Diálogo do autor. Alexander Smirnov. - página 4

 
Mathemat:
Prival: E fazer um indicador ótimo+adaptativo para o sinal (modelos) que a Djuric cita como evidência não seria muito difícil para um bom especialista em DSP.
Parece que o autor do fio é um especialista.

Aqui está um modelo um pouco idiota para você, Prival: se você considerar os retornos (incrementos de sinal), o sinal é zero, o ruído é um processo aleatório com um p.d.f. do tipo distribuição Cauchy e uma ACF, que você conhece empiricamente. Não há erros de medição e de quantização. Naturalmente, o preço como resultado da integração saltará em torno do pagamento esperado, porque os rabos são muito grossos e dependentes.

O modelo é extremamente rígido, talvez até mais resistente do que o mercado, mas se seu filtro funcionar em tal modelo, ele funcionará em qualquer lugar.

Um filtro muito legal que se encaixa em sua descrição é multiplicado por 0. Se o sinal for zero. :-). Funciona em qualquer lugar se você entender a extração de sinais como funcionando.
 
Prival, em um processo Wiener com incrementos gaussianos os incrementos têm expectativa zero. Mas também há aí tendências...
 
LeoV:
Prival:

LeoV

A questão vai um pouco mais fundo. A fim de responder que 1 indicador é mais adaptável do que outro. Você precisa saber ao que deve se adaptar.


Adapta-se, é claro, à tendência. Quanto maior e mais forte for a tendência - mais longo é o período JMA. E isso, pelo que entendi, é correto... .


Traduzir os conceitos (tendência, maior, mais forte) para a linguagem dos números. Então você pode calcular e comparar = dizer que este indicador é melhor que o outro.

 
Mathemat:
Prival, em movimento browniano, os incrementos têm uma expectativa de zero.

Eu sei. E se o sinal for 0. E a tarefa do TF é isolar o sinal, então a saída do TF ótimo deve ser 0.
 
Prival: Traduzir conceitos (tendência, mais, mais forte) em números. Então você pode calcular e comparar = dizer que este é melhor que o outro.



Não um conceito, mas um indicador de tendência, escrevi sobre isso acima (você provavelmente não leu com atenção) - o indicador ADX ou um advogado tem um indicador CFB ou.... bem, há muitos deles.....
 
Prival: Eu tenho. E se o sinal for 0. E a tarefa do DF é isolar o sinal, então a saída do DF ótimo deve ser 0.
Não, não é. Você esqueceu de integrar os retornos para obter o preço em si.
 
LeoV:
Prival:Traduza os conceitos (tendência, mais, mais forte) para a linguagem dos números. Então será possível calcular e comparar = para dizer que este indicador é melhor do que o outro.



Não um conceito, mas um indicador de tendência, escrevi sobre isso acima (você provavelmente não lê com cuidado) - o indicador ADX ou, em jurik, o indicador CFB ou.... bem, há muitos deles.....


Não, eu o li com atenção. Apenas tentando deixar claro para vocês como eu vejo as coisas. Essa é a questão, essa é sua última frase .... bem, há muitos deles.... Onde está o verdadeiro. O melhor, o melhor, o mais adaptável, o que melhor destaca a tendência? Aquele que tem a propriedade desceu, eu desci (drawdown=0), virei para cima, e subi e novamente drawdown =0 e assim por diante até o infinito. E funciona não retroativamente como um ziguezague, mas no momento t=0. (de trás para frente pode ser construído melhor que um ziguezague)

Entenda se decidirmos o que é um sinal útil que temos que filtrar=selecionar=limpar do ruído. Temos que conhecer o sinal e todos os seus componentes + ruído e seus parâmetros.

Suponha que

O sinal é uma equação de uma linha reta (movimento direcional = tendência), muitas pessoas já fizeram tal TF e a escreveram em MQL4, ela está disponível e é de livre acesso.

2. se é uma mistura de movimentos oscilatórios (sinusoidais), é outra TF

3. Se for uma mistura de uma linha reta e movimentos oscilatórios, é o 3º TF, etc.

Se você definir o que é o sinal, então

Este é um problema de síntese padrão, há entrada -> mistura de sinal + ruído, é necessário fazer (sintetizar TF) na saída do qual por algum critério (melhor Bayesiano) o sinal é selecionado. Para uma declaração correta do problema de síntese, precisamos de uma descrição matemática da entrada.

Se tirarmos fotos que Djuric cita como prova de que seu TF é melhor, mais adaptável à mistura de pulso senoidal e retangular(http://www.jurikres.com/catalog/ms_ama.htm#top),

Tais sinais são usados em trabalhos de laboratório em qualquer faculdade normal de engenharia de rádio. E há matemática e teoria sobre como filtrá-los de forma ideal por um longo tempo.

Para Mathemat

O retorno mata a tendência, é isso que podemos ganhar com isso. Ela tem uma função delta ACF que não pode ser prevista. É apenas o ruído que precisa ser filtrado. O que restará será aquele sinal limpo que precisamos, algo em que podemos capitalizar.

S.U. Eu me tornei um mau professor, não posso explicar tudo em linguagem simples e acessível, para que fique claro do que estou falando :-(



 
Prival: Não, eu o li com atenção. Apenas tentando deixar claro para vocês como eu vejo as coisas. Essa é a questão, essa é sua última frase .... bem, há muitos deles.... Onde está o verdadeiro. O melhor, o melhor, o mais adaptável, o que melhor destaca a tendência ?

Ehhhhhhh.... se eu soubesse que estaria morando em Sochi....)))))))) Eu uso CFB - e estou feliz com isso. Embora esteja longe de ser perfeita.... como é a ADX....
 
Neutron:

Sim, você é bem-vindo!

Eu dei uma olhada superficial no artigo. Tenho certeza de não ter entendido o autor!

No local onde se fala da ocorrência de atraso de grupo (GD) ao utilizar um algoritmo anti-aliasing, o autor oferece uma receita para "se livrar" deste último, utilizando uma corrida inversa. ... Isto é uma piada? Sabe-se que para sistemas casuais (trabalhando na extremidade direita da BP), a GZ é, em princípio, inevitável. Mas, é claro, se a BP for definida e planejamos trabalhar com ela no meio de uma fila (não na borda direita), podemos, como a autora aconselha, nos livrar da defasagem, fazendo uma nova média com os mesmos parâmetros na direção inversa. Mas o autor não menciona que, usando tal algoritmo de média, veremos inevitavelmente uma reelaboração na última barra. Ele já esqueceu ou não sabe? Ou o que mais?

Aqui está uma citação do artigo:

"Assim, com a proposta acima podemos compensar parcialmente o atraso de tempo m/2 (o primeiro inconveniente da média tradicional de deslizamento)". E o segundo efeito negativo é eliminado ... E a terceira, e a quarta. ...

O uso do algoritmo de cálculo da média proposto também reduz significativamente a distorção de frequência linear... "

A idéia da compensação por atraso de grupo não me pertence, mas aos cientistas americanos. No entanto, "funcionou" fora da escala de tempo real. Bem, na radioastronomia, por exemplo. Minha realização é que consegui propor praticamente um algoritmo sob a forma de uma média móvel sintética. Colega, você tem que estudar a "parte material" antes de iniciar um argumento pseudo-científico.
 
Mathemat:

Neutron, obrigado! Alexander, o algoritmo em linguagem fácil é correto?


O algoritmo em linguagem fácil é correto, mas o programador que o implementou não tem experiência de trabalho nesta linguagem. O critério da verdade é a prática. Este algoritmo, independentemente do tamanho da janela de cálculo da média, fornece um atraso de 1 barra no produto de cálculo da média.
Razão: