Обсуждение статьи "От статической MA к адаптивной фильтрации (Часть 1): Знакомство с SAMA на основе NLMS в MQL5"
Мне очень понравилась эта первая часть — то, как вы позиционируете SAMA как настоящий адаптивный FIR-фильтр, а не просто очередной вариант MA, — это точно в точку, а детали реализации NLMS изложены исключительно ясно. С нетерпением жду третью часть, где вы проведете сравнительный анализ SAMA с классическими фильтрами.
Есть одна вещь, которую, надеюсь, вы могли бы учесть при сравнении: прокси периода,основанный на автокоррелограмме. Поскольку SAMA адаптируется к меняющемуся частотному профилю рынка, было бы интересно увидеть, насколько его поведение совпадает с доминирующими лагами/периодичностями, выявленными автокоррелограммой, особенно в сравнении с SMA/EMA с фиксированным периодом. Мне кажется, это естественный диагностический инструмент, позволяющий показать, где адаптивная фильтрация улавливает структуру, которую упускают статические фильтры.
В любом случае, отличная работа — с нетерпением жду следующих частей.
Опубликована статья От статической MA к адаптивной фильтрации (Часть 1): Знакомство с SAMA на основе NLMS в MQL5:
Трейдерам знакома такая ситуация: SMA или EMA какое-то время может выглядеть идеально — пока не сменится рыночный режим и тот же фильтр с фиксированным периодом не начнет либо сильно запаздывать при импульсных движениях, либо приводить к убыткам на счете в боковых диапазонах. Дело не в том, что скользящие средние реализованы некачественно, а в том, что их период является фиксированным, в то время как рынок — нет. Это несоответствие вынуждает постоянно вручную перенастраивать систему: сократите период — получите шум; увеличьте его — получите запаздывание.
Эта серия статей предлагает конкретную альтернативу: готовую к использованию на графиках самоадаптивную скользящую среднюю (SAMA), реализованную на MQL5 на основе адаптивной фильтрации с конечной импульсной характеристикой (FIR) и нормализованного алгоритма наименьших средних квадратов (NLMS). Принципиально важно, что разработка ведется с четким критерием успеха: создать работающий в реальном времени индикатор без перерисовки, который адаптируется к смене рыночных режимов без настройки периода для каждого режима, остается стабильным при ценовых скачках и выходе новостей, обновляет веса только на закрытых барах и может использоваться непосредственно на графиках, в советниках и при тестировании на исторических данных. В части 1 объясняются причины выбора этого подхода, математические основы и основной цикл NLMS. В части 2 создается полнофункциональный индикатор на MQL5; в части 3 проводится его сравнительное тестирование с классическими фильтрами.
Автор: Ushana Kevin Iorkumbul