Fourier hakkında yardım - sayfa 8
Ticaret fırsatlarını kaçırıyorsunuz:
- Ücretsiz ticaret uygulamaları
- İşlem kopyalama için 8.000'den fazla sinyal
- Finansal piyasaları keşfetmek için ekonomik haberler
Kayıt
Giriş yap
Gizlilik ve Veri Koruma Politikasını ve MQL5.com Kullanım Şartlarını kabul edersiniz
Hesabınız yoksa, lütfen kaydolun
hmax =2 olduğunda; belirli bir dönemde basit bir MA olacak, tamamen açık değil, neden tam bir FFT ile uğraşıyorsunuz?
Hayır, tam FFT'nin çok daha kararlı olduğunu da fark ettim (daha az yeniden çizim).
Bence bir filtreye ihtiyacın var
if(hmax>0) for(i=hmax;i<N;i++) data[i]=0.0;
biraz akıllı fikir. Böylece gerekli harmonikleri seçerek bırakır ve ihtiyaç duyulmayanları sıfırlar. O zaman belki biraz anlam ve istikrar olur.
Üstelik NeuroshellDayTrader'da FFTaddon'da kullanılan beş veya altı farklı filtre var, ne yazık ki formül yok, biri kurcalayabilir.
Yine de, frekansları yalnızca yukarıdan değil, aşağıdan da sınırlarsanız, belirli bir titreşim bandı seçebilirsiniz. Gösterge, stokastiği andıran sempatik görünüyor.
Evet, gerçekten umursamıyorum. :) Faz bir fazdır, kolayca hesaplanabilir.
çift hücredeki veri dizisindeki doğrudan FFT'den sonra, gerçek kısım tek hayali olarak saklanır,
aşama olacaktır:
MathArctan (veri[2*i+1]/veri[2*i]);
genlik olacak
MathSqrt(veri[2*i+1]*veri[2*i+1]+veri[2*i]*veri[2*i]);
tekrar istediğiniz armonikayı seçin ve bakın :)
belirli bir frekans bandındaki fazları ve genlikleri toplayabilir ve bazı sonuçlar çıkarabilirsiniz :)
Evet, gerçekten umursamıyorum. :) Faz bir fazdır, kolayca hesaplanabilir.
çift hücredeki veri dizisindeki doğrudan FFT'den sonra, gerçek kısım tek hayali olarak saklanır,
aşama olacaktır:
MathArctan (veri[2*i+1]/veri[2*i]);
genlik olacak
MathSqrt(veri[2*i+1]*veri[2*i+1]+veri[2*i]*veri[2*i]);
tekrar istediğiniz armonikayı seçin ve bakın :)
belirli bir frekans bandındaki fazları ve genlikleri toplayabilir ve bazı sonuçlar çıkarabilirsiniz :)
Evet ve harmoniklerin genlikleri zaman zaman çizilebilir:
Ve bu, şimdiki zaman üzerine inşa edilmiş, 1 saatlik bir adımla 48 saatlik bir harmonik spektrumudur.
Evet, gerçekten umursamıyorum. :) Faz bir fazdır, kolayca hesaplanabilir.
çift hücredeki veri dizisindeki doğrudan FFT'den sonra, gerçek kısım tek hayali olarak saklanır,
aşama olacaktır:
MathArctan (veri[2*i+1]/veri[2*i]);
genlik olacak
MathSqrt(veri[2*i+1]*veri[2*i+1]+veri[2*i]*veri[2*i]);
tekrar istediğiniz armonikayı seçin ve bakın :)
belirli bir frekans bandındaki fazları ve genlikleri toplayabilir ve bazı sonuçlar çıkarabilirsiniz :)
Bugün, bu sistem artı bir sinir ağının Forex için en umut verici olduğunu düşünüyorum. Tabii ki, tamamen IMHO. :)
Fourier yönteminin uygulanması hakkında aslında böyle bir fikrim var.
Fourier yöntemi, uçların (aralık) bazı komşulukları hariç tutularak, zaman aralığındaki fonksiyonun oldukça iyi bir yaklaşımını verir. Fourier, şimdiki zamandan (t=0) ve aralığın ortasından sorumlu olan sona yaklaşsaydı iyi olurdu. Ayrıca, geleceği tahmin edebilmesi için bir Fourier serisi oluşturmak güzel olurdu. Bunu yapmak için aşağıdaki fikri uygulayabilirsiniz:
[T,-T] aralığında bir Fourier serisi oluşturacağız (-T henüz gelmemiş zamandır, t=0 şimdiki zamandır)
Ancak, [0,-T] aralığı hakkında elimizde herhangi bir veri yok. Bu nedenle, sıfır yinelemede, close[t]=close[0] (t<0 için) alıyoruz ve bu verileri kullanarak [T,-T] aralığında bir Fourier f serisi oluşturuyoruz. Ardından sırayla aşağıdaki yinelemeleri gerçekleştireceğiz:
1) [eps,-T] segmenti üzerinde Fourier serisi f'nin bir güç fonksiyonu g (eps>0) ile bir yaklaşımını oluşturuyoruz.
2) [T,-T] segmenti için f (T>t>eps'de) + g (eps>t>-T'de) bir Fourier serisi oluşturuyoruz
Yani, elde edilen fonksiyona önce bir Fourier serisi ve sonra bir güç fonksiyonu ile sıralı olarak yaklaşacağız. {Bu fonksiyonun Fourier serisi} ile {sonuçlanan tahmin edilen maliyet fonksiyonunun (t<0) + geçmiş fiyat fonksiyonunun (t>0)} tutarsızlığının minimum olacağı varsayımı vardır (bu anlamda sıfıra eğilim gösterir). iterasyon sayısında artış). Ve bence bu, ilk olarak [eps,0]'ın sonunun fiyat fonksiyonu ile iyi bir şekilde örtüşmesi ve ikinci olarak gelecek için bir tahmin alacağımız gerçeği için gerekli bir koşuldur.
Fourier yönteminin uygulanması hakkında aslında böyle bir fikrim var.
Fourier yöntemi, uçların (aralık) bazı komşulukları hariç tutularak, zaman aralığındaki fonksiyonun oldukça iyi bir yaklaşımını verir. Fourier, şimdiki zamandan (t=0) ve aralığın ortasından sorumlu olan sona yaklaşsaydı iyi olurdu. Ayrıca, geleceği tahmin edebilmesi için bir Fourier serisi oluşturmak güzel olurdu. Bunu yapmak için aşağıdaki fikri uygulayabilirsiniz:
[T,-T] aralığında bir Fourier serisi oluşturacağız (-T henüz gelmemiş zamandır, t=0 şimdiki zamandır)
Ancak, [0,-T] aralığı hakkında elimizde herhangi bir veri yok. Bu nedenle, sıfır yinelemede, close[t]=close[0] (t<0 için) alıyoruz ve bu verileri kullanarak [T,-T] aralığında bir Fourier f serisi oluşturuyoruz. Ardından sırayla aşağıdaki yinelemeleri gerçekleştireceğiz:
1) [eps,-T] segmenti üzerinde Fourier serisi f'nin bir güç fonksiyonu g (eps>0) ile bir yaklaşımını oluşturuyoruz.
2) [T,-T] segmenti için f (T>t>eps'de) + g (eps>t>-T'de) bir Fourier serisi oluşturuyoruz
Yani, elde edilen fonksiyona önce bir Fourier serisi ve sonra bir güç fonksiyonu ile sıralı olarak yaklaşacağız. {Bu fonksiyonun Fourier serisi} ile {sonuçlanan tahmin edilen maliyet fonksiyonunun (t<0) + geçmiş fiyat fonksiyonunun (t>0)} tutarsızlığının minimum olacağı varsayımı vardır (bu anlamda sıfıra eğilim gösterir). iterasyon sayısında artış). Ve bence bu, ilk olarak [eps,0]'ın sonunun fiyat fonksiyonu ile iyi bir şekilde örtüşmesi ve ikinci olarak gelecek için bir tahmin alacağımız gerçeği için gerekli bir koşuldur.
Bireysel harmonikleri bilmeden bir dizi fiyatı çok kolay bir şekilde filtreleyebilecekken, Fourier ile neden uğraşasınız ki? Örneğin, yüksek frekanslı harmonikler basit hareketli ortalama veya dijital filtre kullanılarak filtrelenebilir. Ne yazık ki, SMA, EMA ve diğer dijital filtrelerde gecikme var. Daha sonra fiyat serisinin son aralığına bir güç fonksiyonu ile yaklaşılabilir. Bu fikir burada uygulanmaktadır:
'ONAY'
Sadece güç fonksiyonunu tahmin etmek için kalır. Ama tahmin çok kötü olacak. Genel olarak, bir serinin fiyatını düzgün fonksiyonların uydurulmasına dayalı olarak tahmin etmek zaman kaybıdır. Fourier serisinin ekstrapolasyonu da hiçbir şeye yol açmaz. Eğer kosinüs Fourier serisini tahmin ederseniz, bu temelde gelecekte fiyatın geçmiş yörüngenin tam bir ayna kopyası olan bir yörünge boyunca hareket edeceğini varsayar. Sinüs Fourier serisini tahmin ederseniz, bu temelde gelecekte fiyatın geçmiş yörüngenin ters çevrilmiş bir ayna kopyası olan bir yörünge boyunca hareket edeceğini varsayar. O zaman Fourier neden gerekli? Eski yörüngenin geleceğe nasıl yansıtılacağına kendiniz karar verin ve gidin!
Sadece güç fonksiyonunu tahmin etmek için kalır. Ama tahmin çok kötü olacak. Genel olarak, bir serinin fiyatını düzgün fonksiyonların uydurulmasına dayalı olarak tahmin etmek zaman kaybıdır. Fourier serisinin ekstrapolasyonu da hiçbir şeye yol açmaz. Eğer kosinüs Fourier serisini tahmin ederseniz, bu temelde gelecekte fiyatın geçmiş yörüngenin tam bir ayna kopyası olan bir yörünge boyunca hareket edeceğini varsayar. Sinüs Fourier serisini tahmin ederseniz, bu temelde gelecekte fiyatın geçmiş yörüngenin ters çevrilmiş bir ayna kopyası olan bir yörünge boyunca hareket edeceğini varsayar. O zaman Fourier neden gerekli? Eski yörüngenin geleceğe nasıl yansıtılacağına kendiniz karar verin
ve git!
Yazdıklarımı daha dikkatli okumalıydım.
[T,0] parçası üzerinde bir Fourier serisi kurar ve harmoniklerin katsayılarından t<0'daki değeri hesaplamaya çalışırsanız, değer gerçekten simetrik olacaktır. Ama [T,-T] segmenti için bir Fourier serisi oluşturmayı önerdim, açıkçası 0'a göre simetrik olmayacak!!! Bunun için, Fourier serisini böyle bir segment üzerine inşa etmek için yinelemelere ihtiyaç vardır.
Daha sonra fiyat serisinin son aralığına bir güç fonksiyonu ile yaklaşılabilir. Bu fikir burada uygulanmaktadır:
'ONAY'
üç bölüme ayrılmıştır ve orta bölüm bir açıyla bağlanmıştır.
Sonsuz bir yinelemede, "kabarık bir kar tanesine" dönüşür.
İşte fraktal Mandelbrot eğrisi ve yapım aşamaları. Her satır değiştirilir
zikzaklı.
Sonsuz bir yinelemede, bir alıntı tablosuna benzer hale gelir.
Fraktal eğrilerin tahmin edilemeyeceğinin açık olduğunu düşünüyorum.
spektral açılımlar veya doğrusal yaklaşımlar kullanarak. fraktal için
eğriler, bu sadece benzerlik yöntemleri ile mümkündür.
Tabii ki, hiç kimse gerçek alıntıların fraktal fonksiyonlara benzediğini kanıtlamadı, ancak
grafiklerin kendine benzer olması (yani, ölçekleri kaldırırsanız imkansız hale gelir)
örneğin dakikaları haftalardan ayırt etmek için), yine de bunların fraktal benzeri olduklarını gösterir.
doğa.
Çalışmasında Wall Street'te çok fraktal bir yürüyüş
Mandelbrot kullanmayı öneriyor
deforme zikzaklara dayalı fraktallar. Ama gerçekliğe dokunacağım
daha zor.
Ama kabul etmelisiniz ki, fonksiyonu ortadaki kadar uçlarda da yaklaşık olarak yaklaştıran bir Fourier serisi var, onu böyle bulamazsınız!
Evet var. Bu, sinüsleri ve kosinüsleri olan tam bir Fourier serisidir. Ama onun da eksiklikleri var. Ayrık Fourier dönüşümünün frekansları 2*pi*k/N formülüyle verilir. Yani Fourier serisindeki tüm sinüsler ve kosinüsler değerlerini N çubukluk bir sıklıkta tekrarlayacaktır: cos(2*pi*k/N*i)=cos(2*pi*k/N*(i+) N)), günah( 2*pi*k/N*i)=sin(2*pi*k/N*(i+N)). Böylece Fourier serisinin ekstrapolasyonu geçmişin tekrarına yol açacaktır. Örneğin, bugünün fiyatı N çubuk olarak tekrarlanacak. N'yi kendiniz seçtiğiniz için fiyatın ne zaman tekrarlanacağını siz kontrol edersiniz. Bir kez daha. O zaman neden tam Fourier serisine ihtiyaç var? Fiyatın kaç bar tekrarlayacağına kendiniz karar verin ve ticarete başlayın.
Güç fonksiyonunun ekstrapolasyonu da önemsizdir. Bazı fonksiyonları geçmiş verilere uydurarak piyasayı tahmin edemezsiniz. Ya istatistiksel ya da kendi kendine öğrenme yöntemleri kullanılmalıdır. Ekonometri ve zaman serisi analizi üzerine kitaplar okuyun. En yaygın tahmin yöntemi, otoregresyona dayalı Box-Jenkins yöntemidir. Bu yöntemle ilgili sorun, bir kamyonu güven aralığına sığdırabilmenizdir. Bana öyle geliyor ki, kendi kendine öğrenen sinir ağlarından daha fazla başarı beklenmeli.
Ama kabul etmelisiniz ki, işlevi ortadaki kadar uçlarda da yaklaşık olarak tahmin edecek bir Fourier serisi var, böylesini bulamazsınız!
Evet var. Bu, sinüsleri ve kosinüsleri olan tam bir Fourier serisidir. Ama onun da eksiklikleri var. Ayrık Fourier dönüşümünün frekansları 2*pi*k/N formülüyle verilir. Yani Fourier serisindeki tüm sinüsler ve kosinüsler değerlerini N çubukluk bir sıklıkta tekrarlayacaktır: cos(2*pi*k/N*i)=cos(2*pi*k/N*(i+) N)), günah( 2*pi*k/N*i)=sin(2*pi*k/N*(i+N)). Böylece Fourier serisinin ekstrapolasyonu geçmişin tekrarına yol açacaktır. Örneğin, bugünün fiyatı N çubuk olarak tekrarlanacak. N'yi kendiniz seçtiğiniz için fiyatın ne zaman tekrarlanacağını siz kontrol edersiniz. Bir kez daha. O zaman neden tam Fourier serisine ihtiyaç var? Fiyatın kaç bar tekrarlayacağına kendiniz karar verin ve ticarete başlayın.
Güç fonksiyonunun ekstrapolasyonu da önemsizdir. Bazı fonksiyonları geçmiş verilere uydurarak piyasayı tahmin edemezsiniz. Ya istatistiksel ya da kendi kendine öğrenme yöntemleri kullanılmalıdır. Ekonometri ve zaman serisi analizi üzerine kitaplar okuyun. En yaygın tahmin yöntemi, otoregresyona dayalı Box-Jenkins yöntemidir. Bu yöntemle ilgili sorun, bir kamyonu güven aralığına sığdırabilmenizdir. Bana öyle geliyor ki, kendi kendine öğrenen sinir ağlarından daha fazla başarı beklenmeli.
Fourier açılımı için bir destek yaparsak iyi bir sonuç verir. Özellikle, ileri doğru regresyon kolayca tahmin edilebilir ve buna göre Fourier inşa edilebilir. Hareketli bir ortalamayı destek olarak koymak ve harmoniklerin toplamını hareket lineer olarak devam ediyormuş gibi ayrı bir pencerede oluşturmak mümkündür. Verilerle tam olarak hizalanacak şekilde yarım dönem geriye kaydırılmış, sorunsuz değişen ortalama T3 tipi bazında ve minimum RMS'ye göre ayarlanmış bir parabol ile ucu tahmin etmek mümkündür ve Fourier'i bu ekstrapolasyona göre oluşturun. Ancak her durumda, farklı periyotlarla Fourier ekstrapolasyonu için birkaç seçenek oluşturursak ve her seçeneği minimum standart sapmaya göre optimize edersek, döngüleri tekrarlama olasılığı yüksek olacaktır. Birkaç seçeneğin tanıklığının bir tesadüfü varsa, o zaman muhtemel olarak kabul edilebilirler. Daha sonra bir faz farkı veya gecikmesi meydana gelirse, bu, otomatik ayarlama veya yeniden hesaplama için kullanılabilecek düzeltici bir fark sinyali üretecektir. Bu, radyo alıcılarındaki en verimli ve gürültüye dayanıklı olan PLL (Faz Kilitli Döngü) dedektörünü andırıyor.
İşte bir resim - yukarıdan aşağıya Koch fraktal eğrisi, yapısının beş aşaması. her düz
üç bölüme ayrılmıştır ve orta bölüm bir açıyla bağlanmıştır.
...
Tabii ki, hiç kimse gerçek alıntıların fraktal fonksiyonlara benzediğini kanıtlamadı, ancak
grafiklerin kendine benzer olması (yani, ölçekleri kaldırırsanız imkansız hale gelir)
örneğin dakikaları haftalardan ayırt etmek için), yine de bunların fraktal benzeri olduklarını gösterir.
doğa.
Evet var. Bu, sinüsleri ve kosinüsleri olan tam bir Fourier serisidir. Ama onun da eksiklikleri var. Ayrık Fourier dönüşümünün frekansları 2*pi*k/N formülüyle verilir. Yani Fourier serisindeki tüm sinüsler ve kosinüsler değerlerini N çubukluk bir sıklıkta tekrarlayacaktır: cos(2*pi*k/N*i)=cos(2*pi*k/N*(i+) N)), günah( 2*pi*k/N*i)=sin(2*pi*k/N*(i+N)). Böylece Fourier serisinin ekstrapolasyonu geçmişin tekrarına yol açacaktır.