"Ampirik Mod Ayrıştırma Yöntemine Giriş" makalesi için tartışma
İyi malzeme. Hilbert-Huang dönüşümlerinin ele alınmamış olması üzücü.
Bir şekilde HHT'nin sadece ilk kısmıyla, yani EMD ile ilgilendim. Ayrıştırmanın sonuçlarını hissetmek istedim. Bir sonraki adım olan Hilbert dönüşümüne gelince, ona ulaşamadım. Muhtemelen anlık spektrumu oluşturmaya gerek olmadığı için. Bu yüzden EMD'yi Hilbert dönüşümü ile tamamlamayı denemedim bile.
Genel olarak, evet, spektrumlar olmadan da yapabilirsiniz, özellikle de pratik yapmak için bir EMD yeterliyse.
1. Box ve Jenkins'in ARMA olarak bilinen ilk bileşenlerine ayırma yöntemlerinden birinin adının geçmesi ve ilk bileşenlerine ayırma yöntemlerinden birinin adının geçmemesi çok semptomatiktir. Doğal olarak ARCH'den bahsedilmemektedir.
2. Eğer bir şey olmasaydı, yukarıda adı geçen dünyanın çok saygın vatandaşlarından bahsetmemek mümkün olurdu: onlar problemi tanımladılar ve problemden hareketle ayrıştırmanın amacını formüle ettiler. Bu öncüllerden, hem yöntemin sınırlamaları hem de sonucun fiyatı netleşir.
3. Tüm bunların amacı nedir? Ayrıştırma hangi sorunları çözmektedir? Sınırlamalar nelerdir? Geriye çözülmemiş ne kalıyor?
4. En önemlisi: bu ayrıştırma öngörülebilirlik özelliğine sahip mi?
5. Yazarın makalelerinin çokluğuna bakılırsa, piyasaya çok özel bir hedefle analize odaklanan DSP'den gelmiştir: gürültüden bir sinyal belirlemek. Piyasada DSP anlamında bir sinyal yok, ancak trendler var, bu yüzden onları arıyoruz. Analizde, devam etmesi umuduyla bir trend bulmaya çalışırız. Bu nedenle analiz, ticarette yalnızca bir tahmin doğrulaması olarak ilgi çekicidir - analizin kendisi ilginç değildir. Piyasada "piyasa dışında - piyasada" yapılan herhangi bir pozisyon değişikliği, yakın geleceğe ilişkin bir tahmin temelinde alınan bir karardır.
5. Yazarın makalelerinin ezici sayısına bakılırsa - DSP'den piyasaya geldi, . . .
Aslında ben piyasaya Çarpım Tablosundan geldim.
Ben aslında pazara Çarpım Tablosu'ndan geldim.
Hepimiz çocukluktan geliyoruz.
Sürekli büyük ve güçlü"ekonometri (istatistik)" binasının etrafında dolaşır, ondan ayrı parçalar veya tuğlalar seçer, ısrarla tüm bilgiyi fark etmez ve araştırmanızı onun tuğlalarından biri olarak eklemeye çalışmazsınız. Bu nedenle, hem seviye hem de konu açısından şüphesiz ilginç olmalarına rağmen makaleleriniz havada asılı kalıyor.
Özellikle makale üzerinde.
Birkaç bileşeni vurguladınız. Bunlardan hangisinin veya kombinasyonlarının ticaret için değeri var ve neden?
Hepimiz çocukluktan geliyoruz.
Sürekli olarak büyük ve güçlü "ekonometri (istatistik)" binasının etrafında dolaşır, ondan ayrı parçalar veya tuğlalar seçer, ısrarla tüm bilgiyi fark etmez ve araştırmanızı onun tuğlalarından biri olarak eklemeye çalışmazsınız. Bu nedenle, hem düzey hem de konu açısından şüphesiz ilginç olmalarına rağmen, makaleleriniz havada asılı kalıyor.
Bu daha ziyade çağımızın temel bir sorunudur. Bilginin her alanındaki bilgi miktarı o kadar artmış ve modeller o kadar karmaşık hale gelmiştir ki, bir kişinin herhangi bir bilimi bütünüyle ele alması zorlaşmıştır. Bu nedenle, zamanımız olması ve bir şeyleri anlayabilmemiz için belirli bir bilimin yalnızca belirli bölümleriyle ilgilenmemiz gerekiyor. Imho! :)
Ekonometri konusunda ansiklopedik bilgi söz konusu değildir. Kabul edilebilir bir şey seçmek ve onu kullanmak yeterlidir - bir araba satın alın ve sürün. Dahası, bu tartışmada çok dar bir konudan bahsediyoruz: bir bölümün bileşenlerine ayrıştırılması. Son 50 yılın klasik ayrıştırması Box ve Jenkins ayrıştırmasıdır: trend + döngü + gürültü (ilk ikisinin toplamının kalıntısı). Bu ayrıştırma ekonomik açıdan mantıklıdır. Dalgacıklardan bahsediliyor - farklı bir ayrıştırma veriyorlar, ancak bu da ekonomik açıdan mantıklı ve dalgacıklar Box'ın fikrine iyi uyuyor.
Makalede elimizde ne var? Benim ilgilendiğim soru da tam olarak bu.
- Ücretsiz alım-satım uygulamaları
- İşlem kopyalama için 8.000'den fazla sinyal
- Finansal piyasaları keşfetmek için ekonomik haberler
Gizlilik ve Veri Koruma Politikasını ve MQL5.com Kullanım Şartlarını kabul edersiniz
Yeni makale Ampirik Mod Ayrıştırma Yöntemine Giriş yayınlandı:
Bu makale, okuyucunun ampirik mod ayrıştırma (EMD) yöntemi konusunda bilgi sahibi olması için yazılmıştır. Bu, Hilbert-Huang dönüşümünün temel parçasıdır ve durağan olmayan ve doğrusal olmayan süreçlerden gelen verileri analiz etmek için tasarlanmıştır. Ayrıca, bu makale, bu yöntemin olası bir yazılım uygulamasını ve özelliklerinin kısa bir değerlendirmesini içerir ve kullanımına ilişkin bazı basit örnekler verir.
Huang tarafından önerilen algoritma, bir dizinin yerel maksimum ve minimum değerleri ile tanımlanan düzgün zarflar üretilmesine ve ardından bu zarfların ortalamasının ilk diziden çıkarılmasına dayanır. Bu, üst ve alt zarfları üretmek için kübik eğri çizgilerle daha fazla bağlanan tüm yerel ekstremumların tanımlanmasını gerektirir.
Zarfları çizme prosedürü Şekil 1'de gösterilmiştir.
Şek. 1. Zarfları ve ortalamalarını çizme
Şekil 1'de, ince mavi çizgide analiz edilen dizi verilmiştir. Dizinin maksimum ve minimum değerleri sırasıyla kırmızı ve mavi olarak gösterilmiştir. Zarflar, yeşil renkte verilmiştir.
Ortalama, iki zarfa dayalı olarak hesaplanmış ve Şekil 1'de kesik çizgi olarak gösterilmiştir. Bu şekilde hesaplanan ortalama değer, ilk diziden ayrıca çıkarılır.
Yukarıdaki adımlar, ilk yaklaşımda gerekli ampirik fonksiyonun çıkarılmasıyla sonuçlanır. Nihai IMF'yi elde etmek için, yeni maksimum ve minimum değerler yeniden tanımlanacak ve yukarıdaki tüm adımlar tekrarlanacaktır. Bu tekrarlanan süreç, eleme olarak adlandırılır. Eleme süreci, belirli bir durdurma kriteri sağlanana kadar tekrarlanır. Eleme durdurma kriterlerinin seçimi, bir bütün olarak ayrıştırma sonucunu etkileyen kilit noktalardan biridir. Bu konuya ilişkin tartışmaya az sonra döneceğiz.
Yazar: Victor