1º e 2º derivados do MACD - página 25
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
Obrigado. Só para esclarecer, por favor, isto acima é uma página de seu livro (não publicado) ou algum outro?
(Se é seu, hoje 09-JAN-2012 você garantiu SUA PRIORIDADE DE CIÊNCIA MUNDIAL, publicando-a no fórum).
Deixe-me explicar aos outros do que estou falando: em muitos casos de sinal ruidoso os métodos usuais de aproximação e interpolação não funcionam. Normalmente, nesses casos é usado o método dos mínimos quadrados (resolvendo um sistema redefinido de equações lineares). Embora seus resultados sejam muito mais confiáveis, todos estes métodos são um HUNDREDS mais lento do que os métodos simples usuais, devido à solução do sistema linear.
Em alguns, muito poucos casos de uma determinada aproximação ou um determinado sinal, cientistas individuais através de truques matemáticos puramente analíticos conseguiram reduzir o sistema linear de equações (bidimensional) a métodos mais simples (unidimensional, de soma ou de convolução vetorial). Isto acelera a aproximação do sinal ruidoso por HUNDREDS dos tempos.
Um desses métodos é o publicado aqui (pela primeira vez) na MQL4.com pelo autor GPWR (Vladimir).
Holoborodko do Japão, como citado acima, utilizou a mesma abordagem para calcular a derivada de um sinal ruidoso. Ele conseguiu reduzir (simplificar e acelerar) fórmulas derivadas a tipos ridiculamente simples, sem resolver um sistema de equações lineares.
No processamento de sinais digitais, a mesma abordagem é usada em filtros savitzky-golay bastante raros.
https://en.wikipedia.org/wiki/Savitzky%E2%80%93Golay_smoothing_filter
Adendo P.S. para GPWR. Pelo estilo "russo" do inglês apropriado, vejo que é o seu livro. É excelente, simplesmente excelente. A propósito, foi escrito de forma muito lúcida. É uma pena que você não tenha publicado. É uma boa contribuição para o DSP. Receio que NÃO seja adequado para o comércio, exceto em alguns lugares como uma forma auxiliar rápida - talvez.
P.P.S. Todos aprendem uma abordagem científica para resolver problemas matemáticos aplicados.Você me lisonjeia :) As páginas citadas eram de meu livro inédito. Honestamente, quando derivei essas fórmulas, não vi nada de especial. Esta é uma regressão trigonométrica usual: pegue o modelo trigonométrico de série, fixe a freqüência w e obtenha um modelo linear em relação a seus parâmetros A, B e média remanescentes. E então, como todo mundo: assumimos o ruído gaussiano, então o método de máxima probabilidade é reduzido ao método dos mínimos quadrados. Mas obrigado de qualquer forma pelas amáveis palavras.
A propósito, o maior problema é encontrar essa mesma freqüência w. No indicador utilizei o método de Quinn e Fernandez, que é descrito mais adiante em meu livro. É fácil mostrar que a série temporal modelo x_n baseada na função trigonométrica x_n = A*cos(w*n+fase)+epsilon_n reduz a
Mais tarde usei um método mais preciso, mas mais demorado de encontrar a freqüência, baseado em encontrar o máximo no espectro. Mas ambos os métodos me deram aproximadamente os mesmos resultados, o que me deu mais confiança no poder do algoritmo Quinn e Fernandez.
Você me lisonjeia :)
Mais tarde usei um método mais preciso, mas mais demorado para encontrar a freqüência, baseado em encontrar o máximo no espectro. Mas ambos os métodos me deram aproximadamente os mesmos resultados, o que me deu mais confiança no poder do algoritmo da Rainha e de Fernandez.
Não estou lisonjeando nada. Você, colega, provavelmente não tem uma idéia muito ampla sobre a aplicabilidade de seu método. Para algumas aplicações de DSP, aumentar a velocidade de ajuste por um fator de 100 sem perda de precisão (que por si só equivale a aumentar a precisão por um fator de 2) é uma questão de vida ou morte - literalmente. Por exemplo, em radares de aeronaves, em defesa aérea, em casos anti-míssil, assim como em outras aplicações. É bastante tempo de chamar "as pessoas certas", é estranho que você ainda não tenha sido chamado de "de lá", o método tem sido praticamente desconhecido até agora. (Coisas tão "pequenas" como a aplicabilidade em telefones celulares e modems que não estamos discutindo aqui).
E então, como já disse, o sucesso de uma abordagem tão "redutora" em MNC é uma raridade em métodos numéricos. Portanto, não seja modesto.
Não estou nada lisonjeando. Você, colega, provavelmente não tem uma idéia muito ampla sobre a aplicabilidade de seu método. Para algumas aplicações de DSP, aumentar a velocidade de ajuste por um fator de 100 sem perda de precisão (o que em si equivale a aumentar a precisão por um fator de 2) é uma questão de vida ou morte - literalmente. Por exemplo, em radares de aeronaves, em defesa aérea, em caixas anti-míssil, assim como em outras aplicações. É bastante tempo de chamar "as pessoas certas", é estranho que você ainda não tenha sido chamado de "de lá", o método tem sido praticamente desconhecido até agora. (Coisas tão "pequenas" como a aplicabilidade em telefones celulares e modems que não estamos discutindo aqui).
E então, como já disse, o sucesso de uma abordagem tão "redutora" em MNC é uma raridade em métodos numéricos. Portanto, não seja modesto.
Hmmm... Vou escrever um artigo e ver o que os revisores têm a dizer.
O mesmo que a regressão trigonométrica comum: pegue um modelo trigonométrico de uma série, fixe a freqüência w e obtenha um modelo linear com respeito a seus demais parâmetros A, B e média
Gostaria de tentar a regressão trigonométrica em EViews.
Você poderia escrever ou me dizer como escrever esta regressão, para que você possa estimar os parâmetros em EViews. Há muitos métodos de estimativa lá, isto também pode ser mudado.
Definitivamente publicarei o resultado
O mesmo que a regressão trigonométrica comum: pegue um modelo trigonométrico de uma série, fixe a freqüência w e obtenha um modelo linear com respeito a seus demais parâmetros A, B e média
Gostaria de tentar a regressão trigonométrica em EViews.
Você poderia escrever ou me dizer como escrever esta regressão, para que você possa estimar os parâmetros em EViews. Há muitos métodos de estimativa por aí, isto também pode ser mudado.
Desculpe, mas não estou familiarizado com EViews. Se você precisar do código para este método, veja aqui:
https://www.mql5.com/ru/code/8732
A propósito, os métodos econométricos ARMA reduzem a uma regressão em série trigonométrica com expoentes decadentes como exp(zeta*n)*cos(w*n+fase). Leia o resultado do método Prony e você entenderá tudo. Se você não conseguir encontrá-lo, postarei uma peça do meu livro explicando tudo isso.
Desculpe, mas não estou familiarizado com EViews. Se você precisar do código deste método, veja aqui:
https://www.mql5.com/ru/code/8732
A propósito, os métodos ARMA de econometria são reduzidos à regressão de séries trigonométricas com expoentes decadentes como exp(zeta*n)*cos(w*n+fase). Leia o resultado do método Prony e você entenderá tudo. Se você não conseguir encontrá-lo, postarei uma peça do meu livro explicando tudo isso.
A página em questão está faltando.
Seu conhecimento de EViews não é necessário - vou tentar fazer isso, mas não posso fazer sem sua ajuda.
A equação em EViews se parece com esta para os valores de atraso:
EURUSD = c(1) + c(2)*EURUSD(-1) + c(3) * EURUSD(-2) etc.
com pecados:
EURUSD = c(1) + c(2)*sin(c(3)* ........ ) ......
Algo nesse sentido. O tipo de fórmula é bastante arbitrária. C(i) são os coeficientes a serem avaliados por diferentes métodos.
A página em questão não existe.
O código está aqui:
https://www.mql5.com/ru/code/8732
A forma como as chances são exibidas ali é clara. Eu não cobro dinheiro por meus códigos, enquanto os criadores de EViews querem >$1000 por cópia. Portanto, não vou ajudá-los e traduzir meu código para o formato EViews.
O código está aqui:
https://www.mql5.com/ru/code/8732
A forma como as probabilidades são exibidas ali é clara. Eu não cobro dinheiro por meus códigos, enquanto os criadores de EViews querem >$1000 por cópia. Portanto, não vou ajudá-los e traduzir meu código para o formato EViews.
EViews é uma ferramenta. Todos os programas em seu computador são gratuitos, incluindo o vin?
Você não quer fazer isso, não faça isso.
...
É uma regressão trigonométrica regular:
...
Isso mesmo, é uma regressão regular da trigonometria. Não tenho muita certeza se esses dois pecadores e cosines irão revolucionar o DSP, mas tente fazer tic-tac de um artigo.
Não está muito claro como você vai identificar adequadamente o modelo. Eu não pretendo "encaixar" firmemente o modelo em uma série, com MNC você pode encaixar qualquer modelo em qualquer série (com algumas suposições sobre precisão). Estou perguntando sobre o entendimento de que os parâmetros "ótimos" encontrados se manterão por um longo tempo no futuro, tempo suficiente para ter tempo para trabalhar. Há uma forte suspeita de que os parâmetros se comportem de forma aleatória.
Entre outras coisas, o modelo tem uma desvantagem distinta - você precisa prever muito à frente a fim de lucrar com ele. Não é muito preciso, além disso, não descreve o mercado em absoluto, será visto pela análise de erro do modelo - os primeiros desfasamentos serão fortemente correlacionados.
PS: embora haja um par de pensamentos sobre o desenvolvimento desta coisa, se eles forem do seu interesse - posso escrever em particular.
É isso mesmo, é uma regressão trregressão regular. Não tenho tanta certeza de que estes dois pecados e cossenos revolucionarão o DSP, mas tente fazer tic-tac de um artigo.
Não está muito claro como você vai identificar adequadamente o modelo. Eu não pretendo "inscrever" firmemente o modelo em uma série, você pode inscrever qualquer modelo em qualquer série com MNC (com algumas suposições sobre precisão). Estou perguntando sobre o entendimento de que os parâmetros "ótimos" encontrados se manterão por um longo tempo no futuro, tempo suficiente para ter tempo para trabalhar. Há uma forte suspeita de que os parâmetros se comportarão de forma aleatória.
Entre outras coisas, o modelo tem uma desvantagem distinta - você precisa prever muito à frente a fim de lucrar com ele. Não é muito preciso, além disso, não descreve o mercado em absoluto, será visto pela análise de erro do modelo - os primeiros desfasamentos serão fortemente correlacionados.
PS: embora haja algumas reflexões sobre o desenvolvimento desta coisa, se forem interessantes para você - eu posso escrever em particular.
Em minha opinião mal esclarecida, a abordagem delineada é de pouca utilidade para o mercado. Tudo bom para melhorar a relação sinal/ruído. Como escrito acima para orientação de mísseis. Não há sinal no mercado e, mais importante ainda, as características da BP, incluindo freqüência, fase, flutuam o tempo todo. Se não reconhecermos a não-estacionariedade desde o início, você não recebe nada de bom, em princípio. Ao reconhecer a não-estacionariedade, podemos ao menos indicar os limites de aplicabilidade do método.
Por alguma razão, os métodos de entropia máxima (como Burg) são brilhantes. Você pode ver claramente como o AFR nada quando o tamanho da janela muda ou quando a janela é deslocada. Imediatamente você pode ver várias lombadas de freqüências ressonantes atuando sobre a amostra analisada. E fica imediatamente claro que você não pode simplesmente usar toda essa beleza para prever a próxima barra e prever na fé santa que o AFR não mudará quando a próxima barra chegar. E este é um exemplo muito bom onde a idéia implementada inicialmente não levava em conta a não-estacionariedade.