記事"経験的モード分解メソッドのイントロダクション"についてのディスカッション - ページ 5

新しいコメント
 
MisterH:
実際、これは良い記事ではない。EMDは因果関係のある手法ではない。つまり、過去の値がリアルタイムで変化するため、トレーディングにはまったくもって役に立たない。特異スペクトル分析、ホドリック・プレスコット・フィルター、あらゆる種類のスプラインと同じカテゴリーだ。静的なチャート上ではとても良く見えますが、リアルタイムではLWMAと変わりません。EMDラインの結果にSMA(1)を置くだけで、それがどれだけでこぼこになるかわかるだろう...研究/科学的な観点からは良いが、取引では役に立たない。
EMD（あるいはおそらく他の分析手法）を、過去の価格データに基づくある種の単純な価格予測フィルターとして使おうとしているのであれば、それはかなり役に立たないということに同意しますが、この手法を完全に否定するのはそれほど早計ではありません。非定常データを構成波形に分解することが有用で有益な方法は他にもいろいろあります。私の経験では、EMDはかなり良い仕事をしている。
 

皆さん、こんにちは、

私はEMD技術をSVM-回帰とともに実装するための論理的な道筋を立てるのに苦労しています。私が読んだ(E)EMD-SVMに関するほとんどの論文（例えば "Short-term prediction of stock index based on EMD and SVMs"）は、SVM学習経路を実装する前に、まず完全な時系列を分解します。

しかし、時系列に1つのデータセット(t+1)を追加すると、EMDアルゴリズムはほとんど全てのIMFの値を変更することに気づきました(IMFの数さえも(過去の同じ日付について)変更することができます)。

したがって、データセットを学習期間(例えば2002-2010)に分割し、サンプル外予測(例えば2011)を行いたい場合、EMD分解されたIMFは、2011年を予測するために2002-2010のデータのみを含む必要がありますよね？EMDデータセット(2002-2011)で計算されたIMF時系列で2011年を予測すると、「未来」からの情報を取り込むことになり、私のバックテスト 結果は有効ではなくなりますよね？

だから、1ステップ進むごとに、EMDを追加データポイントで計算しなければならない・・・そうすれば、SVM-回帰を実行して、そのようなモデルをバックテストできるよね？この再帰的な方法は、MisterHが前述したように "BUMPY "である可能性があり、バックテストやトレーディング戦略には役に立たないのでは？

削除済み  

2つ目に同封されている「EMDの実装が若干異なる」ことについて、一言もらえないだろうか。 長所 短所 短所 違い

記事に大きなプラス

12345
新しいコメント