判明した。嗚呼。まだ。))) そして、奇跡が起こるとは言っていない。 不確定要素もある。 小さなニューラルネットワークが各列の係数を用いて学習され、前の4つの値から正弦波の1気圧の変化を非常によく予測した。ARの予測結果が非常に悪かったため、ニューラルネットワークを導入することになった。 これだけ複雑な系列の4つの数字にNSがつくと、とても未来を予測できるとは思えませんね。非常に疑問です。また、もし予測できたとしたら、なぜこれほどまでに大きなズレが生じるのでしょうか？それと「正弦波」はどう関係があるのでしょう。ARモデルについては、各曲率、実はARプロセスに非常に近い性質を持っています。このようなモデルの同定は複雑で、多くの方法が使われる（不思議なことにNSよりも複雑）： バックトラックと予測、Akiache基準、「スーツケース」、自己回帰伝達関数、一致基準と最尤基準（とその変種）、相互相関、確率近似、フィルタリング（これはモデルの同定にも使われる）。 少なくとも、発想はあなたと同じです。:о)うまくいかなかった～、そんなこともあるんですね、お忙しいところ誠に申し訳ございません、返品には応じられません。しかし、ところで、ここhttps://forum.mql4.com/ru/24888/page9、念のため警告しておきます。このモデルには微妙なところがたくさんあり、控えめに省略したところもあります。その微妙な点の1つは、そのようなモデルで1つのカウントを予測するのは無意味だ、ということです。単に望む精度が得られないだけで、決してそうなるわけではありません。統計的」な意味での予測が必要なのです。文学的に言えばそういうことです。 削除済み 2009.09.11 12:30 #104 グラサン、とにかく、アイデアをどうもありがとうございます手続きも楽しく、無駄な時間がありませんでした))そして、その結果はまだまだこれからです grasn писал(а) >> これだけ複雑な系列の4つの数字にNSを付けても、うまく未来を予測できるとは思えません。とてもそうは思えません。そして、もしそうだとしたら、なぜこれほどまでに大きな食い違いがあるのでしょうか？それと「正弦波」はどう関係があるのでしょう。 1.DCTの各係数の変化を考えると、お書きのように、ある種の「曲線正弦波」（係数の次数に対応する周波数、特に高周波の振動）のように、時間と共に振幅が変化していく様子がよくわかりますね。ARを使って、Matcadの例のように、おおよそ「真正面」を予測してみました。 1小節の「curvulina」を予測することを考えると、ARは（少なくとも私はMatlabにあるすべての数式を試しましたが）非常に不正確な結果を出し、特に奇数の周期を持つ「curvulina-sinusoids」に対しては（すべて試していないかもしれませんが）、そのようになります。この場合、単純なニューラルネットワーク（Matlabではnewlindという関数で実装されている（ニューラルネットワークですらなく、単なる一次方程式のソルバーだと思う））を1点予測すると、非常に良い（視覚的に）結果を得ることができる。 2.50本のバーのうち48本を正確に（ほぼ正確に）予測し、左に1ポジション移動させ、1つのエラー（なぜかわからない）と最後の1つだけ（ごめんなさい、全部やってました）、かなり良い感じです。どうやら、各「カーブライン」での予測の「微小誤差」が、このように逆変換で加算されていくようです。 最後の小節をテストセグメント内に隠そうとすることでアルゴリズムを「ごまかそうと」しましたが（単純な円形シフトを行いました）、それでも間違っていたのは最後と最初の小節でした。 3.ちなみに、クローズだけでなく、ハイ／ロー／オープン、そしてその差、さらにはジグザグの最小値-最大値も予測してみた。(シリーズの一例として、時間軸が歪んでいる）。結果は同じなので、結論は明らかである。この方法は、N-2小節を左に1小節「正面」移動するだけで、ジグザグを予測しないのである。 ARモデルに関しては、各曲線は実際にはARプロセスであり、その特性から非常に近い。このようなモデルの同定は複雑で、多くの方法が用いられます（不思議なことにNSよりも複雑です）： 反転と予測、アキアキ基準、「スーツケース」、自己回帰伝達関数、一致基準と最尤基準（とその変種）、相互相関、確率近似、フィルタリング（これはモデルの同定にも使われる）。 2回目ありがとうございます。新しい名前がたくさんあって、もっと試してみたいです。 このモデルには微妙なところがたくさんあり、謙虚に省略したところもあります。その微妙な点のひとつは、そのようなモデルでひとつのサンプルを予測するのは無意味だ、ということです。単に望む精度が得られないだけで、決してそうなるわけではありません。統計的」な意味での予測が必要なのです。文学的に言えばそういうことです。 三度目の正直、ありがとうございます！「統計的」な意味でも試してみましょう)) Сергей 2009.09.11 13:08 #105 お役に立ててうれしいです。頑張ってください :o) ちなみに、この近くにある「リアルタイム予測システムテスト」 スレッドに予測を書き込んでみますね。月曜までに間に合えば、ダメなら後日掲載します。だから、「連絡を取る」。 削除済み 2009.09.11 21:41 #106 2 grasn: 1.ふと思いついたのですが、コサイン変換を2回（最初はテスト区間、次に正弦波によく似た「曲線」それぞれに）適用すれば、プロセスの予測特性が「改善」されるのではないでしょうか？明日には結果をお伝えできるようにします。 2. もちろん、ある種のプロセスの長期的な予測にはARが適しているが、2つの正弦波の重ね合わせをニューラルネットワークで補間することは可能であろう。 3.この方法では、Closeそのものではなく、ln(Xi/Xi-1)を予測する方が良いというのは、私の理解が正しいでしょうか？ Сергей 2009.09.11 21:45 #107 equantis >> : 1.ふと思いついたのですが、コサイン変換を2回（最初はテスト区間、次に正弦波によく似た「曲線」それぞれに）適用すれば、プロセスの予測特性が「改善」されるのではないでしょうか？明日には結果をお伝えできるようにします。 2. もちろん、ある種のプロセスの長期的な予測にはARが適しているが、2つの正弦波の重ね合わせをニューラルネットワークで補間することは可能であろう。 3.この方法では、Closeそのものではなく、ln(Xi/Xi-1)を予測する方が良いということでよろしいでしょうか？ 1.試されなければならない。 2. 周波数によるダイナミクスには周期がなく、複雑なプロセスであり、正弦波の重ね合わせでは全くないことがポイントである 3. はい、これは固定列に持ち込むためのオプションの1つです。 1...4567891011 新しいコメント 取引の機会を逃しています。 無料取引アプリ 8千を超えるシグナルをコピー 金融ニュースで金融マーケットを探索 新規登録 ログイン スペースを含まないラテン文字 このメールにパスワードが送信されます エラーが発生しました Googleでログイン WebサイトポリシーおよびMQL5.COM利用規約に同意します。 新規登録 MQL5.com WebサイトへのログインにCookieの使用を許可します。 ログインするには、ブラウザで必要な設定を有効にしてください。 ログイン/パスワードをお忘れですか？ Googleでログイン
そうです、残す価値があるのです...。
この問題を解決するために、典型的な結果を写真でお見せしたいと思います。
ブルー - 価格
赤：0からコサイン変換したプログラムによる予報
紫 - 同じ曲線だが、予測の開始点(100)から計算される。
緑色：価格カーブに基づく単純な予測（内蔵の予測機能を使用しました）
すでに書いたように、モデルを特定するのがコツです。この問題は実に複雑で、目だけで解決できるものではありません。また、概念的に言えば、「周波数領域での予測」は、いくつかのタスクで使われていますが、非常に特殊です。
以前にも書きましたが、モデルを見極めるのがコツです。この問題は実に複雑で、目だけで解決できるものではありません。また、概念的に言えば、「周波数領域での予測」は、いくつかのタスクで使われていますが、非常に特殊です。
PFの分解に1ヶ月近く費やしたが、すべて無駄だった。時系列、移動平均、インジケータ、何でも予測してみましたが、結果はすべて五分五分（くらい）でした。
離散コサイン変換を使って、あなたのアイデアを実現しようとしました。残念ながら，逆コサイン変換の結果，次のような図が得られました：復元された信号では，（実際に予測が行われた）最後のバーは，ある小さな誤差を伴って，（トレーニングセットの最後の）最後のバーを繰り返すだけです。
念のため、私がやっていた簡単なアルゴリズムを記述しておきます。
残念ながら、奇跡は起こりませんでした。予測されたバーは、わずかな誤差を伴って、テストシーケンスから最後から2番目のバーを繰り返しました。解析してみると、最初の小節が少し変化しているだけで、他の小節は変化しておらず、ただ1つずつ位置がずれている（はず）ことがわかりました。しかし、最後の小節は予測ではなく、単に前の小節を繰り返しただけである。(上の写真参照)。
この結果は、数学者にとっては有用かもしれないが、EURUSDの予測には役に立たないことが判明した。嗚呼。まだ。)))
PFとの関係を整理するのに1ヶ月近く費やしましたが、すべて無駄になってしまいました。時系列、移動平均、インジケータ、すべて予測してみましたが、予測結果はすべて五分五分（くらい）でした。
離散コサイン変換を使って、あなたのアイデアを実現しようとしました。残念ながら，逆コサイン変換の結果，次のような図が得られました：復元された信号では，（実際に予測が行われた）最後のバーは，ある小さな誤差を伴って，（トレーニングセットの最後の）最後のバーを繰り返すだけです。
念のため、私がやっていた簡単なアルゴリズムを記述しておきます。
残念ながら、奇跡は起こりませんでした。予測されたバーは、わずかな誤差を伴って、テストシーケンスから最後から2番目のバーを繰り返しました。解析してみると、最初の小節が少し変化しているだけで、他の小節は変化しておらず、ただ1つずつ位置がずれている（はず）ことがわかりました。しかし、最後の小節は予測ではなく、単に前の小節を繰り返しただけ。(上の写真参照)。
この結果は、数学者にとっては有用かもしれないが、EURUSDの予測には役に立たないことが判明した。嗚呼。まだ。)))
そして、奇跡が起こるとは言っていない。 不確定要素もある。
小さなニューラルネットワークが各列の係数を用いて学習され、前の4つの値から正弦波の1気圧の変化を非常によく予測した。ARの予測結果が非常に悪かったため、ニューラルネットワークを導入することになった。
これだけ複雑な系列の4つの数字にNSがつくと、とても未来を予測できるとは思えませんね。非常に疑問です。また、もし予測できたとしたら、なぜこれほどまでに大きなズレが生じるのでしょうか？それと「正弦波」はどう関係があるのでしょう。ARモデルについては、各曲率、実はARプロセスに非常に近い性質を持っています。このようなモデルの同定は複雑で、多くの方法が使われる（不思議なことにNSよりも複雑）： バックトラックと予測、Akiache基準、「スーツケース」、自己回帰伝達関数、一致基準と最尤基準（とその変種）、相互相関、確率近似、フィルタリング（これはモデルの同定にも使われる）
。
少なくとも、発想はあなたと同じです。:о)うまくいかなかった～、そんなこともあるんですね、お忙しいところ誠に申し訳ございません、返品には応じられません。しかし、ところで、ここhttps://forum.mql4.com/ru/24888/page9、念のため警告しておきます。このモデルには微妙なところがたくさんあり、控えめに省略したところもあります。その微妙な点の1つは、そのようなモデルで1つのカウントを予測するのは無意味だ、ということです。単に望む精度が得られないだけで、決してそうなるわけではありません。統計的」な意味での予測が必要なのです。文学的に言えばそういうことです。
グラサン、とにかく、アイデアをどうもありがとうございます手続きも楽しく、無駄な時間がありませんでした))そして、その結果はまだまだこれからです
grasn писал(а) >>
これだけ複雑な系列の4つの数字にNSを付けても、うまく未来を予測できるとは思えません。とてもそうは思えません。そして、もしそうだとしたら、なぜこれほどまでに大きな食い違いがあるのでしょうか？それと「正弦波」はどう関係があるのでしょう。
1.DCTの各係数の変化を考えると、お書きのように、ある種の「曲線正弦波」（係数の次数に対応する周波数、特に高周波の振動）のように、時間と共に振幅が変化していく様子がよくわかりますね。ARを使って、Matcadの例のように、おおよそ「真正面」を予測してみました。
1小節の「curvulina」を予測することを考えると、ARは（少なくとも私はMatlabにあるすべての数式を試しましたが）非常に不正確な結果を出し、特に奇数の周期を持つ「curvulina-sinusoids」に対しては（すべて試していないかもしれませんが）、そのようになります。この場合、単純なニューラルネットワーク（Matlabではnewlindという関数で実装されている（ニューラルネットワークですらなく、単なる一次方程式のソルバーだと思う））を1点予測すると、非常に良い（視覚的に）結果を得ることができる。
2.50本のバーのうち48本を正確に（ほぼ正確に）予測し、左に1ポジション移動させ、1つのエラー（なぜかわからない）と最後の1つだけ（ごめんなさい、全部やってました）、かなり良い感じです。どうやら、各「カーブライン」での予測の「微小誤差」が、このように逆変換で加算されていくようです。
最後の小節をテストセグメント内に隠そうとすることでアルゴリズムを「ごまかそうと」しましたが（単純な円形シフトを行いました）、それでも間違っていたのは最後と最初の小節でした。
3.ちなみに、クローズだけでなく、ハイ／ロー／オープン、そしてその差、さらにはジグザグの最小値-最大値も予測してみた。(シリーズの一例として、時間軸が歪んでいる）。結果は同じなので、結論は明らかである。この方法は、N-2小節を左に1小節「正面」移動するだけで、ジグザグを予測しないのである。
ARモデルに関しては、各曲線は実際にはARプロセスであり、その特性から非常に近い。このようなモデルの同定は複雑で、多くの方法が用いられます（不思議なことにNSよりも複雑です）： 反転と予測、アキアキ基準、「スーツケース」、自己回帰伝達関数、一致基準と最尤基準（とその変種）、相互相関、確率近似、フィルタリング（これはモデルの同定にも使われる）。
2回目ありがとうございます。新しい名前がたくさんあって、もっと試してみたいです。
このモデルには微妙なところがたくさんあり、謙虚に省略したところもあります。その微妙な点のひとつは、そのようなモデルでひとつのサンプルを予測するのは無意味だ、ということです。単に望む精度が得られないだけで、決してそうなるわけではありません。統計的」な意味での予測が必要なのです。文学的に言えばそういうことです。
三度目の正直、ありがとうございます！「統計的」な意味でも試してみましょう))
お役に立ててうれしいです。頑張ってください :o)
ちなみに、この近くにある「リアルタイム予測システムテスト」 スレッドに予測を書き込んでみますね。月曜までに間に合えば、ダメなら後日掲載します。だから、「連絡を取る」。
1.ふと思いついたのですが、コサイン変換を2回（最初はテスト区間、次に正弦波によく似た「曲線」それぞれに）適用すれば、プロセスの予測特性が「改善」されるのではないでしょうか？明日には結果をお伝えできるようにします。
2. もちろん、ある種のプロセスの長期的な予測にはARが適しているが、2つの正弦波の重ね合わせをニューラルネットワークで補間することは可能であろう。
3.この方法では、Closeそのものではなく、ln(Xi/Xi-1)を予測する方が良いというのは、私の理解が正しいでしょうか？
1.ふと思いついたのですが、コサイン変換を2回（最初はテスト区間、次に正弦波によく似た「曲線」それぞれに）適用すれば、プロセスの予測特性が「改善」されるのではないでしょうか？明日には結果をお伝えできるようにします。
2. もちろん、ある種のプロセスの長期的な予測にはARが適しているが、2つの正弦波の重ね合わせをニューラルネットワークで補間することは可能であろう。
3.この方法では、Closeそのものではなく、ln(Xi/Xi-1)を予測する方が良いということでよろしいでしょうか？
1.試されなければならない。
2. 周波数によるダイナミクスには周期がなく、複雑なプロセスであり、正弦波の重ね合わせでは全くないことがポイントである
3. はい、これは固定列に持ち込むためのオプションの1つです。