Filtros digitais adaptativos - página 8
Você está perdendo oportunidades de negociação:
- Aplicativos de negociação gratuitos
- 8 000+ sinais para cópia
- Notícias econômicas para análise dos mercados financeiros
Registro
Login
Você concorda com a política do site e com os termos de uso
Se você não tem uma conta, por favor registre-se
2 Prival: Lembrei que Kalman, de acordo com você, é baseado no MNC. Agora vejo porque funciona bem em dados de radar (com erros distribuídos pela Gaussian), mas - pior em dados de mercado. A principal razão pela qual Kalman é perfeito nos dados gaussianos é que a função de erro (alvo) - a soma dos quadrados de variação neste caso - é perfeita apenas para a distribuição gaussiana. Para outras distribuições, as funções de erro são diferentes. Para distribuições com rabos de potência (pesados), as funções alvo são bem diferentes, e MNC não conta aqui. É por isso que a JMA é melhor do que a Kalman nas séries de mercado.
Que interessante. Vamos Alexey, eu também vou acenar minha bétula sobre sua cabeça :-)). Afinal, 99% das disputas surgem quando uma pessoa diz que é melhor. Mas ele não disse em que sentido é melhor (onde está o critério + quanto melhor). E digamos que eu argumentei que MA é ainda melhor, o melhor, simplesmente incrivelmente melhor :-). JMA e Kalman não são nem de perto.
É como dizer que uma pessoa é melhor do que outra. Mas não para dizer de que forma (sem critério). Suponha que o primeiro é melhor para beber vodka, enquanto o segundo é melhor para atirar nos pioneiros com uma fisga. A questão é qual deles é melhor...
Afinal, a JMA é uma caixa preta para você e para mim. E o filtro Kalman deve conter
1. Um modelo de observação (modelo de sinal + modelo de ruído).
2. Um modelo de medição (modelo de erro de medição).
E a solução a ser encontrada pela ANC com uma função de perda quadrática. Com base em dados a priori e medidas obtidas. E quero notar que tal função de erro de alvo funciona não apenas para Gauss, mas para qualquer lei de distribuição simétrica.
Mathemat e agora uma pergunta. Suponha que o processo analisado seja sinusoidal com ruído uniforme e as medições estejam sujeitas a uma lei Poisson não estacionária. Todos estes modelos estão aninhados no filtro Kalman e ele encontrou a estimativa ideal (desta mistura selvagem) na chegada de uma nova medição por ANC (função de perda quadrática) de acordo com todos os dados a priori aninhados nele.
Onde, em que lugar é melhor a caixa preta da JMA ?
Se você colocar em um filtro Kalman um modelo que seja 100% consistente com forex (sinal + ruído) e um modelo de medição adequado (sistema de estimativa especializado não-síncrono), ele será uma máquina dos diabos.
Z.U. O modelo de observação e medição de ruído pode ser qualquer coisa. O principal é ser consistente com o que está lá.
Convencido, Prival. Portanto, há algo que Djuric obviamente não está nos dizendo, ou está deliberadamente exibindo seu produto. E ainda, e ainda: por que o OLS e não, digamos, a soma dos módulos de desvios? Simplesmente porque o ANC é analiticamente mais conveniente?
P.S. Eu me lembro de me perguntar sobre uma função de perda oportuna em conexão com minha antiga pesquisa sobre redes neurais (lá é uma função alvo). E de alguma forma deduziu ou leu em algum lugar que a soma dos quadrados está diretamente relacionada com a hipótese particular sobre a lei de distribuição de erros (aqui - Gaussiano). Quando em minha pesquisa mudei a função para soma de módulos (isto é, mudando a lei a priori de distribuição de erros para exponencial), a qualidade da previsão melhorou ligeiramente, mas não cardinalmente.
Se você colocar um modelo no filtro Kalman que seja 100% consistente com forex (sinal + ruído) e um modelo de medição adequado (sistema de julgamento especializado não-síncrono), ele será uma máquina dos diabos.
Z.U. O modelo de observação e medição de ruído pode ser qualquer coisa. O principal é corresponder ao que existe.
O modelo do sinal em si tem alguma limitação?
para Northwind.
Obrigado. E "precisamos de um conceito simples e suficientemente consistente de vida no mercado" - você se refere ao seu próprio desenvolvimento ou ao uso de algumas técnicas, tais como as descritas por Shiryaev?
...a soma dos quadrados está diretamente relacionada com a hipótese particular sobre a lei de distribuição de erros (aqui, Gaussiana)...
Prival, Mathemat, tenho medo de ficar irritado novamente, mas tenho que dizer novamente - não há praticamente nenhum ruído nas citações - que é o sinal de entrada. Você está tentando usar as ferramentas da estatística matemática (a filtragem é a mesma). Estatísticas de quê? Estatísticas, leis de distribuição, seus momentos de diferentes ordens referem-se a variáveis aleatórias (processos). Se você receber um tique, isso é um sinal ou ruído? Eu defendo que é um sinal, porque com estes dados você pode dar uma ordem de compra ou venda, e ela será executada (todas as outras condições gerais sendo iguais). Sim, é difícil prever qual será o próximo valor do preço, por isso quero acreditar que existe um componente aleatório e um não aleatório que pode ser detectado e depois extrapolado - previsível. E não é aleatório, é apenas desconhecido. Ou, se você quiser, tudo ao acaso - sem dividi-lo em componentes aditivos. O que você vai separar? O mesmo filtro Kalman filtrará um componente muito específico - definido por seu próprio modelo na forma de uma função analítica suave. Você sabe disso? Eu não tenho. Você está tentando identificar as propriedades dinâmicas do mercado, e aplicar uma analogia física é, infelizmente, também inútil: você pode encontrar velas minúsculas com uma amplitude maior do que uma figura, bem como lacunas, o que indica que ela é praticamente livre de inércia.
É possível, aceitando a hipótese de que os valores dos preços são aleatórios, investigá-los usando estatísticas matemáticas. Isto é algo que o Mathemat e outros há muito apreciam. O resultado são caudas gordas e, portanto, novamente a falta de perspectivas práticas.
Mas e os resultados positivos dos "pianistas" e dos líderes do campeonato! São apenas os que falam da necessidade de expandir o paradigma metodológico. Elementos de análise técnica (e talvez até fundamental) devem ser introduzidos na MTS, mas não diretamente, usando as antigas receitas "clássicas", mas com filtragem preliminar de modelos de trabalho baseados na abordagem Bayesiana. É difícil lidar com tal quantidade de informações "manualmente", mas alguém o faz. A conclusão é óbvia - treinar um robô.
Já fiz uma rede probabilística em MQL, mas não posso fazê-la funcionar com um fator de lucro superior a 1,5 - o professor é muito fraco :-).
P.S. Outro exemplo para confirmar o argumento sobre a ausência de ruído no preço.
Quando falam de ruído de medição, eles significam um desvio aleatório dos dados de medição em relação ao valor real da quantidade que está sendo medida. Por exemplo, o radar (para especialistas :-) deu um valor de alcance de 105, e o valor verdadeiro é 100, na próxima medição 99 em vez de 101 e assim por diante. A distribuição do erro é geralmente normal. Caso o preço venha, por exemplo, 1.2567 - este é seu verdadeiro valor, o erro é igual a zero! De que tipo de ruído estamos falando?
Prival, Mathemat, tenho medo de ficar irritado novamente, mas tenho que dizer novamente - não há praticamente nenhum ruído nas citações - que é a entrada.
Sem aborrecimento, rsi, discussão normal. De modo geral, concordo com você: o ruído entre aspas só pode ser visto dentro de uma certa interpretação, de um modelo. Quando falo de erros, geralmente falo de erros de previsão ou de aproximação.
Prival está falando de erros de observação e medição. Isto é bastante natural em termos de sua especialidade. Mas estes são erros muito diferentes. No entanto, este ponto de vista tem direito à vida, embora, na minha opinião, seja artificial. Prival, sem ofensa, mas como você praticamente pretende implementar sua taxa de amostragem de 100 MHz, eu ainda não tenho idéia.
Considero a aplicação de métodos estatísticos ao processamento de séries financeiras como útil apenas no contexto da avaliação de possíveis riscos, não mais do que isso.
Sim, e há também um castiçal de cinco minutos na lira de 198 pips em 2000. quem é maior?
Prival, Mathemat, tenho medo de ficar irritado novamente, mas tenho que dizer novamente - quase não há ruído nas aspas - que é o sinal de entrada.
Rsi, pelo contrário, estou muito feliz que você tenha voltado à discussão. Afinal de contas, você está falando com sentido, você me faz pensar. Peço desculpas por mim mesmo e por todos, se eu disse (ou disse) algo errado. Tive um matemático que me deu tais ordens (os generais têm um descanso :-)), me obrigou a fazer flexões :-). Vou vê-lo vivo, vou abraçá-lo como um irmão. E você para mim uma calça amarela, ns em MT4, feiticeiro. Assim como o klot.
Sobre o barulho, eu mesmo penso nisso o tempo todo. Eu fiz o seguinte. Fiz citações semanais e comecei a analisar todos os componentes deste fluxo. Primeiro subtraí a tendência, depois as flutuações, tudo o que pude obter. E, depois de cada procedimento, examinou os resíduos. Quando selecionei todos eles, havia ruído nos resíduos, mas não ruído gaussiano. Algum ruído estranho + 1 pip e nada mais, alguns picos raros de 2-5 pips e 1 gap era de 40 pips (eu estava procurando especialmente por uma semana com um bom gap). Sentei-me e pensei sobre isso e acho que encontrei uma explicação para este barulho. Muito provavelmente é um ruído de medição, se você olhar as citações do ponto de vista do ADC (é quantificação e amostragem do ruído) eles devem estar fisicamente lá se nós digitalizarmos um processo contínuo. Portanto, acho que você pode estar certo de que não há barulho ali - é um sinal puro. Mas há uma nuança, que me incomoda :-(.
Não há maneira de fazer 100MHz não é possível (caso contrário já estaria no ponto doce :-))). A única maneira de melhorar esta situação, pelo menos um pouco, é fazer como se faz em um CD normal. Temos que pegar o número máximo de fornecedores de cotações e processar este fluxo por nós mesmos (e não construir uma vela, mas uma elipse de probabilidade constante). Afinal, devemos concluir as transações (Compra e Venda) de acordo com os dados fornecidos pelas empresas corretoras. Mas não precisamos usar apenas os dados desta corretora para tomar uma decisão de compra ou venda; não podemos usar as cotações em absoluto :-)
Para a quantidade de módulos de desvio. Se não estou enganado, com esta abordagem a avaliação ou é tendenciosa ou insustentável. Não me lembro exatamente, tenho medo de cometer um erro, mas algo sobre o poder da estimativa. Embora você possa optar por um não-quadrático. Basicamente qualquer, o principal é determinar em que direção do meio (o observador ideal) os erros são mais importantes, digamos em uma direção é um quadrado no outro cubo. Isto é da teoria estatística da tomada de decisão. (O livro de Wald "Statistical Decisive Rules", acho que está aí). Se alguém precisar de um livro, eu posso publicá-lo.
NorthernWind
Não entendo as limitações sobre as quais você pergunta, por favor, esclareça a pergunta.
O modelo deve ser representado sob a forma de um sistema de equações diferenciais estocásticas. E a condição principal é que ela deve ser adequada ao processo a ser filtrado. Estes são exatamente os tipos de restrições que temos.
Z.I. Mathemat queria me ofender :-), você não pode esperar. Aqueles que eu respeito, eles simplesmente não podem fazer isso. A menos que ele aperte minha mão e jogue o conhaque fora (tão longo e cuidadosamente preservado para ele), e então eu pensarei primeiro, talvez eu tenha feito algo errado. E então serei eu a carregar a água :-)
Concordo que as coisas estão ruins nos pontos de falha e talvez não haja inércia. E não há como nos livrarmos de todas as lacunas (apresentei uma hipótese de que isso se deve à discrepância da taxa de amostragem do processo analisado - não parece contradizer nada). Mas as lacunas não são todas 24 horas em um dia. A análise ACF mostra que o processo está correlacionado, há um tempo de correlação e, portanto, o processo pode ser previsto. Afinal de contas, é quase uma analogia direta com um processo físico, um avião não pode girar instantaneamente, a massa interfere, há inércia, o processo pode ser previsto porque está correlacionado. Sem isto e NS não funcionaria IHMO (li aqui que este acrônimo pode ser interpretado de diferentes maneiras, tenho isto em minha humilde opinião).
Mas e os resultados positivos dos 'pianistas' e dos líderes do Campeonato! É exatamente isso que dizem sobre a necessidade de expandir o paradigma metodológico. Elementos de análise técnica (e talvez até fundamental) devem ser introduzidos no MTS, mas não diretamente e com receitas "clássicas" antigas, mas com uma filtragem preliminar de modelos de trabalho baseados na abordagem Bayesiana. É difícil lidar com tal quantidade de informações "manualmente", mas alguém o faz. A conclusão é a de treinar um robô.
Os resultados são encorajadores e mantêm minhas mãos no ar (economistas falando sobre martingales e processo Wiener). Não sei se estou seguindo a velha receita "clássica" (embora eu tenha lido livros sobre análise cambial, não todos, mas há dezenas de bons livros). Procurei tanto quanto não consegui encontrar os resultados da aplicação do filtro Kalman na análise das citações. Eles estão ausentes ou, pelo contrário, aqueles que conseguiram implementá-lo escondem cuidadosamente seus resultados. Pois é muito importante selecionar modelos de trabalho usando o método Bayesian. Não funcionará de outra forma. Eu tento fazer isso manualmente - é difícil, mas é interessante. Não confio em algoritmos, onde não sei como as decisões são tomadas para mim. Eu não gosto deles.
O filtro Kalman muito raramente consegue ser implementado na vida real. Pode ser considerada como um ideal, como a conhecida solução Bayesiana, quando a estimativa mais poderosa é escolhida na presença de informações a priori e a posteriori.
É assim.
E eu, Mathemat e outra pessoa vimos este barulho em carrapatos. Além disso, nos carrapatos é claro que +-1 pontos tem maior probabilidade do movimento inverso do que sua continuação. Infelizmente, esta regularidade está dentro do spread. E não é alto.
Mas o fato de que ele apareceu após o processamento é interessante.