1-я и 2-я производная от MACD - страница 24
Вы упускаете торговые возможности:
- Бесплатные приложения для трейдинга
- 8 000+ сигналов для копирования
- Экономические новости для анализа финансовых рынков
Регистрация
Вход
Вы принимаете политику сайта и условия использования
Если у вас нет учетной записи, зарегистрируйтесь
Как вычислить фильтр без задержки и с нулевым сдвигом фазы для всех спектральных компонент? Идея проста. Берём FFT котировки. Зануливаем Фурье коэффициенты выше определённой частоты. Потом обратное Фурёе преобразование и получаем нашу отфильтрованную котировку. Только выглядет она не ахти, особенно в начале и конце. Что и понятно в силу периодичности Фурье компонент. Кому хочется поиграться с этим фильтром, код приложен.
Это не "фильтр", а аппроксиматор. В остальном Вы правы: фильтров без задержки не бывает. Для понимания этого даже не надо быть кандидатом наук. Проблема в том, что знания большинства участников данного форума хотя и глубоки, но ФРАГМЕНТАРНЫ. Для де-фрагментации этих островов нужен полёт мысли, нужна свобода слова. А на этом форуме её нет и не скоро будет. Поэтому надеяться на вывод каких-либо работающих моделей здесь, в окружении этих вот модераторов, при этой бизнес-модели Метаквотов не стоит.
Вот лучше бы Вы, коллега, всё-таки выложили строгий вывод метода Fit из Вашего экстраполятора. Хотя Вы не были первым, первым был аспирант из Азии, но его вывод (который он кстати не опубликовал полностью, полностью же вывод сделан другим учёным из Прибалтики, обе публикации практически не известны), его подход узок. Возможно Ваш вывод будет шире (чем шире, тем лучше), хотя он и не так точен - из-за степеней. Выложите, а то ведь пропадёт для мировой истории.
Может быть у кого то уже есть алгоритм Hilbert-Huang преобразования?
Нарыл кое какие коды на С++, но у меня не хватает опыта С++ и знаний Hilbert-Huang, что бы перевести на MQL4/5. Может быть кто нибудь захочет помочь?
Это не "фильтр", а аппроксиматор. В остальном Вы правы: фильтров без задержки не бывает. Для понимания этого даже не надо быть кандидатом наук. Проблема в том, что знания большинства участников данного форума хотя и глубоки, но ФРАГМЕНТАРНЫ. Для де-фрагментации этих островов нужен полёт мысли, нужна свобода слова. А на этом форуме её нет и не скоро будет. Поэтому надеяться на вывод каких-либо работающих моделей здесь, в окружении этих вот модераторов, при этой бизнес-модели Метаквотов не стоит.
Вот лучше бы Вы, коллега, всё-таки выложили строгий вывод метода Fit из Вашего экстраполятора. Хотя Вы не были первым, первым был аспирант из Азии, но его вывод (который он кстати не опубликовал полностью, полностью же вывод сделан другим учёным из Прибалтики, обе публикации практически не известны), его подход узок. Возможно Ваш вывод будет шире (чем шире, тем лучше), хотя он и не так точен - из-за степеней. Выложите, а то ведь пропадёт для мировой истории.
Вывод формул в Fit делался в Maple. Попытаюсь найти этот файл и выложить здесь. В своё время так заинтересовался методами предсказания временных рядов, что начал аж писать книгу об этом. Написал 100 с лишним страниц, а потом разочаровался и забросил. Вот кусок книги, поверхностно описывающий вывод формул в Fit (извините, но на английском):
Вывод формул в Fit делался в Maple. Попытаюсь найти этот файл и выложить здесь. В своё время так заинтересовался методами предсказания временных рядов, что начал аж писать книгу об этом. Написал 100 с лишним страниц, а потом разочаровался и забросил. Вот кусок книги, поверхностно описывающий вывод формул в Fit (извините, но на английском):
Спасибо. Только поясните, плиз, вот это сверху - это страница из Вашей (неопубликованной) книги, или какой другой?
(Если это Ваше, то сегодня 09-JAN-2012 за Вами тем самым застолблён ВАШ МИРОВОЙ НАУЧНЫЙ ПРИОРИТЕТ путём публикации на форуме).
Разрешите пояснить остальным о чём идёт речь: во многих случаях зашумленного сигнала обычные методы аппроксимации, интерполяции не работают. Обычно в таких случаях применяют метод наименьших квадратов (путём решения переопределённой системы линейных уравнений). Хотя результаты их намного надёжнее, но из-за решения линейной системы все эти методы в СОТНИ РАЗ медленнее обычных простых.
В некоторых, очень некоторых случаях конкретной аппроксимации или конкретного сигнала, отдельным учёным путём чисто аналитических математических ухищрений УДАЁТСЯ свести линейную систему уравнений (двумерную) к более простым способам (одномерным, суммирования или свёртки векторов). Это ускоряет аппроксимацию зашумленного сигнала В СОТНИ РАЗ.
Одним из таких методов является выложенный здесь (впервые в мире) на MQL4.com автором GPWR (Владимир).
Аналогичный подход использовал цитированный мною выше Голобородько из Японии - для вычисления производной зашумленного сигнала. Ему удалось свести (упростить и ускорить) формулы производных до смешного простых типов, без решения системы линейных уравнений.
В цифровой обработке сигналов такой же подход используется в достаточно редких фильтрах savitzky-golay.
https://en.wikipedia.org/wiki/Savitzky%E2%80%93Golay_smoothing_filter
P.S. Добивка для GPWR. По "русскому" стилю правильного английского вижу, что это таки Ваша книга. Замечательно, просто замечательно. Кстати, написано очень доходчиво. Зря Вы её не опубликовали. Для DSP - хороший вклад. Боюсь для трейдинга НАПРЯМУЮ не подходит, разве что в некоторых местах как вспомогательный быстрый способ - возможно.
P.P.S. Всем учиться научному подходу к решению прикладных математических проблем..... во многих случаях зашумленного сигнала обычные методы аппроксимации, интерполяции не работают.
Слова аппроксимация и интерполяция уместны там, где имеется сигнал. Специалисты по ЦОС все время забывают, что на рынкете нет сигнала как такового и в этом смысле не очень важно как удалось подогнать внутри выборки. Последовательность критериев другая: подогнать так на выборке, чтобы можно было экстраполировать вне выборки. Всех нас интересует исключительно прогноз вне выборки, а качество алгоритмов внутри выборки интересно только в смысле прогнозирующей способности полученной аппроксимации.
Поэтому, сначала надо ответить, что такое прогностическая способность модели, а затем лишь ответ на следующий вопрос, каков алгоритм аппроксимации, который удовлетворяет прогностическому критерию.
.... во многих случаях зашумленного сигнала обычные методы аппроксимации, интерполяции не работают.
Слова аппроксимация и интерполяция уместны там, где имеется сигнал. Специалисты по ЦОС все время забывают, что на рынкете нет сигнала как такового и в этом смысле не очень важно как удалось подогнать внутри выборки. Последовательность критериев другая: подогнать так на выборке, чтобы можно было экстраполировать вне выборки. Всех нас интересует исключительно прогноз вне выборки, а качество алгоритмов внутри выборки интересно только в смысле прогнозирующей способности полученной аппроксимации.
Поэтому, сначала надо ответить, что такое прогностическая способность модели, а затем лишь ответ на следующий вопрос, каков алгоритм аппроксимации, который удовлетворяет прогностическому критерию.
Правильно, совершенно правильно. И частичный, повторяю частичный ответ на этот очень правильный вопрос можно дать, лишь выработав правильный ответ на совершенной простой, дурацкий по своей простоте вопрос "Что такое индикатор":
https://www.mql5.com/ru/forum/137416
Правильный подход к построению торговой системы лежит на СТЫКЕ разных понятий из математики, экономики и даже юриспруденции. Он не может лежать где-нибудь ещё, потому что опытные дядьки из мировых жадных банков уже перепробовали всё и вся, все известные методы, наняли всех известных математиков и перепробовали все фокусы и фишки из современных методов аппроксимации, моделирования, оптимизации. Ну вот разве что метода GPWR они не знали, но и сам по себе этот метод себе им ничего не даст, кроме ускорения. Ответ будет "ну и что"? У них давно супер-компы есть, для них скорость не проблема.
Не понимаю, почему тут накинулись на автора ветки? Что такого крамольного в его вопросе? Зачем кричать "ату его!"?
Возможно, вполне возможно, в этом что-то есть:
например, действительно производная от MACD даёт только скорость изменения ПОЛОСЫ торгового сигнала (причём полоса сама по себе не очень внятная и чёткая). Но вот как правильно было сказано, ГРАДИЕНТ, то есть много-мерная производная по MACD может дать что-нибудь полезное. Например производная по MACD сигнала + градиент по ПОЛОСЕ этой самой MACD. Это необычно и свежо.
Проблема здешних продвинутых форумчан в заклёванности. Например, Решетов поднял важную тему минимакса. Это важно. Это давно известно для всех в среде экономистов-модельеров-оптимизаторов, - что обычные "технические" методы оптимизации не дают нужных выводов. Это для экономистов вообще не вопрос - что надо копать в минимаксах. Вон даже SProgrammer на тему Решетова откликнулся и встрепенулся, он ведь слышал звон из некоей инсайдерской инфы про методы профи-трейдинга в больших конторах. А что сделали форумяне? Заклевали Решетова! Это при том, что грубо говоря без знания минимаксной оптимизации диплома экономистам-модельерам сейчас вообще не дают.
Не понимаю, почему тут накинулись на автора ветки? Что такого крамольного в его вопросе? Зачем кричать "ату его!"?
Очень не конкретная постановка вопроса у автора.
Если производная, то какая переменная. Справа разница двух регрессий. На первый взгляд - переменная - это значение котира. По мне это не так. Есть более интересная переменная - это коэф этих регрессий. Что они собой представляют? Константы? Это надо доказывать. По мне эти коэф никакие не константы, а случайные величины и надо еще поработать чтобы они были хотя бы похожи на константы. Поэтому, производная - это что? я этот вопрос задавал, но ответа не получил.
Очень не конкретная постановка вопроса у автора.
Если производная, то какая переменная. Справа разница двух регрессий. На первый взгляд - переменная - это значение котира. По мне это не так. Есть более интересная переменная - это коэф этих регрессий. Что они собой представляют? Константы? Это надо доказывать. По мне эти коэф никакие не константы, а случайные величины и надо еще поработать чтобы они были хотя бы похожи на константы. Поэтому, производная - это что? я этот вопрос задавал, но ответа не получил.
Производная - это скорость изменения функции по одной переменной. Градиент - это многомерная скорость изменения функции по нескольким переменным.
А вот со словами "регрессия" и "коэффициент регрессий" надо бы быть поосторожней. Не надо так быстро перескакивать и сразу навешивать ярлыки.
Можно проскочить несоответствие определения нашему предмету изучения.
И дополнительно возникнет недопонимание и всё это СНОВА превратится в "редактирование сельскохозяйственной газеты" по Марку Твену.
Производная - это скорость изменения функции по одной переменной. Градиент - это многомерная скорость изменения функции по нескольким переменным.
Как конкретно выглядит эта производная для MACD. Не на словах.