文章 "经验模态分解法介绍" - 页 5

 
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/科学的角度来看很不错,但在交易中毫无用处。
如果您试图将 EMD(或任何其他分析技术)用作某种基于历史价格数据的简单预测性价格过滤器,那么我同意它非常无用,但我不会这么快就完全否定这种技术。将非静态数据分解为成分波形还有其他各种有用的方法,也可以提供很多信息。根据我的经验,EMD 在这方面做得很好
 

大家好、

我一直在苦苦寻找将 EMD 技术与 SVM 回归技术结合起来的合理途径。我读到的大多数关于(E)EMD-SVM 的论文(如 "基于 EMD 和 SVM 的股指短期预测")都是先分解完整的时间序列,然后再实施 SVM 学习路径。

但我注意到,如果在时间序列中增加一个额外的数据集 (t+1),EMD 算法几乎会改变每一个 IMF 值(甚至 IMF 的数量也会改变(对于过去的同一日期))。

因此,我担心,如果我将数据集分割成一个学习期(如 2002-2010),并想进行样本外预测(如 2011 年),我的 EMD 分解 IMF 应该只包含 2002-2010 年的数据来预测 2011 年,对吗?用 EMD 数据集(2002-2011 年)计算的 IMF 时间序列预测 2011 年,会包含 "未来 "的信息,使我的回溯测试 结果无效,对吗?

因此,每向前预测一步,我的 EMD 就必须用额外的数据点进行计算......然后 SVM 回归就可以对这样的模型进行回测,对吗?这种递归方法可能会像 MisterH 上文提到的那样 "BUMPY",从而使其在回溯测试/交易策略中毫无用处?

 

我们能否谈谈附录 2 中的 "EMD 的实施略有不同"?

大 + 文章