文章 "经验模态分解法介绍" - 页 4

新评论
 

这是一篇非常有用的好文章。太感谢您了，我太盲目了，我唯一的分析方法就是直接分析数据流。事实证明，这与启发式分析法一样，对我非常有用。我将来会自己实现，并尝试使用嵌入式 MT5 制图功能。

不过，我使用提供的图形工具运行脚本，它可以编译和显示，但数据只显示为方波模式。这是否正常？
，我尝试了在不同日期间隔的不同时间段使用不同的符号，还尝试将 "n "值先小后大，但结果都一样。

EMD 方波数据

 
事实上，这不是一篇好文章。EMD 不是一种因果技术。这意味着它的过去值会实时变化，使其在交易中完全无用。它与奇异频谱分析、霍德里克-普雷斯科特滤波器和各种类型的样条曲线属于同一类。它在静态图表上看起来很好，但在实时图表上并不比 LWMA 好多少。只需将 SMA(1) 放在 EMD 线的结果上，你就会发现它变得多么颠簸...从研究/科学的角度看很不错，但在交易中毫无用处。
 
MisterH:
事实上，这不是一篇好文章。EMD 不是一种因果技术。这意味着它的过去值会实时变化，使其在交易中完全无用。它与奇异频谱分析、霍德里克-普雷斯科特滤波器和各种类型的样条曲线属于同一类。它在静态图表上看起来很好，但在实时图表上并不比 LWMA 好多少。只需将 SMA(1) 放在 EMD 线的结果上，你就会发现它变得多么颠簸...从研究/科学的角度来看不错，但在交易中毫无用处。
感谢您的反馈，它似乎比文章本身更有用。我一直在研究你说的话，虽然这篇文章让我对其他类型的分析有了新的认识，但如果我付诸实施，很可能就会像你说的那样：BUMPY。我会把时间花在其他事情上，我可能会把这篇文章用于研究目的，而不是用于交易。
 

1. https://en.wikipedia.org/wiki/Hilbert%E2%80%93Huang_transform

2.谷歌经验模式分解图片。

3.这可能是我在众多评论中最愚蠢的评论之一：）。这里有一点讽刺意味。在计算 EMD 之前，首先要做的是找到最大值和最小值（见下文）。如果我们已经能做到这一点，那么我们就已经赚钱了。找到最大值/最小值就是我们的工作。

维基百科还提到（在局限性 下）"Datig 和 Schlurmann [2004] 对 HHT 的性能和局限性进行了最全面的研究，特别是对 不规则 波 的应用 。..... .作者讨论了使用额外的前向和后向点来确定更好的包络线" 。

4.4. 滤除噪音--这就是问题所在。

Hilbert–Huang transform - Wikipedia, the free encyclopedia
  • en.wikipedia.org
The Hilbert–Huang transform (HHT) is a way to decompose a signal into so-called intrinsic mode functions (IMF), and obtain instantaneous frequency data. It is designed to work well for data that is nonstationary and nonlinear. In contrast to other common transforms like the Fourier transform, the HHT is more like an algorithm (an empirical...
 

感谢您的文章，我很喜欢读它。

与任何分解（不仅是 EMD）相关的几点：

  1. 在图 6 中，根据我的理解，平滑是通过对给定区间应用一次 EMD 来完成的。更正确的做法是，通过移动固定大小的窗口并对每个窗口应用 EMD 来实现平滑。在正确的一端获得平滑值。
  2. 从这个意义上讲，比较右端和左端平滑值的结果是非常有趣的（对所有平滑函数做同样 的处理）。
  3. IMF 函数的预测似乎与简单 MA 的预测一样成功。因为预测的基础是相同的--外推器的选择。您能分享一下吗？
    这里不对建立在эмпирической модовой декомпозиции 基础上的预测方法进行详细分析，因为这一主题超出了本文的范围。
  4. 我非常喜欢去趋势的想法，谢谢。
  5. 将 EMD 应用于价格 BP 显然需要对 BP 本身进行一些转换。相应地，寻找极值的算法也是如此。

关于 EMD：

  1. EMD 的结果是否在很大程度上取决于所使用的样条函数类型？
  2. 请谈谈在 EMD 中选择这种构造标准的原因：
    在经验模式的任何一点，由局部最大值和局部最小值定义的包络的平均值必须为零。


附注： 当然，为了比较平滑函数，值得一劳永逸地制定一个平滑效率标准。以此来比较所有已知函数，包括 EMD。

 
hrenfx:

感谢您的文章，读得很开心。

感谢您对文章的关注。

很抱歉，我无法详细介绍EMD 。我想用软件来实现这种方法。这种实现方法已经完成，这也是我写这篇文章的基础。没有进行过认真的研究。

关于 EMD：

EMD 的结果是否在很大程度上取决于所使用的样条函数类型？

我没有尝试过使用其他样条函数，例如四度样条函数，所以对此没有自己的看法。我想我在某个地方看到过关于这个问题的出版物，但遗憾的是我不记得确切的地点了。

请就 EMD 选择这种构造标准的原因发表评论：

在经验模式的任何一点上，由局部最大值和局部最小值定义的包络线的平均值必须为零。

我不能在这里评论，这应该在黄的论文中查找。这些是他的条件。

 

任何分解方法 的研究都需要软件来实现，因此其基础在论文中几乎完全公开。

附注：奇怪的是，您从未在任何地方（互联网上）遇到过比较不同函数的标准。这就需要考虑一下您的自行车了。

 

这应该是另一种更好的方法：Hilbert Vibration Decomposinghttp://hitech.technion.ac.il/feldman/hvd.html 也许作者或有电子工程背景的人可以写一篇新文章。

 

首先，非常感谢作者的文章！这篇文章有趣、清晰、简洁。所提供的材料足以让你了解自己是否需要这些材料，并决定是否继续深入研究这一主题--这是一种入门讲座。此外，作者还提供了初步测试的基础。为此，我非常感谢你。

现在，我将向那些同时需要所有东西的人谈谈，这样他们就不需要动一根手指头了。大家--开动你们的大脑，与懒惰作斗争。有些帖子简直让人不忍卒读。作者很努力，而你们却不领情。

 
MetaQuotes Software Corp.:

新文章 经验模态分解法介绍已发布：

作者：Victor赞

 

12345
新评论